De goudprijs en de conjunctuurcyclus

De goudprijs en de conjunctuurcyclus

Nick schakel 5603722

2e Semester, 2010-2011 7-10-2011 Bachelorscriptie Business Economics – Finance

J.E. Ligterink Faculteit Economie en Bedrijfskunde Universiteit van Amsterdam

2 1.Inleiding Goud wordt door marktparticipanten al eeuwenlang gezien als een waardevaste investering. Maar door de sterke prijsstijging van goud van de afgelopen jaren kunnen er vraagtekens gezet worden bij de geldigheid van deze visie. Begin 2008 koste een ounce (31,10 gram) goud 800 dollar, nu is dat 1550 dollar, terwijl de dollarindex nu op vrijwel hetzelfde punt staat als in januari 2008. Volgens sommige economen (The Economist, 2010) is de prijsstijging grotendeels te wijten aan de financiële crisis die in 2008 begon. Investeerders zouden voor goud gekozen hebben vanwege de grote volatiliteit van andere assets. Aangezien dit een gebruikelijke reactie is van investeerders in economisch onzekere tijden zou er een verband moeten bestaan tussen de waardering van goud en de conjunctuurcyclus. Er bestaat al veel onderzoek naar variabelen die de verandering van de geaggregeerde productie van een land voorspellen. De meest consistente voorspeller die is gevonden is de spread tussen lange en korte termijn rente (Estrella en Hardouvelis, 1991). Toch is de voorspelfout van deze variabele vrij hoog. In dit onderzoek wordt gekeken naar de determinanten van de goudprijs en het termijnverschil van de goudprijs en wordt er onderzocht of er voorspellende informatie is verwerkt in de goudspread. Fama en French (1988) vinden een zwakke correlatie tussen de termijn verschil (spread) van goudfutures en de businesscycle. Zij baseren deze bevindingen niet op een regressieanalyse maar op de relatieve variantie van de prijzen van de futures. In overeenstemming met de voorraadtheorie van Kaldor (1939) zouden er kleine voorraden goud aangehouden worden door producenten in perioden van hoogconjunctuur. Schokken in de vraag of aanbod van goud hebben dan een veel groter effect op de prijs van een future die ver in de toekomst ligt dan op de prijs van een future in de nabije toekomst. In dit onderzoek wordt er gekeken of dit verband ook is aan te tonen met lineaire regressie, aangezien de methode van Fama en French een klein onderscheidingsvermogen heeft. De onderzoeksvraag luidt: In hoeverre bevat het termijnverschil tussen futures van goud informatie over de huidige en toekomstige conjuncturele bewegingen van een economie? Om deze vraag te kunnen beantwoorden worden er een aantal lineaire regressievergelijkingen opgesteld met als exogene variabelen: het termijnverschil van de futureprijzen voor goud, het nationaal product van een economie, het verschil tussen staatsobligaties met verschillende looptijden en de rente die de Federal Reserve Bank handhaaft.

3 In de volgende paragraaf volgt een literatuuronderzoek. Eerst wordt de geschiedenis van goud kort beschreven. Vervolgens worden de eigenschappen van de goudprijs geanalyseerd. In paragraaf drie worden de regressiemodellen opgesteld. In paragraaf vier worden de resultaten geanalyseerd en bediscussieerd. Tot slot volgt in de laatste paragraaf de conclusie.

2. Literatuurverslag Dit literatuurverslag is als volgt opgebouwd. Eerst wordt een korte omschrijving gegeven van goud en wordt de hedendaagse functie ervan toegelicht. Om het onderzoek naar een verband tussen de goudspread en de veranderingen in het BNP te legitimeren wordt er vervolgens gekeken naar de gebeurtenissen die invloed hebben op de goudprijs. Daarna zullen de huidige theorieën over termijnspreads van grondstoffen beschreven worden. In het laatste deel van het literatuurverslag wordt de literatuur over indicatoren van economische groei bekeken.

2.1 Algemene kenmerken goud Bij gouddelving is men vaak niet alleen op zoek naar goud, maar ook naar andere edele en niet edele metalen. Naast een hoge goudprijs zijn de prijzen van deze andere metalen dus van groot belang voor het rendabel maken van een (goud)mijn (van Heden, 1990). Van het gedolven goud wordt uiteindelijk een klein deel verbruikt en een groot deel gebruikt. Uniek is dat dit gebruikte deel niet meer zal verdwijnen, vrijwel al het goud dat ooit is geproduceerd bestaat nog steeds. Hierdoor zijn er enorme voorraden goud verspreid over de wereld, waarvan een groot deel in de handen van centrale banken. Vanuit deze voorraden wordt er zeer beperkt gehandeld. Op dit vlak lijkt de goudmarkt meer op de aandelenmarkt dan op de markt voor grondstoffen (Van Heden, 1990). In 2010 werd er door goudmijnen 2543 ton goud geproduceerd (World Gold Council, 2011) en 1653 ton goud kwam opnieuw op de markt door recycling. De vraag naar goud voor juwelen steeg met 17 procent van 1760 ton naar 2059 ton. Deze sterke toename is vooral toe te schrijven aan de stijgende vraag uit China en India. Opvallend is dat de centrale banken gezamenlijk voor het eerst sinds 21 jaar netto koper werden. De vraag naar Exchange-traded funds (ETF’s) en gelijkwaardige producten bleef stabiel ten opzicht van 2010. Het uitstaande bedrag aan afgeleidde producten bedroeg 1333,3 ton in dat jaar. Er kunnen geen structurele veranderingen in de goudmarkt geïdentificeerd worden die de spread blijvend zou kunnen beïnvloeden.

