经济学年会论文提交.doc

经济学年会论文提交类别：金融学作者简介：姓名：邵新建； 附录：英文题目、摘要和关键词A Study On the Asymmetry of the Dynamic Relationship Between Price and Volume in Chinese Stock Market - Evidence from Stock of Shanghai Stock Exchange from 1999 to 2004 Shaoxinjian（the School of Economics ，Nankai University，Tianjin 300071，China ）Abstract: This paper establishes a robust VAR model on the relationship between the stock index and turnover using the Astock data from Shanghai Stock Exchange. To get the pricevolume relationship, the VAR toolkit is used including Granger-causality and impulse response function and variance-decomposition. It is obvious that the interactive relationship between the stock price and volume is asymmetric: price is strong while volume is weak. The analysis shows that the shock from turnover gives limited and brief effects on the index. However, the increase of index can enhance the turnover significantly for a quite long time. In addition, We elaborate the intuitions behind these conclusions and give some simple explanations on these results.Key words: Robust ; Impulse Response ; Stong Price and Weak Volume中国股票市场价量动态关系的非对称性研究 来自上证A股19992004的证据摘要：本文利用上证A股数据，基于稳健性的原则建立了VAR模型，以此模型为基础对指数和成交额进行了Granger因果检验、脉冲响应分析和方差分解分析。结果发现价量之间的相互作用是非对称的，存在明显的“价强量弱”现象。成交额对股票指数的影响是有限而短暂的，但指数对成交额具有显著而持久的同方向作用。文章对这些结论所蕴涵的深刻现实意义进行了详尽的分析，并对这种非对称性做出了初步的理论解释。关键词： 稳健性 脉冲响应 价强量弱金融市场的价量关系主要是指证券价格(亦包括价格变动、收益率和波动率等价格派生指标)和成交量之间的相互关系。价量关系具有重要的理论意义和应用价值，正如Karpoff(1987)所总结的：价量关系有助于对股票市场微观结构的理解；进行事件研究时，结合价量关系对结论的推断有更大的贡献；价量关系在研究股价的分布状态时具有决定性的作用。因此它一直是现代金融经济学研究的热点问题。一、股市价量关系的研究沿革：文献综述早期的价量关系主要集中于收益率和成交量之间的同期静态关系上，Clark(1973)和Epps(1976)等建立和发展了混合分布假说，该理论认为信息流的冲击导致了价量之间的关系。Copeland(1976)和Jennings(1981)提出和发展了信息顺序到达模型，认为信息的逐步扩散过程决定了价量关系。进入九十年代后，价量关系研究的主流逐渐转移到了收益率和成交量之间的动态关系上，Gallant、Rossi和Tauchen(1992)、Hiemstra和Jones(1992)的研究得出了基本一致的结论：收益率和成交量之间存在着动态的双向的非线性因果关系。Harris和Raviv(1993)的模型认为在投机性市场上由于投资者对信息的理解不同，导致价格的绝对变化和成交量正相关。