（应用数学专业论文）深圳股市量价关系的实证分析.pdf

摘要 摘要 在过去十多年的时间内，我国股票市场的发展为国民经济的发展做出了 巨大的贡献，成为我国社会资源配置的重要场所。但随着我国股票市场不断 向前发展，也面临着许多新的疑难问题。因此有必要结合当前我国资本市场 发展面临的状况，对我国股票市场的运行机理作一分析，以便更好的推进我 国证券市场健康发展。股票市场运行的两个重要的基本指标就是：股票价格 与交易量，通过对量价关系的研究可以推断市场中信息的传递和演化，揭示 新信息对市场的冲击和市场对新信息的定价。因此本论文采用了深证综合指 数主要通过计量模型来定量地研究我国股票市场价量之间的关系。 虽然目前国内外对股票市场的量价关系做了大量的实证研究，但是大多 是从静态角度来探讨两者之间的关系，多数的学者在进行实证研究时，未考 虑到投资者情绪是影响股市投资者投资行为的重要变量，因此存在一定局限 性，为了深入探索它们之间关系，需要从动态角度进行分析，并且有必要通 过引入主观心理变量如投资者情绪来进一步分析股市价量关系的动态表现。 具体实证时，首先根据交易量的内在结构将交易量剔除时间趋势后分解为预 期交易量和非预期交易量。并从波动性角度出发，采用g c m s v 模型和比较 稳健有效的m c m c 估计方法对收益率和各种交易量的因果关系进行了实证 分析。最后结合了投资者情绪的影响，利用脉冲响应函数和方差分解对价量 因果关系的动态表现形式作了进一步分析。实证结果表明：深圳股市收益率 及其波动率g r a n g e r 因果导致去势交易量、预期交易量、非预期交易量及其 波动的变化。股市收益率、收益率波动、投资者情绪这三个变量对股票交易 量都有着不同的影响。其中股票收益率和收益率波动对交易量的影响主要是 通过对预期交易量来起作用的。 关键词：交易量；收益率；投资者情绪 a b s t r a c t a b s t r a c t i nt h ep a s tloy e a r sm o r e t h ed e v e l o p m e n to fc h i n a ss t o c km a r k e th a s m a d et r e m e n d o u sc o n t r i b u t i o nf o rt h eg r o w t ho fc h i n e s en a t i o n a le c o n o m y i t b e c o m e sa ni m p o r t a n tp l a c ef o rt h es o c i e t yr e s o u r c e sd i s p o s i t i o n b u ts i n c eo u r c o u n t r yc a p i t a lm a r k e td e v e l o pd e p t h l ya n dd i r e c t l y , w i t he c o n o m i ce n v i r o n m e n t c h a n g e s ，m a n yn e wd i f f i c u l tp r o b l e m si ns t o c km a r k e ta r i s et o o s o ，t h e r ei sa n e e dt ou n i f yt h ec u r r e n tc a p i t a lm a r k e tc o n d i t i o n so fo u rc o u n t r ya n ds t u d yt h e o p e r a t i o nm e c h a n i s mo fs t o c km a r k e ti no r d e rt op r o m o t et h eh e a l t h y d e v e l o p m e n to fc h i n a ss e c u r i t i e sm a r k e t t h es t o c km a r k e tr u nt w oi m p o r t a n t b a s i ci n d i c a t o r s ：s t o c kp r i c e sa n dt r a d i n gv o l u m e f r o mt h er e s e a r c ho ft h em a r k e t p r i c e ，t h et r a n s m i s s i o na n de v o l u t i o no fi n f o r m a t i o nc a nb ed e d u c e d ，a l s ot h e i m p a c to fn e w i n f o r l t l a t i o no nm a r k e ta n dm a r k e tp r i c i n gf r o mi n f o r m a t i o nc a nb e r e v e a l e d s ot h i sp a p e rw i l lu s et h es h e n z h e nc o m p o s i t ei n