高频数据视角下的市场价格影响因素述评.docx

高频数据视角下的市场价格影响因素述评 摘 要 随着金融大数据研究的兴起，传统的交易数据分析已无法满足市场需求。本文从高频数据的视角对金融市场价格影响因素进行了全面的总结分析，着重介绍了成交量、交易持续期、日内效应对日内价格的影响机制及相关研究成果，并讨论了交易持续期与信息、波动率之间的影响关系。从中可以看出，各类市场微观交易指标从不同角度反映了外部信息对市场日内价格波动的影响，这些结论也为高频数据计量实证分析提供了一定的理论指导。 下载 关键词 高频数据；日内价格；交易持续期 doi：10.3969 / j.i中图分类号 F831.5 文献标识码 A 文章编号 1673 - 0194（2015）07- 0130- 03 0 引 言 计算机技术的飞速发展和交易市场的日益成熟为当今市场交易者提供了大量可供研究的日内超高频交易数据。与传统日数据观测值不同，超高频数据记录了每笔交易的所有信息，也被称为逐笔交易数据。这类数据是进一步研究市场交易过程和微观结构的重要基础。在市场交易活动中，价格起到了关键的职能作用。宏观经济中的价格表示市场供需平衡时的出清价格，主要反映了市场的供求关系和其自身的价值。但在市场微观结构理论中，研究者更加关注这个价格具体是如何形成的。而在价格形成的过程中，其变动将会受到市场日内其他市场微观交易指标的综合影响。从这个意义上讲，交易过程可以被认为是价格及其相关所有变量的信息载体，交易者可以从交易过程的各类交易指标中挖掘外部信息并调整各自的交易策略。 OHara认为在日内水平下，价格由市场的具体交易者决定，这些交易者根据自身掌握的信息和流动性需求决定他们的交易策略。交易者通过关注市场信息合理调整他们的资产配置。这些早期文献的研究结论多强调信息和流动性对价格的影响。而在高频数据下的具体交易过程中，买卖价差可以被看做即时性的价格，即在某一时刻买卖双方不能达成一个有效的出清价格，因此某一方要付出即时性成本，即存在所谓的交易成本。交易成本理论摒弃了传统经济理论中的“无摩擦”假定，是研究市场微观结构的重要基础理论。在存货模型理论中，这个价差代表了平衡做市商维持买方和卖方的交易所必须保留的存货头寸成本。而在信息模型理论中，根据交易者信息的非对称分布可以将市场交易者分为知情交易者和非知情交易者。信息模型理论认为信息是日内价格变化的决定性因素，信息的非对称性导致了市场出现逆向选择问题，即使在没有交易成本的市场也会产生买卖价差。做市商与知情交易者进行交易时可能会导致一定的损失，为了弥补承担这些风险而带来的损失及保证交易的即时性，做市商必须从与非知情交易者的交易过程中获取一定的利润，为了平衡双边交易过程中的利润和亏损就产生了买卖价差。当交易过程中出现的信息越多时，其买卖价差越大。 上述价格形成过程的理论分析大多是建立在信息经济学和博弈论基础上的，与原有金融理论注重宏观分析和总量分析相比，金融市场微观结构理论更加注重微观分析。随着近年来高频数据研究的兴起，更多的学者转而采用高频数据计量模型验证不同市场微观结构，那么在高频数据模型实证分析中变量选取的理论依据就是一个值得关注的问题。因此，本文总结归纳了高频数据视角下影响市场价格变动因素的相关文献，重点关注成交量、交易持续期及市场的日内效应因素的作用机制及相关研究成果，并讨论了持续期与信息、波动率之间的相互作用。 1 市场价格影响因素 1.1 成交量 成交量是市场价格变化的重要推动因素，他们之间的相关关系一直是学者重点关注的问题。Easley和OHara认为知情交易者会综合考虑流动性需求和最优交易策略，选择直接交易或者进行拆分交易，从而产生不同的交易过程。实际上，这些不同交易策略下的成交量已经承载了市场上交易者所需的相关信息，后继交易者会通过观察市场交易量的变化而改变自己的交易策略，从而影响了当前的市场交易价格。此外，还有大量文献研究了交易量与买卖价差、交易成本及指令流之间的关系。De Jong的研究表明交易成本是会随着交易量的减小而降低的。Berkman对伦敦期货市场的成交情况研究表明，在交易量较小的期货市场中有效价差比现货市场要小。Chan和Fong在文献中以美国股票交易市场为例指出交易量比交易强度更能影响价格走势。 1.2 交易持续期 时间因素在价格变动过程中主要体现在单位时间内的交易笔数，即交易的频率。与低频数据类型不同，超高频数据是按照每笔交易事件为单位进行记录，这样就导致这些交易之间的时间间隔并不相同，传统的时间序列计量模型无法应用。