经济学年会论文提交

经济学年会论文提交类别：金融学作者简介：姓名：邵新建；附录：英文题目、摘要和关键词AStudyOntheAsymmetryoftheDynamicRelationshipBetweenPriceandVolumeinChineseStockMarket---------EvidencefromＡStockofShanghaiStockExchangefrom1999to2004Shaoxinjian（theSchoolofEconomics，NankaiUniversity，Tianjin300071，China）Abstract:ThispaperestablishesarobustVARmodelontherelationshipbetweenthestockindexandturnoverusingtheA–stockdatafromShanghaiStockExchange.Togettheprice–volumerelationship,theVARtoolkitisusedincludingGranger-causalityandimpulseresponsefunctionandvariance-decomposition.Itisobviousthattheinteractiverelationshipbetweenthestockpriceandvolumeisasymmetric:priceisstrongwhilevolumeisweak.Theanalysisshowsthattheshockfromturnovergiveslimitedandbriefeffectsontheindex.However,theincreaseofindexcanenhancetheturnoversignificantlyforaquitelongtime.Inaddition,Weelaboratetheintuitionsbehindtheseconclusionsandgivesomesimpleexplanationsontheseresults.Keywords:Robust;ImpulseResponse;StongPriceandWeakVolume中国股票市场价量动态关系的非对称性研究——来自上证A股1999—2004的证据摘要：本文利用上证A股数据，基于稳健性的原则建立了VAR模型，以此模型为基础对指数和成交额进行了Granger因果检验、脉冲响应分析和方差分解分析。结果发现价量之间的相互作用是非对称的，存在明显的“价强量弱”现象。成交额对股票指数的影响是有限而短暂的，但指数对成交额具有显著而持久的同方向作用。文章对这些结论所蕴涵的深刻现实意义进行了详尽的分析，并对这种非对称性做出了初步的理论解释。关键词：稳健性脉冲响应价强量弱金融市场的价量关系主要是指证券价格(亦包括价格变动、收益率和波动率等价格派生指标)和成交量之间的相互关系。价量关系具有重要的理论意义和应用价值，正如Karpoff(1987)所总结的：价量关系有助于对股票市场微观结构的理解；进行事件研究时，结合价量关系对结论的推断有更大的贡献；价量关系在研究股价的分布状态时具有决定性的作用。因此它一直是现代金融经济学研究的热点问题。一、股市价量关系的研究沿革：文献综述早期的价量关系主要集中于收益率和成交量之间的同期静态关系上，Clark(1973)和Epps(1976)等建立和发展了混合分布假说，该理论认为信息流的冲击导致了价量之间的关系。Copeland(1976)和Jennings(1981)提出和发展了信息顺序到达模型，认为信息的逐步扩散过程决定了价量关系。进入九十年代后，价量关系研究的主流逐渐转移到了收益率和成交量之间的动态关系上，Gallant、Rossi和Tauchen(1992)、Hiemstra和Jones(1992)的研究得出了基本一致的结论：收益率和成交量之间存在着动态的双向的非线性因果关系。Harris和Raviv(1993)的模型认为在投机性市场上由于投资者对信息的理解不同，导致价格的绝对变化和成交量正相关。Wang(1994)的模型认为理性的投资者具有的私人投资机会和信息是不同的，由此导致的信息性交易和非信息性交易造成了收益率和成交量之间不同的动态关系。Lamoureux和Lastrapes(1990)发现引入成交量后，收益率的GARCH效应会显著下降。但是Chen(2001)使用EGARCH模型对九个国家的证券市场的实证分析表明成交量中包含了收益生成过程中的某些信息，但成交量对收益率的波动性没有显著的解释作用。国内学术界在价量基础理论方面的研究较少，多数文献主要是借鉴国外的理论和计量方法对中国证券市场上的价量关系进行实证分析。陈怡玲和宋逢明（2000）、李双成和王春峰(2003)、赵留彦和王一鸣（2003）对各自的样本进行研究后认为非预期交易量相对于预期交易量对波动率的解释能力更强。张维和闫冀楠（1998）、王承炜和吴冲锋（2002）利用Baek-Brock非参数方法地中国股票市场进行了Granger因果关系检验，结论认为收益率对交易量存在单向的线性因果关系，长期内存在双向的非线性因果关系。唐齐鸣和张学功（2005）、芮萌和孙彦丛（2003）的研究发现存在由收益率到成交量的单向因果关系。但赵春光和袁君丽（2001）使用1991年4月至2001年3月深圳成指和交易量的月度数据，认为月度价量之间不存在因果关系。孙建明（2003）认为交易量增量和价格增量之间存在双向的Granger因果关系。赵振全和薛丰慧（2005）使用VAR（7）模型通过分析1997年1月至2004年5月的上证综指和交易量的每日数据也认为交易量和收益率之间存在双向的因果关系。由上可知，国内的诸多研究结论并不一致，甚至相互矛盾。究其原因主要是：1、数据的时期不同，很少考虑特定时期内可能的结构断点①。