d e xt os t u d yt h e r e l a t i o n s h i pb e t w e e ns t o c kp r i c e sa n dt r a d i n gv o l u m ei nc h i n a , m a i n l yb y q u a n t i t a t i v em e a s u r e m e n tm o d e l s a l t h o u g ht h e r eh a v eb e e na1 a r g en u m b e ro fe m p i r i c a lr e s e a r c ho nt h e r e l a t i o n s h i pb e t w e e ns t o c kp r i c e sa n dt r a d i n gv o l u m ea th o m ea n da b r o a d m o s t o f t h e ma r ei nt h es t a t i cv i e w , a n dm a n ys c h o l a r si ne m p i r i c a ls t u d i e s d i dn o tt a k e i n t oa c c o u n tt h a ti n v e s t o rs e n t i m e n ti sa ni m p o r t a n tv a r i a b l e st os t o c km a r k e t i n v e s t o r s s ot h e r ea r ec e r t a i nl i m i t a t i o n s i no r d e rt of u r t h e re x p l o r et h e r e l a t i o n s h i pb e t w e e nt h e m ，t h e r ei sn e e dt os t u d yf r o mt h ed y n a m i cp e r s p e c t i v e a n di n t r o d u c es u b je c t i v ep s y c h o l o g i c a lv a r i a b l e ss u c ha si n v e s t o rs e n t i m e n tf o ra f u r t h e ra n a l y s i s i ne m p i r i c a la n a l y s i s ，w ef i r s t l ym a k ea d e c o m p o s i t i o no ft r a d i n g v o l u m ew h o s et i m et r e n dh a v eb e e nr e m o v e di n t oe x p e c t e dt r a d i n gv o l u m ea n d n o n e x p e c t e dt r a d i n gv o l u m ea c c o r d i n gt h ei n t e r n a ls t r u c t u r eo ft h et r a d i n g v o l u m e s u b s e q u e n t l y , f r o mt h ed y n a m i cp o i n to fv i e w , t h i sp a p e ra n a l y z et h e c a u s a lr e l a t i o nb e t w e e nr e t u m sa n dv o l u m eo ft r a n s a c t i o n su s i n gg c m s ：vm o d e l a n dt h er e l a t i v e l ys t a b l ea n de f f e c t i v em e t h o do fm c m c f i n a l l y , b yi n t r o d u c i n g i n t ot h ei m p a c to ni n v e s t o rs e n t i m e n t t h ep a p e rs t u d yt h ed y n a m i cf o r m so ft h e c a u s a lr e l a t i o no ft h e m u s i n gi m p u l s er e s p o n s e f u n c t i o na n dv a r i a n c e d e c o m p o s i t i o n t h er e s u l t ss h o w e dt h a t ：s h e n z h e ns t o c km a r k e tr e t u m sa n di t s v o l a t il i t y y i e l dg r a n g e rc a u s a l i t yc h a n g e st o t h en o n t r e n dt r