4

2.2 Prijsontwikkelingen en oorzaken Nadat landen begin jaren zeventig de gouden standaard loslieten steeg de prijs van goud geleidelijk tot januari 1980, toen de goudprijs in minder dan drie weken tijd explodeerde en op een koers van 300 dollar per ounce stond. Dit was te wijten aan de onrust in het Midden Oosten. De tweede grote stijging startte in 2008 en duurt nog steeds voort. Op dit moment fluctueert de goudprijs rond 1500 dollar per ounce (World Gold Council, 2010). De oorzaken van goudprijsstijgingen zijn volgens Shafiee en Topal (2010) op te delen in twee korte termijn en drie lange termijn factoren. Korte termijn stijgingen komen voort uit een onrustige internationale economie en de daaruit voortvloeiende onzekerheid over de waarde van financiële producten. Goud wordt dan gezien als veilige vluchthaven (Shafiee en Topal, 2010). Ten tweede wordt goud op korte termijn als hedge middel gebruikt tegen een devaluerende dollar en internationale inflatie. Goud wordt ook wel de antidollar genoemd. Als lange termijn oorzaken zijn volgen Shafiee en Topal: hogere exploratiekosten, de steeds groter wordende investeringen vanuit de institutionele en retailhoek en de steeds uitgebreidere mogelijkheden om in goud te investeren door middel van bijvoorbeeld goud ETF’s.

2.3 Reactie op nieuws Wanneer er economisch nieuws naar buiten wordt gebracht dat buiten het verwachtingspatroon van de markt ligt reageren de koersen van de gerelateerde onderliggende en aanverwante assets onmiddellijk. Een niet verwachte stijging van de consumenten prijsindex heeft bijvoorbeeld direct een lagere waardering van aandelen tot gevolg (Plirce en Roley, 1983). Een vergroting van de geldhoeveelheid in een land leidt tot een directe respons op de rentemarkt (Rich en Wachtel, 1981). Tandon en Urich (1987) stelden vast dat onverwachte stijgingen in de producentenprijsindex leidden tot hogere goudprijzen. Een deel van de verwachte inflatie zit dus in de goudprijs verwekt zit. Stijgende producenten prijzen duidden namelijk op een hogere inflatie op termijn. Sinds de beschikbaarheid van intraday data is er veel onderzoek gedaan naar het korte termijn gedrag van veel financiële assets. Doormiddel van Arch en Garch modellen is het gedrag van de volatiliteit van de goudkoers op korte tijdsintervallen in kaart gebracht. Cai, Cheung en Wong (2000) laten zien dat er een U vorm bestaat binnen de dagelijkse volatiliteit van de goudprijzen. Ook laten zij zien dat de (intraday)volatiliteit sterk reageert op macroeconomische aankondigingen, berichten over de goudreserves van centrale banken, rente percentages, inflatiecijfers en berichten over politieke spanningen. Christie-David, Chaudhry en

5 Koch(2000) bevestigen de invloed van economisch nieuws op de volatiliteit van goud en zien een verschil met de volatiliteit op de rentemarkten. Het nieuws heeft invloed op beide koersen, alleen de goudprijs heeft daarnaast ook een extra deel volatiliteit dat niet verklaard kan worden uit dit nieuws. De goudprijs heeft een veel sterkere bewegelijkheid die door meer factoren wordt beïnvloedt dan alleen economisch nieuws. Het feit dat de goudprijs sterk regeert op macro economisch nieuws onderstreept de rol van goud in de huidige tijd. Hoewel goud geen rol meer heeft in het monetaire systeem blijft goud nog steeds de rol van safe haven vervullen voor investeerders. In dit onderzoek wordt niet specifiek gekeken naar de effecten van nieuwsberichten op de goudprijs, maar wordt er op basis van bovenstaand onderzoek wel verondersteld dat er nog steeds veel relevante informatie over macro-economische verwachtingen en bedreigingen in de goudprijs is verdisconteerd.

2.4 Spread Theorieën De goudprijs zelf geeft weinig bruikbare informatie om de groei van de economie te voorspellen. Weliswaar reageert de prijs op macro-economisch nieuws, maar het effect van deze schokken na een bepaalde periode is niet te meten. Dit geldt voor veel assets en daarom is er veel onderzoek gedaan naar het gedrag van de termijnspreads voor een breed scala aan grondstoffen. De spread is het verschil tussen de prijs van een future met een afloopdatum in de toekomst en de prijs van een future die minder ver in de toekomst ligt. Er bestaan twee leidende theorieën die het verschil in prijs proberen te verklaren, die zullen hier worden besproken. Ten eerste is er de voorraadtheorie van Kaldor(1939). Zijn model wordt weergegeven in vergelijking 1. Kaldor gaat er van uit dat het verschil tussen de prijs van een future die afloopt op tijdstip T en de cash prijs van een grondstof afhankelijk is van drie componenten. Ten eerste de rente die wordt misgelopen door het goed in voorraad te houden.. Deze kosten kunnen gezien worden als de opportunity costs van het goed. In het model staat de Rt voor de geldende rente op tijdstip t. S t staat voor voor de waarde van het goed dat men in voorraad heeft op tijdstip t. Naast de opportunity costs zijn er de marginale kosten om het goed in eigen beheer te houden, deze worden weergegeven door het symbool Wt . Voor goud zouden dit bijvoorbeeld de kosten voor een kluis en bewaking kunnen zijn. Als derde component noemt Kaldor(1939) de marginal convenience yield. Deze variabele is negatief en wordt in vergelijking 1 weergegeven door  Ct . De betekenis van deze curve zal hieronder worden besproken. Het volledige model van Kaldor(1939) is:

6

Ft ,T  S t  Rt * S t  Wt  Ct (1)

Ft ,T staat voor de prijs van een futurevan een grondstof op moment t. Deze future loopt af op tijdstip T. S t is de cashprijs van de grondstof. Deze notatie zal het verslag gebruikt worden om de future- en cashprijzen van goud weer te geven.

