前言：本站為你精心整理了價格和交易數(shù)量探討論文范文，希望能為你的創(chuàng)作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

摘要:通過對中國深圳A股市場上的股票交易量和股票收益及收益變動性之間的因果關(guān)系實證分析,發(fā)現(xiàn)交易量和價格絕對量的變化之間以及交易量和股票收益之間均呈正相關(guān),而收益變動性和交易量之間呈負相關(guān)。

另外,不論是股票的交易量、股票收益以及股票收益的變動性都呈現(xiàn)序列平穩(wěn)性,而股票價格則呈現(xiàn)出非平穩(wěn)性。股票交易量和股票收益之間存在雙向因果關(guān)系,收益的變動性和交易量之間不存在Granger因果關(guān)系。

一、引言

價格和交易數(shù)量的關(guān)系是市場關(guān)系中的最基本關(guān)系。在股票市場上就表現(xiàn)為股票交易量和股票價格、收益以及收益變動性(volatility)之間的關(guān)系。近年來國外有許多文獻對此進行了分析。一般認為交易量在甄別市場信息方面起著明顯的作用[1]。交易量反映了股票交易者掌握影響市場的不同新信息,交易人員對市場未來看法的差異越大,市場的交易量也越大。有些學者通過實證分析指出股票絕對價格和交易量之間存在著正相關(guān),價格的變化將促使交易量變化到一個新水平;還有些學者認為交易量精確地反映了股票價格的歷史信息,因此包含交易量的股票技術(shù)分析比不包含交易量的股票技術(shù)分析更準確[2]。股票收益和交易量之間的因果關(guān)系分析,就是檢驗股票收益和交易量哪個是原因哪個是結(jié)果,是互為因果還是不存在因果關(guān)系,是否真如華爾街古老格言所講:“是交易量在推動股票價格變動?！北姸鄬W者對兩者之間的因果關(guān)系進行了分析。如Rogalski運用Haugh提出的數(shù)量方法對股票收益和交易量之間的因果關(guān)系進行了實證研究[3];Tauchen和Pitts對股票價格變化的變動率和交易量之間的關(guān)系進行了研究[4]。中國股票市場發(fā)展至今已有相當規(guī)模,由于中國上市公司特有的股權(quán)結(jié)構(gòu)以及權(quán)益市場特有的特征,對我國股票市場上股票收益和交易量的關(guān)系也需要進行具體研究,而不能照搬國外現(xiàn)成的分析結(jié)果。本文分如下幾部分:首先運用ADF和PP方法對深圳股票收益和交易量的平穩(wěn)性進行單位根檢驗;接著對深圳A股市場的股票收益和交易量之間進行相關(guān)分析和回歸分析,從靜態(tài)方面分析二者之間的關(guān)系;再次對深圳股票市場上的交易量和股票收益及收益的變動性進行Granger因果關(guān)系分析;最后是一簡短的結(jié)論。研究的數(shù)據(jù)包括深圳交易所從1991年4月3日到2002年12月5日全部深圳成份股日收盤指數(shù)和全天A股日交易量,共計5776組數(shù)據(jù)。本文涉及到的兩個基本公式定義如下:股票的日收益公式定義為Rt=log(Pt/Pt-1)。假設(shè)股票的期望收益為零,即E(R)=0,則股票收益的變動率為σ2=E(R2)-(E(R))2=E(R2),那么,股票日收益變動率可定義為σ2=(log(Pt/Pt-1))2。

二、序列平穩(wěn)性檢驗序列的平穩(wěn)性是進行相關(guān)分析、回歸分析以及進行因果關(guān)系檢驗的前提

當序列非平穩(wěn)時,會出現(xiàn)偽回歸、偽相關(guān)。平穩(wěn)性檢驗方法主要有:非參數(shù)檢驗、自相關(guān)函數(shù)檢驗和單位根檢驗等。本文運用單位根對深圳A股交易量和深成指進行平穩(wěn)性檢驗[5]。為了檢驗單位根,采用擴展的迪克—富勒(D-F)檢驗和Phillips-Perron(P-P)檢驗。迪克—富勒回歸:Δxt=ρ0+ρxt-1+∑ni=1δiΔxt-iPhillips-Perron回歸:xt=α0+αxt-1+ut零假設(shè)為該序列是非平穩(wěn)的(存在一個單位根),即ρ=0和α=0。對深圳A股交易量和深成指進行平穩(wěn)性檢驗結(jié)果。迪克—富勒(D-F)檢驗和Phillips-Perron(P-P)檢驗的結(jié)果完全一致。深圳成份股指數(shù)絕對值呈現(xiàn)出顯著的非平穩(wěn)的特征。但是深成指日收益和日收益的變動率以及交易量序列則表現(xiàn)出平穩(wěn)的特征。

三、交易量和收益的相關(guān)與回歸分析

關(guān)于股票價格和交易量之間的相關(guān)與回歸分析有多種研究思路,有從絕對價格和交易量之間關(guān)系來研究的(Granger和Morgenstern,1963)[6],有從價格變化和交易量之間關(guān)系來研究的,還有從價格變動的方差和交易量之間關(guān)系來研究的[7]。本文從交易量和股指收益之間的相關(guān)和回歸方面進行研究高達0•6146;第二,交易量和股票指數(shù)的收益呈正相關(guān),相關(guān)系數(shù)為0•0776;第三,收益變動性(volatility)和交易量之間呈負相關(guān),相關(guān)系數(shù)為-0•0297。

