上海股票市场股价变化成交量和收益波动地关系地地研究.doc

《上海股票市场股价变化成交量和收益波动地关系地地研究.doc》由会员分享，可在线阅读，更多相关《上海股票市场股价变化成交量和收益波动地关系地地研究.doc（8页珍藏版）》请在课桌文档上搜索。

1、某某股票市场股价变化、收益波动和成交量的关系研究内容提要：本文实证研究了某某股市指数收益、波动和成交量的关系。股市收益与成交量之间存在着显著的同期正相关关系；而在动态因果关系方面，股市收益、波动和成交量之间存在着双向反响机制，这种关系在考虑到星期效应和行情特点时依然存在。关键词：收益波动成交量Testing for Return, volatility and volume in Shanghai stock marketAbstract:In this paper, we have examined empirical contemporaneous and causal relations

2、hips between trading volume, stock return and return volatility in the Shanghai stock markets. Both lagged trading volume and return seems to have explanatory power to their contemporaneous counterparts.Key words: return, volatility, volume, Shanghai stock marketJEL classification: G15 G14某某股票市场股价变化

3、、收益波动和成交量的关系研究对股票市场价量关系的研究主要集中在成熟的股市中，而在我国价量关系虽然在投资实务界方面有广泛的应用，但在学术界鲜有专门研究。在中国股市投资界广泛流传着华尔街的两句谚语：“成交量领先并推动着股价和“牛市成交量大，熊市成交量小，假如将这两句话转译成学术语言，第一句话隐含着成交量和价格变化是正相关关系，量是价的先行指标；第二句谚语如此意味着股价的变动引起了交易量的变化。从中国股市运行12年的表现看，每次股指波峰几乎都是成交量的波峰，而每次股指波谷几乎都是成交量波谷，价涨量增，价跌量减，这也显示出股指和成交量变化存在着高度的正相关性。本论文将实证研究中国股市的价量关系，以客观

4、揭示价量关系变化的规律性，由于某某股市和某某股市的高度趋同性，因此本论文将集中于对某某股市价量关系的研究。本文将从价量变化同时期关系和动态因果关系两个方面来探讨，而除了研究指数收益率和成交量的关系之外，本文还将讨论收益波动和成交量的关系。一、 文献回顾金融经济学者研究价量关系同期关系的文献很多，学者们分别从股价指数和总的成交量；股价绝对变化和成交量；股价变化的方差和成交量等多个角度进展了研究。Karpoff1987总结到以上研究有两个共同结论：第一，交易量和股价变化收益率是正相关的；第二，交易量和股价的绝对变化是相关的。Chordia(1999)研究了成交量和股票收益的短期预测性，他发现具有较

5、大成交量的股票，其收益率将引导具有较小成交量股票的收益率的变动,他们将这种现象归因于高成交量的股票对市场X围内的信息的反响更加迅速,并总结出交易量在传递市场X围的信息方面扮演着重要角色。而Karpoff1987在系统回顾了股价关系后概括了四点：第一，价量之间的真实关系将有助于人们对股市微观结构和信息流动机制的理解；第二，在进展事件研究时，结合价量信息对推断结论有更大的贡献；第三，价量关系在研究股价的分布状态时具有决定性的作用；第四，价量关系的研究有助于加深对期货市场的理解。Karpoff和Gallant1992都指出，这以前的研究都集中在价格变化和成交量的同期关系上。近些年的研究更多地集中在动

6、态关系上，Smirlock和 Starks(1988)研究发现了纽约市场价格变化的绝对值与交易量存在滞后关系，Tauchen和Pitls1982研究了投机市场上股价变化的波动与成交量的关系，Hiemstra1994运用线性和非线性格兰杰因果检验法研究了股票收益和成交量变化的关系。近几年出现了一些研究成交量和股票收益的动态关系的理论模型。Epps1976推出的模型中，交易量被用来衡量投资者对因为到达市场信息而修改他们的证券保存价格的不一致程度，投资者修正程度越不一致，成交量水平就越大。他的模型意味着存在从成交量到股票绝对收益的正向关系。Copeland1976提出序贯信息到达模型，该模型揭示出股

7、票价格和成交量的双向正相关关系。Blume、Easley和OHara1994，下称BEO提出的模型中交易者收到的信号的质量准确程度是不同的，交易量提供了信号质量的信息，而这是单一的价格所不能提供的。BEO还从理论上证明，价格变动的绝对值与交易量正相关。同时，即使信息传播得非常广泛，价格变化的绝对值与交易量的正相关关系仍然存在。由于新信息是每个时刻随时到达的，因此，价格和交易量序列会向所有市场参与者提供信息。王江1994在不对称信息条件下分析了交易量和收益率的动态关系，他认为交易量会向市场提供未来股票收益的信息。中国股市开展刚刚12年，具有自身在信息传递机制、制度设计方面的鲜明个性，价量关系终究

