我国股票市场量价关系的实证研究.doc

我国股票市场量价关系的实证研究基于牛市、熊市和盘整市不同情况下的比较分析内容摘要 量价关系是研究股票市场的基础，又与技术分析的有效性密切相关。本文基于量价关系在牛市、熊市和盘整市三种不同市场情形下可能有所不同的考虑，以沪市上证指数和总成交量为研究对象，借助协整检验、向量误差修正模型以及产出冲击反应等方法分别对三类市场情形进行实证研究。研究结果显示，价量之间的确存在长期协整关系。沪市指数的变化总是可以解释随后量的变化，反过来则不成立。研究发现一些基于成交量的技术指标在熊市或盘整市情形中失效，而在牛市中尚具有一定效用。实证结果还旁证了中短期内我国股票市场是部分有效的，但从长期来看却是有效市场。关键词 量价关系 协整检验 误差修正模型 冲击反应An Empirical Analysis of the stock Price-Volume Relationshipn Comparative Analysis Among Bull market、Bear market and Concussive market of Shanghai Stock MarketAbstract The relationship of price and volume is the basis of stock market and technical analysis. The relationship may be not the same under the three situations，so we make a comparison. The paper use the data of price index and volume of Shanghai stock market，use Cointegration analysis、Vector Error Correction Model and Impulse Response Function approach. The conclusions are：there exists a long term equilibrium between price and volume;the change of price index can explain change of volume, but it is not correct contrarily; some technical analysis founded on volume lose efficacy, just effective in “bull market”. At the same time, we found Shanghai stock market is partial effective in short-term, but completely effective in long-term.Key words relationship between price and volume, Cointegration analysis, Vector Error Correction Model, Impulse Response Function一、 引言股票市场中最基本的关系是量价关系。传统的理论认为，量价配合的市场是相对稳定的，而若二者发生背驰，则蕴含市场发生反转的可能，并且在一般情况下，量在价先。经典结论是否适合中国的情况，有必要结合中国证券市场运行的实践进行检验。基于此，本文以我国上海证券交易所股票交易的上证指数和总成交量数据为基础，借助于协整检验、误差修正模型、格兰杰因果检验、冲击反应分析等现代计量分析技术，检验中国证券市场的总体量价特征：沪市的量价之间的基本关系、量价之间的因果性检验、相互间的影响力度、投资者使用量价分析进行投资决策是否可行等。与一般的实证研究不同，本文充分考虑中国证券市场股价和交易量剧烈的周期性波动特征，从股价周期波动的不同阶段检验证券市场的运行特征。