我国A股市场交易量信号的差异性研究，本文主要内容关键词为：差异性论文,股市论文,信号论文,我国论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
股票市场中交易量通常与价格波动存在密切的关系，在证券市场领域也占据着重要地位。现有投资理论普遍认为，成交量是推动股价上涨的原动力，通过其增减速度可以推断多空双方的博弈力量，并对股价的未来波动进行预测。同时，成交价对应着交易量的变动，因此，成交量能够对价格形态进行验证。量价之间的这种关联性趋势规律表现为量价同向、量价背离等不同的市场现象。传统经济理论对量价变动从不同角度进行了解释，Morse[1]提出的“信息不对称理论”，解释了大交易量之后的价格惯性，认为股票交易产生于拥有信息优势的投资者与不知情投资者之间，成交量的大小度量了信息不对称程度，而未公开信息越多，股价越倾向维持之前的变化趋势。Campbell等[2]提出的“资产配置理论”则对高交易量后的价格反转进行了解释，认为非股票资产的收益波动可能促使投资者对资产配置进行调整，进而导致大交易量，资产配置结束后，股票价格倾向恢复到之前的价格水平。二者从不同角度对大交易量的成因进行了解释，有其合理性但都较为片面。 我国股票市场同时存在信息不对称和资产配置的影响。首先，股票市场尚不成熟，上市公司信息透明程度参差不齐。其次，货币政策调整后的股市波动显示了资产配置对股市的影响，但对不同股本规模产生的影响存在差异。因此，经典分析方法对我国股票市场的适用性有待斟酌。当前投资策略普遍认为，股票价格的有效变动必须有成交量配合，正确把握交易量蕴含的市场信号，才能做到“低吸高抛”。但是，对于不同类型的股票以及不同的涨跌阶段，成交量的放大和收缩可能透露不同的市场信息。鉴于当前我国股票市场的复杂性，对上市公司进行合理分类，厘清股票交易量对于价格波动的信号作用，为投资者正确识别市场信息以及监管部门完善市场微观结构建设具有重要的研究价值。 二、文献综述 量价变动关系作为投资者密切关注的对象，也成为许多学派的研究热点。现有研究中，Granger因果关系通常被用来检验股票交易量和股票价格之间的预测关系。赵振全和薛丰慧[3]通过股票市场的日交易数据发现上海、香港的交易量都可以解释收益率。类似结论同样存在于高频数据中，李梦玄和周义[4]利用交易日内每五分钟指数价格序列以及对应的交易量序列，认为沪深两市的日内交易量对日内收益具有预测作用。可见，股票交易量的特征代表着某种市场信息，对预测股票后续价格波动具有重要作用。 现有研究表明信息透明程度不同的股票在量价关系上可能存在不同的表现。中国沪深两市仍属于非有效的金融市场，内幕交易通常会对收益率和成交量形成巨大影响。唐齐鸣和张学功[5]选取五家因内幕交易被证监会处罚的股票，Granger因果检验的结果却显示，内幕交易股票仅存在由收益到成交量的单向因果关系。郑方镳等[6]发现，在牛市和熊市中，在高成交量的交易日之后，信息不对称程度较高的股票，其收益率与信息不对称程度较低的股票相比，更倾向于表现出反转。 此外，许多研究证实我国股市中的量价关系并不固定。李丽[7]利用ARCH和DCC-GARCH模型发现股价和成交量序列存在显著的正相关性，但相关系数是时变的，并且具有很强的波动性。郭梁和周炜星[8]使用分笔高频数据进一步发现，中国股市成交价格波动和成交量之间的相关关系为一非线性凸函数，当归一化成交量较高时，价格变化的绝对值与成交量之间呈正相关性，当归一化成交量较低时，呈反常的负相关性。交易量与股票价格的关系还会受到其他许多因素的影响。范从来和徐科军[9]发现对于规模较小的公司股票来说，交易量的这一指标作用较为明显。但是，对于规模较大的公司股票来说，交易量的预测作用并不明显。王杉和宋逢明[10]发现单位交易量引起的价格变化与股票价格水平的平方正相关，与股票的流通市值负相关。 现有文献对我国股票市场中的量价关系的研究结论不一，其中重要的原因是忽略了股本规模、信息透明程度等因素上的差异对交易量信号的影响。