上证指数价量关系的实证研究，本文主要内容关键词为：上证指数论文,实证研究论文,关系论文，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。
一、引言
经典的资产定价模型专注于资产价格与风险之间的对应关系(Sharpe，1964；Linter，1965；Black，1972；Merton，1973；Ross，1976等)，要获得高的期望收益，投资者必须承担高风险，而风险则由风险因子对应的β值来衡量。在这些理论模型中，资产的交易量并未曾被考虑其中。而交易量与资产价格的一些联动关系在现实的市场交易中却频频出现，如价格的快速拉升往往伴随着成交股数的急剧放大，龙头股、明星股的换手率大大超过一般的股票。因此，未引入交易量的资产定价模型很难说是一个完善的模型(Hong & Stein，2007)。基于20世纪80年代以前的实证研究，Karpoff(1987)综述了美国资本市场(主要是股票市场)价量关系。从大量实证研究的结果中，他总结了资产价格与成交股数的两个重要关系：不管是从整个市场(指数)还是单个资产来看，(1)成交股数(V)与价格水平(或其对数)变化的绝对值(|Δp|)正相关；(2)在股票市场，成交股数(V)与价格水平(或其对数)变化(Δp)正相关。近年来，国外有些文献(Gallant，Rossi & Tauchen，1992；Lo Wang，2001)进一步实证了资产价格与成交股数的联动特征，有些文献(Lo & Wang，2006；Scheinkman & xiong，2003；Hong & Stein，2007)则建立理论模型用以解释这些特征。国内也已有学者开始一些实证研究，如刘国光(2003)发现中国深圳A股市场股票交易量和股票收益之间存在双向因果关系，童明余和董景荣(2005)也得出了沪深两个股市的类似结论。
Granger因果关系和同期因果关系是在实证研究中应用的比较多的两个因果关系概念。在利用过去的信息预测经济变量
时，如果加入经济变量Y的过去值能具有更好的预测的能力，则称YGranger导致X；如果再加入同期值
能进一步提高预测能力，则称Y同期导致X(Geweke，1984)。本文引入这一概念及计量模型框架，考察上证A股综合指数(以下简称上证指数)收盘价和交易量之间的因果关系(也就是价量之间的预测关系)。考察的两个经济变量时间序列为，X=R，Y为交易量数据DV1，DV2或DV3中的一种。我们通过建立二元变量的VAR模型，来检验以下三种预测关系：(1)交易量是否Granger导致收益率，即在过去的收益率信息中加入历史交易量能否增加对收益率的预测能力。这是检验弱式有效市场假说的一种形式。(2)收益率是否Granger导致交易量，即在过去的交易量信息中加入历史收益率能否增加对交易量的预测能力。(3)交易量是否同期导致收益率，即加入同期的交易量信息能否更好地解释收益率的变化。与国内相关研究不同的是，我们考察了Granger因果关系和同期因果关系两种因果关系，并以脉冲反应函数和方差分解详细分析价量关系；还同时分析成交金额、成交股数和换手率三种交易量指标与上证A股综合指数收益率之间的价量关系。
二、数据描述
(一)上证指数
本文的研究选取了2000年1月至2006年12月上证指数收盘价和交易量数据，来自于Wind数据库。在7年的样本区间中，共有1678个交易日，平均每年240个。图1显示有些交易日的涨跃幅度比较大，超过5%，表现出明显的跳跃特征，我们还可以观察到收益率序列具有典型的波动率集聚特征。表1中R表示上证指数日对数收益率，其均值为0.0305%，转化为年均收益率为7.32%，偏度为0.606，峰度为8.45，分布有厚尾特征。R的1至10阶自相关系数都很小，Box-Pierce检验不能拒绝R是白噪声过程。这说明R滞后项的线性函数对R没有预测能力，这与很多检验弱式有效市场的实证文献相一致。①
图1 上证指数日对数收益率
(二)交易量数据