De marginal convenience yield kan gezien worden als het voordeel dat men krijgt door het in voorraad houden van een goed in plaats van het aanhouden van een futurecontract. Voor producenten is dit bijvoorbeeld het continueren van het productieproces. Als men steeds extra goederen moet bestellen om dit proces door te kunnen laten gaan is er een risico dat het goed niet leverbaar is, er kunnen hoge bestelkosten zijn, enz. De hoeveelheid fysieke voorraad die wordt aangehouden vormt dus een deel van de cashprijs. Naarmate de voorraden die afnemers van een bepaald goed hebben groter worden dalen de beschreven voordelen. De marginal convenience yield vlakt dus af wanneer voorraden groter worden (Fama en french, 1988). Doordat de marginal convenience yield bestaat, is het mogelijk dat de futureprijs van een goed lager is dan de cashprijs. De marginal convenience yield is dan groter dan de rente en de kosten van het houden van voorraad bij elkaar opgeteld. Dit verschijnsel wordt backwardation genoemd.

Fama en French (1988) bevestigen de theorie van Kaldor (1939), maar stellen dat er nooit informatie verkregen kan worden over de voorraden en dat deze theorie daarom niet te verifiëren is doormiddel van cijfers over de voorraden van goederen. In plaats daarvan kijken zij naar het verschil tussen de variantie van de futureprijzen en de cashprijzen wanneer schokken zich voordoen. Als de voorraden hoog zijn en de convenience yield dus vlak is zouden schokken dezelfde prijswijziging in de futuremarkten moeten hebben als op de cashmarkten. De grote voorraden hebben dan namelijk grote impact op de prijzen in toekomstige perioden. Een groot deel van die voorraden zal immers pas een aantal perioden later geconsumeerd worden. Als de voorraden laag zijn en de convenience yield stijl is zal de schok groter zijn in de cash markt dan op de future markt aangezien de markt in de toekomst zal anticiperen op de vraag die in de nieuwe situatie zal gelden. Er worden geen voorraden doorgeschoven van het heden naar latere perioden. Dit is vaak het geval in tijden van economische hoogconjunctuur, wanneer grondstoffen schaars zijn en de voorraden dus klein zijn. Deze theorie wordt empirisch bevestigd voor industriële metalen als zink, koper en

7 aluminium. Voor de edelmetalen goud en zilver is het verband wel aanwezig, maar minder sterk (Fama en French, 1988). In de regressies die zij uitvoeren blijkt dat de rentevoet tachtig procent van het verschil tussen cash- en futureprijzen verklaard.

2.5 Theorie Cootner De theorie van de voorraadkosten is niet onomstreden. Cootner stelde de voorraadtheorie in 1960 ter discussie en kwam met een alternatieve theorie. Hij verklaarde het verschil tussen future- en cashprijzen bij grondstoffen als de som van een risicopremie ( Rt * St ) en een verwachte verandering van de spot prijs ( Et [ P(t , T ] ). In vergelijking 2 is dit model weergegeven. Speculanten zouden anticiperen op de toekomstige prijs van een goed. Door short te gaan op futures en long op cash goederen (of andersom) behalen zij vervolgens winsten. Daardoor zouden futureprijzen dus de toekomstige koersontwikkelingen van grondstoffen voorspellen. Het model van Cootner:

F t ,T  Ct  Rt * S t  Et [ Pt ,T ]

(2)

Fama en French (1987) proberen zowel de theorie van Cootner(1969) als de theorie van Kaldor(1939 te verifiëren. Ze doen dit door 2 regressievergelijkingen toe te passen. ST  S t  a1  b1[ Ft ,T  S t ]  u( t ,T )

(3)

Ft ,T  ST  a1  b2 [ Ft ,T  S t ]  zt ,T

(4)

In de eerste regressie wordt gekeken of de futureprijs op moment t enige voorspellende waarde heeft over de cashprijs in periode T. De coëfficiënt van b1 moet dan ongelijk aan nul en significant zijn. Dit zou bijdragen aan de theorie van Cootner, de futureprijzen bevatten voorspellende waarde van de toekomstige cashprijzen. In de tweede vergelijking wordt het verschil van de futureprijs op moment t en de cashprijs op moment T geregresseerd tegen de spread op moment t. Op deze manier wordt er gekeken of er sprake is van een tijdsafhankelijke risico premie. De coëfficiënt b2 is in dit geval ongelijk aan nul en significant. Wanneer er sprake is van een tijdsafhankelijke risicopremie is dat een bewijs voor de hierboven beschreven voorraadtheorie van Kaldor(1939). In dit stelsel van vergelijkingen moeten de coëfficiënten b1 en a1 bij elkaar opgeteld één zijn.

8 De resultaten van dit onderzoek zijn opmerkelijk. Het blijkt dat de futureprijzen van grondstoffen met hoge vooraadkosten en grondstoffen met een cyclisch aanbod voorspellende waarde bevatten. Dit zijn bijvoorbeeld sojabonen, eieren en vee. De voorraadtheorie van Kaldor(1939) wordt hiermee dus bevestigd. Maar er werd ook bewijs gevonden voor het model van Cootner. Tijdsafhankelijke premies werden gevonden voor producten die altijd een hoge volatiliteit hebben, bijvoorbeeld eieren en timmerhout. Voor de futures van goud werd noch een tijdsafhankelijke premie noch enige voorspelkracht gevonden. Fama en French (1987) wijten dit aan de lage volatiliteit en de lage voorraadkosten van goud. Tevens veronderstellen zij dat er altijd genoeg goud is voor de productie van sierraden aangezien er overal ter wereld grote hoeveelheden goud zijn opgeslagen die als investering aangehouden worden (1988). De marginal convenience yield is dus altijd vlak Fama en French vinden dus bewijs voor beide theorieën over futures. Het verschilt alleen per product welke theorie het meest toepasselijk is. De futureprijs bevat dus een risicopremie die gezien kan worden als een functie van de volatiliteit van de onderliggende waarde en de tijd tot de expiratie van de future. Daarnaast bevat de futureprijs een cyclische component voor producten waarbij de productie over het jaar verschilt en een premie die de voorraadkosten weergeven.

In dit onderzoek wordt uitgegaan van de bevindingen van Fama en French: het termijnverschil van goud bevat geen cyclische componenten, de voorraadkosten zijn zeer laag en het risico op het houden van goud is marginaal. Intuïtief kan deze laatste aanname makkelijk gemaakt worden, de stof goud kent geen metaalmoeheid, roest niet en slijt nauwelijks. Het enige risico van het houden van goud is diefstal of verlies. In de regressieanalyses zal gekeken worden of de spread naast de tachtig procent die door de rentevoet wordt verklaard ook nog een conjuncturele component bevat.

