中國(guó)股票市場(chǎng)交易量與價(jià)格波動(dòng)關(guān)系實(shí)證研究

1、中國(guó)股票市場(chǎng)交易量與價(jià)格波動(dòng)關(guān)系實(shí)證研究李雙成,王紅霞( 河北經(jīng)貿(mào)大學(xué) 數(shù)學(xué)與統(tǒng)計(jì)學(xué)學(xué)院, 河北 石家莊 050061)摘要: 利用個(gè)股數(shù)據(jù)資料和非對(duì)稱成分 GA RCH 2M 模型對(duì)中國(guó)股票市場(chǎng)的量?jī)r(jià)關(guān)系進(jìn)行了實(shí)證研究. 結(jié)論顯示: 股價(jià)的短期波動(dòng)主要由非預(yù)期交易量解釋, 即非預(yù)期交易量所揭示的新信息是產(chǎn)生價(jià)格波動(dòng)的根 源; 中國(guó)股票市場(chǎng)部分個(gè)股存在明顯的杠桿效應(yīng), 利空消息對(duì)市場(chǎng)波動(dòng)的沖擊大于同等程度的利好消息對(duì)市 場(chǎng)波動(dòng)的沖擊; 非預(yù)期交易行為對(duì)市場(chǎng)波動(dòng)的沖擊存在顯著的非對(duì)稱特征, 正的交易量沖擊 ( 交易量放量沖 擊) 比同等程度的負(fù)交易量沖擊 ( 交易量縮量沖擊) 對(duì)市場(chǎng)波動(dòng)的影響更

2、大.關(guān)鍵詞: 量?jī)r(jià)關(guān)系; 杠桿效應(yīng); M D H 假說; 非對(duì)稱成分 GA RCH 2M 模型引言1國(guó)際上對(duì)金融市場(chǎng)量?jī)r(jià)關(guān)系的研究可以追溯到O sbo rn ( 1959) , 他用擴(kuò)散過程來模擬股票價(jià)格的變化, 發(fā)現(xiàn)其方差依賴于交易的次數(shù) (n um b e r o f t ran sac t io n s). 后來大量的市場(chǎng)現(xiàn) 象和實(shí)證研究結(jié)果得出交易量與價(jià)格波動(dòng)的確存在顯著的正相關(guān)關(guān)系. 一些學(xué)者為了對(duì)量和價(jià)的正相關(guān)關(guān)系進(jìn)行解釋, 建立了一系列的理論模型. M a r ilyn 和R o b e r t 1 把量?jī)r(jià)關(guān)系的 理論模型分為四類: 1) 信息理論模型 ( in fo rm a

3、t io n th eo r ie s) , 其中信息是決定交易量和價(jià)格 波動(dòng)的共同的動(dòng)力因素. 2) 交易理論模型 ( t rad in g th eo r ie s) , 其中交易者的交易行為是該類模型考慮的關(guān)鍵, 研究日內(nèi)交易量與價(jià)格波動(dòng)的關(guān)系及其產(chǎn)生的原因. 該模型指出, 交易者總是喜歡在市場(chǎng)非常活躍時(shí)進(jìn)行交易, 因此交易與價(jià)格波動(dòng)在時(shí)間上存在集群性. 3) 信息非 對(duì)稱模型, 模型認(rèn)為交易者之間的信息不對(duì)稱引起交易, 而對(duì)股票價(jià)值認(rèn)識(shí)的不一致導(dǎo)致股票價(jià)格的波動(dòng). 4) 理念分散模型 (d isp e r sio n b e lief s) , 該模型認(rèn)為交易者對(duì)市場(chǎng)信息的估價(jià) 越分散

4、, 引起價(jià)格波動(dòng)越大, 交易量也越大.對(duì)國(guó)外成熟市場(chǎng)的研究更多地支持信息理論模型, 而市場(chǎng)微觀結(jié)構(gòu)理論也指出, 金融市 場(chǎng)價(jià)格的變動(dòng)主要是由于新的市場(chǎng)信息不斷到達(dá)市場(chǎng)以及新信息被結(jié)合到市場(chǎng)價(jià)格中去的過程產(chǎn)生的. 因此信息理論模型目前成為解釋價(jià)格波動(dòng)與交易量關(guān)系的主流理論模型. 信息理論模型包括混合分布假說模型 (M ix tu re D ist r ib u t io n H ypo th e sis (M D H ) )、信息順序到 達(dá)模型 (Sequ en t ia l a r r iva l o f in fo rm a t io n ) 和噪聲交易理性預(yù)期均衡模型 (A f ram e

5、w o rk in N o isy ra t io n a l exp ec ta t io n equ ilib r ium ). 其中M D H 模型得到了更多的實(shí)證支持.本文基于M D H 理論, 運(yùn)用非對(duì)稱成分 GA R CH 2M 模型檢驗(yàn)中國(guó)股票市場(chǎng)的交易量與 價(jià)格波動(dòng)的關(guān)系, 和國(guó)際成熟資本市場(chǎng)相比較, 得出中國(guó)股票市場(chǎng)的一般性及特質(zhì)性.收稿日期: 2005209225基金項(xiàng)目: 河北省科技廳科研項(xiàng)目資助 ( 064572176)管理科學(xué)2數(shù) 學(xué) 的 實(shí) 踐 與 認(rèn) 識(shí)38 卷混合分布假說 (M D H ) 理論22. 1 M D H 理論及發(fā)展混合分布假說是由 C la rk

