深市股价变动与成交量关系的实证研究.doc

此文档收集于网络，如有侵权，请联系网站删除第四组金融、银行（字数8000）深市股价变动与成交量关系的实证研究郑志姣 洪赟摘 要在金融市场中，股价的变动及波动性一直受到密切的关注，对这方面的研究颇多，也在日趋完善。价格的变动会反映市场对新信息的反应，交易量则会反映投资者对新信息认同的差异程度。通过对我国股票市场的个股价格收益、交易量的动态分析，可使我们了解我国股票市场信息传播的特征、价格的波动特征以及交易量对价格变动的影响。本文首先研究了中国股票市场交易量是否含有预测未来收益变动的有价值信息，其次对影响股价的因素进行了分析。实证结果表明，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的有价值信息；中国股票市场交易量和收益序列存在双向线性因果关系，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。关键词：交易量 股价 收益 Granger因果检验郑志姣 女 1984年9月 硕士研究生 首都经济贸易大学经济学院，洪赟 男 1984年7月 硕士研究生 首都经济贸易大学经济学院第一章 引言准确刻画股票收益率的波动性对于资产定价、资产组合构造以及金融风险管理有着重要意义。随着金融市场微观结构理论的产生和发展，一直被排除在经典的资产定价模型之外的交易量逐渐引起金融学家的重视，因为作为市场交易中供需情况的一种具体表现，交易量包含着有用的信息，国外市场的实证研究表明，交易量和收益率的波动性正相关。中国股票市场的波动性特征被广泛研究，但交易量对波动性的影响并没有引起理论界的足够重视。周哲芳和李子奈（2002）对深圳和上海综合股价指数的分析表明，股票收益率的波动性和交易量的变化具有显著的正相关关系。张永东和何荣天（2002）对深圳成分指数的波动性和成交量的相互关系研究表明，利用成交量数据能显著增强深圳股票市场的解释能力。从现有的文献看，很少有讨论个股交易量对股价变动的影响。所以在本文中我使用价格收益和交易量的双变量结构模型及因果检验对深圳成分指数股中任意选取四只的交易数据进行分析，以检验成交量和股价变动的关系。本文将重点研究中国股票市场价格与交易量的动态因果关系，研究交易量是否包含预测未来价格变动的有价值信息，包括价格变动的方向以及价格变动的幅第二章 文献综述首先，我们还是先回顾以下研究股票市场成交量方面的文献，在美国市场和其他一些主要的证券市场，关于股票成交量和价格关系的研究已经相当丰富。已有的研究表明，无论使用月度数据/日数据还是每笔数据都发现成交量和股票的波动性存在正的相关关系对这一现象的理论解释主要有两大说法：第一、混合分布假说和信息顺序到达模型由Clack(1973)，Epps(1976),Harris(1987)等提出的混合分布假说（Mixture Distribution Hypothesis(MDH)）认为：金融资产收益和交易量是由一个潜在的不可观测的信息流共同决定，当信息流到达市场时，将同时产生收益和交易量的变动。在信息流的作用下，市场的需求状况发生变化，原有的平衡被打破，引起价格的上下波动，在价格波动过程中，交易同步进行，价格和交易量对新信息的反映是瞬时的。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，因而绝对收益和交易量之间呈现正相关关系。由Copeland(1976),Smirlock and Starks(1985)提出的信息顺序到达模型（the sequential information flow (SIF)）认为：市场信息是分布逐渐向外扩散的，同时并不是同时到达所有的交易者，而是顺序到达，每个交易者接受到信息后将做出自己的判断并进行相应的交易，乐观的信息将使需求曲线向上移动，而悲观的信息将使需求曲线向下移动，在市场信息不断传递的过程中，引起价格波动和交易量的变化，并随着新信息的不断增多，价格波动和交易量同步增大。当所有的交易者都获得信息，市场达到最终均衡。不难看出，混合分布假设和信息顺序到达假设的不同点在于，混合分布假设认为所有的投资者同时接受到新的信息，同时做出反应，并进行相应的交易，新的平衡点不需要经过中间平衡点而瞬间完成，价格和交易量的调整同步进行。