2.6 Conjunctuurcycli Omdat er in dit onderzoek gekeken word naar een potentiële indicator en voorspeller van de economie wordt hier de bestaande literatuur omtrent indicatoren en voorspellers in ogenschouw genomen. Er bestaat veel literatuur over conjunctuurtheorie (Stock, J. Watson, M., 2003) waarbij de nadruk ligt op het identificeren van factoren die van invloed zijn op de cycli en het maken van voorspellingen. In dit onderzoek wordt er gekeken naar de Amerikaanse conjunctuurcycli aangezien de Amerikaanse economie de afgelopen decennia de grootste ter wereld was. In

9 figuur 1 is goed te zien dat de cycli corresponderen met grote gebeurtenissen in de Amerikaanse economie in de afgelopen decennia. In 1973-1975 is de impact van de eerste oliecrisis te zien, de recessie in 1990 die geassocieerd wordt met de Golfoorlog en in de jaren tachtig en negentig zijn grote perioden van expansie te herkennen. Veel onderzoek richtte zich op de indicatoren die de verandering van het nationaal product van een economie en de verandering van de inflatie kunnen voorspellen (Estrella, A., Hardouvelis, G., 1991; Sims,1980; Mitchell, W.C., Burns, A.F. 1938). Vanuit de macroeconomische theorie worden de veranderingen van monetaire grootheden en de Phillipscurve gelegitimeerd als goede indicatoren. In de jaren vijftig en zestig waren dit inderdaad betrouwbare voorspellers, daarna verdween de voorspelkracht. In 1980 bewees Sims doormiddel van een vector autoregressief model dat de korte termijn rentevoet van de centrale bank geen informatie meer gaf over de toekomstige economische groei in Amerika.

gdp.US 4 3 2 1 0 -1 -2 -3 1975

1980

1985

1990

1995

2000

2005

2010

Figuur1 BNP USA

Het verschil tussen de lange en de korte rente is uitgebreid onderzocht. Chen(1991) vond bewijs dat een negatief verschil een aankomende recessie voorspelt. Toch bleek ook deze relatie niet stabiel over de tijd. Estrella en Hardouvelis (1991) kwamen tot de conclusie dat

10 voorspellende waarde van de interest spread was verdwenen eind jaren tachtig. Er konden enkel nog betrouwbare in sample voorspellingen gemaakt worden. Bernanke en Blinder(1992) kwamen met een verklaring voor het verband tussen het rente termijnverschil en economische groei. Dit verschil zou een indicator zijn van effectief monetair beleid. Bij monetaire verkrapping stijgt de korte termijn rente ten opzichte van de lange termijn rente. Deze hoge rentestanden hebben een afkoelend effect op de economische groei. Er is ook literatuur beschikbaar over de vraag of de prijs van goud of het termijnverschil van goud als voorspeller voor de conjunctuur kan dienen. Fama en French (1988) vinden een zwakke correlatie tussen de spread van goudfutures en de bussinescycle. Zij baseren deze bevindingen niet op een regressieanalyse maar op de relatieve variantie van de prijzen de futures. Stock en Watson (2003) vinden dat ook voor de verandering van de prijs van goud. Zij regresseren het nationaal bruto binnenlands product van verschillende landen op de verandering van de prijs van goud en het nationaal binnenlands product in de periode t-1. Vervolgens werden er out of sample voorspellingen gemaakt en werd bekeken of deze voorspellingen een lagere voorspelfout hadden dan voorspellingen van een autoregressief model. Dit is het geval voor goud, alleen wisselt de sterkte van de voorspelling erg over verschillende tijdsperioden. Daarnaast is dit een erg arbitraire methode om de geldigheid van het model te toetsen. Het model van Fama en French kijkt naar het verschil in de variantie van de futureprijzen als gevolg van vraag en aanbodschokken op de goudmarkt. Vanuit de beschreven voorraadtheorie zou deze de sterkte van de prijswijziging moeten verschillen afhankelijk van de totale hoeveelheid voorraad die er op dat moment gehouden wordt. De voorraden zouden verschillen naar gelang de staat van de conjuncturele cyclus. De reden dat hier geen bewijs wordt gevonden ligt zeer waarschijnlijk in het feit dat de voorraden van goud niet zo sterk fluctueren over verschillende perioden (Fama en French, 1988). Een veelvoorkomend probleem bij bovenstaande onderzoeken is dat wanneer er een vertraagde endogene variabele wordt toegevoegd in de modellen, de significantie van de andere verklarende variabelen sterk terug loopt. Daarnaast hebben veel onderzochte tijdseries een zeer kleine variantie, waardoor de schatters in regressiemodellen lage standaardafwijkingen krijgen. Daarmee is het moeilijk om een onderscheid te maken tussen een werkelijk verband en een schijnregressie. Tot slot wisselt de voorspelkracht van de beschreven indicatoren over de tijd, een betrouwbare voorspeller voor inflatie of het BNP is nog niet gevonden.

Samenvattend kan er gesteld worden dat de goudprijs een aantal kenmerken heeft. De prijs reageert sterk op macro-economisch nieuws. Dit benadrukt de rol van goud als

11 investeringsmiddel in economisch onzekere tijden. Daarnaast heeft goud een sterke negatieve correlatie met de Amerikaanse dollar. Het termijnverschil voor goud kan voor tachtig procent verklaard worden door de rentevoet, de overige twintig procent kunnen niet verklaard worden door componenten uit de verschillende theorieën over termijnverschillen. Er is wisselend bewijs voor de rol van de waardering van goud als voorspeller voor conjuncturele veranderingen. Sterker is het bewijs dat het termijnverschil van rente op staatsobligaties soms goede voorspellingen geeft voor veranderingen in het BNP. In dit onderzoek wordt gekeken naar de spread van goud. Er zal gekeken worden of het termijnverschil van goud gecorreleerd is met bewegingen in de economie en of de goudspread dezelfde informatie over de toekomstige conjunctuurcyclus geeft als de spread van rente.