这类特殊的时间间隔我们称为每笔交易的持续期。交易持续期数据具有明显的聚集性和离散性，同样反映了市场中的信息内容，并且会对市场价格变化产生一定的影响，因此在研究市场微观结构的模型中应该包含这个变量指标。 Diamond和Verrechia在基于信息的序贯模型中认为股票市场中的交易行为源于外部的利好或者利空信息。知情交易者通常会基于利好信息而买入股票，而基于利空信息卖出股票。非知情交易者的交易动机不是基于新信息影响，而是基于流动性需求的考虑。Easley和OHara在Diamond和Verrechia的基础上进一步认为知情交易者是完全基于新信息的交易者，而不会考虑流动性需求，流动性需求完全由非知情交易者提供，从而更加严格地区分了这两类交易者。因此，根据这一理论，交易频率主要受到知情交易者的影响，较低的交易频率反映了当前市场信息匮乏的状况，参与市场的知情交易者较少。相反，当市场上有新信息出现时，知情交易者会迅速作出反应，导致市场的交易频率和交易成交量明显放大。 基于上述已有市场微观结构理论的研究，Engle和Russell认为交易持续期序列是一个具有相关关系的点过程，借鉴GARCH模型的思想，提出了一个简单有效的建模方法，被称为自回归条件持续期模型（ACD），该模型首次刻画了交易时间在市场微观结构中的计量关系，并迅速得到广泛的理论扩展和实证应用。ACD模型的主要不足在于其条件均值方程和随机扰动项的设定过于简单，对于更多复杂的持续期数据特征拟合效果欠佳，例如该模型并没有考虑金融市场中普遍存在的非对称效应。为了解决这些问题，Bauwens和Giot提出对条件均值方程采用对数变换的方法（Log-ACD），这样较短的持续期会产生较小的影响，较长的持续期会产生较大的影响，在该形式下，较短的持续期与较长的持续期会产生正负两种影响结果。与此同时，Dufour和Engle认为对数变换方法对于较小的持续期调整过度，当持续期趋于0时，其对数取值趋近于负无穷大。因此，他们提出应该利用Box-Cox变换对持续期模型进行修正，通过变换参数的取值更加合理地进行非线性估计。同时，他们还对Nelsons的EGARCH模型进行了拓展，以分段线性参数估计刻画不同持续期的影响。另外，Zhang等讨论了状态转换机制下的ACD模型，提出分段阈值下的ACD模型（TACD）估计方法。还有部分文献对方程中的确定性条件期望持续期提出质疑，认为应该用一个潜变量替代。Bauwen和Veredas在条件均值方程中引入另一个随机扰动项，使得持续期的条件均值成为一个潜变量，这样就构成了一个双随机ACD模型（SCD），但是该模型参数估计过程的计算量较大。另一类研究方向则是基于随机扰动项的分布，从特殊到一般的推广：最常见的ACD模型分布为指数分布和Weibull分布，其后拓展到更加一般的极值分布类型，包括广义Gamma分布、Pareto分布及Burr分布等等。这些分布都在一定程度上提高了ACD模型的拟合效果和预测效果。 1.3 日内效应 金融市场的交易制度使得市场价格变动存在不同的日内效应，即交易时间是市场管理者事先规定的，包括每日开盘与收盘时间，周末及节假日休市等。这些客观交易时间间隔的存在意味着信息并非实时地反映到市场价格中去，因此价格及其相关市场指标的变化也会存在一定的周期性特征。Easley和OHara的研究表明在美国股票市场中，交易频率及价格波动率存在日内U型特征，即开盘与收盘时变量数值较高，而午间较低，呈现出两端高中间低的形态。同时在其他国家的资本市场中，诸多学者的研究表明这些市场也同样存在周期性趋势。U型特征的走势实际上反映了市场隔夜累积信息所带来的影响。除了日内效应，交易市场还存在周效应和假日效应。这类周期性趋势在计量建模分析中也是必须考虑的影响因素之一。Baillie和Bollerslev在使用t分布下的GARCH模型进行分析时，考虑了上述周期性效应，在均值方程及方差方程中都加入了虚拟变量，用于剔除这类周期性影响。Andersen则采用弹性傅立叶变化的方法（FFF）对这类日内周期性问题进行了研究。此外，Cho建立了一个以日内效应波动因素为研究变量的自回归条件周期波动模型（ARCSV），该模型对日内确定性趋势和随机性趋势的影响加以分离和度量，首次从定量的角度直接解释了日内周期性因素之间的动态关系。