我国A股市场量价关系的实证研究.doc

我国A股市场量价关系实证研究 引言 传统的金融理论在对金融资产价格变化进行研究的时候，很少关注交易量对其所产生的影响，而根据Clark（1973）、Epps和 Epps（1976）提出的MDH假说认为信息会对市场价格与交易量都造成影响，而交易量在反应信息冲击的时候会对市场价格的变化产生作用，因此价格的波动在一定程度上能由交易量所反映。 一般的计量经济学模型（OLS）要求时间序列回归模型满足同方差性，然而，在大多数的经济现象中，时间序列通常都具有异方差特性，即在某一时期收益波动可能平缓，而在另一时期却又剧烈。这种情况下，若由传统的计量经济学模型就会。金融资产的波动性（Volatility）是指金融收益率偏离其期望收益率的程度，一般在研究中均用收益率的标准差来波动性。Engle（1982）提出ARCH（自回归条件异方差）模型，该模型条件方差作为过去误差平方项的函数。信息的到达时间，并且自相关，所以条件波动对时间序列一定的依赖性。Bollerslev（1986）推广了模型并在模型的基础上了GARCH（广义自回归条件异方差）模型，该模型一经推出，便被广泛地运用到时间序列分析中。Engle和Robins以及Lilien（1987）GARCH-M 模型。 Clark（1973）棉花期货市场的日数据，结果发现价格变化的平方交易量之间也出现了正相关关系。Epps，M.L. 和Epps，T.W.（1976）使用20支股票的日数据进行研究，结果发现价格变化的方差与交易量之间呈现正相关关系。Morgan（1976）使用间隔四天为周期的数据以月度为周期的数据对选定的51支股票分别进行了研究，结果发现股票价格变化的方差与交易量呈现正相关关系。Westerfield（1977）使用315结果发现价格变化的绝对值与交易量之间也呈现正相关关系。Lamoureux和Lastrapes（1990）交易量信息流，GARCH效应，结果发现交易量，而过去价格却显著。这说明价格波动，同时也反应了，当把交易量作为信息流的一个替代指标时，它对价格波动确实具有很强的解释能力。Lee等（2001）对中国股票市场上之间的关系进行研究，结果发现交易量对条件波动。国外已有许多学者对股票市场上的量价关系进行了深入研究，并达成一致的共识：交易量与价格波动呈现正相关关系，即交易量价格波动，同理，交易量价格波动。所以在研究证券市场的波动性时，引入交易量将会使研究更有意义。股价波动性研究金融市场中具有十分重要的作用，股价波动性与交易量之间的关系就显得更加的重要了。 (1) 式中,1，为滞后期残差平方项的系数，代表近期市场“噪音”（innovation）或“消息”（news）影响的重要性，即当前信息对波动影响作用大小。为滞后期条件方差的系数，代表过去信息对现在波动的影响冲击的大小。V为日交易量。 本文的样本数据选取上证指数和深证指数。样本范围自2007年1月4日—2010年12月31日，共974个交易日的历史数据，其中日收益采用对数收益。 三、实证检验 从表1可以看出所有交易量序列都是平稳序列。因此，可以将交易量直接带入GARCH模型中来进行实证检验，相关结果见表2所示。 表 1 交易量序列的 ADF 检验 t 1%临界值 5%临界值 10%临界值 P 上证指数 -4.7617 -3.4368 -2.8643 -2.5683 0.0001 深证指数 -4.3536 -3.4368 -2.8643 -2.5683 0.0004 表 2 带交易量的GARCH（1,1）估计 D.W. 上证指数 0.00047* 0.1500 0.6000* 0.0246* 2.0052 深证指数 0.00058* 0.1500 0.6000* 0.0320* 1.9007 备注：*表示1%的显著水平。 从表 2 可以看出，交易量与价格波动之间存在显著的正相关关系，上证指数的正相关性达到0.0246，深证指数为0.0320。这表明大的交易量必将引起大的价格波动。同时还可以发现引入交易量后的GARCH项在1%显著水平下不再显著，说明交易量的引入能够大大削弱样本方程的记忆过程。 四、结论 对于股票价格变化和交易量之间关系的研究一直是金融领域的研究热点。通过量价关系的研究，能够加深对于金融市场微观结构的理解，同时进一步揭示信息在市场中的传播途径以及影响范围，为我们了解市场、把握市场提供很好的理论与实证支持。