Wang(1994)的模型认为理性的投资者具有的私人投资机会和信息是不同的，由此导致的信息性交易和非信息性交易造成了收益率和成交量之间不同的动态关系。Lamoureux和Lastrapes(1990)发现引入成交量后，收益率的GARCH效应会显著下降。但是Chen(2001)使用EGARCH模型对九个国家的证券市场的实证分析表明成交量中包含了收益生成过程中的某些信息，但成交量对收益率的波动性没有显著的解释作用。 国内学术界在价量基础理论方面的研究较少，多数文献主要是借鉴国外的理论和计量方法对中国证券市场上的价量关系进行实证分析。陈怡玲和宋逢明（2000）、李双成和王春峰(2003)、 赵留彦和王一鸣（2003）对各自的样本进行研究后认为非预期交易量相对于预期交易量对波动率的解释能力更强。张维和闫冀楠（1998）、王承炜和吴冲锋（2002）利用Baek-Brock非参数方法地中国股票市场进行了Granger因果关系检验，结论认为收益率对交易量存在单向的线性因果关系，长期内存在双向的非线性因果关系。唐齐鸣和张学功（2005）、芮萌和孙彦丛（2003）的研究发现存在由收益率到成交量的单向因果关系。但赵春光和袁君丽（2001）使用1991年4月至2001年3月深圳成指和交易量的月度数据，认为月度价量之间不存在因果关系。孙建明（2003）认为交易量增量和价格增量之间存在双向的Granger因果关系。赵振全和薛丰慧（2005）使用VAR（7）模型通过分析1997年1月至2004年5月的上证综指和交易量的每日数据也认为交易量和收益率之间存在双向的因果关系。由上可知，国内的诸多研究结论并不一致，甚至相互矛盾。究其原因主要是：1、数据的时期不同，很少考虑特定时期内可能的结构断点比如1996年底沪深股市都开始实行交易价格的涨跌幅限制制度，这前后的价量关系显然是有系统性差别的，很多研究使用的数据横跨1996年，但很少对此做出相应的调整。2、对数据的处理不同，对数据过多的处理和加工很可能破坏了价量关系的直觉含义。3、模型的滞后期选择差异也很大，一些研究缺少一个较为可信的判断程序，直接影响了其结论的可信性。中国股票市场本身在不断变迁，价量关系并不是完全稳定的，它对上述各个因素的反应是非常敏感的。因此我们下面的实证研究无论是数据的来源、处理，还是模型的选择、分析，都基于稳健性的原则，尽量减少由于主观的处理对分析过程的干扰，尽量避免不合理的数据发掘 根据D.F.Hendry和秦朵（1998），数据发掘的含义很宽，至少有三层。我们是指“建模者为了证实理论而有意掩盖或摒弃与理论相悖的数据信息”，这实质上是一种数据的操纵。在价量的计量分析中，容易产生这种数据操纵的部分包括单位根检验形式及相应显著性水平的选择和VAR模型滞后期的确定。下文的检验程序为避免这个问题，都采取了严格和稳健的方法。下文首先针对国内诸多文献在价量因果关系认识上的矛盾，通过向量自回归方法，从稳健性的原则出发，通过30期滞后模型的多重判断，对价量价量之间Granger因果关系给出较为可信的结论。然后在这种定性判断的基础上，尝试运用脉冲响应函数和方差分解技术，从定量追踪的角度对其动态相互作用做进一步的考察，同时分析实证结论所隐含的深刻现实意义。最后对核心的结论给出初步的理论解释。 二、样本描述与模型构建1. 样本描述本文的数据选自各年中国证券期货统计年签。由于深圳证券交易所1999年停止了新股上市，直到2004年才重新获准中小企业板块的上市资格，可能会造成深证市场价量关系的结构性变化，本文剔除这部分数据。上证中涵盖范围广，具有代表性的指数有上证综合指数和A股指数，综合指数中的B股经历了一系列的结构性变迁，其交易规模、价格的波动幅度与A股差别很大，因此本文选取上证A股指数和交易量（成交金额）作为样本。同时，中国股票市场是一个新兴的市场，国家的政策法规变化频繁，尤其是在市场建立初期。1999年新的证券法开始实施，市场各方参与者之间的法律关系也有了相对清晰的界定。因此，本文数据选择的时间跨度为1999年1月1日至2004年12月31日，共1566个交易日的数据。2.单位根检验为了保证检验结果的稳健性，我们对价量序列都分别进行了不含截据和趋势项，只含截据项，含有截据项和趋势项三种形式的检验。检验结果列于下表中。从表一、二和三中可以看到，三次检验中，在1%的显著性水平上都顺利拒绝成交额含有单位根的原假设，即成交额序列是平稳的。但在10%的水平上也无法拒绝股票指数含有一个单位根的原假设。对股票指数的差分（指数增量）序列的检验显示，指数增量是一个平稳序列这与金融学中股票价格服从随机游走的假设是一致的。