资产配置跟踪报告之三：黄金定量预测：年内大概率底部已过，随后价格中枢有望持续回升

金工量化点评| 金工量化点评 黄金定量预测：年内大概率底部已过，随后价格中枢有望持续回升 资产配置跟踪报告之三 ●核心结论 本文根据西部金工大类资产配置专题报告中的大类资产预期收益预测模型，对伦敦金价格未来走势进行跟踪预测。在之前的大类资产配置专题报告之四中提出了针对金价相对长期（十年期左右）变化趋势的计量模型， 分析师 付怡S0800520120001 13163240483 证券研究报告 2022年08月04日 而金价相对短中期的价格变化也是投资者关注的重点。而在金价的中短期预测方面，我们也试图去做过一些探讨，通过长期、短期相结合的综合维度来给出金价未来最可能的走势。中短期走势判断方面，采用的是我们在大类资产配置专题一、二中提出大类资产预期收益预测模型，模型的核心逻辑是运用了VAR模型并结合蒙特卡洛模拟，最终以分布的形式给出金价最可能的走势。 本篇报告对金价影响因子进一步优化与检验，仍以经济增长因子、金融因子、利率因子、通胀因子以及金价因子本身五个维度为主，并检验了SPDR规模因子的有效性。在跟踪报告二基础上进一步优化，对黄金资产对应的宏观指标输入变量持续进行筛选检验，尽管SPDR规模变化与金价走势关联性较强，但效果不及原始模型预测精度，最后仍使用美国工业总体产出指数、美国CPI、美元指数、美国债到期收益率10年、美国：M2以及伦敦金价格6个因子。同时仍旧使用“资产因子”的理念把伦敦金价格也作为一类因子，与宏观因子一起，借助大类资产预期收益预测模型的框架进行分析。 从数据检验结果来看，该模型用于1~6个月中短期的伦敦金价格预测具有较高的预测精度。该模型的优势在于能够自行设置外推预测步长，因此在进行历史回溯预测的时候，我们也对外推步长的预测参数进行了检验，结果可以发现，随着预测月份数的提升，即外推步长的提升，误差值均值呈现扩大的趋势，从-0.6%至-2.6%，误差在回测区间中的最大、最小值整体呈现随着外推步长增加而扩大的趋势，误差的波动率也出现随之上升的趋势。因此，该模型用于1~6个月中短期的金价预测会具有相对较高的解释力度。 金价未来走势：年内大概率底部已过，随后黄金价格中枢有望持续回升。对伦敦金价格从2022年7月底至2023年10月底的价格使用模型进行预测，根据中短期预期收益模型预测结果，伦敦金价格在2022年7月底达到1782左右价格中枢，对应年内价格低点；随后8月度对应金价中枢为1807点位，而截至20221231金价将逐步回升至1830价格中枢，波动范围在[1706~1956]。整体来看，根据模型的预测结果，伦敦金价格在今年7月已经触及年内底部区域，后续伦敦金价格有望持续稳步回升。 风险提示：本文结果均基于模型和历史数据，市场环境变化时模型存在失效风险；文中对伦敦金价格未来走势的判断，仅供参考，不构成投资建议。 fuyi@research.xbmail.com.cn 王红兵S0800519090003 13924613850 wanghongbing@research.xbmail.com.cn 相关研究 1、西部证券-金工大类资产配置专题报告之一: 从资产的历史数据到未来预期-20191119 2、西部证券-金工大类资产配置专题报告之二: 多维度探究资产预期收益优化法-20191211 3、西部证券-金工大类资产配置专题报告之三: 风险无处不在，资产波动率模型构建与预测 -20200302 4、西部证券-金工大类资产配置专题报告之四: 黄金，把握战略机遇投资期-20200406 5、西部证券-金工大类资产配置专题报告之五: 疫情冲击与政策对冲下的黄金投资价值 -20200609 6、西部量化资产配置跟踪报告之一：黄金价格定量预测：短期有回落趋势，中期维度呈现“√”型走势—20220406 7、西部量化资产配置跟踪报告之二：黄金定量预测：金价目前处于年内底部区域，后续有望持续上行—20220612 