为此，我们将中国证券市场划分为三类情况进行讨论：一是牛市，即在此时期内指数剧烈地大幅上升；二是熊市，对应于牛市，即在此时期内指数大幅剧烈地下挫；三是盘整市，即在此段时期内，上证指数处于震荡整理阶段。最后我们对牛市、熊市、盘整市三种不同情况进行对比研究。在研究方法方面，对股市量价关系有关方面的研究，国外相对较多。主要有Clark(1973)、Epps(1976)、Tauchen(1983)等，建立并发展了量价关系的混合分布假说(MDH)理论。该理论认为，价格波动与交易量是由潜在的不可预测的信息流共同决定的，信息流的冲击将同时影响到交易量和价格的波动，价格和交易量对信息流冲击的反应是瞬时的，交易量随价格波动的增加而增加，绝对收益与交易量之间存在正相关关系。Copeland(1976)提出了连续信息到达假设，认为市场信息的逐步扩散的，这一过程将引起交易量和价格的变化，并指出价格波动和交易量的变化是同步的。Westerfield(1977)和Pitts(1983)通过实证研究发现证券市场的价格收益和交易量之间存在正相关。对于不可预测的信息流对中国股市交易量和价格的影响，国内的研究相对较少，主要的研究是针对一些特定的事件如政策和股市的周末效应等。如赵骏（1994）以上海股市12 种股票和上海证券交易所综合股价指数为研究对象，研究发现周一平均股票报酬为负且最低,周四为正并比一周其它交易日的平均股票报酬都高。俞乔(1994)、杨朝军等(1997)也对股市的周末效应进行检验。最新的有谷伟、万建平（2004）运用VaR 理论讨论股市周末效应，得出了上海股市存在“二、五”效应的结论。为避开信息直接测度的困难，多数研究主要集中在检验价格和成交量之间的相关关系和因果关系，并采用误差修正模型模拟冲击效果。如陈良东（2000）利用格兰杰-西姆斯因果关系检验和回归分析发现我国股市成交量与绝对价格之间存在着显著的正相关关系。华仁海和丁秀玲（2003）通过Granger因果检验和EGGARCH-M模型对股指收益、成交量和波动性之间的关系进行了研究，发现它们之间存在因果关系，并且指数收益的波动方差对收益的影响在深市、沪市是不同的。结合这些研究成果，本文侧重于检验股票价格和成交量在不同交易背景下的相互作用，以期发现我国股票市场在不同市场背景下真实的价量关系。本文的余下部分结构如下：第二部介绍本文所用的研究方法，第三部分介绍所用的样本数据，第四部分为实证结果，第五部分为本文的主要结论及启示。二、 研究方法本文的主要目的是讨论不同市场背景下量价之间的关系特征。首先，为了研究二者之间是否存在长期均衡关系，我们借助Johansen 协整检验的方法来检验上证指数P与沪市总成交量L之间是否存在协整关系，在此基础上再进行冲击反应研究。如果上证指数P与成交量L之间存在协整关系，则可以利用向量误差修正（VEC）模型研究上证指数与成交量之间的相互引导关系和相互影响力。上证指数与成交量之间的误差修正模型可表示为： （1） （2）其中为一阶差分，,为短期调整系数，为上证指数P与成交量L协整关系中的误差修正项，和为误差修正项系数，n为滞后阶数，按照AIC准则选定。误差修正项的系数和具有两方面的作用，一是可以识别上证指数与成交量之间Granger因果关系的方向，二是在系统偏离均衡状态时，可以测量上证指数与成交量的调整速度和调整方向。如果和之间存在着长期均衡关系（即二者协整），我们不妨以表示，则等式（1）和（2）中的误差修正项就可以表示为的形式，具体为。如果误差修正项系数（或）相对较小，则上证指数（或成交量）回复到均衡状态的速度相对较慢。另外，当时，成交量应该上升，而指数应该下降以回复到长期均衡状态，因此，理论上来说，应为负数，而应为正数。通过误差修正模型，还可以说明上证指数与成交量之间的相互引导关系，如果利用的历史数据比不利用的历史数据可以对进行更精确的估计，则称Granger 引导。如果等式（1）中的系数或者误差修正项系数不全为零，则Granger 引导；同样，如果等式（2）中的系数或者误差修正项系数不全为零，则Granger 引导。