6、2 最早提出的, 該假說認(rèn)為: 資產(chǎn)的回報(bào)和交易量是由一個(gè)潛 在的、不可觀測(cè)的信息流過程共同趨動(dòng)的, 當(dāng)信息流到達(dá)市場(chǎng)時(shí), 將同時(shí)產(chǎn)生交易量和價(jià)格變動(dòng). 投機(jī)資產(chǎn)的日收益波動(dòng)表現(xiàn)為互不相關(guān)且不對(duì)稱、相對(duì)于正態(tài)分布呈現(xiàn)尖峰厚尾的分布, 這種尖峰態(tài)是因?yàn)槊咳諆r(jià)格波動(dòng)序列可看作來自不同方差的分布集, 即“混合分布”. 日 價(jià)格波動(dòng)與日信息流的速率正相關(guān), 日交易量也與日信息流的速率正相關(guān), 因此, 日價(jià)格波動(dòng)與交易量是正相關(guān)的. 模型中, 交易量或交易次數(shù)被作為信息流速率的替代指標(biāo). 隨后引 發(fā)的眾多學(xué)者的實(shí)證檢驗(yàn)大都支持這一結(jié)論. 后來出現(xiàn)了研究?jī)r(jià)格波動(dòng)及其相關(guān)的經(jīng)濟(jì)變 量關(guān)系的多變量結(jié)構(gòu)模型,

7、以獲取直接影響資產(chǎn)價(jià)格波動(dòng)的決定因素, 這方面典型的例子是T au ch en an d P it t s (1983) 建立的二元混合模型 (b iva r ia te m ix tu re m o de l) 和A n de r sen (1996)年建立的修正的混合分布模型 (M o d if ied M ix tu re M o de l) , 以解釋交易量與價(jià)格波動(dòng)的聯(lián)動(dòng) 關(guān)系.2. 2 M D H 的分析框架我們把每日的資產(chǎn)回報(bào) R t 和每日成交量 V t 看成是日內(nèi)逐筆交易回報(bào)與逐筆交易量的 隨機(jī)累加, 即:N tN tN tR t = R ti = In (P ti P ti

8、- 1 ) ,V t = V tii= 1i= 1i= 1其中, N t 表示第 t 日的交易次數(shù); P ti 1 ti N t 和 V ti 1 ti N t 分別是第 t 日的第 i 次市場(chǎng)均衡價(jià)格和交易量. 于是, 回報(bào)的波動(dòng)性可以分解為兩部分: 日內(nèi)交易次數(shù)的波動(dòng)和日內(nèi)每筆交易回報(bào)的波動(dòng), 即:va r (R t ) = E (R t ) 2 r va r (N t ) + E (N t ) r va r (R t )ii當(dāng)每日回報(bào)的期望值很小時(shí), 上式第一項(xiàng)可以忽略, 于是可得第 t 日回報(bào)的條件方差為:va r (R t |N t = n t ) = n t r va r (R t

9、 )i混合分布假說另一個(gè)重要的含義預(yù)示著回報(bào)平方與交易量序列具有正的協(xié)方差關(guān)系,co v (R 2 , V t ) >0,因此, 回報(bào)的絕對(duì)值序列和交易量也有 co v (|R t | , V t ) >0 成立. 混合分布t假說提出了交易量與日回報(bào)波動(dòng)具有正的相關(guān)關(guān)系的理論基礎(chǔ).根據(jù)修正的混合分布理論, 在噪聲理性預(yù)期框架下, 交易量可以由兩部分來解釋: 流動(dòng) 性需求交易和信息趨動(dòng)性交易. 在這種理論框架下, 交易量和資產(chǎn)回報(bào)是由不可觀測(cè)的市場(chǎng)信息直接決定為主要特征. 假定流動(dòng)性交易量可以表示為某一平穩(wěn)的隨機(jī)序列 V , 則交易tN t量可以分解為: V = V +的條件方差表示

10、為:t V .2ti 假定第 t 日非信息交易導(dǎo)致的價(jià)格波動(dòng)設(shè)為 h ,t 則第 t 日i= 1va r (R t |N =tn = h 2 +tn r va r (R t )t )ti上式為我們把交易量結(jié)合進(jìn)波動(dòng)方程提供了理論依據(jù), 具體地說, 流動(dòng)性交易量可由交易量的平均值 (A RM A 模型的預(yù)測(cè)值來表達(dá)) 計(jì)算得到, 信息交易量可由A RM A 模型的未預(yù)期 交易量來表示, 信息交易量作為日內(nèi)信息量 n t 的代理指標(biāo)比交易量本身更加合適.© 1994-2014 China Academic Journal Electronic Publishing House. All