索引 内容目录 一、基于宏观因子的金价中短期预测模型3 二、模型历史检验以及金价走势预判4 2.1因子划分以及金价效果预测历史表现4 2.2使用SPDR黄金ETF规模因子进行检验8 2.3金价未来走势：年内大概率底部已过，随后黄金价格中枢有望持续回升10 三、风险提示11 图表目录 图1：大类资产预期收益预测模型针对黄金金价分布预测逻辑图3 图2：3月底我们报告中预测伦敦金价格走势与4月、5月伦敦金真实价格走势对比3 图3：美元指数以及伦敦金价格走势5 图4：金价对应的宏观因子5 图5：预测黄金价格走势与真实历史走势对比（预测区间2014~2022）6 图6：预测黄金价格走势与真实历史走势对比6 图7：预测黄金价格走势与真实历史走势对比（预测区间2000~2022）7 图8：预测黄金价格走势与真实历史走势对比（预测区间2000~2022）7 图9：各个因子回溯检验过程中一阶滞后项系数占比（预测区间2000~2022）8 图10：SPDR总规模变化与伦敦金价格真实历史走势对比9 图11：预测黄金价格走势与真实历史走势对比（使用SPDR替换）9 图12：预测黄金价格走势与真实历史走势对比（使用SPDR替换）10 图13：大类资产预期收益预测模型下金价走势蒙特卡洛模拟路径（仅展示其中9条）10 图14：大类资产预期收益预测模型下金价中短期走势判断11 一、基于宏观因子的金价中短期预测模型 在“西部金工大类资产配置专题报告之四:黄金，把握战略机遇投资期”的专题中，我们按照长短期的维度讨论了影响黄金价格的六大因子，两大短期因子分别是VIX指数、美元指数，长期维度四个因子分别是美国国债实际利率、通胀预期、美国M2/GDP以及黄金本身的供需缺口。所以可以看到黄金的影响因子几乎都为美国经济或者金融体系下的指标，也可以认为黄金的定价主要受到美国经济的影响。 同时也提出了针对金价相对长期（十年期左右）变化趋势的计量模型，而金价相对短中期的价格变化也是投资者关注的重点。而在金价的中短期预测方面，我们也试图去做过一些探讨，通过长期、短期相结合的综合维度来给出金价未来最可能的走势。中短期走势判断方面，采用的是我们在大类资产配置专题一、二中提出大类资产预期收益预测模型，模型的核心逻辑是运用了VAR模型并结合蒙特卡洛模拟，最终以分布的形式给出金价最可能的走势。本文根据上述报告中的模型，对伦敦金价格未来走势可能性进行进一步的分析。 图1：大类资产预期收益预测模型针对黄金金价分布预测逻辑图 VAR+MonteCarlo •经济增长因子 •金融因子 •利率因子 •通胀因子 伦敦金价格因子 伦敦金价格收益分布 资料来源：西部证券研发中心 图2：3月底我们报告中预测伦敦金价格走势与4月、5月伦敦金真实价格走势对比 伦敦金(-)YSTD(+)YSTD伦敦金真实价格 2200 2000 1800 1600 1400 2019/9/1 2019/11/1 2020/1/1 2020/3/1 2020/5/1 2020/7/1 2020/9/1 2020/11/1 2021/1/1 2021/3/1 2021/5/1 2021/7/1 2021/9/1 2021/11/1 2022/1/1 2022/3/1 2022/5/1 2022/7/1 2022/9/1 2022/11/1 2023/1/1 2023/3/1 2023/5/1 1200 资料来源：wind，西部证券研发中心 同时在西部量化资产配置跟踪报告之一《黄金价格定量预测：短期有回落趋势，中期维度呈现“√”型走势》中于3月底明确指出黄金价格短期有回落风险，伦敦金价格4月以及 5月样本外走势也如期出现了回落，验证了我们模型预测的观点。其中模型利用3月底的 数据对伦敦金价格4月底以及5月底预测的中枢点位分别为1866.7、1863.1，而同期伦敦金真实点位分别为1895.6以及1836.9，与我们的预测值非常接近。