a d i n gv o l u m e ， e x p e c t e d ，u n e x p e c t e dt r a d i n gv o l u m ea n dt h e i rv o l a t i l i t y t h es t o c km a r k e t r e t u r n s 、i t sv o l a t il i t ya n di n v e s t o rs e n t i m e n th a v ed if f e r e n ti m p a c to nt h e s et h r e e v a r i a b l e s w ea l s o f i n dt h a ts t o c km a r k e tr e t u r n sa n di t sv o l a t i l i t yi n f l u e n c eo n t r a d i n gv o l u m em a i n l yb yi m p a c t i n gt h ee x p e c t e dv o l u m e k e yw o r d s ：v o l u m e ；r e t u r n s ；i n v e s t o rs e n t i m e n t 2 厦门大学学位论文原创性声明 兹呈交的学位论文，是本人在导师指导下独立完成的研究 成果。本人在论文写作中参考的其他个人或集体的研究成果， 均在文中以明确方式标明。本人依法享有和承担由此论文产生 的权利和责任。 声明人( 签名) ：翁励巳劈 绷年7 月心日 厦i 、ls k ：学学位论文著作权使用声明 本人完全了解厦f 1 a ：学有关保留、使用学位论文的规定。厦 f 1 a ：学有权保留并向国家主管部门或其指定机构送交论文的纸质 版和电子版，有权将学位论文用于非赢利目的的少量复制并允许 论文进入学校图书馆被查阅，有权将学位论文的内容编入有关数 据库进行检索，有权将学位论文的标题和摘要汇编出版。保密的 学位论文在解密后适用本规定。 本学位论文属于 1 、保密() ，在年解密后适用本授权书。 2 、不保密( v ) ( 请在以上相应括号内打“”) 作者签名：盼瞄b 易 导师签名：荡馨彳久 日期：叩醒年f 月多日 醐：加婚7 月柏 绪论 1 1 研究背景 第一章绪论帚一早强化 随着我国社会主义市场经济改革的不断推进，作为国民经济重要组成部 分的中国资本市场对我国国民经济健康稳定发展将起到越来越重要的作用。 在资本市场中，股价的变动、波动性与交易量的关系一直受到密切的关注。 可以认为价格和交易量的关系是资本市场关系中的最基本关系。在股票市场 上就表现为股票交易量和股票价格、收益以及收益波动性( v o l a t i l i t y ) 之间的关 系。 一般认为交易量在甄别市场信息方面起着明显的作用。交易量反映了股 票交易者掌握影响市场的不同新信息，交易人员对市场未来看法的差异越大， 市场的交易量也越大。有些学者通过实证分析指出股票绝对价格和交易量之 间存在着正相关，价格的变化将促使交易量变化到一个新水平，还有些学者认 为交易量精确地反映了股票价格的历史信息。可见，交易量会反映投资者对 新信息认同的差异程度，价格的变动会反映市场对新信息的反应。因此，包 含交易量的股票技术分析比不包含交易量的股票技术分析更准确。股票收益 和交易量之间的因果关系分析，就是检验股票收益和交易量哪个是原因哪个 是结果，是互为因果还是不存在因果关系，是否真如华尔街古老格言所讲：“是 交易量在推动股票价格变动。” 在当代资本市场研究中，量价关系一直受到学术界和证券业界的广泛关 注，具有重要的学术地位和研究价值。国外研究者已经进行了大量的关于价 量关系的研究工作，综合目前的研究，可以归纳出对价量关系作深入研究至 少有以下四个理由： 第一，通过对价量关系的研究可以更为深入地了解金融市场的微观结构。 已有的研究成交量与股价变动关系的模型揭示了不同的价量关系，这些价量 关系的决定因素有：信息流入市场的速度，信息是如何传播的，市场价格传 绪论 递信息的程度，市场规模，以及是否存在卖空约束等等。成交量和价格之间 的实证检验能帮助我们区分关于市场结构的不同假定。 第二，价量关系研究对于事件研究法( e v e n ts t u d i e s ) 有着重要意义。因 为事件研究法综合运用价格与成交量数据来得出结论，如果价格变动和成交 量是被共同决定的，那么在事件研究法中引入价量关系将会增加检验的有效 性。 第三，价量关系的特征对于确定投机价格的经验分布有决定性的意义。 当样本区间以固定日历时间( 例如，天、月等) 取样时，收益率分布相对于 j 下态分布有更为陡峭的峰度。目前有两种不同的理论解释这种现象，一种理 论认为收益率可以由一类具有无限方差的分布来刻画( 稳定p a r e t i a n 分布假 说) ，另一种认为收益率的分布之所以呈现高峰形态，是因为样本数据取样于 许多分布的混合分布，而这些分布具有不同的条件方差( 混合分布假说) 。对 价量关系的实证检验大多支持后一种假说，我们可以从中得到许多启示。比 如，从股价的表现来看，它可能是由一个条件随机过程产生的，而这一过程 具有一个变化的方差参数( 可以用成交量作为该方差的代替指标) 。