因此可以用检验对误差修正项系数进行显著性检验，再用Granger检验中的F统计量进行检验。另外，我们还利用Pesaran和Shin（1997）提出的GIR（Generalised Impulse Responses）方法进行研究。三、 样本数据本文选择的研究样本取自于上海证券市场的上证指数日收盘价数据和日交易量数据。由于我国股票市场具有较强的波动性（见下图），所以如果我们单是研究某一大段时间内的量价关系，就很有可能因为样本时间跨度选择的不同而得到不同的结论。因为在不同时间跨度下股票市场的背景是不一样的，即在前面提及的三种迥异的市场情况。我们没有理由认为在不同的市场情况下，量价会始终保持着同样的关系。图1 上证指数（1999.09.102005.05.26）共3103个交易日的收盘价序列图鉴于此，我们有必要结合股票市场的不同阶段的运行特征分别加以研究，为此分为牛市、熊市、盘整市三种情形。所谓“牛市”，也称多头市场，指市场行情普遍看涨，延续时间较长的大升市。而“熊市”也称空头市场，指行情普遍看淡，延续时间相对较长的大跌市。“盘整市”则是处于二者间的一种相对平稳状态，期间多空方力量基本平衡，股价处于上下小幅振动。基于上述定义，本文选择的盘整市样本数据的时间跨度是从1997年10月20日至1999年5月19日，共383个交易日，383组数据。这段时间，上证指数始终在1100点至1300点区间内小幅震荡，多空双方力量基本平衡。牛市样本数据的时间跨度是从2003年11月7日到2004年4月8日，共101组数据，在这101个交易日里，上证指数从1300多点上涨到了1770点左右，涨幅大而且快，符合典型的牛市特征。熊市样本数据的时间跨度是从最近的2004年9月21日到2005年5月26日，共160组数据，在这160个交易日里，上证指数从1450点下跌至1050点左右，下跌很快而且幅度也很大。由于上证指数和成交量数据值较大，为避免数据的剧烈波动，对数据进行对数化处理，在此取自然对数。因此我们最终得到了经过对数调整后的上证指数P和成交量L，以此作为研究的对象。本文的数据全部来自于海通证券大智慧网上交易平台。四、 实证结果1、ADF检验为得到量价之间的平稳关系，我们采用ADF检验的方法来检验序列是否存在单位根。如果得到的ADF检验统计量的值大于的临界值，就表明存在单位根，该序列是非平稳的；反之，则是平稳的。根据牛市、熊市和调整市的三组数据分别采用ADF检验，结果如下。表1 ADF检验5%置信水平ADF临界值牛市-2.16-3.31-5.19-6.16-3.45熊市-1.80-3.32-6.85-8.70-3.44盘整市-2.02-3.35-8.70-9.69-3.42注：表示一阶差分，表中的数据为显著性水平5%的ADF值。由表1的检验结果可知：在5%的置信水平下，零假设（即时间序列是非平稳的）不能被拒绝，这说明在三种情形下，上证指数和成交量序列均是非平稳的。进一步对上证指数序列的一阶差分和成交量序列的一阶差分进行ADF 检验，由表1可知，在5%的置信水平下，零假设被拒绝，也即说明指数序列的一阶差分和成交量序列的一阶差分均是平稳的，这说明牛市、熊市、盘整市的指数序列和成交量序列均是一阶非平稳过程。2、协整检验ADF检验表明在牛市、熊市、盘整市三种情形下，成交量和上证指数都是一阶单整序列，为得到成交量和上证指数之间的长期关系，必须进行协整检验。为此，我们采用Johansen(1995)提出的关于系数矩阵的协整似然比(LR)检验方法来检验三种不同情形下成交量和上证指数之间是否存在着协整关系。并选择含常数项和含趋势项的Johansen协整检验进行检验。结果见表2。表2 Johansen协整检验品种零假设似然比统计量5% 临界值1% 临界值牛市16.6915.4120.040.913.766.65熊市16.9215.4120.040.083.766.65盘整市26.4219.9624.603.959.2412.97由表2的检验结果可知，零假设被拒绝，而零假设不能被拒绝，说明在牛市、熊市、盘整市三种情况下上证指数和成交量之间均存在协整关系，而且各种情况下仅有一个协整关系。