为避免谬误回归，下面所建立的VAR方程组中包括的内生变量是成交额和指数增量（而非指数本身）特别值得一提的是，二者具有流量意义。分析流量与流量之间的关系在统计和逻辑意义上都是比较合理的，一些研究直接分析股票指数和成交量之间的关系，这种做法是值得商榷的。 表一原假设：成交额含有一个单位根检验形式ADF统计量t值1%临界值5%临界值10%临界值不含截距和趋势项-4.62-2.57-1.94-1.61只含截距项-9.78-3.43-2.86-2.57含截距和趋势项-9.77-3.96-3.41-3.13注：三种检验形式的滞后阶数根据SC准则确定,分别为2阶、1阶和1阶。表二原假设：股票指数含有一个单位根检验形式ADF统计量t值1%临界值5%临界值10%临界值不含截距和趋势项-0.29-2.57-1.94-1.62只含截距项-1.86-3.43-2.86-2.57含截距和趋势项-2.25-3.96-3.41-3.13注：三种检验形式的滞后阶数根据SC准则确定，皆为0阶。表三原假设：指数增量含有一个单位根检验形式ADF统计量t值1%临界值5%临界值10%临界值不含截距和趋势项-41.14-2.57-1.94-1.62只含截距项-41.13-3.43-2.86-2.57含截距和趋势项-41.18-3.96-3.41-3.13注：三种检验形式的滞后阶数根据SC准则确定，皆为0阶。本文分析的对象是股票指数和成交量，所以模型中只包含这两个内生变量。VAR方程组的表达式为： （1） （2）：股票指数差分，即指数增量 ：成交额和为两个白噪声序列 ：为最优滞后时期3.滞后期的确定建立VAR方程组的第一步就是确定最优滞后时期。滞后期的选择标准一般使用AIC或SC信息准则。随着滞后时期数的增加，待估计参数的迅速增加会导致模型的自由度下降，从而产生参数估计的有效性问题。因此可以首先确立一个最大的滞后时期数MAXLAG，然后分别计算从1至MAXLAG的AIC或SC值，从中选择一个最优滞后期。考虑到每日股票指数增量和成交量在很大程度上是由当日新的信息所驱动的，而在市场上每日都有大量新的信息产生，某交易日的信息（反应在滞后的指数增量和成交额的滞后项上）对未来价量产生有效影响的时间不会太长，三十个交易日作为最大的滞后长度应该是可以接受的一般每周有五个交易日，三十个交易日相当于42个自然日。图一将不同的最大滞后时期与其对应的AIC和SC值绘成图一，从中可以看到在1-30的滞后期内，当N=26时，AIC达到最小；而当N=13时，SC达到最小这与AIC和SC的本身结构是完全吻合的。AIC和SC的设计原理是相同的：随着滞后项的增加，误差平方和逐渐下降，但同时待估参数增加，方程的自由度下降，导致“惩罚项”的数值在增加。但SC的的惩罚项对滞后项数更为敏感，所以SC确定的最优滞后阶数通常小于AIC确定的阶数。为了在13和26之间做出选择，我们使用对数似然比检验（Log Likelihood Ratio)来做出判断。检验程序如下：最优滞后阶数是对应的原假设为似然比统计量，即LR渐进服从分布。若则拒绝原假设，若则接受原假设。其中，分别为别为滞后阶数是时对应的最大对数似然值，是确立原假设时所施加的约束条件个数，为临界值。代入滞后期为13和26时相应的相关参数，使用Eviews5.0软件可以算出似然统计量相应的P值近似为1，因此接受原假设，认为最优滞后时期数为13SC信息准则具有强一致性，即随着样本容量N，它可以渐进地决定真实的滞后阶数。本文的样本容量为1566，因此由SC确定的13阶滞后还是较为可信的。三、实证分析1.Granger因果分析借助前面建立的VAR方程（1）和（2），可以直接进行线性Granger因果检验。两个原假设的检验结果列于表四和表五中，从中可以看到，在滞后时期数为13时，在1%的置信水平上，可以拒绝第一个原假设：指数增量不是成交额的Granger原因，也可以拒绝第二个原假设：交易额不是指数增量的Granger的原因，即价量之间是双向线性Granger因果关系。但是上述检验结论是建立在模型滞后期为13的基础上，而滞后期为13时的SC和AIC值与其它滞后期相比相差并不大，而且如果采用其它的非SC或非AIC准则，得到的最优滞后期很可能不同，那么相应的Granger因果检验的结论就未必一样。事实上，滞后时期选择差异是国内文献中诸多因果检验结论不一致的重要原因。根据因特里格特（2004），Granger因果“检验对原始约束的滞后阶的选择敏感”。为了保证检验结论的稳健性，我们可以对1至30的滞后期分别做因果检验，然后对结果做统计以全面客观地反映价量间的Granger因果关系，避免简单一次判断所得出结论的武断性。