6月给出的跟踪报告之二《金价目前处于年内底部区域，后续有望持续上行》中也指出金价短期有回落趋势，随后中期维度价格中枢持续回升，样本外走势也基本得到验证。 本篇报告中会对模型进一步优化，同时对伦敦金价格影响因子进一步精选，使得预测精度进一步提升。 二、模型历史检验以及金价走势预判 2.1因子划分以及金价效果预测历史表现 首先需要确定数据源，即确定输入宏观变量。我们在大类资产配置专题一和二中对黄金这一类资产的预期走势也做了测试和研究，找到了对应的一批宏观因子，而在专题报告四中则在专题一二模型的基础上进一步优化，对黄金资产对应的宏观指标输入变量进一步筛选，即确定输入宏观变量，进一步提高模型的拟合度。宏观因子选取的矛盾在于大家都知道黄金价格的影响因素颇多，自然是希望采纳尽可能全面的因子，而过多的因子又会使得VAR模型因参数过多而不够稳定。本节采取的优化方式，为了提高模型精度防止参数过多导致的“伪拟合”问题，在因子数量上做了进一步的精简。 上篇报告中我们选定的7个因子，而考虑到模型的参数数量以及稳健型，本文中做了进一步的精简。经过预测精度回溯检验后，剔除美国非农就业人数，同时考虑数据的发布时间，将通胀衡量指标更换为美国CPI:当月同比，最终选择6个因子如下表所示，分别代表了经济增长因子、金融因子、利率因子、通胀因子以及金价因子本身，合计五大维度。 表1：经济系统中输入的宏观因子 序号 宏观因子 频率 起始日 1 美国工业总体产出指数：季调 月 1919/01 2 美国CPI当月同比 月 1914/01 3 美元指数 日 1971/01/04 4 美国债到期收益率10年 日 1953/04/30 5 美国：M2（十亿） 月 1959/01 6 伦敦金价格 日 1920/01/30 资料来源：wind,西部证券研发中心 其中，我们仍旧使用“资产因子”的理念把伦敦金价格也作为一类因子，与宏观因子放到一起，借助大类资产预期收益预测模型的框架进行分析。其优势我们在专题一二中都做过详细阐述，主要在于直接构建起来宏观因子到资产标的之间的映射关系，不需要再通过回归等拟合方式而导致模型损失精度。所有数据我们均选用月度频率，时间选取维度上选取尽可能长的历史数据，初始历史数据日期为2008/12/31，回测初始日期2014/01/31，截至日期为2022/4/30，历史回测中新数据采取累计并入的方式，并对原始数据采取差分处理，将预测伦敦金价格与历史同期真实伦敦金价格走势进行比较。 图3：美元指数以及伦敦金价格走势 130 美元指数伦敦金现:IDC 2500 120 110 100 2000 1500 901000 80 500 70 600 2000-01-102004-01-102008-01-102012-01-102016-01-102020-01-10 资料来源：wind，西部证券研发中心 图4：金价对应的宏观因子 美工业生产指数:制造业:同比(%)美国:PCE:同比(%) 美国:M2:同比(%)美国债收益率:10年(右) 307 206 105 4 0 3 -102 -201 -300 2000-022002-122005-102008-082011-062014-042017-022019-12 资料来源：wind，西部证券研发中心 该模型的优势在于能够自行设置外推预测步长，因此在进行历史回溯预测的时候，我们也对外推步长的预测参数进行了检验，结果可以发现，随着预测月份数的提升，即步长的提升，误差值均值呈现扩大的趋势，从-0.6%至-2.6%，误差在回测区间中的最大、最小值整体呈现随着外推步长增加而扩大的趋势，误差的波动率也出现随之上升的趋势。因此，该模型用于1~6个月中短期的金价预测具有相对较高的解释力度。 图5：预测黄金价格走势与真实历史走势对比（预测区间2014~2022） 资料来源：wind，西部证券研发中心 以预测一个步长的情形，即未来一个月的伦敦金价格点位为例