在我们由Wind数据库获得的数据中，衡量交易量的数据有三种：成交金额，成交股数，换手率②，在本文中分别以Vi(i=i，2，3)来表示。各交易量数据具有U型时间趋势，我们使用时间的二次函数以去除这一趋势，记去掉时间趋势的交易量数据分别为DV1，DV2，DV3。去掉时间趋势后，交易量(DV1，DV2，DV3)的各项自相关系数略有减小，但仍然保持了很强的持续性。DVi(i=1，2，3)由对应的成交股数指标去掉时间趋势后得到的数据，计算公式为：
表1同时也列出交易量相关数据的描述性统计量。上证A股的日均成交金额为116亿元人民币，成交股数为16万手，换手率为1.45%。交易量的日变化幅度可以非常之大，最大可以是上一交易日的6倍以上(对于V1、V2、V3，这一最大值分别为4.68、6.46和6.57倍)，最低可以下降到上一交易日的30%以下(对于V1、V2、V3，这一最小值分别为39.68%、30.03%和28.93%)。各成交股数数据也具有正偏度和厚尾特征。成交股数具有很强的持续性，三个指标的一阶自相关系数都在90%以上，并且各阶自相关系数降低的速度非常缓慢。表1最后三列是各成交股数指标增长率(记为RV1、RV2、RV3)的描述性统计量。RV1、RV2、RV3同样具有偏峰厚尾性质。他们的1阶自相关系数的值分别为-19.60%、-21.75%、-21.83%，表明其均值回复的特征非常明显，然后很快下降到绝对值10%以下。
我们用Phillips-Perron方法(Hanmilton，1994)检验各变量是否存在单位根，这一方法考虑到了回归方程的残差项存在序列相关和异方差的情况。结果如表2所示，尽管V1、V2、V3、DV1、DV2、DV3具有很强的持续性，但都可以在1%的显著性水平上拒绝存在单位根的零假设。增长率R、RV1、RV2、RV3同样也可以在1%的显著性水平上拒绝存在单位根的零假设，并且PP检验计算出的t统计量的绝对值要更大一些。
三、价量的Granger因果关系
收益率能否预测，以及用什么信息可以预测收益率，是金融学长期研究的课题。为考察价量之间的Granger因果关系，我们建立了以下VAR(p)模型(Hamilton，1994)，第一个等式即是用历史的收益率和交易量信息来预测收益率：
在DV2的回归方程中，收益率R一阶滞后项的回归系数等于4.99，在1%的显著性水平上显著大于0，这说明收益率对成交股数有预测能力，股价的上涨一般会引起下一交易日成交股数的上升；成交股数各阶滞后项的回归系数都非常显著，符号为正，分别等于0.62、0.14、0.10，这说明成交股数的扩大一般会推动将来成交股数的进一步上升，成交股数具有很强的持续性。
下面从Granger因果检验、脉冲反应函数和方差分解三个方面更详细地分析收益率R与成交股数DV2之间的关系。
1.Granger因果检验。价量关系是有经验的投资者重点考察的对象。价格涨跌和量的升缩各有两种情况，根据它们的先后次序可以得到价量关系的8种情况：价涨量升、价涨量缩、价跌量升、价跌量缩；量升价涨、量升价跌、量缩价涨、量缩价跌。我们下面就来考察在本文的样本区间内，上证A股市场主要有何种价量关系。我们考察价量之间的线性预测关系，即它们之间的Granger因果关系，检验以下两个假设，对滞后项为3和10的模型都进行估计。
(a)收益率不是由成交股数(DV2)Granger导致的，即零假设为：
表4报告了VAR(3)模型的检验结果(VAR(10)模型的检验结果类似)，拒绝了这两个零假设。这说明价对量有预测能力，量对价也有预测能力，由于拒绝这零假设(a)的p值几乎等于0，价对量的预测能力更强一些。并且根据表3参数估计的结果，价涨预测量升，而量升预测价格将会上涨。价涨量升是指股价的上涨会引起随后交易日交易量的上升，这主要是由于投资者的跟风而造成的。股价的上涨会吸引更多的投资者进入股市，从而引起成交股数的扩大。量升价涨是指成交股数放大会引起随后交易日股价的上涨。一个可能的解释是成交股数的放大的一个重要原因是投资者的利好预期，利好预期逐渐明朗的过程股价会不断上涨。另外庄家拉升股票的过程中也会引起量升价涨。Gervais、Kaniel和Mingelgrin(2001)发现在美国市场上，一天或一周之内成交股数非常大的股票在接下来的一个月内股价趋向上涨。而本文所论证的量对价的正向预测关系是针对整个上证A股市场的。
