经济学年会论文提交.docx
- 文档编号:5457740
- 上传时间:2022-12-16
- 格式:DOCX
- 页数:16
- 大小:76.10KB
经济学年会论文提交.docx
《经济学年会论文提交.docx》由会员分享,可在线阅读,更多相关《经济学年会论文提交.docx(16页珍藏版)》请在冰豆网上搜索。
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
---------EvidencefromAStockofShanghaiStockExchangefrom1999to2004
Shaoxinjian
(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。
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。
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。
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)。
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
-1.61
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:
(1)
(2)
:
股票指数差分,即指数增量
:
成交额
和
为两个白噪声序列
:
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。
图一
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。
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
对应的原假设为
似然比统计量
,即LR渐进服从
分布。
若
则拒绝原假设,若
则接受原假设。
其中,
分别为别为滞后阶数是
时对应的最大对数似然值,
是确立原假设时所施加的约束条件个数,
为临界值。
代入滞后期为13和26时相应的相关参数,使用Eviews5.0软件可以算出似然统计量相应的P值近似为1,因此接受原假设,认为最优滞后时期数为13。
三、实证分析
1.Granger因果分析
借助前面建立的VAR方程
(1)和
(2),可以直接进行线性Granger因果检验。
两个原假设的检验结果列于表四和表五中,从中可以看到,在滞后时期数为13时,在1%的置信水平上,可以拒绝第一个原假设:
指数增量不是成交额的Granger原因,也可以拒绝第二个原假设:
交易额不是指数增量的Granger的原因,即价量之间是双向线性Granger因果关系。
但是上述检验结论是建立在模型滞后期为13的基础上,而滞后期为13时的SC和AIC值与其它滞后期相比相差并不大,而且如果采用其它的非SC或非AIC准则,得到的最优滞后期很可能不同,那么相应的Granger因果检验的结论就未必一样。
事实上,滞后时期选择差异是国内文献中诸多因果检验结论不一致的重要原因。
根据因特里格特(2004),Granger因果“检验对原始约束的滞后阶的选择敏感”。
为了保证检验结论的稳健性,我们可以对1至30的滞后期分别做因果检验,然后对结果做统计以全面客观地反映价量间的Granger因果关系,避免简单一次判断所得出结论的武断性。
检验结果如表四和表五所示,对于第一个原假使:
指数增量不是成交额的Granger原因,30次检验都在1%的水平上将其拒绝,结论是非常明确的,指数增量对成交额有显著的解释作用。
对于第二个原假设:
成交额不是指数增量的Granger原因,30次检验中有11次在1%的水平上将其拒绝(都是在滞后期小于或等于13时发生),有6次在5%水平上将其拒绝,有3次在10%的水平上将其拒绝,还有10次在10%的水平上也无法拒绝(其中9次发生在滞后期大于20时),拒绝的比例为2/3。
因此总体看来,在滞后时期小于等于13时,成交额对指数增量有着较为明确的解释作用,但随着期限的拉长,解释力度逐渐下降。
因此可以得出
结论一,在短期内,指数和成交量之间存在双向Granger线性因果关系,但随着期限的拉长,成交量对指数的解释能力逐渐下降。
这种价量关系显然是非对称的:
价强而量弱。
表四表五
原假设:
指数增量不是成交额的Granger原因
阶数