因此过去的绝对价格波动信息对未来交易量的预测没有任何帮助，绝对价格收益与交易量之间在任一方向上均不应该存在引导关系；而信息顺序到达假说则认为投资者分布得到信息，不断的进行交易，需要经过多个中间平衡点才能够到达最后的均衡点。因此绝对价格波动的过去信息有助于对未来交易量的预测，同样交易量的过去信息也有助于预测未来绝对加工的波动。因此，绝对收益可以由交易量进行预测。即认为把交易量和价格结合起来比只研究价格或交易量自身能得到更多有价值信息。Blume,Easley和OHara对交易量作用的研究并不是描述交易量和价格的关系，而是研究交易量如何影响市场行为的。他们的模型暗示，交易量可以提供关于市场信息的精确性和传递行为的信息，这是市场价格所不能单独反映的。具体来说，由于市场存在交易噪声，交易者不可能通过价格获得全部的市场信息，而是通过交易量获得额外的信息。当前的交易量能改善对未来价格变动的预测，这和金融市场利用交易量进行技术分析是一致的。本文将重点研究中国股票市场价格与交易量的动态因果关系，研究交易量是否包含预测未来价格变动的有价值信息，包括价格变动的方向以及价格辩护的幅度。 第二、认为解释这种正相关现象大致有三种假设：1 交易产生非对称信息，即不同的投资者对某一时间股票价格走势判断不一致，由此产生交易。所以成交量的规模反映了交易时投资者对该股票价值的认同程度。2 股票价格的变动是投资者决策的重要信号，因此，大的价格变化导致大的成交量。3市场流动性变的很差时，买压或是卖压变的很严重。大笔买盘或是卖盘导致股票价格急剧波动。第三章 研究的模型及结果3.1数据处理为提高结果的准确性和保证所选的个股交易活跃且不易被操纵本文使用1997年以前上市的四只深证成分指数股的每日收盘价和成交量，时间跨度为2006年7月3日至2007年9月10日。为了避免股票拆分、送配等事件产生的交易量前后的不可对比性，且对数收盘价比收盘价具有更好的性质，如受极端值影响较小，它的一阶差分可以用来刻画收益率，本文研究所采用的收益率指标就是对数收盘价的差分。同样，对日交易量数据取自然对数，日交易量的单位为手。3.2模型和方法3.2.1交易量和绝对收益的动态模型根据MDH理论，交易量和绝对收益具有同期正相关关系。这里我使用联立方程结构式模型进行分析：其中，Vt为对数交易量，Rt为日收益率的绝对值，即绝对收益。上述结构模型中，Vt和Rt均为系统的内生变量，模型参数直接用OLS估计方法估计整个系统，滞后交易量和滞后绝对收益作为工具变量。在结构方程中C3和C6显著意味着交易量和绝对收益存在同期正相关关系，C7显著则意味着对滞后交易量进行分析可得到预测当前绝对收益的有价值信息。应用Eviews软件建立方程得v=c(1)+c(2)*absr+c(3)*v1+c(4)*v2 absr=c(5)+c(6)*v+c(7)*v1+c(8)*absr1 其中，v表示取对数后的交易量，v1表示对数交易量v滞后一期， v2表示对数交易量v滞后二期，absr表示取对数的交易价格变动的绝对值，absr1表示对数交易价格变动的绝对值absr滞后一期对联立的结构方程使用OLS方法估计模型参数，结果见下表股票名称C1C2C3C4C5C6C7C8深发展A3.3090*0.006.9693*0.000.4820*0.000.3128*0.00-0.1756*0.000.0167*0.00-0.0051*0.07950.1207*0.0531深保安A5.7751*0.007.4029*0.000.4872*0.000.1548*0.01-0.1149*0.000.0090*0.00-0.0007*0.73420.0170*0.7864深能源A4.51*0.023.4886*0.077.4490*0.000.6997*0.1509-0.1897*0.000.0266*0.00-0.0138*0.00-0.0047*0.94长城电脑2.4092*0.006.2383*0.000.6046*0.000.2332*0.00-0.1255*0.000.0239*0.00-0.0147*0.000.2577*0.00注：*后的数字表示p值在参数估计结果中，所选四支股票的模型中的结构式参数C2和C6在5%的置信水平下均显著大于0，说明交易量和绝对收益同期显著正相关，暗示了交易量和绝对收益是由系统内部决定的，受相同外生变量的影响，这和Clark(1973),EppsandEpps(1976),Tauchenand Pitts(1983),Harris(1986),Andensen(196)建立并发展的混合分布假说（Mixture Distribution Hypothesis）理论一致。