導(dǎo)語(yǔ)：金融危機(jī)前后股市價(jià)量關(guān)系實(shí)例分析一文來(lái)源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

隨著中國(guó)市場(chǎng)經(jīng)濟(jì)的不斷發(fā)展，作為其中重要組成部分的金融市場(chǎng)對(duì)中國(guó)經(jīng)濟(jì)起到越來(lái)越重要的作用，也日益受到普通大眾的關(guān)注。其中關(guān)于股票市場(chǎng)價(jià)量關(guān)系的研究一直是學(xué)術(shù)界專家學(xué)者和金融領(lǐng)域人員的研究熱點(diǎn)之一。股市價(jià)格的波動(dòng)性與其成交量間的互動(dòng)關(guān)系，是理解股市波動(dòng)性的關(guān)鍵指標(biāo)之一。同時(shí)，對(duì)技術(shù)分析的完善也將做出貢獻(xiàn)。國(guó)外方面，Wang（1994）[1]建立的價(jià)量動(dòng)態(tài)模型認(rèn)為交易量可以預(yù)測(cè)收益率。Lamoureux和Last-rapes（1990）[2]運(yùn)用GARCH模型也證實(shí)了交易量對(duì)股價(jià)波動(dòng)的解釋力。在國(guó)內(nèi)，李雙成等（2006）[3]運(yùn)用非對(duì)稱成分GARCH-M模型，將交易量分解為預(yù)期交易量與非預(yù)期交易量來(lái)探究?jī)r(jià)量關(guān)系。夏天（2007）[4]利用CARR模型研究發(fā)現(xiàn)成交量對(duì)于股票指數(shù)和個(gè)股的股價(jià)波動(dòng)性都具有良好的解釋作用。綜上所述，關(guān)于價(jià)量關(guān)系的研究在研究方法方面日漸成熟，但是，已有文獻(xiàn)的研究視角大都只局限在單一時(shí)段或者不區(qū)分時(shí)段，這不利于全面考察中國(guó)股市價(jià)量間的關(guān)系。因此，將滬指劃分為金融危機(jī)爆發(fā)之前和之后的牛、熊市兩個(gè)時(shí)段來(lái)全面分析股市的價(jià)量關(guān)系，并探索交易量對(duì)價(jià)格波動(dòng)的深層影響。

1數(shù)據(jù)采集及變量處理

1.1數(shù)據(jù)采集

采取上證A股的數(shù)據(jù)對(duì)中國(guó)股市的價(jià)量關(guān)系進(jìn)行檢驗(yàn)。樣本的時(shí)間跨度為2005年6月6日至2011年9月30日。并將樣本期分為兩個(gè)子時(shí)段，目的是研究不同市場(chǎng)中價(jià)量關(guān)系的差異。第一時(shí)段為2005年6月6日至2007年10月16日，共計(jì)575個(gè)交易日數(shù)據(jù)；第二時(shí)段為2007年10月17日至2010年9月30日，共計(jì)969個(gè)交易日數(shù)據(jù)。數(shù)據(jù)樣本選擇以2007年10月16日為分界點(diǎn)，因?yàn)榉纸琰c(diǎn)之前股市為上升態(tài)勢(shì)，分界點(diǎn)之后為下降趨勢(shì)，分別呈現(xiàn)出牛市和熊市的狀態(tài)。所有的數(shù)據(jù)均來(lái)源于RESSET金融研究數(shù)據(jù)庫(kù)以及Wind金融數(shù)據(jù)庫(kù)。所用分析軟件為EVIEWS6.0和EX-CEL2003。