11、rights reserved. :/312 期李雙成, 等: 中國(guó)股票市場(chǎng)交易量與價(jià)格波動(dòng)關(guān)系實(shí)證研究研究方法與研究模型E n g le 在 1982 年首先提出了A R CH 模型對(duì)時(shí)間序列方差進(jìn)行建模; 1986 年Bo lle r slev 將A R CH 模型推廣為廣義A R CH 模型, 即 GA R CH 模型. 隨后的十幾年中, 計(jì)量經(jīng)濟(jì)學(xué)家對(duì)基本 的 GA R CH 模型進(jìn)行了許多變形3 , 現(xiàn)在已發(fā)展成為一個(gè)包含眾多方法的模型類別. 大量實(shí)證研 究表明, GA R CH 類模型特別適合于對(duì)金融時(shí)間序列數(shù)據(jù)的波動(dòng)性和相關(guān)性的建模與預(yù)測(cè).在對(duì)價(jià)格波動(dòng)的影響因素中, 包括長(zhǎng)期影響

12、因素和短期影響因素, 因此價(jià)格波動(dòng)也可分解為長(zhǎng)期波動(dòng)成分和短期波動(dòng)成分. 本文選取了反應(yīng)價(jià)格波動(dòng)成分的成分 GA R CH 模型意 義便在于此. 下面主要對(duì)成分 GA R CH 模型進(jìn)行介紹.E n g le an d L ee 4 首先提出了成分GA R CH (Com po n en t GA R CH ) 模型, 該模型考慮到迅 速衰減和緩慢衰減的不同信息類型, 條件方差序列因此可以分解為長(zhǎng)期波動(dòng)成分和短期波動(dòng)成分. Com po n en t GA R CH 模型的表達(dá)式如下:3t(p t- 1 -(1)(2) (3)rt =q t =c + +q t =5 (2 1 -t- 2 1

13、) +t-222(t- 1 -q t- 1 ) + (t- 1 - q t- 1 )t -其中, 方程 (1) 為收益的條件均值方程. 方程 ( 2) 中的 q t 取代了 GA R CH 模型方程中的 , 為條件方差中的長(zhǎng)期波動(dòng)成分方程. 方程 ( 3) 描述了回報(bào)序列條件方差中的短期成分. 2 -t q t收斂到0 的速度用 + 的乘冪來表示, 而 是反應(yīng)條件方差中的長(zhǎng)期波動(dòng)成分的持續(xù)性參數(shù), 特別的當(dāng) 的取值接近于 1 時(shí)表示 q t 收斂到 的速度將會(huì)非常緩慢. 合并長(zhǎng)期和短期方 程可以得到它的等價(jià)模型是一個(gè)非線性約束的 GA R CH (2, 2) 模型.2t = (1 - - )

14、(1 -) +(-(+ <) t- 1 -(+ (+ ) <) t- 222+ ( - <) 2 1 -(+ ) <) 2 2t-t-對(duì)Com po n en t GA R CH 模型中的方程 (3) 進(jìn)行擴(kuò)展可以得到非對(duì)稱成分 GA R CH 模型(A symm e t r ic Com po n en t GA R CH M o de l) , 它能夠反應(yīng)短期波動(dòng)過程的非對(duì)稱現(xiàn)象, 其表 達(dá)式為方程 (4) :2222q t = (t- 1 - q t- 1 ) + (t- 1 - q t- 1 ) d t- 1 + (t- 1 - q t- 1 )(4)t -在方

15、程 (3) , d t- 1 是反映利好與利空消息的虛擬變量,t < 0 (利空消息)t > 0 (利好消息)1,0,d t- 1 =表示利好消息對(duì)短期波動(dòng)的沖擊, + 表示利空消息對(duì)短期波動(dòng)的沖擊, > 0 表示存在杠桿效應(yīng), 即說明利空消息比同等程度的利好消息對(duì)市場(chǎng)波動(dòng)性的影響更大.在 GA R CH 類模型的條件方差方程 (3) 中可以添加外生變量, 以反應(yīng)它們對(duì)條件方差的 影響. 因此對(duì)量?jī)r(jià)關(guān)系的研究可以通過對(duì)Com po n en t GA R CH 模型的擴(kuò)展得到 Com po n en tGA R CH 2V 模型. 本文對(duì)交易量與價(jià)格波動(dòng)關(guān)系的研究主要是采用這

16、一思路進(jìn)行的.實(shí)證結(jié)果及分析44. 1樣本數(shù)據(jù)及數(shù)據(jù)特征本文使用1997 年以前上市的10 支深證成分指數(shù)股的每日收盤價(jià)和成交量, 時(shí)間跨度為1997 年1 月2 日至2003 年8 月31 日. 對(duì)日收盤價(jià)進(jìn)行了除權(quán), 日收益使用連續(xù)復(fù)利率計(jì)算的© 1994-2014 China Academic Journal Electronic Publishing House. All rights reserved. :/4數(shù) 學(xué) 的 實(shí) 踐 與 認(rèn) 識(shí)38 卷收益率即 rt =In(P t P t- 1 ) 3 100, 其中 P t 為第 t 天的收盤價(jià). 為了避免股票拆分、送配等事