Engle 和 Sokalska还提出了MC-GARCH模型，将高频数据下的条件方差分解为日波动、日内效应波动、随机日内波动3个组成部分，首先估计前两个部分的影响，然后对剩余的残差波动建立传统GARCH（1，1）模型进行分析处理。除了对市场价格变化进行日内效应研究之外，还有大批学者研究了诸如买卖价差、成交量、市场流动性等指标的日内效应特征。总而言之，日内效应从理论上说与信息模型密切相关，从实证运用上来讲，对市场微观结构下的高频数据计量建模参数估计和预测性能都有着重要的影响。 2 持续期相关问题 2.1 持续期与信息 持续期模型在市场微观结构中的理论研究成果在前文已有论述，本节从该模型的实证应用角度进行归纳。Wong以非线性Log-ACD模型研究了中国上海股票市场中的知情交易与市场流动性之间的关系，结果表明当市场处于活跃状态时，知情交易存在于所有股票交易过程中，且热门股票的知情交易大于流动性需求交易。Hujer和Vuletic通过ACD模型的分布函数特征，深入研究了持续期数据与交易者类型的关系。他们认为，非知情交易者的瞬时交易速率应该保持平稳，即为一个常数。该特征从分布函数上来看即为指数函数，其危险率函数为常数。而知情交易者由于受到外部信息的影响，其交易速率不会保持常数，而是存在某种趋势的函数形式。因此，指数函数刻画了非知情交易者的交易行为，其他分布则刻画了不同知情交易者的交易行为。基于上述考虑，他们给出了一个混合分布下的ACD模型。该模型相对其他单一分布下的ACD模型，能够更好地区别个股历史交易行为的类型，从而为今后交易提供一定的决策参考。另外，持续期通常作为市场微观结构中某些指标的代理变量，包括交易的频率、市场流动性及市场风险等。同时，外部冲击对价格影响的传递机制也受到部分学者的关注。Dufour和Engle使用VAR模型分析了NYSE市场中18只股票受到外部冲击的价格变化影响，他们的研究表明：较强的交易频率意味着较多的外部信息介入，导致了较快的价格变化。 2.2 持续期与波动率 随着持续期模型研究的兴起，交易强度与波动率之间的关系也引起了学者的兴趣。Engle在其文献中最早开展这个方向的研究，他认为GARCH模型在研究日内波动率问题时不是有效的，必须考虑日内持续期的影响作用。因此，在GARCH模型中可以加入持续期变量，该模型被称为UHF-GARCH模型，结果表明收益率与波动率都受到持续期影响，且他们之间存在负相关关系。也就是说，较高的交易频率会导致较高的价格变化，即较大的波动率。其他学者在随后的研究中也得到了一致的结论，根据信息模型理论的解释，较高的交易频率意味着大量外部信息的冲击，从而导致了市场的大幅波动。Rittler利用GRACH-BEKK模型研究了期货市场的价格波动与信息之间的关系。Benz和Truck同时结合AR-GARCH和MSACD模型建立一个非线性关系模型，从而得到更好的拟合和预测效果。 3 总 结 本文总结归纳了高频数据条件下市场价格影响因素的相关文献。现有市场微观结构理论主要存在两大理论：一是存货模型，另一个是信息模型。现有计量模型的实证研究多以信息模型为基础，认为交易者分为知情交易者和非知情交易者，知情交易者是根据外部信息进行市场交易，而非知情交易者的交易行为仅提供市场的流动性。本文讨论的市场价格影响因素主要包括成交量、交易持续期及日内效应。成交量对价格的影响研究理论已经比较成熟，但是这类研究多从日数据角度入手，以日内逐笔成交量数据作为研究对象的文献也是近年来才逐渐出现。包含时间因素的日内交易数据研究兴起于Engle的ACD模型，每笔交易之间的时间间隔实际上反映了其交易频率，它间接反映了市场外部信息冲击的影响程度，这个交易指标在高频数据计量模型的分析中显得尤为重要。同时，在研究高频数据的过程中，日内效应也是不容忽视的一个影响因素，在数据处理过程中，必须剔除日内效应带来的影响才能更好地发掘市场微观结构理论中的实际问题。最后，本文重点对持续期数据与信息、波动率之间的关系进行了讨论，从已有文献的结论来看，信息影响了交易频率，且ACD模型下不同分布函数代表了不同交易行为，同时交易频率对价格波动也有一定的影响作用。本文的上述研究结论不仅为理解价格发现过程提供了新的视角，为高频数据计量建模分析提供了理论指导，也为市场交易机制的设计提供了一定的参考依据。 主要参考文献 D Easley， M OH 戴国强，吴林祥. 金融市场微观结构理论M. 上海： 上海财经大学出版 社， 1999. 施东晖，孙培源. 市场微观结构理论与中国