2、对数据的处理不同，对数据过多的处理和加工很可能破坏了价量关系的直觉含义。3、模型的滞后期选择差异也很大，一些研究缺少一个较为可信的判断程序，直接影响了其结论的可信性。中国股票市场本身在不断变迁，价量关系并不是完全稳定的，它对上述各个因素的反应是非常敏感的。因此我们下面的实证研究无论是数据的来源、处理，还是模型的选择、分析，都基于稳健性的原则，尽量减少由于主观的处理对分析过程的干扰，尽量避免不合理的数据发掘②。下文首先针对国内诸多文献在价量因果关系认识上的矛盾，通过向量自回归方法，从稳健性的原则出发，通过30期滞后模型的多重判断，对价量价量之间Granger因果关系给出较为可信的结论。然后在这种定性判断的基础上，尝试运用脉冲响应函数和方差分解技术，从定量追踪的角度对其动态相互作用做进一步的考察，同时分析实证结论所隐含的深刻现实意义。最后对核心的结论给出初步的理论解释。二、样本描述与模型构建1.样本描述本文的数据选自各年《中国证券期货统计年签》。由于深圳证券交易所1999年停止了新股上市，直到2004年才重新获准中小企业板块的上市资格，可能会造成深证市场价量关系的结构性变化，本文剔除这部分数据。上证中涵盖范围广，具有代表性的指数有上证综合指数和A股指数，综合指数中的B股经历了一系列的结构性变迁，其交易规模、价格的波动幅度与A股差别很大，因此本文选取上证A股指数和交易量（成交金额）作为样本。同时，中国股票市场是一个新兴的市场，国家的政策法规变化频繁，尤其是在市场建立初期。1999年新的证券法开始实施，市场各方参与者之间的法律关系也有了相对清晰的界定。因此，本文数据选择的时间跨度为1999年1月1日至2004年12月31日，共1566个交易日的数据。2.单位根检验为了保证检验结果的稳健性，我们对价量序列都分别进行了不含截据和趋势项，只含截据项，含有截据项和趋势项三种形式的检验。检验结果列于下表中。从表一、二和三中可以看到，三次检验中，在1%的显著性水平上都顺利拒绝成交额含有单位根的原假设，即成交额序列是平稳的。但在10%的水平上也无法拒绝股票指数含有一个单位根的原假设。对股票指数的差分（指数增量）序列的检验显示，指数增量是一个平稳序列③。为避免谬误回归，下面所建立的VAR方程组中包括的内生变量是成交额和指数增量（而非指数本身）④。表一原假设：成交额含有一个单位根检验形式ADF统计量t值1%临界值5%临界值10%临界值不含截距和趋势项-4.62-2.57-1.94-1.61①比如1996年底沪深股市都开始实行交易价格的涨跌幅限制制度，这前后的价量关系显然是有系统性差别的，很多研究使用的数据横跨1996年，但很少对此做出相应的调整。②根据D.F.Hendry和秦朵（1998），数据发掘的含义很宽，至少有三层。我们是指“建模者为了证实理论而有意掩盖或摒弃与理论相悖的数据信息”，这实质上是一种数据的操纵。在价量的计量分析中，容易产生这种数据操纵的部分包括单位根检验形式及相应显著性水平的选择和VAR模型滞后期的确定。下文的检验程序为避免这个问题，都采取了严格和稳健的方法。③这与金融学中股票价格服从随机游走的假设是一致的。④特别值得一提的是，二者具有流量意义。分析流量与流量之间的关系在统计和逻辑意义上都是比较合理的，一些研究直接分析股票指数和成交量之间的关系，这种做法是值得商榷的。只含截距项-9.78-3.43-2.86-2.57含截距和趋势项-9.77-3.96-3.41-3.13注：三种检验形式的滞后阶数根据SC准则确定,分别为2阶、1阶和1阶。表二原假设：股票指数含有一个单位根检验形式ADF统计量t值1%临界值5%临界值10%临界值不含截距和趋势项-0.29-2.57-1.94-1.62只含截距项-1.86-3.43-2.86-2.57含截距和趋势项-2.25-3.96-3.41-3.13注：三种检验形式的滞后阶数根据SC准则确定，皆为0阶。表三原假设：指数增量含有一个单位根检验形式ADF统计量t值1%临界值5%临界值10%临界值不含截距和趋势项-41.14-2.57-1.94-1.62只含截距项-41.13-3.43-2.86-2.57含截距和趋势项-41.18-3.96-3.41-3.13注：三种检验形式的滞后阶数根据SC准则确定，皆为0阶。本文分析的对象是股票指数和成交量，所以模型中只包含这两个内生变量。VAR方程组的表达式为：1111nnitijtjtijIVUtI（1）2112nntitijtjtijVIVU（2）tI：股票指数差分，即指数增量tV：成交额1tU和2tU为两个白噪声序列n：为最优滞后时期3.滞后期的确定建立VAR方程组的第一步就是确定最优滞后时期。滞后期的选择标准一般使用AIC或SC信息准则。随着滞后时期数的增加，待估计参数的迅速增加会导致模型的自由度下降，从而产生参数估计的有效性问题。因此可以首先确立一个最大的滞后时期数MAXLAG，然后分别计算从1至MAXLAG的AIC或SC值，从中选择一个最优滞后期。考虑到每日股票指数增量和成交量在很大程度上是由当日新的信息所驱动的，而在市场上每日都有大量新的信息产生，某交易日的信息（反应在滞后的指数增量和成交额的滞后项上）对未来价量产生有效影响的时间不会太长，三十个交易日作为最大的滞后长度应该是可以接受的⑤。图一⑤一般每周有五个交易日，三十个交易日相当于42个自然日。17.818.018.218.418.618.819.019.25101520253035AICSC将不同的最大滞后时期与其对应的AIC和SC值绘成图一，从中可以看到在1-30的滞后期内，当N=26时，AIC达到最小；而当N=13时，SC达到最小⑥。为了在13和26之间做出选择，我们使用对数似然比检验（LogLikelihoodRatio)来做出判断。检验程序如下：最优滞后阶数是12PP对应的原假设为012:HPP似然比统计量2LL21LR=-2(-)(