17、件產(chǎn)生的交易量前后的不可對(duì)比性, 我們對(duì)日交易量數(shù)據(jù)也進(jìn)行了修正, 日交易量的單位為百萬股. 數(shù)據(jù)來源于證券之星. 另外, 本文中所使用的交易量為對(duì)數(shù)交易量, 即對(duì)交易量取自 然對(duì)數(shù).表 1 和表 2 描述了 10 支股票日收益率和交易量序列的統(tǒng)計(jì)特征.表 1十支個(gè)股日收益序列的統(tǒng)計(jì)特征股票代碼均值 ( % )標(biāo)準(zhǔn)差 ( % )偏度峰度JB 檢驗(yàn)0000010. 0103282. 3080970. 87957. 79841716. 2680000020. 0529742. 5505240. 32586. 6283898. 0668000009- 0. 0251872. 6523180. 390

18、75. 6175494. 99640000120. 0051713. 0335920. 23064. 9192258. 7881000016- 0. 0101282. 4951440. 18796. 2088691. 09530000210. 0492802. 7817240. 50085. 5225488. 96360000270. 0511732. 5306130. 44246. 1640717. 36520004060005390005500. 0344000. 0598910. 0402922. 4380372. 3279922. 7403540. 22460. 33570. 2257

19、6. 14627. 30945. 1570669. 58221256. 243318. 5089表 2 十支個(gè)股日交易量序列的自相關(guān)函數(shù)和平穩(wěn)性檢驗(yàn)序列的自相關(guān)系數(shù)A D F 檢驗(yàn)1% 的臨界值股票代碼12345H 0: 非平穩(wěn)A D F T e st S ta t ist ic0000010. 8510. 7880. 7550. 7270. 700-5. 539-3. 437拒絕拒絕 拒絕 拒絕 拒絕 拒絕 拒絕 拒絕 拒絕拒絕0000020. 8600. 7940. 7950. 7220. 702-5. 531-3. 4370000090. 8300. 7500. 7160. 6710.

20、631-6. 365-3. 4370000120. 8910. 8460. 8130. 7910. 762-4. 980-3. 4370000160. 8630. 7890. 7450. 7090. 670-6. 322-3. 4370000210. 8740. 8110. 7750. 7940. 722-5. 465-3. 4370000270. 8700. 8050. 7610. 7230. 688-5. 570-3. 4370004060005390005500. 8460. 8360. 8680. 7760. 7600. 8060. 7390. 7190. 7590. 7070. 69

21、00. 7230. 6780. 6710. 702-5. 9015. 5955. 435-3. 4373. 4373. 437注: 表中A D F 檢驗(yàn)的滯后階數(shù)由A IC 準(zhǔn)則判定, 取A IC 最小值時(shí)對(duì)應(yīng)的滯后階數(shù).由表 1 來看, 10 支個(gè)股的回報(bào)序列的均值都非常小, 其對(duì)應(yīng)的標(biāo)準(zhǔn)差相對(duì)較大, 說明股市具有一定的高風(fēng)險(xiǎn)性; 10 支股票的收益序列都具有正的偏度, 且峰度都明顯大于 3, 說明 存在顯著的尖峰、肥尾特征, 表明了 10 支股票的收益序列均拒絕正態(tài)分布假定, 這與正態(tài)分布的J a rqu e2b e ra 統(tǒng)計(jì)量的檢驗(yàn)結(jié)論是一致的.根據(jù)表 2 的檢驗(yàn)結(jié)果, 10 支個(gè)股的

22、交易量序列自相關(guān)系數(shù)均為正值, 且在 1% 的水平上統(tǒng) 計(jì)顯著. 10 支個(gè)股都拒絕了日交易量序列具有單位根的原假設(shè), 說明 10 支個(gè)股的交易量序列© 1994-2014 China Academic Journal Electronic Publishing House. All rights reserved. :/512 期李雙成, 等: 中國(guó)股票市場(chǎng)交易量與價(jià)格波動(dòng)關(guān)系實(shí)證研究都是平穩(wěn)序列. 因此在下面的模型分析中可以使用個(gè)股的交易量序列數(shù)據(jù)直接進(jìn)行分析.4. 2實(shí)證結(jié)果及分析本章的實(shí)證研究使用非對(duì)稱成分 GA R CH - M 模型, 在模型的方程 (1) 及均值方程中加

23、 入條件方差以揭示風(fēng)險(xiǎn)對(duì)條件收益的影響, 其系數(shù)為 .4. 2. 1交易量和收益波動(dòng)關(guān)系根據(jù)M D H 理論, 交易量可以作為潛在信息過程的替代指標(biāo), 且非預(yù)期交易量比交易量 本身更加合適. 因此, 把交易量作為外生變量直接加入非對(duì)稱成分 GA R CH 2M 模型的條件方差方程. 由表 2 知交易量序列高度相關(guān), 首先對(duì)交易量序列通過下面的方程進(jìn)行分解:pq<iV t- i + jR t- j + tV t =c +i= 1j = 1根據(jù)數(shù)據(jù)的自相關(guān)性和 10 只個(gè)股數(shù)據(jù)的特點(diǎn), 取 p 值為 4, q 為 1, 模型的殘差 t 作為非預(yù)期交易量, 模型的預(yù)報(bào)值 (V t - t )