而且，对 于价量关系的知识可以用于事件研究法来研究事件发生后如何衡量股价方差 的变动。 第四，市场自身行为是技术分析的聚焦点，而市场自身行为最基本的表 现就是价格和成交量。过去和现在的价格、成交量涵盖了过去和现在的市场 行为，因此价量就成为技术分析的基本要素。绝大多数技术分析都是围绕价 量关系展丌的。价量关系构成技术分析的核心内容，与技术分析的有效性密 切相关，价量关系的理论解释将作为技术分析的理论基础之一对技术分析的 发展产生重要影响。 总之，在股票市场中，价格与交易量是交易者能够直接得到的两个指标， 而且有很多技术分析指标都是以二者为基础构造出来的。股票市场的量价关 系就是指这两个指标的变化之间的关系，通过量价关系可以推断市场中信息 的传递和演化，反映新信息对市场的冲击和市场对新信息的定价。同时，量 价关系的研究也有助于揭示私有信息对市场的影响，以及投资者对私有信息 4 绪论 和公共信息的反应。我国的股票市场是一个发展历史仅仅有l o 多年的新兴市 场，将我国股票市场的量价关系与成熟和许多新兴的股票市场进行对比研究， 必能从中发现不同交易机制下量价关系的很多差异性，为发展我国证券市场 服务，同时也进一步丰富了市场微观结构理论。 1 2 国内外研究现状 量价关系一直以来是金融研究领域的重要话题，它是了解金融市场微观 结构的重要途径。其在理论研究和实证分析方面都受到众多研究人员的密切 关注，其中量价关系的实证研究大多是从价量因果关系的角度进行的。下面 主要介绍下国内为有关量价关系的研究成果。 1 2 1 量价关系的理论模型 国际上对会融市场量价关系的研究可以追溯到o s b o r n e ( 1 9 5 9 ) n 1 ，他用扩 散过程来拟股票价格的变化，发现其方差依赖于交易的次数( n u m b e ro f t r a n s a c t i o n s ) ，暗示了交易量与价格波动之间存在正相关关系。随后，股票 市场中价格与交易量的关系引起了相当多的理论研究者的注意，从而大大丰 富了金融市场微观结构理论。 在金融市场微观结构理论的框架中，不同的模型会导致量价关系的不同 结论。m a r ll y n 、r o b e r t ( 1 9 9 9 ) 乜3 把量价关系的理论模型分为四类：信息 理论模型，其中信息是决定交易量和价格波动的共同的动力因素。交易理 论模型，其中交易者的交易行为是该类模型考虑的关键，研究同内交易量与 价格波动的关系及其产生的原因。该模型指出，交易者总是喜欢在市场非常 活跃时进行交易，因此交易与价格波动在时间上存在集群性。信息非对称 模型，模型认为交易者之间的信息不对称引起交易，而对股票价值认识的不 一致导致股票价格的波动。理念分散模型，该模型认为交易者对市场信息 的估价越分散，引起价格波动越大，交易量也越大。根据市场微观结构理论， 价格的波动主要是由于新的信息不断到达市场，以及新信息被结合到市场价 绪论 格中去的过程产生的。因此信息理论模型目前成为解释价格波动与交易量关 系的主流理论模型。信息理论模型包括混合分布假说模型( m i x t u r e d i s t r i b u t i o nh o t h e s i s ( m d h ) ) 、信息贯序到达模型( s e q u e n t i a a r r i v a lo f i n f o r m a t i o n ) 和噪声交易理性预期均衡模( af r a m ew o r ki nn o i s yr a t i o n a l e x p e c t a t i o ne q u i l i b n u m ) 。其中m d h 得到了更多的理论支持。 混合分布假说是由c l a r k ( 1 9 7 3 ) 1 最早提出的，该假说认为：价格波动与 交易量的联合分布是由一个潜在的混合变量共同驱动的，当信息流到达市场 时，将同时产生交易量和价格变动。混合分布假说从资产价格波动的分布特 征角度来解释波动性与交易量的正相关性，它认为金融资产的价格变化呈现 互不相关、对称且服从一种相对尖峰的近似j 下态分布。这种尖峰态是因为每 日价格波动序列可看作来自不同方差的分布集，即“混合分布”。日价格波动 与日信息流的速率证相关，同交易量也与日信息流的速率j 下相关，因此，日 价格波动与交易量是正相关的。不论价格波动的方向如何，交易量都会随着 价格波动的增加而增加，因而绝对收益与交易量之间呈现正相关关系。 作为混合变量的信息流速率是无法直接观察到的，c l a r k 认为交易量是 的一个显然的代理变量，如果每次信息到达股市导致的交易量有一个平均值 的话，那么交易量与信息到达次数就应该是成比例的了，从而交易量就可以 作为的一个很好的变量。根据c l a r k 的说法，在g a r c h 模型的条件方差方程 中加入交易量作为解释变量，交易量的系数自然会统计显著，从而减少收益 率波动的持续性：反过来说，如果收益率波动的持续性没有完全消除，则说明 交易量并不是信息流速率的完美代理变量。 t a u c h e n 、p i t t s ( 1 9 8 3 ) n3 把交易量作为内生变量，将c l a r k 的单变量混 合模型发展为二元混合模型，该模型通过价格变动与交易量的联合概率分布 解释了量价关系。