中国股市价格——交易量的线性及非线性因果关系研究.pdf

中国股市价格——交易量的线性及非线性因果关系研究 引言 股票市场中价格与交易量的关系已引起了相当多的理论研究者的注 意，虽然在金融市场微观结构理论的框架中，不同的模型会导致量价 关系的不同结论，但正如文的两阶段模型所指出，交易者可以通过同 时考察交易量和价格来推测该股票的信息，实证方面，Karpoff 总结 性地指出，价格绝对变化量与交易量正相关，且这种关系是不对称的， 他把这归因于卖空的限制，Harris 用混合分布理论(MDH)解释了量价 之间的正相关关系，并给出了实证的检验，与此同时，国内的研究者 也发现了量价之间的这种非对称的关系，另一方面，股票价格与交易 量之间的非线性关系也被 Gallant、Rossi 和 Tauchen，以及 Campell、 Grossman 和 Wang 的研究所记载，因此，有必要研究价格和交易量 之间的因果关系到底是线性还是非线性的，如果是非线性的，那么这 种非线性关系的来源是什么。 Jain 和 Joh 、Smirlock 和 Starks 用传统的 Granger 方法证实了量价之 间的线性因果关系，文则用非参数方法，证实了NYSE 的市场收益和 交易量之间的非线性双向因果关系，也证正如 Granger(1989)指出， 这个世界几乎肯定是由非线性关系构成的，在我们的实证研究中发 现：中国股市——沪市和深市的交易量与价格之间也是双向的非线性 因果关系，但在经过周末效应和GARCH 模型的调整后，非线性的因 果关系消失了，这就说明了量价之间的非线性因果关系体现在它方差 的记忆过程中，这一结论与 Hiemstra 和 Jones 对 NYSE 作的研究结论 不同。对此 MDH 也许是一个解释，Clark 指出，量价是由共同因素 ——信息到达驱动的，信息之间的相关性造成了 GARCH 类现象，因 此，在滤掉这一因素后，量价之间的相关性将消失，Hiemstra 和 Jones 的研究中，滤过后序列因果关系的显著性明显减小了，但在 5%的单 边水平上仍然存在，国内也有研究者检了沪市一定区间周数据原始时 间序列的因果关系，但本文与他们研究的区别是明显的。 本文的结论对市场监管者和实际投资者都有着重要的意义。市场监管 者可以从价格和交易量的关系中看出一个市场波动的性质，信息在市 场中传递的方向及效率，实践方面，华尔街有句老话："It takes volume to make prices move ．"国内任何一本关于股市投资的技术分析书籍 中，都可以看到量价的结合在做出投资决策方面的重要性，因此本文 的结论对实际投资者的重要性是不言而喻的。 数据和方法分析 本文的数据来源是香港理工大学和深圳国泰君安信息公司提供的市 场交易数据库(CSMAR) ．采用的样本是 1993 年 1 月 1 日至2000 年 12 月 30 日的数据。研究对象是整个市场，因此价格采用实践中应用 广泛的上证综合指数和深证综合指数。交易量也采用整个市场总的交 易量（A 股交易量加 B 股交易量）。沪深两市样本数分别为 1974 和 1893。由于Granger 因果关系对时间序列的平稳性要求，对两个序列 采用了对数差分，以后除非特别声明，收益和交易量序列 R[,t]和 V[,t] 指：R[,t]=100[*] (1nP[,t]-1nP[t-1]),V[,t]=100[*](1nV[,t]-1nV[,t-1])， 对 R[,t]和 V[,t] 的ADF 检验表明，两个时间序列都是平稳的。 附图{图} 上式中，A(L) 、B(L) 、C(L)和 D(L)是差分算子，并假设 U[,X,t]和 U[,Y,t] 独立同分布。考虑 y 对 x 的 Granger 因果关系检验用H[,0]:B(L) 的所 有滞后同时为零。X 对 y 的 Granger 因果关系检验用H[,0]:C(L) 的所 有滞后同时为零，本文中最优滞后阶数采用 Akaike 信息准则(AIC)或 Schwarz 贝叶斯信息准则(SBC) ． 附图{图} 其中，‖·‖ 是向量元素的最大模，则说 y 不是 x 的（严格的）Granger 非线性原因。 对沪市和深市的非线性因果关系的检验是建立在方程(1)、(2)的标准 化残差基础上的，如 Hiemstra 指出，方程(1)、(2)的残差很难满足 I ．I ．D ．的要求，故要采用修正的Baek 和 Brock 方法，方程(3) 的修 正的非参数估计如下，令 附图{图}的含义及估计方法见文，在Hiemstra 和 Jones 的蒙特卡洛模 拟基础上，也同文，取 lx=ly，m=1