8、如何？特别是其间的动态因果关系更具有很高的研究价值。我们除了讨论成交量和股票收益的关系，还将讨论成交量和收益波动的关系，收益波动构成了风险收益权衡取舍关系的核心内容,而且对收益波动的深入了解是理解资产定价理论和期权理论的重要环节。二、数据和初步研究1、数据说明本文研究数据为1994年12月28日至2001年9月28日的上证综合指数和成交量，共有1660个观察值。上证综合指数是市值加权综合指数,具有较好的代表性，数据均取自Datastream数据流数据库。我们采用日收盘价的对数收益率进展分析，令pt为t时的收盘价，对数收益率定义为：。成交量的单位是百万手。2、单位根检验我们研究动态因果关系时的V

9、ARs向量自回归方法要求系统中的变量是平稳序列，因此我们需要首先检验股票收益率、收益波动和成交量的平稳性，检验时间序列平稳性的最常用方法是单位根检验，我们运用ADF法和PP法。ADF法是对时间序列rt的一价差分进展如下回归： 1假设检验Ho:=0，检验统计量服从ADF分布。如果承受Ho，意味着时间序列rt包含着单位根，即rt是非平稳的；拒绝Ho，意味着rt是平稳的。方程中参加滞后项的目的是为了使残差项t为白噪声。而P-P检验对时间序列Xt 回归：Xt=o+1Xt-1+t(2)假设检验Ho：1=1，同样，如果承受Ho，意味着时间序列Xt 包含着单位根,P-P检验较ADF检验法成效更强，特别是对于

10、有序列自相关或条件异方差的时间序列具有更好的应用成效。我们假设股市收益率均值为0，E(Rt)0，日波动率由方差2表示。因为2=E(R)-E(Rt)2=E(R) 2式中E()为期望算子，由此每日收益波动可被界定为：2= E(R)2=1n(Pt/Pt-1)2表1：股票收益率、收益波动和成交量的单位根检验变量ADF统计量PP统计量临界值1股票收益率39收益波动成交量表1是检验结果，我们看到对于收益率、收益波动和成交量序列，原虚拟假设均被拒绝，在的显著性水平上即该三项序列是平稳的。我们参考AIC和Schwarz信息准如此后选取滞后步长为5，因为这将包含一个交易周的信息。3、同期关系每日股指收益率对交易

11、量的回归方程为:Rt=a+ bV +t(3)由于我国股市近几年交易量总体上不断增加，因此我们用交易量的相对值-交易量变化率VtVt=V/V(-1)来进展回归，得到如下结果：Rt-5*Vt (-7.97) (16.40)括号中数字是t检验。我们得出收益率和交易量具有显著的正相关关系。而我们的另一项研究证实误差项并不是恒定方差，因此我们需要考虑异方差情形。我们对通常的AR(6)-GARCH1,1稍作变动，得到如下的实证模型：(4)(5)(6)其中为交易量的变化率，为保证条件方差非负，定义为相邻营业日总交易量的比值。表2是我们得到的GARCH(1,1)和GARGH-交易量模型系数估计。表2GARCH

12、(1,1) 和GARGH-交易量模型系数估计GARCH(1,1)GARCH(1,1)- 交易量F00.000738 (1.962)3.2E-5 (0.095)F10.014 (0.49)-0.024(-0.85)F2-0.016 (-0.586)0.00899(0.365)F30.041 (1.53)0.035(1.435)F4-0.036 (1.08)-0.003(-0.116)F50.0557(1.73)0.019(0.794)F6-0.076(-2.33)-0.045(-2.12)a01.38E-6 (2.90)-0.0002(-15.86)a10.084 (12.56)0.213(9.

13、855)10.927 (219)0.721(46.03)0.000193(17.47)注：括号中数值是t检验值。根据表2的结果，交易量变化率的系数大于零，且统计显著性极高，明确股票收益与交易量的变化成显著的正相关关系，这是符合中国股市的实际的。当方差模型中包含有后，前的系数有了一定程度的减小，仍然具有统计意义上的重要性。另外，衡量波动持续性长短的之和有所减小。这些结果明确对于我国股票市场每日收益率而言，其GARCH效应同信息到达市场的速度有关；股市价格的波动与信息的到来有一定的关系，而且价格对信息的反响比拟灵敏。这说明，即使考虑到自回归条件异方差，股指收益率与交易量之间的正相关关系仍然没有改变

14、。这一发现与成熟股市的研究结论是一致的。三、动态关系 1、交易量和收益率、收益波动的因果关系我们用格兰杰Granger因果关系检验来研究动态关系。其方法是，先考察y的当期值yt有多大局部能够由y的滞后值yt-1, yt-2,预测，然后参加xt的滞后项xt-1, xt-2,，观察它们是否能够改良对y的预测。如果x能够对y的预测有帮助，如此称存在从x到y格兰杰因果关系。同样我们可以分析是否存在从y至x的格兰杰因果关系，具体的检验方法是,先估计下面的回归方程：yt=0 +1 yt- 1 + +pyt- p+1 xt- 1 + +pxt- p(7)xt=0 +1xt- 1 + +pxt- p+1yt-