该模型指出，价格波动和成交量都是正态分布的，并共同 由潜在信息到达市场的速度决定的。价格波动的方差与信息变量成正比：交易 量的条件期望依赖于信息变量，方差与信息变量成正比，因此，波动性与交 易量正相关。如果二元混合模型形式f 确，交易量序列则可以作为产生价格 持续性波动的因素，成为信息过程的替代指标。 6 绪论 a n d e r s e n ( 1 9 9 6 ) 瞄1 借鉴了g l o s t e n 、m il g r o m ( 1 9 8 5 ) 1 的市场微观结构理 论，提出r 收益一交易量关系的修正混合分布模型( m m m ) ，考虑到市场的流动 性和信息非对称性，允许非信息交易的存在，并假定交易量序列服从泊松过 程，并把日信息流过程描述为一阶自回归随机波动过程进行建模。但是，该 模型在应用的过程仍存在缺陷和不足，对价格波动与交易量仅仅由信息到达 过程这一单一因素所决定的假定前提，尤其，假定投资者对新的市场信息的 敏感度不随时间而变化的限制约束性过于苛刻，因为这暗含着投资者对所有 的信息都是同等看待的。a n d e r s e n ( 1 9 9 6 ) 在其文章中指出，由修正的混合分 布模型可以直接推导出同收益率的平方序列与交易量序列存在着正相关关 系，这也可以用来说明为何交易量对收益率的波动具有解释能力。 1 2 2 国外量价因果关系研究成果 许多理论研究明显地发现了成交量与股票收益之间的动态关系，这种关 系中可能包含着某种因果关系。在实际研究中，股票市场量价因果关系是股 票成交量与股票价格关系的重要研究课题之一，国外关于这方面的研究也已 不少。如c a m l p b e l l ，g r o s s m a n ( 1 9 9 3 ) 口1 建立的模型表明伴随着大成交量的 股价变动将会出现反转，而这一反转相对于小成交量的股价变动更不可信。 w a n g ( 1 9 9 4 ) 哺1 通过分析信息不对称建立了模型，并利用这一模型分析了成交 量和收益率之间的动态关系。他的模型表明成交量可以提供关于未来预期收 益的信息。在他们的研究中，建立了一个股票交易的理性预期模型，在这一 模型中投资者对股票的潜在价值有着不同的信息。他们检验了成交量是如何 同信息流入市场相关联的，并且检验了投资者是如何通过交易显示他们的私 人信息的。c h o r d i a 、s w a m i n a t h a n ( 2 0 0 0 ) 阳1 检验了成交量和短期股票收益的 可预知性之问的相互作用。他们发现高成交量股票的每同收益率领导着低成 交量股票的每同收益。他们把这一实证结果归结为：高成交量个股具有对市场 信息反应敏锐的特点。c h o r d i a 、s w a m i n a t h a n 的结论是：“在市场信息传播 过程中，成交量具有重要作用”。 事实上，早期对量价动态引导关系的实证研究多是运用传统的线性 7 绪论 g r a n g e r 因果检验。b a e k 、b r o c k ( 1 9 9 2 ) n 们创建了非线性g r a n g e r 因果检验。 h i e m s t r a 、j o n e s ( 1 9 9 4 ) 进一步完善了b a c k 和b r o c k 的非线性g r a n g e r 因果检验，并分别检验了1 9 1 5 至1 9 4 6 年及1 9 4 7 至1 9 9 0 年道琼斯工业指 数同收益和纽约股市交易量之间的线性和非线性g r a n g e r 因果，发现股市收 益和交易量之间互为非线性g r a n g e r 因果。c h e n 等( 2 0 0 1 ) n 2 1 利用9 个发达国 家和地区股市的大盘数据，用格兰杰因果检验检测了股价和交易量之间的动 态关系，结果认为交易量和股价的绝对变动量之间存在正相关关系，一些市 场上是股价变动先于交易量变动，而另一些市场则得出相反的结论。l e e 、 r u i ( 2 0 0 2 ) n 3 1 同样利用格兰杰因果检验方法，考察了美同英三国股价和交易量 的关系，认为在这几个市场中交易量并非股价变动的格兰杰原因，而美国的 交易量对英日市场有先导作用。 1 2 3 国内量价因果关系研究成果 随着我国证券市场的不断完善与发展，也已经出现不少文献中国股市的 g r a n g e r 因果关系进行分析。然而，由于我国股票市场建立较晚，对股票市 场量价关系的研究大多是基于实证分析的视角。张维、闫冀楠( 1 9 9 8 ) 铂利用 g r a n g e r 因果关系概念及b a c k 和b r o c k 非参数方法对上海股市量价因果关系 进行了实证探测，发现股市收益线性g r a n g e r 引导交易量、但交易量不线性 g r a n g e r 引导收益，股市收益和交易量之间互为非线性g r a n g e r 因果。陈良 东( 2 0 0 0 ) 引以上海股市为例，对其1 0 0 个交易同的价格与成交量数据进行了 g r a n g e r 因果关系检验与回归分析，发现成交量的变化与绝对价格收益之间 存在着显著的正相关关系。