此外，在计量方法上，已有研究为分析不同经济条件下的量价关系，通常对整体样本切割成块[11]，牺牲了样本信息，损失了量价关系的准确性。并且，利用普通最小二乘法对量价关系进行估计时，得到的是二者之间的“平均”相关程度，也会错估真实的量价关系。并且，交易量与收益率存在互为因果关系，使用最小二乘法估计可能导致异方差等问题，钱争鸣和郭鹏辉[12]提出使用分位数回归方法有效避免了这一问题。 本文的创新之处在于：首先，在已有研究的基础上，按照股本规模和信息透明程度对样本股票进行分类，消除股本规模及信息对称程度差异对量价关系造成的混淆。其次，利用技术分析指标表示个股涨跌趋势，通过引入二元变量对不同涨跌阶段的量价关系进行了解读。最后，采用分位数回归方法，分析交易量在股票不同收益率水平下的信号差异。 三、研究设计 (一)样本及数据 本研究采用中证指数考察我国沪深股市的量价关系。郑方镳等[6]、范从来和徐科军[9]以及王杉和宋逢明[10]的研究表明，我国股市中的量价关系对于不同股本规模和信息不对称程度的上市公司有着不同的表现。本文以这两个标准对样本进行选取和分类，以期得到不同类型股票的量价特征。 股本规模方面，本文分别使用中证100指数和中证500指数不同股本规模的股票市场数据。其中，中证100指数是从沪深300指数样本股中挑选规模最大的100只股票组成样本股，能够综合反映沪深证券市场中最具市场影响力的一批大市值公司的整体状况，中证500指数的样本选择在剔除了规模靠前的股票的基础上选取流动性较好的500只股票，能够综合反映我国股市小市值公司的整体状况。 信息不对称程度方面，Lang[13]以及Leuz和Verrecchia[14]以各股票在整个研究区间内的股价波动作为信息不对称程度的替代指标，但事实上，即便同一股票在不同时期所受市场信息影响也有所不同，本文采用过去5日的收益率标准差作为短期内信息透明程度的衡量指标，以短期波动前10%和后10%的数据分别作为信息透明与信息非透明的样本。 为尽可能丰富样本数据，降低市场异常现象的影响，从而更加有效地呈现真实的量价关系。本文结合两个指数的发布时间，剔除部分缺失数据后，真实研究区间为2007年1月15日至2013年12月31日，基本涵盖我国股市牛市、熊市已经平衡震荡的市场阶段。本文采用的指数收益率和交易量均为日交易数据，数据来源为RESSET数据库。 (二)变量选取 1.被解释变量 日收益(Dretnd)：为指数不考虑现金红利的个股回报率乘以100，单位为百分点。 2.解释变量 交易量(vol)：为指数权重股的每日交易量，单位为10亿股，描述各股票当日的交易活跃程度。 虚拟变量up和down：为对各股票的短期不同涨跌趋势进行度量，文章借助技术分析工具，利用5日K指标①衡量个股超买超卖状况，数值在90以上为超买状态，虚拟变量up取值为1，否则为0。对于虚拟变量down，K指标数值在10以下为超卖状态，虚拟变量取值为1，否则为0。变量取值具体计算方法如式(1)—式(4)所示：
(三)模型设定 “追涨杀跌”是股票投资中常见的市场行为，从短期来看，在市场上升阶段，成交量的放大意味着市场信心的增强，对收益率飙升起到“推波助澜”的作用。在市场下跌阶段，成交量的增加意味着悲观情绪的蔓延，会进一步压低股票收益。由于不同涨跌阶段下交易量释放的市场信号不同，本文引入表示不同涨跌阶段的虚拟变量，对量价模型进行了扩展：
其中，
表示平衡市中成交量变化对股票成交量的影响，
和
分别衡量了超买和超卖状态下成交量信号的差异。为更加直观地得到各系数的拟合结果，将模型变形为：
震荡阶段、超买状态和超卖状态下交易量的放大对股市收益率的影响分别用系数
衡量。参数估计值的符号表明在对应状态下交易量的放大对收益率的作用，系数绝对值的大小反映对应状态下交易量信号的强弱。 此外，在不同的收益率高位，由于投资者对股票未来走势的信心不同，交易量变化对收益率的推动或抑制作用也存在着差异。本文选取被解释变量80%、50%和20%三个分位点，利用分位回归方法对交易量的信号差异进行了探讨。不同分位点回归系数的确定可以通过下面的最小化问题来定义：