24、作為預(yù)期交易量. 預(yù)期交易量反映了交易量中短期可預(yù)期成分, 而非預(yù)期交易量可以解釋為由于新信息的沖擊而產(chǎn)生的交易量. 用 V u 表示非預(yù)t期 交 易 量; V e 表 示 預(yù) 期 交 易 量.我 們 將 預(yù) 期 與 非 預(yù) 期 的 交 易 量 直 接 加 入 到 非 對(duì) 稱 成 分tGA R CH - M 模型的短期波動(dòng)方程, 以考察這兩部分對(duì)收益短期波動(dòng)的影響. 非預(yù)期交易量對(duì)波動(dòng)的影響系數(shù)設(shè)為 <1 , 預(yù)期交易量對(duì)波動(dòng)的影響系數(shù)設(shè)為 <2.實(shí)證分析過程中, 在長(zhǎng)期波動(dòng)方程和短期波動(dòng)方程均加入了交易量, 但結(jié)果發(fā)現(xiàn), 交易 量主要影響短期波動(dòng), 而對(duì)長(zhǎng)期波動(dòng)成分的影響并不顯著

25、; 因此我們最終采納的模型為只在短期波動(dòng)方程中加入預(yù)期交易量和非預(yù)期交易量的非對(duì)稱成分 GA R CH - M 模型. 其實(shí)證 結(jié)果如表 3 所示.由表 3 的結(jié)果顯示:1) 非預(yù)期交易量系數(shù) <1 均顯著大于0, 且9 支個(gè)股在1% 上水平上顯著, 另一支也在5%的水平上顯著; 而預(yù)期交易量系數(shù) <2 的顯著性相對(duì)較低; <1、<2 的系數(shù)全部為正 (有 1 支股票<2 系數(shù)為負(fù)值, 但不顯著) , 說明無論非預(yù)期交易量還是預(yù)期交易量與收益波動(dòng)都是正相關(guān) 的, 但從它們的系數(shù)值來看, <1 值平均大約是 <2 值的 5 倍, 說明非預(yù)期交易量對(duì)股市波

26、動(dòng)的解釋能力遠(yuǎn)比預(yù)期交易量的解釋能力重要, 即中國(guó)股票市場(chǎng)的短期波動(dòng)主要是由非預(yù)期交易導(dǎo)致的.2) 在非對(duì)稱成分 GA R CH - M 模型的條件方差方程中加入交易量 (V u +V et ), 交易量t作為潛在信息流的替代指標(biāo), 一定會(huì)部分吸收收益波動(dòng)的持續(xù)性, 短期波動(dòng)方程的持續(xù)性參 一定會(huì)減小. 和沒有加入交易量的非對(duì)稱成分GA R CH 2M模型結(jié)果相比 (由于篇幅數(shù) +原因其結(jié)果省略) , 發(fā)現(xiàn)有1 支股票的 + 之和不顯著, 其余9 支股票 + 之和明顯變小,降低幅度平均約達(dá)45% , 說明個(gè)股收益的短期波動(dòng)的持續(xù)性顯著降低. 這意味著價(jià)格回報(bào)短 期波動(dòng)的持續(xù)性已被加入的交易量部

27、分吸收, 即在中國(guó)股票市場(chǎng), 交易量對(duì)價(jià)格的短期波動(dòng)確實(shí)具有較強(qiáng)的解釋能力, 同時(shí)也說明交易量和價(jià)格波動(dòng)在很大程度上是由相同的潛在因素信息流過程共同決定的, 日信息流是產(chǎn)生價(jià)格波動(dòng)的根源, 這與M D H 假說是一致的.但本文的研究結(jié)論與L am o u reu x , C. G , W . D. L a st rap e s (1990) 5對(duì)美國(guó)資本市場(chǎng)的研究結(jié)論并不完全一致, 對(duì)美國(guó)股票市場(chǎng), 在 GA R CH 模型的條件方差方程加入交易量后, 反應(yīng)波動(dòng)持續(xù)性參數(shù) + 的估計(jì)值不再顯著, 美國(guó)股票市場(chǎng)波動(dòng)的A R CH 效應(yīng)由加入的交易 量完全解釋. 而中國(guó)股票市場(chǎng)短期波動(dòng)的持續(xù)性只能

28、由加入的交易量部分解釋, 說明除了交© 1994-2014 China Academic Journal Electronic Publishing House. All rights reserved. :/6數(shù) 學(xué) 的 實(shí) 踐 與 認(rèn) 識(shí)38 卷表 3預(yù)期交易量與非預(yù)期交易量對(duì)收益波動(dòng)的影響( 0. 4772)( 0. 0000 333 )( 0. 0040 333 )( 0. 0000 333 )注: 表中 ( ) 中的值為 P 值. 3 , 3 3 , 333 分別表示在 10% , 5% 和 1% 水平上顯著.© 1994-2014 China Academic