即从长期来看，指数和成交量之间保持着长期均衡关系。3、误差修正模型的参数估计及Granger因果检验向量误差修正（VEC）模型是对诸变量施加了协整约束条件的向量自回归模型。其中，项反映了变量在短期波动中偏离它们长期均衡关系的程度，误差修正模型可以很好地反映一旦发生了上述偏离后变量各自的运动方向和速度。由于上面我们已经检验出存在协整关系，所以可以据此建立向量误差修正模型。表3、表4、表5分别给出了牛市、熊市、盘整市三种情形的误差修正模型的参数估计。为检验成交量和指数之间是否具有单向因果关系或双向因果关系，表中我们也给出了Granger因果检验结果。如果是双向的，则说明外部信息对价量的影响是同步的。（1） 牛市情形的检验结果和相关分析表3 牛市误差修正模型的参数估计及Granger因果检验被解释变量解释变量系数统计值系数统计值0.00332.68-0.01-0.480.0010.070.953.77-0.15-1.575.773.53-0.18-1.721.170.680.022.48-0.11-1.030.023.39-0.04-0.39Granger因果检验零假设F统计值概率值L不是P的Granger成因5.000.003P不是L的Granger成因6.610注：, 带号的表示在5%的显著性水平下显著。 表3给出了牛市情况的误差修正模型的参数估计和Granger因果检验的检验结果。结果显示， 为正，也为正，但只有统计显著。不显著，说明当系统偏离均衡状态时，下一期指数对非均衡状态没有做出反应，即牛市中上证指数不存在误差修正性质。0，说明误差修正项对成交量的变动具有正向调整作用，即当系统偏离均衡状态时，如果误差修正项为正（即0），说明成交量相对于应有的长期均衡水平偏低，则下一期的成交量将上升；同样如果误差修正项为负（即），说明成交量相对于应有的长期均衡水平偏高，则下一期的成交量将减小。而且修正的幅度比平均为0.95，处于较高的水平。进一步观察滞后变量的系数，不难发现，在牛市中有很强的量价互动特征，在模型（1）中， L滞后项的系数统计上都非常显著，同时对模型（2），P的一阶和二阶滞后项统计检验也非常显著。统计上的这种量价互动特征是和牛市中人们的直觉是一致的，即在牛市中交易量和价格的攀升是一致的。上证指数收盘价P与成交量L之间存在双向Granger因果关系也证明了这一点。（2）熊市情形的检验结果和相关分析表4 熊市误差修正模型的参数估计及Granger因果检验被解释变量解释变量系数统计值系数统计值-0.002-2.38-0.01-0.450.0040.830.414.25-0.14-1.674.452.81-0.19-2.13-2.90-1.790.0040.89-0.07-0.860.0071.52-0.05-0.60Granger因果检验零假设F统计值概率值L不是P的Granger成因0.910.44P不是L的Granger成因5.230.002注：, 带号的表示在5%的显著性水平下显著。 表4给出了熊市情况的误差修正模型的参数估计和Granger因果检验的检验结果，同样进行类似的分析。发现，在熊市情形中，上证指数收盘价P与成交量L之间不存在双向Granger因果关系，只有P是L的Granger成因。熊市情形下上证指数不存在误差修正性质，但是成交量却存在着误差修正性质，且修正的幅度比平均为0.41，与牛市中的0.95相比要弱得多。应当说这也是符合实际的，熊市的过程实际上是一个成交量萎缩的过程，误差修正力度自然应当要小一些。此外，同牛市不同的是，惟有价格才具有解释力，实证结果显示滞后的不但对在统计上具有较高的显著性水平，而且对也有解释力。