吴冲锋、吴文峰( 2 0 0 1 ) n 印将常规的收益序列依日 历时间构造转化为以交易量来构造来体现价量配合的思想，实证研究了沪市 和深市价格和交易量之间的线性和非线性因果关系，研究结果表明，两个市 场之间存在着收益对交易量的线性g r a n g e r 因果关系和双向的非线性 g r a n g e r 因果关系。杨渺、杨代若( 2 0 0 3 ) n 7 1 利用时l 日j 序列分析中的格兰杰 因果关系检验法对中国证券市场a 、b 股的波动性进行分析，发现上海市场a 、 b 股的波动间存在双向因果关系，而深圳市场a 、b 股的波动间则不存在显著 绪论 可信的因果关系。并从信息传递和交易者构成的角度进行了分析a 、b 股市场 问的关系以及深、沪两市的差异。张永东、黎荣舟( 2 0 0 3 ) 引采用上海股市2 0 0 1 年1 月2 同至6 月2 9 日间的每5 分钟交易数据，对上海股市同内波动性与成 交量变动率的引导关系进行了实证分析，结果表明，它们之间存在双向线性 引导关系，但不存在非线性引导关系。 近几年有，赵秀恒、李双成、梁建英( 2 0 0 4 ) n 们使用1 9 9 7 年以前上市的 1 0 支深证成分指数股的每日收盘价和成交量，研究交易量和收益及绝对收益 的动态关系，得出的结论是，交易量和收益序列存在即期的正相关关系：过去 交易量包含未来绝对收益变动的有价值信息；中国股票市场交易量和收益序 列存在双向的线性因果关系，交易量不仅传递价格绝对变动量的信息，而且 在很大程度上还传递价格变动方向的信息；赵振全、薛丰慧( 2 0 0 5 ) 乜们通过分 析上海、香港、纽约股票市场的同交易数据，使用v a r 模型中的g r a n g e r 因 果分析、脉冲响应函数研究了股票市场交易量和收益率及其波动之间的动态 影响关系，得出的结论是上海、香港、纽约股票市场的指数收益率和波动都 是交易量的g r a n g e r 原因，交易量包含了市场价格和运行特征的信息。与纽 约市场不同，上海和香港市场的交易量可以解释收益率，一定程度上反映了 两个市场运行的非完全效率；何兴强( 2 0 0 6 ) 乜考察运用a p g a r c h 模型过滤序 列非线性相关成分后、股市收益和交易量之间的线性和非线性g r a n g e r 因果 引导关系，实证发现在沪深a 、b 股市场上股市收益和交易量之间互为g r a n g e r 动态引导。 1 2 4 投资者情绪相关研究成果 自从行为会融学的兴起以来，金融市场的心理学基础越来越受到经济学 家的重视。其中投资者情绪是金融市场的心理的重要构成之一，投资者情绪 通常会随着时问的变化而改变，从而会对市场产生重要影响。国内外关于这方 面的研究主要开始与2 0 世纪9 0 年代，如b a r b e r is 、s h l e i f e r 和v is h n y ( 1 9 9 8 ) 乜2 1 建立了一个能够生成投资者过度反应和反应不足的情绪模型来研究股市投 资特征。m e h r a ：s a h ( 2 0 0 2 ) 瞳3 1 通过投资者的偏好结构参数、主观贴现因子、 9 绪论 风险规避系数的变动来描述投资者情绪波动。l e e 等( 2 0 0 2 ) 乜们研究表明投 资者情绪是影响股票价格的系统性因子。b r o w n 与c 1 i f f ( 2 0 0 4 ) 乜神以封闭式 基金折价现象为背景，研究发现情绪的水平值、变化量与市场收益强相关。 高清辉( 2 0 0 5 ) 乜6 3 论述了投资者的情绪指标的测定与应用，并探讨了投资者情 绪对股票市场的影响。姜继娇、杨乃定、王良、董铁牛( 2 0 0 6 ) 乜7 1 从投资者 认知偏误视角，研究“上证”a 股市场情绪的关键影响因素。黄少安、刘达 ( 2 0 0 5 ) 乜明采用时间跨度更大的数据进行分阶段实证研究，认为个人投资者 情绪会对基会折价产生重要的影响。从中可看出，以往的研究表明投资者情 绪对对金融市场有重要影响，然而这些研究几乎没有基于投资者情绪的存在 来分析股票市场中的价量间的影响关系，而主要是研究情绪指标对市场的作 用。为此，本文在第五章将引入投资者情绪指标来重新考虑股票市场价量关 系的动态表现。 1 3 研究路线 1 3 1 研究思路 目前国内外所作的量价因果关系研究大多采用线性g r a n g e r 因果检验和 非线性g r a n g e r 因果检验，g r a n g e r 因果检验的实质是检验一个变量的滞后 变量是否可以引入到其他变量方程中，一个变量如果受到其他变量的滞后影 响，则称他们具有g r a n g e r 因果关系。国内外研究中很少将收益率与交易量 纳入整体的模型来考虑其关系，本文根据目前国内外实证研究中广泛采用的 方法，将原始交易量去除线性非线性趋势后，根据交易量的内在结构将其分 解为预期交易量和非预期交易量，并从波动性角度出发，采用y u 和 m e y e r ( 2 0 0 6 ) 啪1 提出的g c - m s v ( g r a n g e rc a u s a l i t y m u l t i v a r i a t e s t o c h a s t i c i t yv o l a t i l i t y ) 模型分析量价波动性的因果关系。