其中，x为方程(7)中的自变量，β为对应系数，q为设定的分位数，分别设为80%、50%和20%。 四、结果分析 (一)描述性统计 通过表1中样本收益率与成交量的数据特征可以看出，在本文研究区间内小盘股的收益率和成交量均值均大于大盘股股票，并且波动性更高。两支指数收益率和成交量峰度值均明显大于3，呈现出金融数据典型的尖峰厚尾的特征，收益率偏度小于0，具有略微的左偏特征。传统OLS估计建立在标准正态分布上的假设检验缺乏稳健性，而基于不同分位点的分位数回归对极端值具有更强的耐抗性，能够提供更加完整准确的估计结果。
(二)相关性分析及平稳性检验 该部分利用Spearman相关系数对收益率与成交量之间的相关关系进行了度量。表2中的相关系数显示，无论对于CSI 100中的大盘股还是CSI 500中的小盘股股票，收益率与交易量总体均呈现出显著的正相关性，相关系数在0.2左右。在对短期趋势进行区分后，二者的相关性在不同的短期趋势下符号相反，说明了短期趋势在量价关系研究中的重要作用。同时，对于不同股本规模的股票样本，相同的趋势下收益率与成交量相关性强弱及显著性均表现出明显的不同。
为了防止模型存在伪回归问题，该部分对两支指数的收益率和交易量序列进行了平稳性检验，表3为两支指数的收益率和交易量序列ADF检验的统计值。结果显示，ADF检验均拒绝了数据存在单位根的原假设，说明时间序列数据平稳。
(三)回归分析 该部分分别利用OLS方法和分位数回归方法分别对模型(6)的系数进行了估计，表4中，QR_80、QR_50、QR_20分别表示80%、50%和20%分位数的回归结果。
表4中的不同分位点下的回归结果显示，vivol、upvol和downvol的系数在20%、50%以及80%的分位数下均存在明显差异，甚至正负性发生改变。对不同分位数回归系数差异性的F检验均拒绝原假设，②这一结果也验证了本文采用分位数回归方法研究量价关系的恰当性。通过对表4的回归结果分析可以看出： 第一，无论是中证100指数还是中证500指数，OLS回归和分位数回归的结果均显示upvol系数在1%的显著性水平下显著为正，说明上涨阶段换手率的增加能够抬高股票收益率。但在下跌阶段，除少数分位点外，两个股票指数downvol的系数均显著为负，说明下跌阶段交易量放大会进一步压低了股票收益率。由于在不同的市场阶段，交易量的变动会传递出截然相反的市场信息，单纯检验交易量与收益率之间的相关关系可能存在较大的谬误，这也验证了在量价模型中加入趋势因素的合理性。这一结果同样说明，一旦短期趋势形成，对于逐渐放量的股票，“追涨杀跌”的短线投资策略在我国股票投资，尤其是大盘股投资中具有一定的有效性。 第二，从不同的分位点来看，大盘股股票交易量信号呈现出一致性趋势。在短期上涨阶段，大盘股交易量信号随着分位点的提高逐渐增强(upvol系数从0.1984上升到0.3212)，说明在收益率的高位投资者情绪高涨，上涨放量作用更强。这一结果说明了我国股票市场的投资者存在的“跟风现象”，对于高收益股票过分追捧容易导致价格泡沫的形成。在短期下跌阶段，随着分位点的提高放量信号总体呈逐渐减弱趋势。在收益率的低位，成交量放大对收益率的抑制作用更强，说明了市场对低收益股票容易产生市场恐慌，较强的投机倾向延误了价格的合理回归。当利用K指标无法确定短期趋势的情况下，分位数回归的结果传递出更加重要的信息。在收益率的高分位点，系数为正，放量能够进一步抬升收益率，但在低分位点系数为负，反而会压低收益率。与此不同的是，小盘股在不同分位点的放量信号相对平稳。 (四)交易量信号存在的差异 股本规模方面，通过对表3中两类样本回归系数的对比发现，在短期上涨阶段，中证100指数的放量信号(大致介于0.2000—0.3200之间)强于中证500指数(介于0.1000—0.1900之间)。但是在短期下跌阶段，中证500指数的放量信号(介于-0.5300—-0.9200之间)则明显强于中证100(介于-0.0200—-0.4600之间)，这一结果显示了交易量信号在不同股本规模的股票中存在的非对称性。