15、 1 + +pyt- p(8)然后检验联合假设1 =2 = =p=0。假设xt，yt分别是成交量和收益率序列。对方程(7),零假设是不存在从x到y的格兰杰因果关系；对方程(8),零假设是不存在从y到x的格兰杰因果关系; 如果i系数统计显著，如此意味着过去的收益率有助于对未来成交量的预测，即收益率是成交量的格兰杰原因。如果标准的F检验不能拒绝对于所有i，i=0，那么，收益率不是成交量的格兰杰原因。如果在每个方程中发现i不是全都等于零，那么在收益和交易量之间存在着双向的反响机制。在Granger检验中，根据AIC准如此,加之考虑5步步长包含了一周的信息，我们选择滞后5步步长。这与X思奇等(2000

16、)的结论一致，他们发现某某市场对新信息的理解需要一个过程，滞后期约为5天。表3收益率、波动和成交量的因果关系检验原假设F统计P值不存在从收益率到成交量的格兰杰因果关系不存在从成交量到收益率的格兰杰因果关系不存在从收益波动到成交量的格兰杰因果关系不存在从成交量到收益波动的格兰杰因果关系注：p值是显著性水平。从表3中我们发现了股指收益率与成交量之间的相互反响关系，即在某某股市既存在着成交量变化导致股价变化，又存在着股价变化导致成交量变化的现象。因此，在某某股市，价格和成交量之间包含了对预测对方极其有用的信息。但是，成交量不是收益波动的格兰杰原因。2、稳健性分析(robustness analysi

17、s)成交量对于未来收益提供了重要的预测效力，这与传统的理论模型关于交易量影响未来收益是一致的，但是我们得出这个结论要非常小心,需要做稳健性分析，以下分别考虑星期效应和不同行情时价量关系的规律是否发生改变。我们一项实证研究发现中国股票市场存在明显的周内效应，X兵，2002而这可能会对收益率、成交量的关系产生影响。我们用9式取代4式： (9) 其中，D1t是虚拟变量，当星期一时，D1t=1,否如此为0；其余类似。然后将式(9)、(5)和(6)进展回归，得到表4的结果。表4考虑星期效应的GARGH-交易量模型系数估计系数F1f1F2f2F3Ff3F4f4F5f5a0a1b1数值t值我们的结果证实了星

18、期效应，星期五的收益最高，而星期二最低，而且均统计显著，同时成交量对收益率的影响仍然非常显著。是非常显著的正值这说明，在考虑到星期效应影响下，股票收益与交易量的变化依然具有显著的正相关关系。价量关系在不同的行情中是否不同呢？以下我们随机选取两个时间段，考察不同的行情特点时的价量关系。表5 不同行情特点时收益率、波动和成交量的因果关系检验原假设牛市(96.5.9-97.5.15,248个数据)熊市(99.6.29-00.1.6,130个数据)F值p值F值p值不存在从收益率到成交量的格兰杰因果关系不存在从成交量到收益率的格兰杰因果关系不存在从收益波动到成交量的格兰杰因果关系不存在从成交量到收益波动

19、的格兰杰因果关系注：p值是显著性水平。我们看到, 价量关系在不同的行情中没有明显的区别,只是在熊市中，交易量还是收益波动的格兰杰原因。这说明在熊市中成交量对收益率的影响要更大一些，即不仅影响其绝对大小，还影响其波动水平。总体而言，在某某股市股指收益率、股价波动和成交量之间存在着同期正相关关系；而在动态方面存在股指收益率与成交量的相互反响关系。这种关系的存在是普遍的,考虑到星期效应和行情特点时依然存在。成交量传递市场信息的作用没有得到充分发挥，我们对此的解释是这可能与信息传递的结构性障碍和信息分布的非均匀性有关。由于这种障碍，导致市场参与者并不能同时接收到相关信息，因此价量关系呈现出相互影响的关

20、系。而运用历史的价量关系数据有助于预测未来，这说明某某股市效率还不高。我们的相关建议是：中国股市的建设应该尽量减少政府的干预，将市场机制真正引入市场，加强市场参与方内部的竞争，疏通市场信息的反响渠道，提高股市信息传递的效率。参考文献：Cheng Kenneth, 2000, The microstructure of the Chinese stock market, China Economic Review, 11, 79-97.Cheng F. Lee, 2000, Does Trading Volume Contain Information to Predict Stock Retu

21、rns? Evidence from Chinas Stock Markets, Review of Quantitative Finance and Accounting, 14, 341-360.Copeland, T. E., 1976,A Model of Asset Trading Under the Assumption of Sequential Information Arrival, Journal of Finance, 31, 1149-1168. Karpoff, J.M., 1987,The Relation Between Price Changes and Tra

22、ding Volume: A Survey, Journal of Financial and Quantitative Analysis, 22, 109-126. Torben G.,1996, Return volatility and trading volume: an information flow interception of stochastic volatility, Journal of finance,51,169-204.X兵，2002：“中国股票市场星期效应的实证研究，某某金融高等专科学校学报第2期。施东晖，2002：中国股市微观行为理论与实证，某某远东。李子奈,2000:“ARCH模型的理论根底与其对于中国股票市场的实证研究, 清华大学经研究中心工作论文。X思齐、马刚、冉华，2000：“股票市场风险，收益与市场效率：ARMAARCHM模型，世界经济第5期。