1.2變量選取

成交量表示為Vt，是對(duì)日成交量取對(duì)數(shù)后的結(jié)果。日收益率Rt為：Rt=100×（lnPt-lnPt-1)，其中，Pt表示第t個(gè)交易日的日收盤價(jià)。從表1中可知，收益率均值、中位數(shù)金融危機(jī)前均大于危機(jī)后，標(biāo)準(zhǔn)差的比較知熊市波動(dòng)幅度大于牛市，體現(xiàn)了市場(chǎng)在兩個(gè)不同發(fā)展階段的走勢(shì)。兩階段偏度、峰度說(shuō)明中國(guó)股市收益率具有尖峰厚尾的特征。從JB統(tǒng)計(jì)量可知，中國(guó)股市的收益率不服從正態(tài)分布。

2模型構(gòu)建——兩時(shí)段量?jī)r(jià)關(guān)系的檢驗(yàn)與比較

2.1金融危機(jī)前后價(jià)量關(guān)系的Granger因果檢驗(yàn)對(duì)比分析

對(duì)收益率和成交量序列進(jìn)行平穩(wěn)性檢驗(yàn)，結(jié)果如表2所示。滯后階數(shù)根據(jù)SIC準(zhǔn)則確定。由表2可知，在金融危機(jī)前的時(shí)段，收益率序列平穩(wěn)，而成交量序列非平穩(wěn)，經(jīng)驗(yàn)證，成交量序列一階平穩(wěn)，因此這一時(shí)段，二者不能進(jìn)行Granger因果檢驗(yàn)。在金融危機(jī)后這一時(shí)段，收益率和成交量均為平穩(wěn)序列，二者滿足進(jìn)行Granger因果檢驗(yàn)的條件。從表3的Granger因果關(guān)系檢驗(yàn)結(jié)果可知，金融危機(jī)后這一時(shí)段中，在5%的顯著性水平下，收益率和成交量存在雙向的因果關(guān)系，在一定程度上，二者可相互預(yù)測(cè)。

2.2基于GARCH模型的價(jià)量關(guān)系檢驗(yàn)對(duì)比分析

首先，根據(jù)收益率殘差序列的自相關(guān)和偏自相關(guān)系數(shù)確定滯后階數(shù)，結(jié)合金融危機(jī)前的交易量序列是一階差分后平穩(wěn)，確定采用ARIMA（3,1,3）模型進(jìn)行分析。而金融危機(jī)后的交易量序列是平穩(wěn)的，且根據(jù)自相關(guān)值拖尾、偏自相關(guān)值3階截尾的特征，確定采用ARMA（3,0）模型進(jìn)行分析。然后對(duì)兩階段收益率殘差序列進(jìn)行ARCH-LM檢驗(yàn)，結(jié)果顯示，在5%的顯著性水平下，兩時(shí)段的收益率序列均存在ARCH效應(yīng)，可以運(yùn)用GARCH模型。分別利用ARIMA（3,1,3）和ARMA（3,0）模型將危機(jī)前后的交易量序列分解為非預(yù)期交易量Vut和預(yù)期交易量Vet兩個(gè)部分。再?gòu)姆穷A(yù)期交易量中分解出其超過(guò)均值的部分Vut。

2.3各序列對(duì)收益率影響的GARCH模型檢驗(yàn)