（3）盘整市情形的检验结果和相关分析表5 盘整市误差修正模型的参数估计及Granger因果检验被解释变量解释变量系数统计值系数统计值-0.0002-0.260.00090.10-0.01-1.610.434.200.020.414.235.69-0.11-1.940.190.252.212.882.212.880.0010.37-0.19-3.510.0010.27-0.19-3.530.0041.01-0.06-1.26Granger因果检验零假设F统计值概率值L不是P的Granger成因1.5490.187P不是L的Granger成因10.8140注：，带号的表示在5%的显著性水平下显著。结果显示， 为负，为正，但只有统计显著。不显著，说明当系统偏离均衡状态时，下一期指数对非均衡状态没有做出反应，即盘整市中上证指数不存在误差修正性质。0，说明误差修正项对成交量的变动具有正向调整作用，即当系统偏离均衡状态时，如果误差修正项为正（即0），则下一期的成交量将上升，且上升的幅度比平均为0.43；同样如果误差修正项为负（即），则下一期的成交量将减小。进一步观察滞后变量的系数，不难发现，在模型（1）中，所有的L滞后项的系数较之牛市和熊市都明显偏小，且在统计上均不显著；而在模型（2）中，P的一阶滞后变量的系数保持了统计上的显著性，但力度较牛市和熊市小。由此可以看出即使在盘整市价格依然是交易量变化的原因。表中的Granger因果检验的结果也证明了我们的结论。5、冲击反应分析为进一步分析上证指数收盘价与成交量变动之间的相互影响，我们应用冲击反应（Impulse Responses）分析方法来进行进一步的研究。冲击反应分析的主要思想是分析误差修正模型中残差项一个标准误差的冲击对二者变动影响作用的大小。（1） 牛市情形 图2 指数收盘价对来自成交量的冲击的反应 图3 成交量对来自指数收盘价的冲击的反应牛市情形中，指数收盘价对来自成交量的冲击的反应在第三期达到最大，这一反应较以下我们将要分析的熊市和盘整市情形都要大，所以满足我们在牛市情形误差修正模型中得到的结论，即L统计上可以解释P。而成交量对来自指数收盘价的冲击的反应在第二日达到最大，随后减小。（2） 熊市情形 图4 指数收盘价对来自成交量的冲击的反应 图5 成交量对来自指数收盘价的冲击的反应图4和图5分别给出了熊市情形的误差修正模型中残差项一个标准误差的冲击对指数收盘价和成交量的冲击作用的直观表示。由图4可知P对于来自L的冲击反应很小。而成交量对来自指数收盘价的冲击的反应在第二日达到最大，随后减小。（3） 盘整市场情形 图6 指数收盘价对来自成交量的冲击的反应 图7 成交量对来自指数收盘价的冲击的反应图6和图7分别给出了盘整市情形的误差修正模型中残差项一个标准误差的冲击对指数收盘价和成交量的冲击作用的直观表示。由图6可知，来自成交量的冲击对指数收盘价格的冲击作用虽然逐渐递增，但是冲击反应很小，这也旁证了在上面误差修正模型分析中得到的L对P不具影响的结论。而由图7可知，来自指数收盘价的冲击对成交量的冲击作用在随后的第二个交易日达到最大，到第三个交易日后又有所反弹，第四个交易日后开始递减（注意：我们使用的是经过对数化处理后的数据，所以总体数值较小，在数量级上已具有明显波动）。因此，从冲击反应分析中可以同样看到盘整情形下指数收盘价对成交量的影响较大。五、 主要结论和启示通过对我国股市总体量价关系在盘整市、牛市、熊市三类不同的情况背景下二者的相互关系分析，主要得到了如下的几点结论：1、盘整市、牛市、熊市三类不同情形下的共同点：（1）无论在何种情形下，指数收盘价和成交量之间都存在着协整关系，表明这二者在长期内的确遵循着一种均衡，而且研究进一步表明指数与成交量从长期来看是呈正相关的。 （2）无论在何种情形下，上证指数价格均是成交量的Granger成因，成交量可以解释为指数价格随后的变化。而且指数价格对成交量的影响力相当大，这说明价格对信息反应的敏感性比成交量要迅速，价在量先。 （3）无论何种情形，当以成交量作为因变量时（即方程（2），误差修正项均显著有意义，且误差修正项前系数为正值。这表明当成交量和指数价格偏离长期均衡关系时，成交量会自动向长期均衡关系靠拢，这也符合我们的理论推导。 （4）无论何种情形，当以指数收盘价格作为因变量时，误差修正项均不显著。