大连期货市场大豆量价剖析.docVIP

大连期货市场大豆量价分析 　　[摘要] 本文运用GARCH模型和多元的GARCH模型对大连期货市场大豆的量价关系进行了分析，发现收益的绝对值较收益率本身与交易量有更大的相关性，收益率的绝对值对交易量的条件方差具有显著的影响，且它们的波动都有很强的持续性。运用多元的GARCH模型发现交易量的条件方差与收益率的条件方差有显著的相关性，但是条件方差的滞后项却对对方的条件方差的解释作用较小。 　　[关键词] 多元的GARCH模型 交易量 收益率 　　 　　量价关系的研究有着重要的意义，能够帮助我们对金融市场的微观结构有更为深入的了解。量价关系的实证研究国内较少，且大多为股市的量价研究。其中华仁海和仲伟俊（2002）对我国期货市场价格波动与成交量之间的关系进行了实证分析，检验结果显示交易量与绝对价格之间存在正相关关系，交易量与价格波动之间无关系。李慧如（2007）把交易量分成可预测部分和不可预测部分，并运用Granger因果检验和GARCH模型对我国郑州期货价格与交易量的关系进行了实证分析，研究结果表明：( 1) 绝对价格变动与交易量之间呈现线性正相关；（2）期货市场价格波动不具有对称性, 但是杠杆效应并不显著。 　　本文首先进行数据的选取、处理和模型介绍，然后描述收益率与交易数据的统计特征，建立GARCH模型考察收益率的绝对值与交易量的波动的关系，最后运用多元的GARCH模型，把两者都作为内生变量，研究收益率与交易量之间的波动关系。 　　一、数据选取和模型介绍 　　1.数据处理 　　本文采集了2002年3月15日至2007年5月14日大豆期货合约每天的收盘价和交易量（数据来源：大连期货交易所网站）。由于每个期货合约都将在一定时间到期, 因此如何产生一个连续的期货价格序列是个难题。本文选取离交割期最近月份的期货合约作为代表, 在进入交割月后选取下一个最靠近交割月份的合约, 得到连续期货价格序列和交易量序列。 　　定义rt=Ln(pt/pt-1)，vt=Ln(Vt/Vt-1)。其中pt、Vt分别代表第t天大豆期货的收盘价及对应期货合约的成交量, rt，vt分别代表第t天期货价格的波动值和成交量的变动值。rt可以理解为期货价格变动的收益率，这样处理可以使数据平稳，减小异常值的影响，使统计性质稳定。 　　2.多元的GARCH模型介绍 　　多元的GARCH模型由一元的GARCH模型推广而来，它仍是由两部分构成。考虑一个多元序列{rt}，采取与一元情形相同的方法将序列改写为 　　 rt=ut+at 　　对ut采用一个简单的向量ARMA结构就足够了，即 　　 ut=c+∑∮i rt-i-∑⊙iat-i 　　对at建立GARCH模型，以二元的GARCH（1，1）模型为例 　　ht=c+b1at-12+b2ht-1 　　只不过我们看到的系数c为项量，b1、b2为矩阵。对at的波动率模型建模，我们只要考虑ait的条件方差和相关系数就足够了。相关系数的估计一般分为常相关系数和时变相关系数，本文将采用常相关系数。 　　二、实证分析 　　1.数据基本的统计特征 　　在对收益率、收益率的绝对值与交易量的相关性分析中发现收益率的绝对值与交易量有更显著的相关性。这里我们使用Pearson相关系数，它代表线形相关关系。收益率本身与交易量的相关系数为0.11，收益的绝对值与交易量的相关系数为0.18。所以，文章下面的分析主要研究收益率的绝对值与交易量的关系（文中下面提到的收益率都指收益率的绝对值）。 　　在对rt，vt的一些基本统计数据中，它们的峰度分别为7.5和10.8，都表现出高峰后尾特征，不满足正态分布。它们很可能存在序列相关及ARCH效应（波动的集聚性） 。所以，下面对它们建立GARCH模型。 　　2.GARCH模型 　　首先，我们建立ARMA模型，虽然消除了残差的自相关，但是还存在明显的ARCH效应。所以下面建立GARCH模型，ARCH效应的统计检验结果表明模型很好的消除了ARCH效应。 　　1.期望值之间的影响关系 　　期望方程部分，从期望收益率方程中我们看到交易量的期望滞后期与收益率负相关，期望交易量方程中收益率的滞后项对交易量同样负相关。从数字的大小上看，收益率的滞后项对交易量的解释能力更大，影响更强烈。 　　2.波动的持续性及影响关系 　　我们首先看收益率的条件方差方程，系数之和为0.71，说明波动具有很强的持续性。再看交易量的条件方差方程，系数之和为0.87，波动的持续性也很明显；并且收益率的滞后项对交易量的条件方差有显著的影响，收益率较高交易量的波动相对也较大。 　　GARCH模型 收益率期望方程: 　　rt=0.006+0.11rt-1?0.09at-1-0.0003vt-2 　　收益