MDH认为日价格变动和交易量是由到达市场的潜在的不可观测的日信息流过程共同决定的，交易量和价格的绝对变动正相关，大的成交量往往伴随着大的价格波动。结果中还发现，所有的C7在5%的显著性水平下都显著小于0，说明滞后交易量和绝对收益一般呈现负相关，这和Blume(1994)研究结论一致，即滞后交易量包含着预测未来价格变动幅度的信息。3.2.2平稳性检验单位根检验是检验时间序列平稳性的一种正式的方法。在这里我使用的是ADF检验法。首先对四只股票的日收益率序列分别进行ADF检验，选项中包含常数项 Eviews自动推荐滞后期为3，通过比较AIC 和SC，滞后期为3是比较合适的。输出的结果如下所示：深发展AADF Test Statistic-6.0432208 1% Critical Value*-3.457768AIC-4.926718 5% Critical Value-2.873052SC-4.857281 10% Critical Value-2.572853深保安AADF Test Statistic-6.467561 1% Critical Value*-3.457768AIC-5.214038 5% Critical Value-2.873052SC-5.144602 10% Critical Value-2.572853深能源AADF Test Statistic-6.482278 1% Critical Value*-3.457768AIC-4.665925 5% Critical Value-2.873052SC-4.596489 10% Critical Value-2.572853长城电脑ADF Test Statistic-5.694467 1% Critical Value*-3.457768AIC-4.677048 5% Critical Value-2.873052SC-4.607612 10% Critical Value-2.572853在上表中得到的ADF统计量的值都显著小于给定的显著性水平为1%、5%、10%的临界值，拒绝存在单位根，非平稳的原假设，表明四只股票的日收益率序列是平稳的。其次， 分别对四只股票的日成交量的对数进行ADF检验，结果发现是不平稳的，通过对其进行一阶差分之后再进行ADF检验，输出的结果如下：深发展AADF Test Statistic-9.751549 1% Critical Value*-3.457768AIC1.067673 5% Critical Value-2.873052SC1.137306 10% Critical Value-2.572853深保安AADF Test Statistic-11.00031 1% Critical Value*-3.457768AIC1.541930 5% Critical Value-2.873052SC1.611563 10% Critical Value-2.572853深能源AADF Test Statistic-11.18904 1% Critical Value*-3.457768AIC0.926194 5% Critical Value-2.873052SC0.995826 10% Critical Value-2.572853长城电脑ADF Test Statistic-10.43039 1% Critical Value*-3.457768AIC0.831539 5% Critical Value-2.873052SC0.901172 10% Critical Value-2.572853在上表中得到的ADF统计量的值都显著小于给定的显著性水平为1%、5%、10%的临界值，拒绝存在单位根，非平稳的原假设，表明四只股票的对数成交量的一阶差分是平稳的。对数成交量的一阶差分和日收益率都是平稳的，所以接下来直接进行因果检验。3.2.3 交易量和收益的线性Granger因果检验模型Granger因果检验广泛应用于经济学的很多方面，是一种确定经济变量之间因果关系较成熟的模型。