2.脉冲反应函数。图2画出了由滞后项为3的VAR模型估计得到的脉冲反应函数。图2(a)显示，收益率R对成交股数DV2冲击产生的反应开始为正，接着为负，但很快趋向于零。收益率对自身冲击产生的反应是正负交替，但这一反应幅度很小，并且快速趋向于零。这说明了收益率很难进行预测的性质。图2(b)显示，成交股数对自身和收益率的冲击产生的反应非常类似，符号为正，幅度较大，并能持续一段较长的时间，是一个缓慢减弱的过程。给定同一标准差的冲击，成交股数对自身冲击产生的反应要大于对收益率冲击产生的反应。这解释了成交股数的持续性。
图2 脉冲反应函数
3.方差分解。VAR(3)模型方差分解的结果(VAR(10)模型的结果类似)是，成交股数的变化可解释0.7%左右的收益率的无条件方差；收益率可解释25%左右成交股数变化的无条件方差。此结果与收益率很难用其他变量进行预测的理论是一致的。
四、价量的同期因果关系
考察同期价量关系对发展更为完善的资产定价模型非常重要，因为交易量中可能蕴含风险的信息。在本部分，我们将考察上证指数的同期价量关系是否同样具有这两个特点，但使用的数据有所扩展(三种交易量数据，去除时间趋势；价格水平的变化为收益率R)。
表5列出了收益率R及其绝对值|R|与去除时间趋势的交易量指标DV1、DV2、DV3之间的相关系数。此处引入|R|是因为同期关系主要考察风险与收益的权衡关系，|R|可以作为收益率R的波动率(风险的常用指标)的度量。首先，与Karpoff(1987)的总结相一致，上证指数的收益率R及其绝对值|R|与各交易量指标的相关系数都为正，其中R与成交股数DV2的相关性最强，相关系数等于0.2032；|R|与换手率DV3的相关性最强，相关系数等于0.2882。Gallant、Rossi和Tauchen(1992)证实了美国标准普尔综合指数收益率的波动率与交易量也具有正相关性。其次，各交易量指标之间的相关性很强，它们之间的相关系数都在0.8以上。
为考察价量的同期因果关系，我们选择与收益率R相关性最强的成交股数DV2作为交易量数据，建立以下模型：
我们用普通最小二乘法估计了以上模型，表6中的估计结果显示，在的回归方程中，同期DV2的回归系数等于0.017，符号为正，在1%的显著性水平上不等于0；一至三阶回归系数符号为负，其中一阶和三阶的系数在1%的显著性水平上显著；并且R的一阶和二阶滞后项的系数分别在1%和5%的显著性水平上显著。这说明成交股数同期导致收益率，表现为量升的同时市场指数收益率增加，成交量中蕴含了风险的信息。
五、结论
本文主要论证了上证指数收益率和它的交易量之间的两种因果关系，Granger因果关系和同期因果关系。三种交易量指标中，成交股数与收益率的相关性最强，并且估计出的VAR模型的一阶滞后项回归系数显著。Granger因果检验显示价量之间有预测能力，不过价对量的预测能力更强一些，价量之间的预测关系可以用投资者的跟风行为和利好预期来解释。收益率对自身和成交股数冲击的反应很快趋近于零，但成交股数对自身和收益率冲击的反应能持续很长一段时间。成交股数只能解释0.7%左右的收益率变化，而收益率则能解释25%左右的成交股数变化。收益率与成交股数的同期因果关系为成交股数同期导致收益率，表现为量价齐升。
注释：
①检验弱式有效市场的实证文献可参见Fama(1970)的文章。但陈灯塔和洪永淼(2003)应用广义谱导数方法检验了1990年12月到2002年10底上证指数的弱式有效性，发现可能存在非线性的预测关系。
②成交金额是指一定时间内股票成交所产生的金额，由股票的成交股数与对应的成交价格相乘再加总而得；成交股数是指一定时间内股票达成交易的总手数；换手率是指在一定时间内市场中股票转手买卖的频率，计算公式为：换手率=(某一段时间内的成交股数/流通股数)×100%，本文研究的对象是每日上证A股市场的成交金额、成交股数与换手率。