29、Journal Electronic Publishing House. All rights reserved. :/股 票 代 碼 參數(shù)000001000002000009000012000016均 值 方 程C- 0. 6531( 0. 0000 333 )- 0. 5694( 0. 0000 333 )- 0. 8003( 0. 0000 333 ). 0. 7180( 0. 0000 333 )- 0. 3188( 0. 0000 333 )0. 1883( 0. 0000 333 )0. 1242( 0. 0000 333 )0. 1508( 0. 0000 333 )0. 086

30、8(. 0000 333 )0. 0453(. 0113 333 )條 件 方 差 方 程2. 4686( 0. 0000 333 )4. 2677( 0. 0000 333 )4. 3734( 0. 0000 333 )8. 3828( 0. 0000 333 )5. 3054( 0. 0000 333 )0. 8671( 0. 0000 333 )0. 8851( 0. 0000 333 )0. 8451( 0. 0000 333 )0. 8458( 0. 0000 333 )0. 6282( 0. 0000 333 )<0. 045( 0. 0000 333 )0. 0653( 0

31、. 0000 333 )0. 0641( 0. 0000 333 )0. 1294( 0. 00003 3 )0. 09160. 0576( 0. 5709)- 0. 0588( 0. 0057 333 )0. 0471( 0. 1961)- 0. 1035( 0. 0052 333 )0. 0774( 0. 5574)- 0. 0457( 0. 1244)0. 0831( 0. 0007 333 )- 0. 0100( 0. 7163)0. 2435( 0. 0000 333 )0. 1018( 0. 02543 3 )0. 0578( 0. 3810)0. 2243( 0. 0000 33

32、3 )0. 5326( 0. 0000 333 )0. 0780( 0. 03573 3 )0. 2471<12. 4514( 0. 0000 333 )2. 3992( 0. 0000 333 )2. 9925( 0. 0000 333 )1. 8812( 0. 0000 333 )1. 9075( 0. 0000 333 )<20. 5481( 0. 00003 3 )0. 7868( 0. 0000 333 )0. 1363( 0. 3211)1. 3705( 0. 0000 333 )0. 7961( 0. 05713 )L o g L- 3122. 719- 3374.

33、14- 3487. 69- 3754. 81- 3402. 14A IC3. 98564. 27834. 40514. 73564. 3055股 票 代 碼 參數(shù)000021000027000406000539000550均 值 方 程C- 0. 5774( 0. 0000 333 )- 0. 6913( 0. 0000 333 )- 0. 7815( 0. 0000 333 )- 0. 3157( 0. 0000 333 )- 1. 2072( 0. 0000 333 )0. 1094( 0. 0000 333 )0. 1543( 0. 0000 333 )0. 1809( 0. 0000

34、333 )0. 0715( 0. 0003 333 )0. 2112( 0. 0000 333 )條 件 分 差 方 程5. 3319( 0. 0000 333 )4. 1010( 0. 0000 333 )4. 9707( 0. 0000 333 )4. 8223( 0. 0000 333 )5. 7020( 0. 0000 333 )0. 8697( 0. 0000 333 )0. 9445( 0. 0000 333 )0. 8842( 0. 0000 333 )0. 4837( 0. 0009 333 )0. 9452( 0. 0000 333 )<0. 0892( 0. 0000

35、 333 )0. 0631( 0. 0003 333 )0. 0403( 0. 0011 333 )0. 0767( 0. 3241)0. 01660. 0739( 0. 00003 3 )0. 0205( 0. 04163 3 )0. 2256( 0. 0000 333 )0. 0774( 0. 3552)0. 0783( 0. 0004 333 )- 0. 0250( 0. 2847)0. 0245( 0. 3973)- 0. 2003( 0. 0000 333 )0. 1051( 0. 0015 333 )- 0. 0334( 0. 1467)0. 5603( 0. 0000 333 )

36、0. 5182( 0. 0082 333 )- 0. 0404( 0. 3474)0. 2090( 0. 01493 3 )0. 3673<13. 1986( 0. 0000 333 )2. 3372( 0. 0000 333 )2. 2583( 0. 0000 333 )1. 1957( 0. 0000 333 )4. 0680( 0. 0000 333 )<20. 1334( 0. 1475)0. 0024( 0. 9772)0. 5462( 0. 0018 333 )0. 8138( 0. 0000 333 )- 0. 0396( 0. 7658)L o g L- 3509.