3.Onderzoek Uit het literatuuronderzoek bleek dat er twee modellen worden gebruikt om het termijnverschil tussen een future- en de cashprijs van een grondstof te verklaren. Dit zijn de modellen van Kaldor(1939) en Cootner(1960). Voor het eerste model zijn de opportunity costs, de voorraadkosten en de marginal convenience yield de verklarende variabelen. Voor het tweede model zijn dat een risicopremie en de te verwachte cashprijs in de toekomst. Tevens bleek dat voor goud de meeste van deze factoren niet van invloed zijn op de spread. Alleen de opportunity costs zijn van belang. De redenen waarom deze variabelen wel of niet van invloed zijn op de goudspread worden nu kort weergegeven.

Ten eerste de opportunity costs. Deze bestaan uit het bedrag dat verdiend had kunnen worden door het geld niet te investeren in goud maar het aan te houden als cash en er rente over te ontvangen. De opportunity costs worden in dit geval dus het best weergegeven door het geldende rentepercentage (Fama en French, 1987). In een model dat de goudspread verklaart moet deze variabele dus altijd worden opgenomen. Ten tweede de voorraadkosten. De kosten voor het in beheer houden van goud zeer laag zijn in verhouding tot de waarde die het representeert. De voorraadkosten zijn dus nihil (Fama en French, 1987). De marginal convenience yield wordt gezien als de voordelen die men krijgt door het in voorraad houden van de grondstof . Aangezien goud veel wordt gebrukt als investering bestaan er altijd grote voorraden over de hele wereld. Er is dus altijd genoeg fysiek goud aanwezig voor de productie van sierraden. De marginal convenience yield is dus vlak en varieert weinig door

12 de tijd. Deze zal dus een zeer geringe invloed hebben op de goudspread ( Fama en french, 1988). Tot slot rijst de vraag of er voorspellende waarde in de futureprijs verwerkt is. Goud wordt het hele jaar gedolven en gerecycled, de voorspelbaarheid van de hoeveelheid goud die er op de markt verschijnt is klein. (Fama en French, 1987).

Omdat bovenstaande factoren van belang zijn voor dit onderzoek wordt eerst een aangepaste versie van de regressie van Fama en French(1987) op de data uit dit onderzoek toegepast. De oorspronkelijke regressies zijn weergegeven in de vergelijkingen 3 en 4. Er wordt onderzocht of de beschreven variabelen inderdaad niet van toepassing zijn op de goudspread. De volgende modellen worden getest: ST  S t  a1  b1[ Ft ,T  S t ]  b2 Fed  ut ,T

(5)

Ft ,T  ST  a1  b3 [ Ft ,T  S t ]  b4 Fed  zt ,T (6)

In de eerste regressie wordt er gekeken of er voorspelkracht in de futureprijzen van goud is verwerkt. De spread wordt geregresseerd tegen de verandering van de spot prijs tussen het moment t en het tijdstip dat de future afloopt(T). Wanneer b1 significant is zou dat een teken zijn dat de grootte van de spread de toekomstige cashprijzen voorspelt. In model 6 wordt de spread geregresseerd tegen het verschil tussen de futureprijs op tijdstip t en de spotprijs op tijdstip T. Daarmee wordt onderzocht of er sprake is van een risicopremie. Wanneer de variabele b3 significant is dan is er sprake van een tijdsafhankelijke risicopremie. Het verschil met de regressie van Fama en French (1987) is dat de rentevoet is toegevoegd. Het is onduidelijk waarom Fama en French deze niet hebben toegevoegd, aangezien zij niet op een andere manier corrigeren voor het tijdsverschil dat opportunity costs met zich meebrengt. Aangezien de linkerkanten van de vergelijkingen 5 en 6 optellen tot de spread Ft ,T  St betekent dit dat de coëfficiënten b1 en b3 bij elkaar opgeteld 1 moeten zijn. De residuen u en z zullen bij elkaar opgeteld 0 moeten zijn. Wanneer de beschreven theorieën niet van toepassing zijn op de goudspread zullen de coëfficiënten b1 en b3 niet significant zijn en ongeveer de waarde 0,5 aannemen. Dit is de verwachting voor de uitkomst van deze regressies.

Voor dit onderzoek worden er tijdreeksen uit Reuters Datastream gebruikt. Voor alle te onderzoeken variabelen wordt er gekeken naar de prijzen in de periode van 1983 tot en met

13 2010. De beschrijvende statistiek van alle variabelen die in dit onderzoek worden gebruikt is weergegeven in tabel 1. Als futureprijzen worden de prijzen van de futures die op de derivaten markt in Chicago verhandeld worden gebruikt. Daarbij wordt steeds de prijs van het eerst aflopende futurecontract en het contract dat twaalf maanden in de toekomst afloopt genomen. Het termijnverschil is dan het verschil tussen deze twee. De reden dat het eerst aflopende contract wordt genomen en niet de cashprijs is omdat er geen informatie beschikbaar is over de cashprijs. Het eerst aflopende contract benadert deze. Als rentepercentage wordt het rentepercentage van de Federal Reserve gehanteerd. Deze varieerde van 11,13 procent aan het begin van de jaren tachtig tot 0,05 procent in 2010.

goudspread d(gdp) fed rente observaties

Variable

gemiddelde standaardafwijking max min 17,92 11,67 50,3 -16,8 0,72 0,64 2,19 -1,76 4,82 2,81 11,13 0,05 113 Tabel 1 Beschrijvende statistiek

Regressie 5

Regressie 6

ST  S t  a1  b1[ Ft ,T  S t ]  b2 Fed  ut ,T

Ft ,T  ST  a1  b3 [ Ft ,T  S t ]  b4 Fed  zt ,T

Constante

10.59958

-10.59958

Goudspread

0.463373

0.536627

(0.577944)

(0.577944)

-2.626898

2.62689

(1.784680)

(1.784680)

0.015486

0.098683

Fed

R-squared

Tabel 2 uitkomsten regressie 5 en 6 standaardfouten tussen haakjes ** significant onder 5 procent * significant onder 1 procent

De hypothesen voor de regressies 5 en 6 zijn:

14 H0: b1, b3 = niet significant; er is geen tijdsafhankelijke risicopremie of voorspelkracht aanwezig in het termijnverschil van goud. H1: b1 en/of b3 = significant; er is een tijdsafhankelijke risicopremie en/of voorspelkracht aanwezig in het termijnverschil van goud.