選用GARCH（1,1）模型進(jìn)行實(shí)證分析。為了比較不同類型的成交量對(duì)收益率波動(dòng)性的解釋能力，將不同類型的成交量加入到GARCH（1,1）模型的條件方差方程中，模型分別為：模型1σ2t=ω+αu2t-1+βσ2t-1+θ1Vt（1）模型2σ2t=ω+αu2t-1+βσ2t-1+θ2Vet（2）模型3σ2t=ω+αu2t-1+βσ2t-1+θ3Vut（3）模型4σ2t=ω+αu2t-1+βσ2t-1+θ4Vet+θ5Vut（4）模型5σ2t=ω+αu2t-1+βσ2t-1+θ6Vut（5）回歸結(jié)果如表4。通過(guò)表4的回歸結(jié)果可以看到金融危機(jī)前后兩時(shí)段的一些異同。（1）金融危機(jī)前，系數(shù)θ1是顯著的，而危機(jī)后θ1不顯著，說(shuō)明危機(jī)前成交量對(duì)股價(jià)的波動(dòng)具有一定的解釋作用，而危機(jī)后則沒(méi)有解釋作用。（2）由模型2和3可知，θ2和θ3均不顯著，說(shuō)明單獨(dú)的預(yù)期成交量和非預(yù)期成交量對(duì)股價(jià)波動(dòng)都沒(méi)有解釋力。但模型4的回歸結(jié)果顯示，二者聯(lián)合起來(lái)對(duì)股價(jià)波動(dòng)卻起作用。與危機(jī)前不同，危機(jī)后，θ2不顯著，而θ3顯著；模型4可得出同樣的結(jié)論，表明非預(yù)期成交量對(duì)價(jià)格有較強(qiáng)的解釋力，而預(yù)期交易量則缺乏解釋力。（3）模型5顯示，非預(yù)期成交量中超過(guò)均值的部分的系數(shù)θ6是顯著的。危機(jī)后，θ6的值為21.243，統(tǒng)計(jì)顯著，且比模型1至模型4的系數(shù)值都要大。說(shuō)明非預(yù)期成交量中超過(guò)均值部分對(duì)價(jià)格波動(dòng)的解釋能力優(yōu)于非預(yù)期成交量。且比金融危機(jī)前時(shí)段解釋力更強(qiáng)。

3結(jié)論及建議

3.1結(jié)論

(1)金融危機(jī)前股市的平均收益率遠(yuǎn)高于金融危機(jī)后的收益率均值，但金融危機(jī)前收益率的日波動(dòng)幅度小于金融危機(jī)后的波動(dòng)幅度。

(2)金融危機(jī)前，由于交易量序列不平穩(wěn)，因此不確定交易量與收益率的Granger因果關(guān)系；而金融危機(jī)后這一時(shí)期，二者具有雙向的因果關(guān)系。

(3)將不同類型的成交量加入到GARCH（1,1）模型的條件方差方程中進(jìn)行回歸，可知：金融危機(jī)前，成交量可以部分解釋股價(jià)的波動(dòng)，而危機(jī)爆發(fā)后，量對(duì)價(jià)的解釋力消失了。其次，非預(yù)期成交量在危機(jī)前對(duì)股價(jià)波動(dòng)都沒(méi)有解釋力，而金融危機(jī)后有一定的解釋作用。再次，兩時(shí)段中，預(yù)期成交量對(duì)波動(dòng)均不具有解釋力。最后，兩個(gè)時(shí)段內(nèi)，非預(yù)期成交量中超過(guò)均值的部分對(duì)股價(jià)波動(dòng)性都具有一定地解釋作用；但是，金融危機(jī)后其解釋力更強(qiáng)。

(4)非預(yù)期成交量中超過(guò)均值部分的系數(shù)為正，說(shuō)明交易量放量對(duì)市場(chǎng)的沖擊比負(fù)的交易量對(duì)市場(chǎng)的沖擊大，即非預(yù)期交易量對(duì)市場(chǎng)的沖擊存在非對(duì)稱性。

3.2建議

(1)一般情況下，成交量都只能部分的解釋收益率。有時(shí)二者的關(guān)系是模糊不清的，這說(shuō)明作為技術(shù)分析指標(biāo)之一的平衡成交量法（OBV）具有一定的局限性。因此，技術(shù)分析投資者不宜單獨(dú)使用OBV指標(biāo)，應(yīng)將該指標(biāo)與基本分析及其他技術(shù)分析指標(biāo)結(jié)合使用。

(2)完善做空機(jī)制。針對(duì)非預(yù)期交易量對(duì)市場(chǎng)沖擊的非對(duì)稱性，需要建立更加有效的做空機(jī)制來(lái)增加負(fù)面信息融入市場(chǎng)交易的能力，可以完善中國(guó)的股指期貨和融資融券市場(chǎng)，以期能有效拆除市場(chǎng)自發(fā)性信息屏蔽，拓展信息流進(jìn)入市場(chǎng)的數(shù)量與效率。