37、 32- 3386. 26- 3370. 75- 3283. 35- 3545. 39A IC4. 42964. 26934. 26054. 16624. 5292712 期李雙成, 等: 中國(guó)股票市場(chǎng)交易量與價(jià)格波動(dòng)關(guān)系實(shí)證研究易量外, 還有其它的因素會(huì)引起股票價(jià)格的短期波動(dòng).3) 通過分析條件方差 2 的系數(shù) 的估計(jì)結(jié)果可以研究收益波動(dòng) (風(fēng)險(xiǎn)) 與收益自身的t關(guān)系. 由表 3 發(fā)現(xiàn), 所有的 值都為正值, 且在 1% 的水平上都是顯著的, 說明中國(guó)股票市場(chǎng)的風(fēng)險(xiǎn)與收益正相關(guān), 這與成熟資本市場(chǎng)的研究結(jié)論一致.4) 由表 3 發(fā)現(xiàn), 5 支股票的 系數(shù)在 5% 水平顯著不等于 0, 其中

38、4 支股票的 系數(shù)顯著為 正, 這表明部分個(gè)股在此樣本區(qū)間存在杠桿效應(yīng), 利空消息比同等程度的利好消息對(duì)市場(chǎng)的沖擊更大, 這與成熟資本市場(chǎng)的研究結(jié)論相對(duì)一致, 說明中國(guó)股市的發(fā)展日趨成熟, 但仍有很大差距.4. 2. 2交易量對(duì)波動(dòng)的非對(duì)稱性影響本文還研究了交易量沖擊對(duì)市場(chǎng)波動(dòng)的非對(duì)稱影響. 反應(yīng)交易量對(duì)市場(chǎng)波動(dòng)非對(duì)稱影 響的短期波動(dòng)方程為方程 (5) 式:2t - q t = (t- 1 - q t- 1 ) + (t- 1 - q t- 1 ) d t- 122(2 1 -t- q t- 1 ) + <1V u +t <2V e +t V uD t- 1+(5)t其中, 負(fù)沖擊

39、 (即非預(yù)期交易量 V u <t0, 也稱為縮量沖擊) 對(duì)應(yīng)的虛擬變量D t = 0, 而正沖擊(即非預(yù)期交易量 V u >t 0, 也稱為放量沖擊) 對(duì)應(yīng)的虛擬變量D t = 1. 因此, 非預(yù)期交易量的系數(shù) <1 表示縮量沖擊對(duì)市場(chǎng)波動(dòng)的邊際影響, 而放量沖擊對(duì)市場(chǎng)波動(dòng)的邊際影響由 <1 +來計(jì)算. 上述模型的估計(jì)結(jié)果如表 4 所示.表 4非預(yù)期交易量對(duì)市場(chǎng)波動(dòng)的非對(duì)稱性沖擊實(shí)證結(jié)果( 0. 4101)( 0. 0© 1994-2014 China Academic Journal Electronic Publishing House. All righ

40、ts reserved. :/股 票 代 碼 參數(shù)000001000002000009000012000016均 值 方 程C- 0. 4560( 0. 0000 333 )- 0. 6386( 0. 0000 333 )- 0. 7306( 0. 0000 333 )- 0. 9210( 0. 0000 333 )- 0. 3266( 0. 0111 333 )0. 1194( 0. 0000 333 )0. 1426( 0. 0000 333 )0. 1254( 0. 0000 333 )0. 1189(. 0000 333 )0. 0430(. 0113 333 )條 件 方 差 方 程

41、1. 2169( 0. 0000 333 )2. 6523( 0. 0000 333 )1. 8972( 0. 0000 333 )4. 5252( 0. 0000 333 )5. 0525( 0. 0001 333 )0. 8554( 0. 0000 333 )0. 8900( 0. 0000 333 )0. 8700( 0. 0000 333 )0. 9142( 0. 0000 333 )0. 6114( 0. 0000 333 )<0. 0528( 0. 0000 333 )0. 0435( 0. 0000 333 )0. 0564( 0. 0000 333 )0. 0530( 0

42、. 00003 3 )0. 0944( 0. 4772)0. 0663( 0. 0085 333 )- 0. 0168( 0. 5098)0. 0906( 0. 0074 333 )- 0. 0182( 0. 5304)0. 0795- 0. 0482( 0. 2264)0. 0293( 0. 3632)- 0. 0477( 0. 2879)0. 0992( 0. 01613 3 )0. 0992( 0. 4889)0. 0874( 0. 0012)- 0. 0014( 0. 9328)0. 0910( 0. 0111 333 )0. 1606( 0. 0000 333 )0. 2353<

43、;10. 7090( 0. 0000 333 )0. 6918( 0. 0000 333 )1. 2056( 0. 0000 333 )0. 5572( 0. 0000 333 )1. 6723( 0. 0000 333 )<20. 3538( 0. 00003 3 )0. 8420( 0. 0000 333 )0. 7676( 0. 0000 333 )0. 5814( 0. 0000 333 )0. 8482( 0. 00103 )9. 7067( 0. 00003 3 )11. 5261( 0. 00003 3 )11. 6322( 0. 00003 3 )12. 0495( 0.

