中国股市交易量波动率和交易量相关性关系的实证研究中国股市交易量波动率和交易量相关性关系的实证研究尹为醇摘要:本文以沪深股票市场为研究对象,从预期和非预期交易量与价格变动之间的相关关系,交易量与市场波动间的动态关系等角度,深入分析我国证券市场的量价关系.针对原始交易量序列进行了分离,并引入EGARCH模型对交易量与收益率条件波动间的动态关系进行了检验,研究发现:中国股票市场上交易量和价格之间存在显着的正相关关系,交易量中引致依存关系的主要部分是信息交易量,这说明中国股票市场确实包含价格变化相关的重要信息;我国股市中收益率的波动存在”杠杠效应”,但并不十分明显,这可能与我国股市之前还不允许进行卖空交易,投资者的借售行为,以及政府对股市的干预有关;量价关系在统计意义上显着正相关,但依存度较弱,这意味着投资者不能完全依赖于技术分析,而只能将其作为辅助分析.关键词:量价关系股市波动性EGARCH模型一,引言股市交易量与收益率之间的变动关系,长期以来一直是金融领域的一个重要话题,因为量价关系是了解金融市场结构的一个途径,也是研究套利机会或者说市场有效性的重要手段.现有相关文献大多针对美国股市,其量价关系的研究却是多角度的.例如,股价变动与交易量之间的关系(Westerfield,1977;Tauchen和Pitts,1983;Rogalski,1978),股价变化的绝对量(变化幅度)与交易量之间的关系(Crouch,1970),价格波动方差与交易量之间的关系(Epps,1976)等.这类研究的一般性结论是:交易量与股价变动呈正相关,与股价波动幅度也呈正相关(Karpoff,1987).然而,正如Gallant等(1992)所指出的,此前关于量价关系的研究主要集中在二者的当期静态关系上.Hiemstra和Jones(1994)开始使用线性和非线性格兰杰因果检验研究股市收益率和交易量变化率之间的动态关系.Campbell等(1993)对量价因果关系的研究表明,伴随大的交易量的股价变化方向容易逆转,而伴随小的交易量的股价变化方向容易持续.在Blume等(1994)的模型中,交易者能够从证券过去的交易量和价格中获得有效信息,因此技术分析中包含交易量变动信息的交易者更能获利.Wang(1994)基于信息不对称模型分析了量价之间的动态关系,表明交易量能为未来股价的变动提供信息.这些模型都为股市量价之间关系的实证研究提供了有益的指导.Chen等(2001)利用9个发达国家和地区股市的大盘数据,运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.Lee和Rui(2002)同样利用格兰杰因果检验方法,考察了美,日,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.在我国无论是大盘还是个股,量价关系虽零星有所成果,但在方法和数据筛选上都没有细致和准确的深入研究,缺乏稳健性的结论.本文目的在于通过沪深两个市场指数(以及市场收益率)和交易量之间的静态和动态关系,考察我国股市中价量之间的相关性,以及交易量是否能为市场指数走势及其波动提供有用的预测信息.本文以后的结构安排如下:第一,说明数据来源及数据的基本特征;第二,将交易量分解为预期交易量和非预期交易量;第三,基于EGARCH模型,实证分析交易量能否为股指走势及其波动提供有用的预测信息;第四,结论和建议.本文采用实证分析为主要研究方法,在交易量的分解过程中结合了规范分析.由于价格,收益率以及交易量都是时间序列,因此本文的实证分析几乎涉及到时间序列的全部内容.在因果关系检验之前,需要应用单位根检验考察序列的平稳性,应用EGARCH模型来考察交易量和收益率波动之间的动态关系,并采用LM检验对方程的残差进行检验一66二,数据来源及基本特征1.数据来源由于中国股市创设初期证券管理制度不健全,运作不规范,市场波动异常,直到1999年7月1日证券法出台以后,中国股市开始步人健康,有序的发展阶段,而且考虑到政策效果的滞后性,样本数据的起始点选取在2000年1月.本文分别采用上证综合指数和深证成份指数为研究对象,时间跨度为2000.1.42009.6.4,共2271个交易日,数据来源于Wind资讯股票交易系统收益率指数采用对数收益率,其计算公式为:,p,Ri,一1og(一1,2),f.f一1,下标分别代表沪市和深市(1为沪市,2为深市).P,和P分别表示第i个市场t日和t一1日指数的收盘指数.由于2000.1.4前一天的收盘指数不在本样本内,所以最后的收益率数量为2270个.本文的交易量采用上证综指和深圳成指的日交易量数据(单位:百万股).2.交易量和收益率序列的描述统计分析表1列示了2000.1.52009.6.4期间沪深两市股票交易日收益率和交易量(百万股)的描述统计分析结果.表1两个市场收益率和交易量序列的统计特征沪市深市收益率交易量收益率交易量Mean0.0002983628.7740.000494587.6O15Median0.0006781676.7360.000757398.43唾8Maximum0.09400821142.76O.O952994401.460Minimum0.092562249.7117一O.O9750025.01820Std.Dev.O.O172524127.618O.O1865O562.1167SkewnessO.O130091.7432060.0422611.645261Kurtosis7.1O15475.4362246.4206506.894681Jarque-Bera1591.2101711.O3611O7.3812458.795Probability0.0000000.0000000.0000000.000000从JB统计量可知,四个序列都不服从正态分布.