首先对Granger因果检验做一个简单的介绍.Granger因果检验是Granger(1969)和Sims(1972)提出的。Granger因果检验的基本思路很简单：如果X的变化引起Y的变化，则X的变化应当发生在Y的变化之前。特别地，说“X是引起Y变化的原因”，则必须满足两个条件：第一，X应当有助于预测Y，即在Y关于Y的过去值的回归中，添加X的过去值作为独立变量应当显著地增强回归的解释能力。第二，Y不应当有助于预测X，其原因是如果X有助于预测Y，Y也有助于预测X。则很有可能存在一个或者几个变量，它们即是引起X变化的原因也是引起Y变化的原因。 交易量是否包含预测价格变动方向的信息，本文使用线性Granger因果检验模型来研究。Granger模型适合研究变量之间的动态关系，而不施加任何约束条件。 其中，V为日对数交易量，R为日收益。利用上述模型可以研究交易量和收益序列，线性Granger因果关系。如果联合等于0的零假设被拒绝，可以推断交易量是引起收益变化的Granger原因。如果联合等于0的零假设被拒绝，则可以推断出收益是引起交易量变化的Granger原因。如果所有的零假设都被拒绝，则交易量和收益间存在双向的Granger因果关系或称反馈关系。分别对十只股票的日收益和成交量进行Granger因果检验，结果如下：深发展A LV does not Granger Cause ABSR ABSR does not Granger Cause LV滞后期数F值P值结论F值P值结论 0.02924 0.86437接受 0.81154 0.36852接受1 1.40781 0.24660接受 1.73139 0.17915接受2 1.36532 0.25393接受 3.84398 0.01024拒绝3 1.12177 0.34677接受 3.20941 0.01362拒绝4 2.67157 0.02262拒绝 2.95999 0.01297拒绝5 1.95665 0.07264接受 2.30904 0.03470拒绝6在滞后1到6期中，在5%的显著性水平下有5个认为成交量不是引起收益的原因，有4个拒绝收益不是引起成交量的原因，大致认为收益是引起成交量变化的原因。深保安A LV does not Granger Cause ABSR ABSR does not Granger Cause LV滞后期数F值P值结论F值P值结论8.71087 0.00346拒绝 0.34289 0.55868接受15.15179 0.00641拒绝 1.76317 0.17361接受23.60858 0.01398拒绝 1.22119 0.30254接受32.41880 0.04917拒绝 0.75169 0.55772接受4 经验证，不断增加滞后期数，继续做下去的结论仍然都是拒绝成交量变化不是引起收益变化的原因，接受收益变化不是引起成交量变化的原因，所以这只股票显示了成交量变化是引起收益变化的原因。深能源 LV does not Granger Cause ABSR ABSR does not Granger Cause LV滞后期数F值P值结论F值P值结论0.00565 0.94015接受 4.55365 0.03381拒绝1 0.01644 0.98369接受 6.12782 0.00252拒绝2 0.24858 0.86231接受 4.92076 0.00244拒绝3经验证，增加滞后期数继续做下去，在5%的显著性水平下，结论都是认为成交量不是引起收益的原因，拒绝收益不是引起成交量的原因，大致认为收益是引起成交量变化的原因。长城电脑 LV does not Granger Cause ABSR ABSR does not Granger Cause LV滞后期数F值P值结论F值P值结论6.61309 0.00159拒绝 1.38913 0.25119接受111.8793 0.00066拒绝 2.11840 0.14677接受24.59273 0.00378拒绝 1.23915 0.29605接受35.04306 0.00064拒绝 0.81410 0.51719接受4经验证，增加滞后期数继续做下去，在5%的显著性水平下，结论都是拒绝成交量不是引起收益变化的原因，接受收益不是引起成交量变化的原因，所以认为成交量变化是引起收益变化的原因。在上面的四只股票中，有两只接受成交量