检验结果如表四和表五所示，对于第一个原假使：指数增量不是成交额的Granger原因，30次检验都在1%的水平上将其拒绝，结论是非常明确的，指数增量对成交额有显著的解释作用。对于第二个原假设：成交额不是指数增量的Granger原因，30次检验中有11次在1%的水平上将其拒绝（都是在滞后期小于或等于13时发生），有6次在5%水平上将其拒绝，有3次在10%的水平上将其拒绝，还有10次在10%的水平上也无法拒绝（其中9次发生在滞后期大于20时），拒绝的比例为2/3。因此总体看来，在滞后时期小于等于13时，成交额对指数增量有着较为明确的解释作用，但随着期限的拉长，解释力度逐渐下降。因此可以得出结论一，在短期内，指数和成交量之间存在双向Granger线性因果关系，但随着期限的拉长，成交量对指数的解释能力逐渐下降。这种价量关系显然是非对称的：价强而量弱。表四 表五原假设：指数增量不是成交额的Granger原因阶数F统计量阶数F统计量192.7356*168.63140*255.0529*177.47013*334.9086*187.18546*424.2382*197.63641*524.5405*207.04115*624.2944*216.49769*721.9036*226.28077*820.7767*235.72840*919.1751*245.32046*1018.1642*255.08758*1116.4747*264.77730*1213.7088*273.89938*1312.4894*283.75644*1410.366*293.36248*159.58806*303.19739*原假设：成交额不是指数增量的Granger原因阶数F统计量阶数F统计量14.66489*161.55838*23.43991*171.3416534.29104*181.50356*46.13955*191.76329*54.96593*201.68108*64.22030*211.3267173.84681*221.2888182.81366*231.2526593.91284*241.17788102.76819*251.24457112.39309*261.38135122.34332*271.30986132.31919*281.23257142.04262*291.33466151.84575*301.33585注： *表示在1%的显著性水平上拒绝原假设 *表示在5%的显著性水平上拒绝原假设*表示在10%的显著性水平上拒绝原假设 此结论意味着，在VAR方程组中加入成交额和指数变动的滞后项，能够增强模型对两个内生变量未来值的预测力。这首先说明中国市场还未达到弱式有效，当前的价格并没有对历史的信息做出完全的调整，通过分析股票历史的价格，可以更好地预测其未来的价格。这与中国股市信息批露制度不完善，信息不对称严重，内幕交易盛行的普遍现象是完全一致的。其次，如果在预测股票未来的价格时，考虑到最近几个交易日的成交量，可以提高预测的精确度。在某种程度上可以说“成交量是价格的先行指标”，这与Blume，Easley和Ohara(1994)的模型结论是一致的。总体看来，由于中国股市的信息扩散、传播的效率不高，基于量价关系的技术分析有其存在的统计学根据 根据宋逢明（2003），在中国投资者中，“75%的被访问者非常相信或有点相信技术分析”。2.脉冲响应分析下面我们借助于VAR工具箱中的脉冲响应函数，对指数增量和成交额的动态关系做进一步的定量分析。脉冲反应分析的结果（尤其是初始期的反应）在一定程度上依赖于内生变量在方程组中的顺序，因此排序问题格外重要。我们的处理方式是从指数增量到成交额，这主要是出于以下的考虑：由前面Granger因果关系的判断可知（也是在现实的直觉意义上）往往是指数变化在前，成交额的增减在后，指数似乎对信息的反应更加迅速。成交额冲击对指数的作用。从脉冲反应图二和表六中，可以看到，对于成交额一单位误差标准差（约23.26亿）的新息冲击，指数增量在第二日开始做出大约1.06点的反应，第三日反应达到最大的1.32点，反应的代数值逐渐下降，在第五日甚至达到负值1.57，此后反应的绝对幅度逐渐下降向零收敛。更重要的是，在初始五期的反应中，除了三期和五期外，其余几期的反应在统计意义上是完全不显著的（从表中可以看到反应的标准差相对于反应的绝对值相当大）。从图中可以清楚的看到，从第六期开始，反应量上下两倍标准差的区间已经稳定地将0值包含于内，即在统计意义上，无法拒绝反应的幅度与0没有区别。