最后利用状 态空间模型和向量自回归模型进一步分析价量因果关系的具体表现。 1 0 绪论 1 3 2 研究方法 本文采用的主要研究方法与手段有： 1 单位根检验 2 向量自回归模型( v a r ) 3 g r a n g e r 因果检验 4 皋于m c m c 的g c m s v 模型 5 状态空i h j 模型 6 脉冲响应函数与方差分解分析 1 3 3 论文结构 下文的结构包括以下几部分： 第二章简要介绍了s v 模型及其估计方法，详细介绍了目前估计s v 模型 的众多方法中比较稳健和有效的m c m c 方法的原理以及所采用的一般步骤。为 第四章从波动性角度分析深圳股市价量因果关系提供方法基础。 第i 章采用g r a n g e r 因果枪验对深证综指的收益率与交易量之间的因果 关系作了实证分析，并根据交易量的内在结构将交易量进行分解，分解为预 期交易量和非预期交易量并分别对其作了g r a n g e r 因果检验。 第四蕈从波动性角度出发，对第三章所得到的不同种类的交易量与收益 率采用( ；c m s v ( g r a n g e rc a u s a l i t ym u l t i v a r i a t es t o c h a s t i c i t y v o l a tilit y ) 模型进一步分析其波动关系。 第五章利用状态空间模型估计出投资者情绪指标，通过向量自回归模型 引入投资者情绪变量的影i 匈，采用脉冲响应函数和方差分解的方法从动态角 度分析了价格与交易量关系的具体表现形式。 第六章总结全文。 随机波动( s v ) 模型及j e 估计方法 第二章随机波动( s v ) 模型及其估计方法 2 1 随机波动( s v ) 模型 2 1 1 模型简介 在早期的统计学和经济计量模型中，人们一般假设金融产品的波动是固 定不变的。做这种假设不仅是为了计算上的便利，更重要的是为了能应用传 统的稳定随机过程的理论和模型。但实践发现，这种假设并不相符合实际。 随着研究的深入，波动被认为不仅是时变的，而且是可预测的。随机波动 ( s t o c h a s t i cv o l a t i l i t y ) 模型的最早提出是与金融理论中的资产定价的扩 散过程( d i f f u s i o np r o c e s s ) 直接相关的。早期研究这一领域的有c l a r k ( 1 9 7 3 ) ，t a y l o r ( 1 9 8 2 ) ，后来由h a r v e y 、r u i z 和s h e p h a r d ( 1 9 9 4 ) ，j a c q u i e r 、 p o l s o n 和r o s s i ( 1 9 9 4 ) 等人引入到计量经济学的领域。这就意味着s v 模 型具有数理会融学和金融计量经济学的双重根源。 s v 模型部分来源于期权定价理论。b l a c k s c h o l e s 期权定价模型假定标 的资产的价格是以对数正态或几何布朗运动为基础的，鸩= s 出+ 仃s 批， 其中，s 表示资产在t 时刻的价格，和仃分别代表资产的预期收益和波动， 都假定为常数。虽然b l a c k s c h o l e s 期权定价公式在过去得到了广泛的应 用，但人们逐渐认识到公式中有些假定是与现实不相符合的，尤其是仃为定 值的假设，更是不可能实现。这也就使得h u l l 和w h i t e ( 1 9 8 7 ) 建立了平方 根随机波动模型，将随机波动引入到期权定价模型中来。 d s , = ( + c v , ) s j r + u s 批， d r , = ( 口- # v , ) d t + ，7 v f 毗， ( 2 1 ) 其中， s 表示资产在t 时刻的价格，v 为随机波动项，c ，口，刁都是 模型待估参数，w 1 ，与w 2 ，服从布朗运动。 、 1 2 随机波动( s v ) 模型及其估计方法 通常会融时i 剐序歹0 是在离散的时阳j i 日j 隔观察到的，但是大多数理论模型 是建立在连续时间上的。一般有两种统计方法可以解决这种矛盾：一种方法 是考虑连续时间模型的离散情形，得到近似离散模型，另一种方法是建立连 续时间模型，但通过一个近似的离散时间进行统计推断分析。目前随机波动 模型通常都是按照这两种方法分为两大类：离散时间模型和连续时间模型。 t a y l o r 在解释金融收益序列波动模型的自回归行为时提出了标准s v 模型，其形式如下： 只：b p ( 2 - 2 ) 【e = + 矽( e 一。一) + 仉 其中只表示第t 日的经过标准化的对数收益率，q 为服从n ( 0 ，1 ) 的 独立同分布序列，q 表示对数波动。研为波动的扰动水平，独_ 立f l n 分布， 都服从均值为0 ，方差为盯2 的正态分布。参数盯度量了波动扰动的标准误 差。误差项仍与岛是不相关的，都是不可观测的。矽为持续性参数，反映， 了当前波动对未来波动的影响，并且对于例 3 。 与正态分布比较，可以发现标准s v 模型有过度的峰态：这一特征能够有 效地捕捉金融时间序列数据的尖峰厚尾特性。 