这表明当成交量和指数价格偏离长期均衡关系时，指数价格并不会自动向长期均衡关系靠拢。 （5）无论何种情形，成交量对来自指数收盘价的冲击的反应都是在第二天达到最大，然后开始递减。说明指数收盘价格对成交量的影响主要是短期性的，越往后影响越弱。2、盘整市、牛市、熊市三类不同情形下的区别：（1）在盘整市、熊市两种情形下，成交量均不是上证指数收盘价格的Granger成因，成交量对指数不具有解释力。只有在牛市的情况下，成交量才是上证指数收盘价格的Granger成因。（2）当以成交量作为因变量时，无论是误差修正项前的系数还是前期的指数价格前的系数，牛市情形都要明显大于盘整市和熊市这两种情况。尤其是误差修正项前的系数，牛市中是0.95，而另两者却是0.41和0.43。这表明牛市中成交量的误差调整能力远大于其他两种情况。同时，牛市中指数价格对成交量的影响力也较另外两种情况大。3、虽然从长期来看，量价之间确实存在着协整关系，但这并不能成为广大投资者可以利用成交量指标进行投资决策的根据。传统的“量在价先”、“天量见天价、地量见地价”的投资理念是错误的，我们实证后得到：在熊市和盘整市情况下，量对价的变化不具有解释作用，只有在牛市情形中量对价才具有一定的影响力。在熊市或是盘整市中，如果投资者利用成交量指标来预测后期价格走势，那就等于是进入了一个随机世界，一切皆有可能。因此，可以推断出在熊市或盘整市背景下，我国短期成交量指标无用，一些或多或少地利用成交量建立起来的分析方法的可行性也值得怀疑。而在牛市这种大环境下，成交量指标对后市价格的预测尚具有一定作用。4、由上述不难引申出来这么一个结论：从量价这个角度来看，我国的股票市场是部分有效的。在熊市、盘整市，任何人都不可能通过成交量来准确地判断出后市行情。设想，如果投资者能够轻易地从成交量上预测未来短期价格走势，那很明显这个市场是非正常的，必定是非有效市场。但研究发现在牛市中，由于成交量对指数价格尚具有解释力，所以考虑过去的成交量对预测未来的价格是有益的，说明成交量指标具有一定的可预测性，只是对价格的预测效果还比较有限。所以，综合来看，我国的股票市场是部分有效的。5、比较不同情形下得出的误差修正项系数的大小，我们可以发现不同市场环境下投资者的投资心理的变化。对于牛市情形，价格会诱导成交量大幅放大，放大的幅度是熊市和盘整市的两倍还多。可见牛市中投资者比较激进，他们对后市比较乐观，认为牛市仍将持续。大于0即价格向上脱离与成交量的长期关系正是表示了后市将会有一段好的行情，所以随后成交异常活跃。相比之下，处于盘整市场和熊市的投资者就显得相对保守，比较谨慎，同样情况下成交量的放大相比牛市要小得多；小于0即价格向下脱离与成交量的长期关系时，随后成交量萎缩较大，这依然表明了大家对后市乐观的态度。因为此时的成交量可视为由空方主导的成交量，空方成交量的大量萎缩体现出投资者并没有恐慌性的抛盘，他们对后市有信心。相比之下，处于盘整市场和熊市的投资者就显得比较谨慎，成交量的缩小相比牛市要小，换句话说，也就是空方成交量比牛市情形大。6、基于量价关系在在不同的市场阶段有不同的行为模型，我们的推论是在中国股票市场可能并不存在一个前后一致的长期预期模型（三种背景）套利，也就是说从长期看我国股市是有效的。因为从长期来看，由于市场情况并不是一成不变的（虽然变化的频率不高），且不同市场情况下价量间的长期均衡关系，即协整关系又有所不同，所以投资者不可能利用某一个跨不同阶段的量价协整关系来在长期内正确地对未来市场作出预期。参考文献1、Clark P K， A subordinated stochastic process model with finite variance for speculative prices， EconometricaJ, 1973, 41 (1)2、Epps T.W , Epps M.L， The stochastic dependence of security p rice changes and tra