F统计量
阶数
F统计量
1
92.7356***
16
8.63140***
2
55.0529***
17
7.47013***
3
34.9086***
18
7.18546***
4
24.2382***
19
7.63641***
5
24.5405***
20
7.04115***
6
24.2944***
21
6.49769***
7
21.9036***
22
6.28077***
8
20.7767***
23
5.72840***
9
19.1751***
24
5.32046***
10
18.1642***
25
5.08758***
11
16.4747***
26
4.77730***
12
13.7088***
27
3.89938***
13
12.4894***
28
3.75644***
14
10.366***
29
3.36248***
15
9.58806***
30
3.19739***
原假设:
成交额不是指数增量的Granger原因
阶数
F统计量
阶数
F统计量
1
4.66489**
16
1.55838*
2
3.43991**
17
1.34165
3
4.29104***
18
1.50356*
4
6.13955***
19
1.76329**
5
4.96593***
20
1.68108**
6
4.22030***
21
1.32671
7
3.84681***
22
1.28881
8
2.81366***
23
1.25265
9
3.91284***
24
1.17788
10
2.76819***
25
1.24457
11
2.39309***
26
1.38135
12
2.34332***
27
1.30986
13
2.31919***
28
1.23257
14
2.04262**
29
1.33466
15
1.84575**
30
1.33585
注:
***表示在1%的显著性水平上拒绝原假设
**表示在5%的显著性水平上拒绝原假设
*表示在10%的显著性水平上拒绝原假设
此结论意味着,在VAR方程组中加入成交额和指数变动的滞后项,能够增强模型对两个内生变量未来值的预测力。
这首先说明中国市场还未达到弱式有效,当前的价格并没有对历史的信息做出完全的调整,通过分析股票历史的价格,可以更好地预测其未来的价格。
这与中国股市信息批露制度不完善,信息不对称严重,内幕交易盛行的普遍现象是完全一致的。
其次,如果在预测股票未来的价格时,考虑到最近几个交易日的成交量,可以提高预测的精确度。
在某种程度上可以说“成交量是价格的先行指标”,这与Blume,Easley和O'hara(1994)的模型结论是一致的。
总体看来,由于中国股市的信息扩散、传播的效率不高,基于量价关系的技术分析有其存在的统计学根据。
2.脉冲响应分析
下面我们借助于VAR工具箱中的脉冲响应函数,对指数增量和成交额的动态关系做进一步的定量分析。
脉冲反应分析的结果(尤其是初始期的反应)在一定程度上依赖于内生变量在方程组中的顺序,因此排序问题格外重要。
我们的处理方式是从指数增量到成交额,这主要是出于以下的考虑:
由前面Granger因果关系的判断可知(也是在现实的直觉意义上)往往是指数变化在前,成交额的增减在后,指数似乎对信息的反应更加迅速。
⑴成交额冲击对指数的作用。
从脉冲反应图二和表六中,可以看到,对于成交额一单位误差标准差(约23.26亿)的新息冲击,指数增量在第二日开始做出大约1.06点的反应,第三日反应达到最大的1.32点,反应的代数值逐渐下降,在第五日甚至达到负值1.57,此后反应的绝对幅度逐渐下降向零收敛。
更重要的是,在初始五期的反应中,除了三期和五期外,其余几期的反应在统计意义上是完全不显著的(从表中可以看到反应的标准差相对于反应的绝对值相当大)。
从图中可以清楚的看到,从第六期开始,反应量上下两倍标准差的区间已经稳定地将0值包含于内,即在统计意义上,无法拒绝反应的幅度与0没有区别。
因此我们得出结论二,成交额对指数增量的拉动作用在数量上是有限的,在持续时间上是短暂的。
一般认为,十几年来上市公司的基本面发展无法解释相对高位的指数,股票的投资收益与上市公司的经营业绩相关性不大。
相对于公司的基本面,股票价格对进入市场的资金量有着更为敏感的反应,指数的上涨在很大程度上由资金推动的,即中国股市具有资金推动型市场的特征。