De uitkomsten van de regressies 5 en 6 zijn weergegeven in tabel 2. De coëfficiënten van b1 en b3 komen uit op 0,46 en 0,54 en zijn beiden zijn niet significant. Hiermee worden de empirische bevindingen van Fama en French(1987) bevestigd. De futureprijzen van goud bevatten geen informatie over de toekomstige cashprijzen van goud. Ook wordt er geen bewijs gevonden van een tijdsafhankelijke risicopremie. Daarmee is het onwaarschijnlijk dat de door Fama en French(1988) gevonden correlatie van de goudspread met de business cycle het gevolg is van een veranderende marginal convenience yield zoals zij redeneren. De coëfficiënt voor de rentestand is in deze regressie niet significant. Dit komt mogelijk door multicollineariteit tussen de verklarende variabelen. De correlatiecoëfficiënt tussen deze variabelen is 0,33.

Nu het ontbreken van potentiële verklarende variabelen is aangetoond kan er gekeken worden naar de enige verklarende factor voor het termijnverschil van goud: de rentestand. Er wordt gekeken of de goudspread nog steeds voor een groot gedeelte uit het geldende rentepercentage verklaard kan worden. Wanneer men één eenheid goud koop, deze een jaar aanhoudt en vervolgens tegen de vooraf gestelde futureprijs verkoopt, zou het rendement dus grotendeels verklaard moeten worden door het geldende rentepercentage. Het verband tussen de rente en goudspread zou dus positief moeten zijn. Om dit te toetsen wordt de goudspread gedeeld door de spotprijs en vervolgens geregresseerd tegen een constante en het rentepercentage gehanteerd door de Federal Reserve. Zoals te zien is in tabel 1 heeft de berekende spread een vrij grote standaardafwijking ten opzichte van het gemiddelde, er is dus voldoende informatie aanwezig om tot een betrouwbare schatting te komen.

De hypothesen zijn als volgt: H0: b2 = 0; de spread van goud hangt niet af van het geldende rentepercentage. H1: b2>0 ; de spread van goud hangt wel af van het geldende rentepercentage.

15 De specificatie van de regressievergelijking wordt:

Ft ,T  S t St

 1   2 Fed t  ut

(7)

De uitkomsten van regressie 7 (zie tabel3) bevestigen de bevindingen uit de literatuur: het termijnverschil van goud wordt grotendeels verklaard door het geldende rentepercentage. In dit geval wordt 76 procent van het verschil verklaard door de rente die de Federal Reserve handhaaft.

Variable

Regressie 7

Regressie 8

Ft ,T  S t

Ft ,T  S t

St

 1   2 Fed t  ut

St

Constante

0.134259

-0.051219

Fed

0,895048**

0.856365**

(0,047211)

(0.049338)

Goudspread

 b1  b2 Fed  b3

BNPt  ut BNPt 1

0.504368* (0.215210)

R-squared

0,7640

0.771069

Tabel 3 Uitkomsten regressie 7 en 8 standaardfouten tussen haakjes ** significant onder 5 procent * significant onder 1 procent

Om de onderzoeksvraag te kunnen beantwoorden moet er gekeken worden naar het deel van de goudspread dat niet verklaard is door bovenstaande regressie. Vanwege de constante marginal convenience yield wordt hier niet van uitgegaan van de voorraadtheorie van kaldor(1930), maar wordt er een nieuwe theorie geponeerd. Er wordt verwacht dat investeerders wanneer er onzekerheid bestaat over de economie een groter deel van hun kapitaal investeren in goud. De spotprijs zal dan stijgen ten opzichte van de futureprijs en de spread wordt dus kleiner. Dit zou het geval moeten zijn wanneer de economie krimpt, want dan is de onzekerheid over toekomstige ontwikkelingen het grootst. Wanneer de economie groeit zou er minder geïnvesteerd moeten worden in goud en zal de spread dus groter worden. Dit wordt getest door de procentuele verandering van het Bruto Binnenlands product toe te voegen aan regressie 7. Aangezien de informatie over het bruto

16 binnenlands product van de Verenigde Staten alleen per kwartaal beschikbaar is, is de data van de gebruikte tijdreeksen per kwartaal ingedeeld. De gebruikte variabele voor het bruto binnenlands product is het percentuele verschil tussen twee opeenvolgende kwartalen. De gebruikte dataset bevat drie recessies, namelijk die in het begin jaren tachtig, negentig en tweeduizend. De standaardafwijking van het procentuele verschil is 0,64 en hiermee zou er genoeg variatie in de tijdreeks moeten zitten om tot een betrouwbare schatter te komen.

Ft ,T  S t St

 b1  b2 Fed  b3

BNPt  ut BNPt 1

(8)

De hypothesen voor deze regressievergelijking zijn:

H0: b3 = 0; de groei van de economie is niet van invloed op de goudspread. H1: b3>0; de groei van de economie beïnvloedt de goudspread

De resultaten zijn weergeven in tabel 3. Het blijkt dat de waarde van b3 significant is en dat er gesteld kan worden dat de actuele groei van de economie van invloed is op de grootte van de goudspread. Het effect is wel beperkt, per procent dat de Amerikaanse economie groeit wordt de goudspread 0,50 dollar groter. De coëfficiënt van de andere verklarende variabele, de rente, is in dit model iets kleiner geworden ten opzichte van regressie 7. Er is waarschijnlijk dus geen sprake van multicollineariteit tussen de twee verklarende variabelen.

