基于VAR模型的上海A股市场价量关系研究.docVIP

  • 46
  • 0
  • 约4.6千字
  • 约 8页
  • 2016-08-21 发布于北京
  • 举报

基于VAR模型的上海A股市场价量关系研究.doc

基于VAR模型的上海A股市场价量关系研究.doc

基于VAR模型的上海A股市场价量关系研究   【摘要】股票技术分析中十分重视价量关系,其核心思想在于“量在价先”,认为成交量能够有效影响和预测股价。本文建立VAR模型对上海A股市场价量关系进行研究,并通过建立脉冲响应函数、进行预测方差分解,以及进行格兰杰因果检验,发现短期内成交量确实对股价有一定影响,但股价对成交量的影响更为剧烈,长期中两者相互关系不显著,最后发现两者具有双向格兰杰因果关系。   【关键词】成交量 股价 VAR模型 格兰杰因果检验   一、引言   自股票市场诞生以来,股票分析就一直分为基本面分析和技术面分析两大派别,其中基本面分析侧重于公司本身的经营状况,技术面分析侧重于股票本身的走势变化,十分重视价量关系,如普遍认为“量在价先”,认为成交量的大小可以预测股价走势。传统的金融计量学中对股票市场中股价走势的分析较少关注成交量,而笔者认为成交量有非常重要的作用,因为成交量是实实在在的真实成交,而股价有可能在随机波动甚至机构控盘的情况下带有一定的不真实成分,这里的“不真实”主要是指其不能客观反应市场交易状况,在一些技术分析人士中甚至认为有时候成交量比股价更为重要。Gallant(1992)等也指出,对股价与交易量的联合动态研究,能够提供比仅对股价单一变动研究更多的关于资本市场的信息。因此本文建立VAR模型估计价量关系,然后考察其脉冲响应和方差分解,最后对其进行格兰杰因果检验,观察价量关系。   二、实证分析   (一)数据处理   由于我国证券市场自1996年12月26日起开始实施涨跌停板制度,考虑到此制度可能对价量关系有一定影响,所以本文采用数据为1996年12月27日至2015年5月28日的上海A股市场价格(上证指数)与成交量。数据来源于通达信股票软件。   记time为时间,price为每日收盘价,volume为每日成交量,lprice和lvolume分别为price和volume的对数值,dlprice和dlvolume分别为lprice和lvolume的一阶差分,所有数据分析均用stata软件进行。   (二)数据描述   对股价和成交量原始数据price和volume进行描述性统计,结果如下表所示。   从结果可知,检验price时其ADF统计量的绝对值小于临界值的绝对值,说明存在单位根,其不平稳;检验volume时其ADF统计量的绝对值大于临界值的绝对值,说明不存在单位根,其平稳。   由于price不平稳而volume平稳,即他们单整阶数不同,可以认为他们不存在协整关系。为了做VAR模型,再对price和volume的对数值lprice和lvolume分别通过ADF方法检验其平稳性。   由结果可知两者ADF统计量的绝对值均大于临界值的绝对值,说明dlprice和dlvolume均平稳,因此可以直接用其做VAR模型。   (四)建立VAR模型   在一个含有n个方程(被解释变量)的VAR模型中,每个被解释变量都对自身以及其他被解释变量的若干期滞后值进行回归,令滞后阶数为k,则VAR模型的一般形式可表示为:   为了确定方程中的阶数k,需要判断滞后期数。通过信息准则法判断滞后期数,检验结果如下:   由结果可知VAR模型中滞后期数可能为4期或者8期,用8期为最大滞后期数再做一次滞后期检验,结果如下:   由结果可知VAR模型中滞后期数应当为8期,由此建立下列VAR模型:   估计VAR模型,结果如下所示:   由VAR模型估计结果可知,滞后4期与6期的dlprice对dlprice有显著影响,说明股价的变化在一定期数后才会对股价产生影响,且正负影响均存在;滞后1期和2期的dlvolume对dlprice有显著正向影响,说明成交量的放大确实会在紧接着之后的1到2期里显著影响股价上升,这也说明了技术分析中所流传的“量在价先”有一定道理;滞后1期、6期与8期的dlprice对dlvolume有显著影响,其中滞后1期的dlprice对dlvolume有显著的正向影响,且系数非常大,这说明股价的急剧上涨会迅速吸引资金入市从而放大成交量,这也验证了股市中天量往往在阶段性高点出现的事实;滞后1到8期的dlvolume全部都对dlvolume有显著负的影响,这说明当量放大或者缩小后,以后一段时间内量能有相反变化的趋势。   (五)脉冲响应函数与预测方差分解   VAR模型的F检验不能揭示某个给定变量的变化对系统内其他变量产生的影响是正向的还是负向的,以及这个变量的变化在系统内会产生多长时间的影响。这些信息可以通过考察VAR模型中的脉冲响应(Impulse Response)和方差分解(Variance Decompositions)得到。   考察VAR模型中的脉

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档