收益率序列具有负的偏度,且峰度大于3,突起程度大于正态分布,表明中国股市收益率具有显着的肥尾特征;而交易量序列具有正的偏度,峰度与收益率序列基本相似.下面给出四个序列的描述统计分析结果,给出更直观的关于四个序列特征的分布特征:3.自相关检验本文以后所用到的模型都要求数据序列不能有时间趋势以及单位根,所以有必要首先针对各序列进行自相关检验和单位根检验.针对含有固定时间趋势的序列剔除时间趋势,针对含有单位根的序列差分.金融时间序列数据的波动集聚特征表明其存在自相关和异方差现象,本文对此进行了检验,采用Q检验和LM检验.对两市收益率序列做自相关检验,如表2所示,在所有时滞上,收益率自相关函数和偏自相关函数值都很小,这表明上综指和深成指收益率序列并不自相关.Sees:SHRSample12270Ob3ervatiOnS2270MeanMedianMaximumMnumStd.Dev.SkewnessKurtosis0.O298O.O006780.O舛O08-0.0gl25B20.017252-0.0130097.101S47Jarque-Bera1591210图1沪市收益率的描述性统计分析结果SerleS:SHVSampie12270Observations2270MeanMedianMaximumMimumStd.Dev.SkewnessKurtosis3628.7741676.73621142.76249.71174127.6181.7432065.436224Jarque-Bera1711.036图2沪市交易量的描述性统计分析结果rO.1O.nO500n05n10Series:SZRSample12270Observations2270MeanMedianMaximumMimL-nStd.Dev.SkewnessKurtosisn00O4940.000757O.095299旬D975000.01865O旬.0422616.42065OJarque-Bera1107.381图3深市收益率的描述性统计分析结果一68一Serles:SZVSampie12270ObservationS2270MeanMedianMaximumMinimums【d.Dev.SkewnessKurtosis587.6O15398.43柏4401.48025.O1820562.11671.6452616.894681Jarqueera2458.795图4深市交易量的描述性统计分析结果椭锄耋l邑瑚.表2沪深两市收益率序列自相关一偏相关分析结果沪市收益率深市交易率滞后期ACPACQStatProbACPACQStatProb1O.O12O.O120.3092O.5780.0500.0505.6104O.O1820.0220.0221.3826O.5O10.0250.0287.0276O.O3O3O.O32O.O323.6937O.2960.024O.O278.37210.0394O.O570.05611.170O.0250.0600.05716.53O0.00250.0070.00711.287O.0460.0200.025l7.4630.00460.0450.04415.899O.O14一O.O290.02419.3260.00470.0240.02217.26lO.O16O.O32O.O3121.6890.0038一O.O16一O.O2117.817O.O23一O.O12一O.O1922.O120.00590.006一O.OO117.9080.0360.006O.OO122.0950.0091O0.0070.00918.005O.055O.O250.02623.4720.009110.054O.05224.589O.O1O0.0460.O3928.2040.003120.0290.02926.4840.009O.0260.02629.7770.0034.收益率和交易量的平稳性检验首先先看残差的线形图,观察是否具有明显的时间序列:5姗l踟姗图5沪市收益率线形图JLJIbJi【山.jI”1Ilr1n1llI_-图7深市收益率线形图图6沪市交易量线形图图8深市交易量线形图从图58中可以看出,两市的交易量有可能是平稳的,而收益率明显具有某种趋势.具体的结果我们通过ADF检验来分析两市的收益率和交易量是否平稳.一69一鹏娜瞄姗瞄蛐肼瑚咖m表3两个市场收益率和交易量序列的ADF检验沪市深市收益率交易量收益率交易量滞后阶数3333ADFt统计量47.06039*一3.21977O一45.30378*一3.668899注1:*表示在1O水平上显着,*表示在5%水平上显着,*表示在1水平上显着(下同).从表3中可知,两市收益率序列的DF统计量可以在1的水平上拒绝单位根假定,即收益率序列是平稳的;而两市的交易量序列的DF统计量都是不显着的,即交易量序列是非平稳的.我们意