因此我们得出结论二，成交额对指数增量的拉动作用在数量上是有限的，在持续时间上是短暂的。一般认为，十几年来上市公司的基本面发展无法解释相对高位的指数，股票的投资收益与上市公司的经营业绩相关性不大。相对于公司的基本面，股票价格对进入市场的资金量有着更为敏感的反应，指数的上涨在很大程度上由资金推动的，即中国股市具有资金推动型市场的特征。较为普遍的一个现象是，绩优蓝筹股的市场表现平平，反倒是一些财务状况较差甚至是被ST或PT的小盘股票，在一些市场传言的刺激下，受到中小投资者的追捧，大量资金进入，交易活跃，价格被推高偏离其价值，形成一定程度的泡沫（王惠文，2003）。从我们上面的分析结果来看，纯粹的资金（成交额）对指数的拉动作用是有限而短暂的，这也就意味着，如果上市公司的质量等基本面因素没有什么大的改进，那么欲保持股票指数的上升趋势，必然要求资金的大规模、持续性注入，也即是需要资金的不断推动。但脱离基本面的价格上涨只能是泡沫，泡沫最终的爆裂必然严重影响证券市场的健康发展和经济的稳定增长。因此，促进证券市场繁荣，不能将全部希望寄托于各种资金的“入市”，因为资金拉动作用是有限而不可持续的。事实上，允许保险资金和养老基金投资股票市场，甚至QFII的引入并没有拉动股票指数的持续上涨，这已经证明了单纯的资金拉动力的有限性。因此，无论是投资者还是证券市场的管理者都应将关注的焦点放在上市企业的公司治理和经营质量等一系列基本面上，寻求真正的“大智慧”，避免中国股票市场落入泡沫经济和“金钱游戏”的陷阱之中（吴敬琏，1994）。 指数增量冲击对成交额的作用。从图三和表七中可以看出，对于指数增量一单位误差标准差（约19.86点）的新息冲击，成交额在第一日迅速做出了6.45亿的反应，第二日反应达到最大值12.79亿，第三日到第十四日，反应幅度从8.87亿下降到2.85亿，其间有几次此小幅的波动。从第十五日开始，反应量基本呈现了一个平滑的指数衰减趋势，逐渐向零值收敛。需要注意的是，在第四十五日前的反应量在统计意义上是显著异于零的。从第四十六日开始，反应量上下两倍标准差的区间才稳定地将零值包含于内。由此可知，对于指数增量一单位误差标准差新息的冲击，成交额的同向反应（尤其是前七日）较为剧烈，且有效持续时间长达45个交易日。由此我们得出结论三，指数增量对成交额具有显著的同方向推动作用，而且其效力在时间上也是较为持久的。综合结论二和三可知，指数和成交额之间的动态相互作用也是非对称的，价强而量弱。图二和图三 表六：指数增量对成交额的新息反应 表七：成交额对指数增量的新息反应时期反应量标准误10021.0610.62831.3190.62841.0630.6235-1.5660.61361.150.607-0.5710.5848-1.0150.57990.6180.57210-0.2990.475时期反应量标准误16.4520.718212.7940.86738.8670.97648.0091.04858.0151.10467.3071.15275.8361.17985.3081.21294.0141.22103.1161.215结论三蕴涵着重要的财政意义。无论是在绝对数量上，还是从占比的角度看，股票印花税都是中央财政收入的一个重要组成部分。它是根据交易额乘以印花税率得到。若保持印花税率不变，股票指数上涨，根据上述价量关系必然导致成交额显著持久的增加，相应的印花税自然水涨船高。为验证这一推测，可以将上证综合指数和股票印花税两个时间序列进行比较分析。从图表中我们看到在1993年至2005年间，二者基本保持了同一变动趋势，即，指数上升则股票印花税增加，指数下跌则股票印花税减少。股指走势在很大程度上决定了股票印花税收入。从表八可以看到股票印花税占中央财政收入的比重在1993-2004年间加权平均值为2.7%，市场行情较好的1997年至2000年，该比率平均为5.38%。在股票指数屡创新高的2000年，甚至一度达到6.41。但是2002至2004年由于市场不景气，股票指数相比前几年大幅缩水，市场成交额明显萎缩，导致股票印花税无论是绝对量还是占财政收入的比例与1997-2000年相差甚远。