Tot slot wordt er in dit onderzoek gekeken of de goudspread ook informatie bevat over de toekomstige bewegingen van de economie. Investeerders zouden door goud te kopen anticiperen op toekomstige onzekerheden. Hierdoor zou de goudspread kleiner moeten worden wanneer de economie gaat krimpen. Om de voorspellende waarde van de spread te bepalen wordt de goudspread eerst gecorrigeerd voor de opportunity costs. De spread wordt gedeeld door de rente. Naast de opportunity costs wordt hiermee een eventuele relatie van de rente met toekomstige economische bewegingen weggenomen. Vervolgens wordt de gecorrigeerde spread geregresseerd tegen het Bruto Nationaal Product van de periode t+1 om de voorspellende waarde te bepalen. Het model is weergegeven in vergelijking 9. Er wordt hier dus één kwartaal vooruit gekeken. Er wordt niet gecorrigeerd voor alle producten die met de goudspread en de economische groei gecorreleerd zijn, bijvoorbeeld de zilverspread en de

17 olieprijzen. Wanneer deze variabelen allemaal in een model zijn opgenomen zal de voorspelkracht van de goudspread zeer waarschijnlijk afnemen ten opzichte van het model dat hier getest wordt. Het toevoegen van deze variabelen kan gezien worden als een eventuele volgende stap om het marginale voorspeleffect van de goudspread te onderzoeken. Daarvoor moet de voorspeller die in deze regressie wordt gebruikt echter wel significant zijn.

De hypothesen zijn: H0: c2 = 0; de goudspread is geen voorspeller van toekomstige economische groei H1: c2  0; de goudspread is een voorspeller van toekomstige economische groei

Ft ,T  S t BNPt 1  c1  c2  ut BNPt FEDt

(9)

Variable

Regressie 9

Ft ,T  S t BNPt 1  c1  c 2  ut BNPt FED t Constante

0.787867

Procentuele verandering BNP

-0.046139 (0.028515) 0.023248

R-squared Tabel 4 uitkomsten regressie 9 standaardfouten tussen haakjes ** significant onder 5 procent * significant onder 1 procent

De resultaten van deze regressie worden weergegeven in tabel 4. De coëfficiënt voor de goudspread is niet significant. De h0 wordt niet verworpen, er kan niet gezegd worden dat toekomstige bewegingen in de Amerikaanse economie op een eerder tijdstip in de goudspread zijn verwerkt. De goudspread kan dus niet gezien worden als een voorspeller voor de economie.

Uiteraard heeft de gebruikte methodologie in dit onderzoek een aantal tekortkomingen. Zo is alleen het bruto binnenlands product van de Verenigde Staten opgenomen. Hoewel de economische conjunctuurcycli tussen de Verenigde Staten en de andere grote wereldeconomieën hoog gecorreleerd zijn bestaan er natuurlijk verschillen die niet in deze

18 regressie zijn meegenomen. Ook kan het zijn dat er een niet lineair verband bestaat tussen de stand van de economie en de goudspread aangezien beleggers en investeerders vaak overreageren op slecht nieuws, in het bijzonder op berichten over economische krimp. De resultaten uit dit onderzoek sluiten aan bij de eerdere bevindingen van Fama en French(1987), de spread tussen de futureprijzen van goud wordt voor een groot deel verklaard door het geldende rentetarief en voor een klein deel door de economische groei. De verklaring die voor dit verschil wordt gegeven verschilt wel van Fama en French.

5.Conclusie In dit onderzoek werd antwoord gezocht op de vraag in hoeverre de spread tussen futures van goud informatie bevat over de huidige en toekomstige conjuncturele bewegingen van een economie. Uit het literatuuronderzoek bleek dat deze spread niet verklaard kan worden door de huidige theorieën die de spreads van grondstoffen verklaren. Er zit geen seizoensgebonden component in de spread omdat de goudproductie over het jaar constant is. De kosten om goud als voorraad te houden zijn zeer klein in verhouding tot de waarde die goud vertegenwoordigt, deze spelen geen rol van betekenis. Dit onderzoek werd uitgevoerd door middel van een aantal lineaire regressiemodellen en data afkomstig van Reuters Datastream. De gebruikte variabelen zijn: de Federal Reserve rentevoet, futureprijzen van goud en de groeivoet van het Amerikaanse bruto nationaal product. In overeenstemming met het literatuuronderzoek bleek dat de spread tussen futures voor ongeveer tachtig procent verklaard kan worden door het geldende rentetarief. Daarnaast is de spread kleiner wanneer de economie krimpt (gemeten op kwartaal basis) en groter in tijden van groei. De achterliggende gedachte hierbij is dat investeerders in tijden van economische onzekerheid meer investeren in goud. Hierdoor zal de cashprijs stijgen ten opzichte van de futureprijs en wordt de spread dus kleiner. De futureprijs zal minder hard stijgen aangezien er geen reden is om aan te nemen dat de vraag naar futures stijgt in tijden van onzekerheid. De spread zal naar verwachting nooit kleiner worden dan de opportunity costs. Als dit het geval is zouden er zeer grote arbitrage mogelijkheden zijn. Verder onderzoek is nodig om deze theorie te verifiëren. Er kan bijvoorbeeld gekeken worden naar het verband tussen het producenten- en consumentenvertrouwen en de goudspread. De gevonden correlatie tussen de grote van de goudspread en de business cycle sluiten aan bij eerder onderzoek van Fama en french(1988). De verklaring die voor het effect wordt gegeven verschilt wel van de conclusie uit dit onderzoek. Fama en French wijten het verband aan de marginal convenience yield die fluctueert met beschikbare voorraden. In hoogcunjunctuur

19 zouden deze laag zijn wat een hoge yield tot gevolg heeft. In laagconjunctuur is dat andersom. Uit de regressies van dit onderzoek bleek dat er geen risicopremie te vinden is voor goud, en dus ook geen marginal convenience yield. Dit sluit aan bij het feit dat er altijd genoeg goud beschikbaar is vanwege de grote voorraden die voor investeringsdoeleinden worden gebruikt. Het is aannemelijker dat de variantie in de spread door de investeerders wordt veroorzaakt en niet door producenten.