44、 0000 333 )1. 1373( 0. 05933 )L o g L- 2995. 45- 3251. 74- 3389. 70- 3643. 57- 3372. 05A IC3. 82504. 12484. 28304. 59694. 26888數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)38 卷( 0. 03503 3 )( 0. 2707)注: 表中 ( ) 中的值為 P 值. 3 , 3 3 , 333 分別表示在 10% , 5% 和 1% 水平上顯著.由表 4 的實(shí)證結(jié)果可以進(jìn)行以下分析:1) 交易行為對(duì)市場(chǎng)沖擊的確存在顯著的非對(duì)稱特征. 非預(yù)期交易沖擊的系數(shù) 都顯著 大于0, 有9 支在1% 水平上顯

45、著, 另一支股票也在10% 水平上顯著, 說明正的交易量沖擊 (稱 交易量放量) 比相同程度的負(fù)交易量沖擊 ( 稱交易量縮量) 對(duì)市場(chǎng)波動(dòng)的影響更大, 也就是 說, 交易量縮量時(shí)往往伴隨著較小的市場(chǎng)波動(dòng), 而交易量放量時(shí)往往伴隨著較大的市場(chǎng)波 動(dòng). 這可能由于交易量放量時(shí), 往往市場(chǎng)交投活躍, 一片繁榮, 大多投資者看好市場(chǎng), 因此紛 紛進(jìn)入市場(chǎng)交易, 從而引起市場(chǎng)價(jià)格較大的波動(dòng). 而交易量縮量時(shí), 市場(chǎng)則表現(xiàn)較萎靡, 交投 平淡, 更多投資者持觀望、徘徊態(tài)度, 沒有刺激市場(chǎng)行情的消息出現(xiàn), 因此, 這時(shí)市場(chǎng)波動(dòng)較 小.2) 對(duì)于 10 支股票, 同等程度的放量與縮量的非對(duì)稱沖擊的比值大約平均

46、為 15. 85 倍,而H en d r ik B e ssem b in de r, P au l J. Segu in (1993) 6 對(duì)美國(guó)期貨市場(chǎng)的相關(guān)研究平均大約為2- 3 倍) , 這種差異是非常顯著的. 這在一定程度上支持了投資者根據(jù)量?jī)r(jià)指標(biāo)進(jìn)行技術(shù)分 析的投資策略, 但比值過大也反應(yīng)了中國(guó)股票市場(chǎng)的投資者比較傾向于投機(jī)行為, 大部分投 資者都喜歡在市場(chǎng)交投活躍時(shí)進(jìn)行投機(jī)交易, 希望在短期內(nèi)獲得高的市場(chǎng)回報(bào), 也說明我國(guó) 的投資者在投資理念和成熟的資本市場(chǎng)國(guó)家的投資者相比仍存在較大差距.© 1994-2014 China Academic Journal Electr

47、onic Publishing House. All rights reserved. :/股 票 代 碼 參數(shù)000021000027000406000539000550均 值 方 程C- 0. 6525( 0. 0000 333 )- 0. 5321( 0. 0000 333 )- 0. 6646( 0. 0000 333 )- 0. 3173( 0. 0000 333 )- 0. 9967( 0. 0000 333 )0. 1177( 0. 0000 333 )0. 1177( 0. 0000 333 )0. 1474( 0. 0000 333 )0. 0718( 0. 0003 333

48、 )0. 1694( 0. 0000 333 )條 件 方 差 方 程3. 5642( 0. 0000 333 )2. 9106( 0. 0000 333 )3. 0976( 0. 0000 333 )4. 6723( 0. 0000 333 )3. 8498( 0. 0000 333 )0. 8244( 0. 0000 333 )0. 8829( 0. 0000 333 )0. 8951( 0. 0000 333 )0. 5414( 0. 0009 333 )0. 8848( 0. 0000 333 )<0. 0618( 0. 0000 333 )0. 0532( 0. 0003 33

49、3 )0. 0448( 0. 0011 333 )0. 0831( 0. 3524)0. 0389(. 0040 333 )0. 0073( 0. 8214)0. 0592( 0. 04163 3 )0. 1087( 0. 0000 333 )0. 0856( 0. 3245)0. 06810. 0287( 0. 4810)0. 0184( 0. 3973)- 0. 0477( 0. 2238)0. 1121( 0. 0046 333 )- 0. 0342( 0. 3861)0. 2206( 0. 0000 333 )0. 0581( 0. 0082 333 )0. 0458( 0. 1626

50、)0. 2129( 0. 02153 3 )0. 0450<11. 0469( 0. 0000 333 )0. 7149( 0. 0000 333 )0. 4131( 0. 0049 333 )1. 0461( 0. 0000 333 )1. 7998( 0. 0000 333 )<20. 6097( 0. 1475)0. 7020( 0. 9772)0. 5951( 0. 0000 333 )0. 8379( 0. 0000 333 )0. 6339( 0. 0006 333 )10. 9750( 0. 0000 333 )9. 9241( 0. 0000 333 )9. 3424( 0. 0000 333 ). 8139( 0. 0062 333 )10. 4872( 0. 0000 333 )L o g L- 3425. 97- 3286. 87- 3270. 76- 3253. 46- 3492. 79A IC4. 32584. 14564. 13574. 12964. 4634912 期李雙成, 等: 中國(guó)股票市場(chǎng)交易量與價(jià)格波動(dòng)關(guān)