图四 表八：上证综合指数和股票印花税总额 （1993-2005）年份199319941995199619971998上证综指1013.39674.1657.8764.651175.591261.04印花税（亿元）2248.7726.38127.99250.76225.75印花税占比(%)2.31.680.813.55.934.62 （续表）19992000200120022003200420051377.33188219561567.231467.751482.851144.53248.07485.89291.31111.95128.35169.08102.84.286.413.41.021.081.1658 注：1993-2003年数据来源于中国证券期货统计年鉴20052004和2005年数据根据中国经济景气月报2006年02期整理印花税占比是指股票印花税与中央财政收入的比例股票指数、成交额与印花税之间的关系也许对中国证券市场的制度变迁有着深刻的含义。1978年以来中国所经历的改革，在实质上是一种国家主导型的强制性制度变迁。一项改革的路径，很大程度上取决于国家的意志。国家的目标是追求义理性最大化，但其行动要受财政收入的约束，“财政决定改革的起因和路径”（张宇燕、何帆，1997）。因此一项改革对于国家的财政含义可能直接关系到其最终的结果。证券市场在中国作为一个新兴的市场组织形式，虽然对其初始的功能定位和一些具体的体制设计上，有一些偏差，但在短短十几年的时间内，它已经充分显示了其对国家收入的巨大潜力，这也许从根本上提供了股票市场不断向正确路径变迁的最强大的动力。因为，只有股票市场真正健康发展了，其指数的上涨是真正建立在企业的基本面上，繁荣才是理性而可以持续的，市场各方的参与者（包括国家）才能真正从中获得自己的利益。3.方差分解我们还可以借助于方差分解做进一步的分析。从方差分解的图表中可以看到，对于成交额的预测误差方差，随着时间的延伸，成交额本身所解释的比例持续下降，在28个交易日后，其占比逐渐稳定于65个百分点，而指数增量的解释力在逐渐增强，最后基本稳定于35个百分点。对于指数增量的预测误差方差，随着时间的推移，虽然成交额的解释比例有所上升，但幅度很小，最后逐渐稳定于2.58个百分点，指数增量本身的解释幅度还是维持在97个百分点以上。 图五综合整个实证检验的过程可以看出， Granger因果检验、脉冲反应分析和方差分解三种分析的结论是完全一致的，即在上证A股市场上，股票指数和成交额之间的相互作用是非对称的，价强而量弱。那么是什么原因造成了这种价量关系的非对称性呢？我们下面给出一些初步的、尝试性的解释。四、初步的理论解释我们希望从微观的角度寻求某种解释。一个相当的现实的假设是，股票的价格和对应的成交量都是受信息所驱动的。它们之间的相互作用若是不对称的，只有两种可能的原因，一是它们本身包含的绝对信息含量不同，二是价量本身所包含的绝对信息量是相同的，但是市场（投资者）对它们所含相同信息的消化吸收的程度（能力）和速度是不同的。由于一对价格和成交量是投资者基于同一信息集同时做出的决策，它们背后所隐藏的信息量应该是完全一样的。因此问题的关键是市场对它们所做出的理解差异。首先是市场对成交量过于简单的处理。中国股票市场上被普遍接受的一个信条是：只有成交量不会骗人。成交量代表了市场对成交价格的确认程度，尽管股票的价格可能会在一定程度上被人为的操纵，但没有成交量（额）配合的“无量上涨”和“无量下跌”是不会持续的，此时趋势反转的可能性极大。这样的看法同我们前面分析的结论也是一致的。但除此之外，对于成交量的信息挖掘就很少见了。这方面的一个明显例证就是在被中国投资者广泛使用的技术分析中,对价格的信息含义进行开发的工具纷繁复杂，相比之下，关于成交量的专门分析工具非常少见。不管这种对价量的差别处理是否理性，其在股票市场上产生的后果却类似于“预期的自我实现”：投资者普遍认为成交量本身所包含的信息十分有限，那么主动对它进行的信息挖掘就很少，结果导致成交量相对于价格表现出的信息价值确实很低。可以设想：一个成交量冲击产生后，它主要被当作一个对当前价格趋势的确认指标，那么在后续时期，投资者纯粹基于此成交量冲击做出的对股票标价的调整就会相对较少，其影响自然是有限而短暂的。相反，一个价格变动冲击产生后，投资者会使用各种工具或通过其它信息渠道分析此冲击，挖掘其背后的信息含义，并利用它来预测未来的价格趋势，不断调整自己的价格预期，并做出应的交易量决策。同时由于中国股票市场上存在多重信息不对称 如上市公司管理层、大股东和中小股东之间；机构投资者和个人投资者之间；市场政策制定者、监管者和一般投资者之间；“庄家”和散户之间等，真实、有价值信息的扩散是缓慢的。要想完全理解一个价格冲击的信息含义所需要的时间是相对较长的，而且基于不同的信息渠道和不同的分析方法，对此冲击的理解可能也是差别很大(对价格的差别理解会推动交易量)，那么基于此价格冲击所做出的成交量决策也是动态、持续的。因此，从微观的角度看，导致价量关系非对称的主要原因是投资者本身对交易量序列过于简单的处理。