中证100的成分股多为大型工业企业和国有金融机构，是机构投资者重仓持有对象。在市场上升阶段，市场对交易量变动容易形成一致性预期，相对于小盘股股票，同样的交易量变化能够对收益率造成更加有效的影响。并且由于大盘股的经营稳健性高，市场下跌阶段的抗跌能力更强。而对于中证500指数，成分股为沪深两市小市值公司的代表，本身波动率要大于大盘股票，在市场的下跌阶段，更容易遭受悲观情绪的影响[15]。 信息透明程度方面，通过比较不同收益率分位点的交易量信号波动，我们发现，无论是中证100指数还是中证500指数，信息不透明阶段的信号波动都明显强于信息透明阶段的样本。更为重要的差异体现在上涨放量信号上，对于信息透明阶段，上涨阶段交易量的放大在各收益率分位点均对收益率有正向作用。但对于在信息不透明阶段，上涨放量在较低分位点(收益率为负)能够抬高指数收益率，但随着分位点的提高上涨放量信号逐渐变小直至为负。这一现象说明了，在估值震荡比较剧烈的阶段，投资者尚未充分消化市场信息，因此，对于交易量变动较难形成一致性预期，由于对短期趋势信心不足，上涨趋势中的交易量信号也呈现出不稳定性。 通过加入趋势虚拟变量对传统量价模型进行扩展，结果显示了结合短期涨跌趋势在交易量信号识别中的必要性。同时，对不同股本规模和信息透明程度的数据分析结果显示，交易量信号在不同数据样本之间存在较大差异。结论对于投资者正确识别交易量信号具有以下启示： 第一，股票市场中，甄别短期趋势对于正确识别交易量信号具有重要作用。本文在依据K指标对股票短期趋势进行判断的基础上发现，上涨阶段交易量的放大能够释放出收益率上扬的积极信号，而下跌阶段的放量则会压低股票收益。因此，简单依赖交易量的变动方向可能混淆真实的市场信号，而股票的短期趋势为投资者提供了良好的辅助工具。对于量化交易投资者，追逐上涨放量的股票(尤其是经营稳健的大盘股股票)，往往能够带来更高收益。 第二，交易量信号的强弱与股票收益率的分位点密切相关。实证结果显示，我国股票投资者具有明显的“跟风现象”，在不同收益率的高位，交易量信号的强弱存在较大的差异。尤其在利用技术指标无法确定短期涨跌趋势时，交易量的放大会呈现出相反的效果。在收益率的高位，即便短期趋势尚未形成，一旦交易量呈现放大趋势，投资者的追捧也会使股票在短期内上扬。但在收益率的低位，交易量的放大更有可能显示了悲观情绪的蔓延，会在短期内压低股票收益率。投资者在利用交易量对收益率波动进行判断时，结合即时的收益率数值能够得更加准确的交易量信号。 第三，对于不同股本规模的股票，交易量信号存在明显的不对称性。数据显示，在市场上升阶段，股本规模较大的股票放量信号更强。相对于小市值公司，大盘股经营信息更加公开，投资者对其预期更加一致，交易量变动更加有效地推动股价波动。而小盘股股票，由于所受市场干扰因素较多，且不同股票之间表现差异较大，交易量变动对整体收益率传递的信号略弱。在市场下跌阶段，大市值公司由于其经营的稳健性，抗跌能力强，相比而言，小市值股票由于更容易遭到市场负面信息的影响，大量抛售引发的交易量放大会迅速压低股票收益。 第四，在信息透明程度异常的阶段，交易量信号同样会产生显著的差异。信息透明程度较高时，交易量信号随收益率分位点的变动幅度较小，结合短期趋势能够对其进行较好的识别。但信息透明程度较差时，交易量信号受收益率分位点的影响较大，并且上涨放量在不同分位点也会传递不同的信号。这一发现说明，在股票历史的收益波动较大时，由于市场信心不足，结合短期趋势在判断交易量信号时可能失效，需要在市场信息充分吸收之后才能对收益率变动进行良好预测。 ①kvalue的计算中，若无前一日kvalue，则用50来代替。 ②中证100数据中，对vivol、upvol和downvol的F检验统计量分别为32.5700、6.9800和5.5300；对于中证500，F值分别为8.7400、3.2200和4.5500，均在5%的水平下拒绝了不同分位点下系数相等的原假设。
标签：股票论文; 量价关系论文; 股票收益率论文; 价格发现论文; a股市场论文;