t a y l o r 的模型随后又进行了各种各样的扩展，这些扩展s v 模型主要包括 厚尾s v 模型、包含解释变量的s v 模型、长记忆s v 模型、多元s v 模型、m a r k o v 转换s v 模型等等。 2 1 2s v 模型的估计方法概述 从计量经济的角度看，随机波动模型在实践上的困难在于不能直接得到 模型的似然函数与模型的无条件矩的解释形式，这是因为随机波动模型中均 值方程的方差是一个潜在的、非直接观察到的变量并且模型是非j 下态的，似 然函数和无条件矩只能通过高维积分得到。估计g a r c h 类模型的似然函数是 一项相对简单的任务。相比之下，s v 模型不能获得似然函数的明确表达式。 为了估计s v 模型，我们需要用到k a l m a n 滤波的伪似然( q u a s i 一1i k e l i h o o d ) 方法或者蒙特卡罗方法。近年来，在随机波动模型估计方面己经取得了极大 的进展。目前对s v 模型常用的参数估计方法基本分为两大类：一类是依靠某 些准则得到似然函数，如伪极大似然法( q u a s im a x i m u ml i k e li h o o d ，q m l ) 、 广义矩方法( g e n e r a l i z e dm o m e n tm e t h o d ，g m m ) 等；另一类是试图得到完 全似然函数( f u l ll i k e l i h o o df u n c t i o n ) 形式，如蒙特卡罗极大似然法( m o n t e c a r l 0m a x i m u ml i k e l i h o o d ，m c m l ) 、模拟极大似然法( s i m u l a t e dm a x i m u m l i k e l i h o o d ，s m l ) 。 j a c q u i e r ，p o l s o n ，a n dr o s s i 。m 提出马尔可夫链蒙特卡罗( m a r k o vc h a i n m o n t ec a r l o ，m c m c ) 方法来估计s v 模型。随着模拟技术的发展和计算机计算 能力的提高，特别是w i n b u g s 软件的不断发展，使得m c m c 方法得剑广泛的应用。 1 4 随机波动( s v ) 模掣及其估计方法 不同的抽样方法产生不同的m c m c 算法。c h i b ，n a r d a r i ，s h e p h a r d 协利用基 于m h 抽样的m c m c 方法估计了高维s v 模型，证明该方法是模拟有效的。大量模 拟表明，m c m c 在参数估计上优于q m l 方法和g 删方法 2 1 3s v 模型的贝叶斯推断 参数先验分布的设置是贝叶斯统计分析的前提条件。因为矽的取值范围 的限定，设矽= 2 么- 1 。根据k i m 和s h e p h a r d ( 1 9 9 8 ) 的观点，选择参数，矽，r 和皖的先验分布分别为： 破b e ( 2 0 ，1 5 ) f g a ( 2 5 0 0 2 5 ) n ( o ，1 0 0 ) 皖( ，仃2 ) 一个完整的贝叶斯分析模型由所有的不可观测量的联合先验分布密度和 可观测量的联合分布密度组成。在s v 模型中，不可观测量为，矽，f 以及潜在 对数波动序列 配) ，可观测量为标准化的同收益率 m ) 。贝叶斯推断是基于 不可观测量的后验分布。参数，矽，r 和序列 钳的联合先验密度可以分解为 三个部分的乘积为： 万( ，矽，f ，o o ：。) = 万( ，矽，f ) 万( 铱i ，矽，f ) 兀万( 包i p 一。，矽，f ) t = l = 万( ) 乃( 矽) 万( 了) 万( 皖l ，矽，r ) 兀万( pl 包一。，矽，r ) ( 2 6 ) 又根据贝叶斯定理，不可观测的联合后验密度分布与联合先验密度和模 型的似然函数成正比，即： 万( ，矽，r ，o o ：。i y t ：。) o c 万( ，矽，f ，o o ：。) ( ，矽，f ，o o ：。) ( 2 7 ) 随机波动( s v ) 模型及j e 估计方法 显然，爹数的联合后验分伽的彤式比顿复杂，征买践甲雌以应用。凼此， 下面重点研究参数的后验分布。 1 参数的后验条件分布 根据条件概率的定义，参数关于的( 矽，f ，o o ：。) 后验条件分布密度函数为： 砷 j = 等笼始 卅争唧隹扣一蛾删 o ce x p o cn ( 5 ，6 ) f ( 幺一够一，) ( 1 一) 2 ( 1 + n r ( 1 一矽) 2 ) 其中，5 ：一，b 一：南1 n r ( 1 。由于 其中，= j 生_ 一，= 二可。由于 2 ( 1 + 咒r ( 1 一) 2 ) + 一) 。 e ( i 痧，f ，岛：。，y ) = 5 因此，参数关于( 矽，f ，皖：。) 的贝叶斯估计为a 。 2 参数矽的后验条件分布 类似的，参数矽关于( ，f ，o o ：。) 的后验条件分布密度函数为 万c矽i，r，岛：。，m：。，=三鲁黜 芘c 竽) 1 9c 半) 0 5 唧一喜【帅叫钆卅 1 6 随机波动( s v ) 模型及其估计方法 ( 竿) 1 9 ( 半) 0 5 唧 f ( q - l - ) 2 一 生1 2 ( 幺一) ( 包一，