较为普遍的一个现象是,绩优蓝筹股的市场表现平平,反倒是一些财务状况较差甚至是被ST或PT的小盘股票,在一些市场传言的刺激下,受到中小投资者的追捧,大量资金进入,交易活跃,价格被推高偏离其价值,形成一定程度的泡沫(王惠文,2003)。
从我们上面的分析结果来看,纯粹的资金(成交额)对指数的拉动作用是有限而短暂的,这也就意味着,如果上市公司的质量等基本面因素没有什么大的改进,那么欲保持股票指数的上升趋势,必然要求资金的大规模、持续性注入,也即是需要资金的不断推动。
但脱离基本面的价格上涨只能是泡沫,泡沫最终的爆裂必然严重影响证券市场的健康发展和经济的稳定增长。
因此,促进证券市场繁荣,不能将全部希望寄托于各种资金的“入市”,因为资金拉动作用是有限而不可持续的。
事实上,允许保险资金和养老基金投资股票市场,甚至QFII的引入并没有拉动股票指数的持续上涨,这已经证明了单纯的资金拉动力的有限性。
因此,无论是投资者还是证券市场的管理者都应将关注的焦点放在上市企业的公司治理和经营质量等一系列基本面上,寻求真正的“大智慧”,避免中国股票市场落入泡沫经济和“金钱游戏”的陷阱之中(吴敬琏,1994)。
⑵指数增量冲击对成交额的作用。
从图三和表七中可以看出,对于指数增量一单位误差标准差(约19.86点)的新息冲击,成交额在第一日迅速做出了6.45亿的反应,第二日反应达到最大值12.79亿,第三日到第十四日,反应幅度从8.87亿下降到2.85亿,其间有几次此小幅的波动。
从第十五日开始,反应量基本呈现了一个平滑的指数衰减趋势,逐渐向零值收敛。
需要注意的是,在第四十五日前的反应量在统计意义上是显著异于零的。
从第四十六日开始,反应量上下两倍标准差的区间才稳定地将零值包含于内。
由此可知,对于指数增量一单位误差标准差新息的冲击,成交额的同向反应(尤其是前七日)较为剧烈,且有效持续时间长达45个交易日。
由此我们得出结论三,指数增量对成交额具有显著的同方向推动作用,而且其效力在时间上也是较为持久的。
综合结论二和三可知,指数和成交额之间的动态相互作用也是非对称的,价强而量弱。
图二和图三
表六:
指数增量对成交额的新息反应表七:
成交额对指数增量的新息反应
时期
反应量
标准误
1
0
0
2
1.061
0.628
3
1.319
0.628
4
1.063
0.623
5
-1.566
0.613
6
1.15
0.60
7
-0.571
0.584
8
-1.015
0.579
9
0.618
0.572
10
-0.299
0.475
时期
反应量
标准误
1
6.452
0.718
2
12.794
0.867
3
8.867
0.976
4
8.009
1.048
5
8.015
1.104
6
7.307
1.152
7
5.836
1.179
8
5.308
1.212
9
4.014
1.22
10
3.116
1.215
结论三蕴涵着重要的财政意义。
无论是在绝对数量上,还是从占比的角度看,股票印花税都是中央财政收入的一个重要组成部分。
它是根据交易额乘以印花税率得到。
若保持印花税率不变,股票指数上涨,根据上述价量关系必然导致成交额显著持久的增加,相应的印花税自然水涨船高。
为验证这一推测,可以将上证综合指数和股票印花税两个时间序列进行比较分析。
从图表中我们看到在1993年至2005年间,二者基本保持了同一变动趋势,即,指数上升则股票印花税增加,指数下跌则股票印花税减少。
股指走势在很大程度上决定了股票印花税收入。
从表八可以看到股票印花税占中央财政收入的比重在1993--2004年间加权平均值为2.7%,市场行情较好的1997年至2000年,该比率平均为5.38%。
在股票指数屡创新高的2000年,甚至一度达到6.41。
但是2002至2004年由于市场不景气,股票指数相比前几年大幅缩水,市场成交额明显萎缩,导致股票印花税无论是绝对量还是占财政收入的比例与1997-2000年相差甚远。
图四
表八:
上证综合指数和股票印花税总额(1993-2005)
年份
1993
1994
1995
1996
1997
1998
上证综指
1013.39
674.1
657.8
764.65
1175.59
1261.04
印花税(亿元)
22
48.77
26.38
127.99
250.76
225.75
印花税占比(%)
2.3
1.68
0.81
3.5
5.93
4.62
(续表)
1999
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 经济学 年会 论文 提交