四、因果關(guān)系分析Granger因果關(guān)系由兩個部分組成

首先必須有充足的理由支持兩個變量之間的因果聯(lián)系;其次作為原因的變量發(fā)生變化,作為結(jié)果的變量也應該隨之發(fā)生變化。本質(zhì)上,Granger因果關(guān)系是采用F檢驗來決定是否變量X的滯后信息在解釋變量y目前值方面有統(tǒng)計顯著性,即下式是否成立的問題:σ2(yt|yt-k,k>0)>σ2(yt|yt-k,xt-k,k>0)如果用x的滯后值和y的滯后值對y進行預測比只用y的滯后值對y進行預測所產(chǎn)生的預測誤差要小,則稱x是引起y變化的Grange原因,否則稱x不是引起y變化的Grange原因;如果通過F檢驗得出x是引起y變化的Grange原因,y也是引起x變化的Grange原因,這時為互為因果,存在一種雙向反饋的關(guān)系。這時可能有其他變量的存在,由于它的變化引起x和y的共同變化。進行因果關(guān)系分析需要兩個變量均為平穩(wěn)的時間序列。由于實際上大多數(shù)金融時間序列是非平穩(wěn)的,這時可考慮對這兩個序列進行共積(cointegration)檢驗,進而進一步研究兩者之間關(guān)系[8]。如下的雙變量回歸模型用來檢驗交易量和深圳成份股指數(shù)收益及收益變動性的Granger因果關(guān)系。xt=α0+∑mi=1αixt-i+∑ni=1βiyt-i+εtyt=γ0+∑mi=1γixt-i+∑ni=1δiyt-i+ηtH0:βi=γi=0假設(shè)xt和yt分別是交易量和收益。如果βi系數(shù)在統(tǒng)計上具有顯著性,那么就表明用過去的交易量值和過去收益值對交易量進行預測比只用交易量的過去值進行預測誤差小,則稱收益是交易量的Granger原因。

同樣在第二個式子中,如果γi系數(shù)在統(tǒng)計上具有顯著性,那么就表明用過去的交易量值和過去收益值對收益進行預測比只用收益的過去值進行預測誤差小,則稱交易量是收益的Granger原因。如果F統(tǒng)計檢驗沒有拒絕γi=0,稱交易量不是收益的Granger原因;如果βi和γi在統(tǒng)計上都具有顯著性,稱交易量和收益之間存在雙向反饋關(guān)系。對深圳A股日交易量和深圳成份股指數(shù)的日收益以及收益變動性的因果關(guān)系分析結(jié)果。可以得出:第一,不論怎樣選取滯后值,深圳A股的日交易量和深成指日收益存在雙向反饋關(guān)系或雙向因果關(guān)系,但是雙向因果關(guān)系的顯著性和滯后值的長短成反向關(guān)系;第二,無論怎樣選取滯后值交易量和收益的變動性都不存在Granger因果關(guān)系超級秘書網(wǎng)

五、結(jié)論

本文對1991年4月3日至2002年12月5日深圳證券交易所A股日交易量和深成指日收益以及日收益的變動性的相互關(guān)系進行了實證分析,主要目的是揭示交易量信息是否有助于提高對日收益以及日收益變動預測的準確性。通過單位根檢驗得出深圳證券交易所A股日交易量和深成指日收益以及日收益的變動性為一平穩(wěn)時間序列。交易量在預測股票收益有顯著的作用;但也發(fā)現(xiàn)收益對交易量有更明顯的作用,兩者之間的關(guān)系表現(xiàn)在,收益變化引起交易量變化。這樣,在證券投資分析中特別是在技術(shù)分析中,將交易量和價格結(jié)合起來進行分析,可以進一步提高預測的準確性。本文的進一步研究有如下兩個方面:一是研究日內(nèi)收益和交易量的關(guān)系,如在一個交易日每隔若干分鐘分析交易量和收益變化;另一個是運用其他動態(tài)模型分析兩者之間關(guān)系[9]。

參考文獻:

[1]JiangWang.TradingVolumeandAssetPrices:AnnalsofEconomicsandFinance[M].PekingUniversityPress,2002•3;299-359.

[2]MartinT.BohlandHaraldHenke.TradingVolumeandStockMarketVolatility:ThePolishCase[DB/OL].viadri-na.edu-frankfurt-o.de,2002-6.

[3]Rogalski,R.J..TheDependenceofPricesandVolume[J].ReviewofEconomicsandStatistics,1979.268-274.

[4]Tauchen,G.E.andM.Pitts.ThePriceVariability-VolumeRelationshiponSpeculativeMarkets[J].Econometrica,51,1983•485-505.

[5]ChunchiWu.ReturnVolatility,TradingImbalanceandtheInformationContentofVolume[J].ReviewofQuantitativeFinanceandAccounting,14,2000•131-153.