证券市场上信息效率低下，信息不对称现象严重，真实信息的扩散速度缓慢。五、结论 本文以稳健性原则为指导，通过建立VAR模型对上证A股市场指数和成交额之间的关系进行了实证分析。结果发现价量之间的相互作用是非对称的，价强而量弱。具体地说，多重Granger因果检验发现，在短期内指数增量和成交额之间存在着双向的因果关系，但随着期限的拉长，成交额对指数增量的解释能力度逐渐下降。这表明中国股票市场的信息效率不高，以价量关系为基础的技术分析有其存在的统计学根据。脉冲响应和方差分解的分析证实：成交额冲击对指数的影响是有限而短暂的，而指数增量冲击对成交额具有显著而持久的同方向作用，指数增量对成交额的预测误差方差具有相当强的解释能力。这充分说明了单纯的资金注入对股指上升的拉动作用十分有限，要实现股市的持续繁荣，必然要求我们更加关注股市的一系列基本面。同时，从价量关系的角度，可以看出股票指数、印花税收入和证券市场制度变迁的内在联系，我们认为股票市场真正的繁荣是市场各方参与者（包括国家）的利益所在，这为中国股票市场向正确路径变迁提供了持续的动力。本文最后从微观的角度对实证结论做出了初步的理论解释，我们认为主要是投资者本身对交易量过于简单的处理和股票市场上信息效率的低下导致了这种价量关系的非对称性。参考文献：1 Blume, L., Easley, D. and OHara, M. Market Statistics and Technical Analysis: The Role of Volume. J.Journal of Finance, No. 1, March 1994.2Chen gong-meng. The dynamic relation between stock returns，trading volume，and volatility J.The Financial Review，2001，38:153-174.3 Clark P K. A Subordinated Stochastic Process Model with Finite Variance for Speculative Prices J Econometrica, 1973, 41(Jan.): 135155.4 Copland T E. A Model of Asset Trading Under the Assumption of Sequential Information Arrival J Journal of Finance, 1976, 31(Sept.): 11491168.5 Epps T W, Epps M L. The Stochastic Dependence of Security Price Changes and Transaction Volumes: Implications for the Mixture of Distributions Hypothesis J.Econometrica, 1976, (March): 305321.6Gallant A R, Rossi P E, Tauchen G. Stock Prices and Volume J The Review of Financial Studies, 1992,5: 199242.7Harris, M. and A. Raviv. Differences of opinion make a horse race J.Review of Financial Studies,1993 6: 473506.8Hiemstra, C. and Jones, J. D., Testing for Linear and Nonlinear Granger Causality in the Stock Price-Volume Relation. J.Journal of Finance, No. 1, December 1994.9Jennings, R. H.; L. T. Starks; and J. C. Fellingham. An Equilibrium Model of Asset Trading with Sequential Information Arrival J.Journal of Finance, 1981,36 (March):143161.10 Karpoff, Jonathan M., The Relation between Price Changes and Trading Volume: J.A Survey. Jou