Er werd voor de goudspread geen voorspellende waarde gevonden die toekomstige veranderingen in een economie zou voorzien.

20 6. Literatuuroverzicht Barsky, Robert B., Lawrence H. Summers. (1988). Gibson’s Paradox and the Gold Standard. Journal of Political Economy 96,(3) 518-80. Bernanke, B., Blinder, A. (1992). The Federal Funds Rate and the Channels of Monetary Transmission. American Economic Review. 82,(4) 901-21. Chen, N. (1991). Financial Investment Opportunituies and the Macroeconomy. Journal of finance. 46,(2) 529-554 Cootner, P., (1960). Return speculators: Telser vs. Keynes. Journal of Political Economy, 68, 396-404 David, R., Chaudhry, M., Koch, T. (2000). Do Macroeconomics News Releases Affect Gold and Silver Prices? Journal of Economics and Business, 52 405–421 Estrella, A., Hardouvelis, G. (1991). The Term Structure as a Predictor of Real Economic Activity. Journal of finance, 46,(2) 555-576 Estrella, A. Rodrigues, P., Schich, S. (2003). How Stable is the Predictive Power of the Yield Curve? Review of economic statistics 85,(3) Fama, E., French R. (1987). Commodity Futures Prices: Some Evidence on Forecast Power. Premiums, and the Theorie of Storage. The journal of Business. 60, (1) 55-73 Fama, E., French R. (1988). Business Cycles and the Behavior of Metals Prices. The Journal of Finance, 43, (5), 1075-1095

French, R., (1986). Detecting Spot Price Forecasts in Futures Prices. Journal of Business 59, 39-54 Gold: Store of value, the Economist. (2010) www.economist.com Kaldor, N. (1939). Speculation and economic stability. Review of Economic Studies 7, 1-27. Mitchell, W.C., Burns, A.F.(1938). Statistical indicators of Cyclical Revivals. Business Cycle indicators. Prionceton U. Press Plirce, D. Roley, K. (1983). The Reaction of Stock Prices to Unanticipated Changes in Money: A Sate, Journal of Finance, 38, 1323-l 333. Rich, T.,Wachtel, P.(1981). Secret Responses to the Weekly Money Supply Announcements in the 1970’s, Journal of Finance, December, 36, 1063-1072.2 Shafiee, S., Topal, E. (2010). An overview of global gold market and gold proce forecasting. Resources policy 35, 178-189 Sims, C. (1980). A Comparison of Interwar and Postwar Cycles: Monetarism Reconsidered. American Economic Review, 70, 250-257 Stock, J. Watson, M. (2003). Forecasting output and inflation: The Role of assets Prices. Journal of economic literature, 41,(3) 788-829. Tandon, K., Urich, T. (1987) International Market Response to Announcements of US Macroeconomic Data Journal of International Money and Finance, 6, 71-83 Tanner, J., Bonomo, V. (1968). Gold, Capital Flows, and Long Swings in American Business Activity. Journal of Political Economy, 76. 44-52 Telser, L. G. (1958). Futures trading and the storage of cotton and wheat. Journal of Political Economy 66, 233-55. Tully, E. Lucey, B. (2007). A power Garch Examination of the gold market Research in International Business and Finance, 21, 316–325 World Gold Council. (2011). Gold demand trends. www.gold.org

21 7.Bijlagen Dependent Variable: GOUDIN Method: Least Squares Date: 01/07/11 Time: 12:29 Sample: 1983Q1 2011Q1 Included observations: 113 Variable

Coefficient

Std. Error

t-Statistic

Prob.

C FED

0.134259 0.895048

0.263268 0.047211

0.509969 18.95838

0.6111 0.0000

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.764041 0.761915 1.407044 219.7547 -197.9196 359.4203 0.000000

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

4.448703 2.883644 3.538399 3.586672 3.557988 0.687108

Dependent Variable: GOUDIN Method: Least Squares Date: 09/06/11 Time: 16:27 Sample (adjusted): 1983Q2 2011Q1 Included observations: 112 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

C FED DGDP

-0.051219 0.856365 0.504368

0.272602 0.049338 0.215210

-0.187891 17.35708 2.343606

0.8513 0.0000 0.0209


0.771069 0.766868 1.384262 208.8637 -193.8194 183.5627 0.000000


4.409975 2.866932 3.514632 3.587449 3.544176 0.637114

22

Dependent Variable: CashT –casht Method: Least Squares Date: 09/22/11 Time: 13:32 Sample (adjusted): 4 200 Included observations: 323 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

C RENTEMAAND FutureT-casht

10.59958 -2.626898 0.463373

7.008541 1.784680 0.577944

1.512381 -1.471916 0.801761

0.1321 0.1427 0.4237


0.015486 0.005231 25.61288 125955.8 -907.5849 1.510078 0.223504


-1.143077 25.68013 9.339333 9.389687 9.359720 0.775155

Dependent Variable: futuret-cashT Method: Least Squares Date: 09/22/11 Time: 13:31 Sample (adjusted): 4 200 Included observations: 323 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

C RENTEMAAND Futuret-casht

-10.59958 2.626898 0.536627

7.008541 1.784680 0.577944

-1.512381 1.471916 0.928511

0.1321 0.1427 0.3543


0.098683 0.089294 25.61288 125955.8 -907.5849 10.51078 0.000047


12.51231 26.83918 9.339333 9.389687 9.359720 0.775155

23 Dependent Variable: DGDP(1) Method: Least Squares Date: 10/07/11 Time: 14:07 Sample (adjusted): 1983Q1 2010Q4 Included observations: 112 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

C GOUDCOR

0.787867 -0.046139

0.072003 0.028515

10.94214 -1.618059

0.0000 0.1085


0.023248 0.014368 0.637419 44.69331 -107.4753 2.618115 0.108514


0.724026 0.642048 1.954916 2.003461 1.974613 0.989210

De goudprijs en de conjunctuurcyclus

Recommend Documents