金融危机前后股市价量关系实例分析

导语：金融危机前后股市价量关系实例分析一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

随着中国市场经济的不断发展，作为其中重要组成部分的金融市场对中国经济起到越来越重要的作用，也日益受到普通大众的关注。其中关于股票市场价量关系的研究一直是学术界专家学者和金融领域人员的研究热点之一。股市价格的波动性与其成交量间的互动关系，是理解股市波动性的关键指标之一。同时，对技术分析的完善也将做出贡献。国外方面，Wang（1994）[1]建立的价量动态模型认为交易量可以预测收益率。Lamoureux和Last-rapes（1990）[2]运用GARCH模型也证实了交易量对股价波动的解释力。在国内，李双成等（2006）[3]运用非对称成分GARCH-M模型，将交易量分解为预期交易量与非预期交易量来探究价量关系。夏天（2007）[4]利用CARR模型研究发现成交量对于股票指数和个股的股价波动性都具有良好的解释作用。综上所述，关于价量关系的研究在研究方法方面日渐成熟，但是，已有文献的研究视角大都只局限在单一时段或者不区分时段，这不利于全面考察中国股市价量间的关系。因此，将沪指划分为金融危机爆发之前和之后的牛、熊市两个时段来全面分析股市的价量关系，并探索交易量对价格波动的深层影响。

1数据采集及变量处理

1.1数据采集

采取上证A股的数据对中国股市的价量关系进行检验。样本的时间跨度为2005年6月6日至2011年9月30日。并将样本期分为两个子时段，目的是研究不同市场中价量关系的差异。第一时段为2005年6月6日至2007年10月16日，共计575个交易日数据；第二时段为2007年10月17日至2010年9月30日，共计969个交易日数据。数据样本选择以2007年10月16日为分界点，因为分界点之前股市为上升态势，分界点之后为下降趋势，分别呈现出牛市和熊市的状态。所有的数据均来源于RESSET金融研究数据库以及Wind金融数据库。所用分析软件为EVIEWS6.0和EX-CEL2003。

1.2变量选取

成交量表示为Vt，是对日成交量取对数后的结果。日收益率Rt为：Rt=100×（lnPt-lnPt-1)，其中，Pt表示第t个交易日的日收盘价。从表1中可知，收益率均值、中位数金融危机前均大于危机后，标准差的比较知熊市波动幅度大于牛市，体现了市场在两个不同发展阶段的走势。两阶段偏度、峰度说明中国股市收益率具有尖峰厚尾的特征。从JB统计量可知，中国股市的收益率不服从正态分布。

2模型构建——两时段量价关系的检验与比较

2.1金融危机前后价量关系的Granger因果检验对比分析

对收益率和成交量序列进行平稳性检验，结果如表2所示。滞后阶数根据SIC准则确定。由表2可知，在金融危机前的时段，收益率序列平稳，而成交量序列非平稳，经验证，成交量序列一阶平稳，因此这一时段，二者不能进行Granger因果检验。在金融危机后这一时段，收益率和成交量均为平稳序列，二者满足进行Granger因果检验的条件。从表3的Granger因果关系检验结果可知，金融危机后这一时段中，在5%的显著性水平下，收益率和成交量存在双向的因果关系，在一定程度上，二者可相互预测。

2.2基于GARCH模型的价量关系检验对比分析

首先，根据收益率残差序列的自相关和偏自相关系数确定滞后阶数，结合金融危机前的交易量序列是一阶差分后平稳，确定采用ARIMA（3,1,3）模型进行分析。而金融危机后的交易量序列是平稳的，且根据自相关值拖尾、偏自相关值3阶截尾的特征，确定采用ARMA（3,0）模型进行分析。然后对两阶段收益率残差序列进行ARCH-LM检验，结果显示，在5%的显著性水平下，两时段的收益率序列均存在ARCH效应，可以运用GARCH模型。分别利用ARIMA（3,1,3）和ARMA（3,0）模型将危机前后的交易量序列分解为非预期交易量Vut和预期交易量Vet两个部分。再从非预期交易量中分解出其超过均值的部分Vut。

2.3各序列对收益率影响的GARCH模型检验

选用GARCH（1,1）模型进行实证分析。为了比较不同类型的成交量对收益率波动性的解释能力，将不同类型的成交量加入到GARCH（1,1）模型的条件方差方程中，模型分别为：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）回归结果如表4。通过表4的回归结果可以看到金融危机前后两时段的一些异同。（1）金融危机前，系数θ1是显著的，而危机后θ1不显著，说明危机前成交量对股价的波动具有一定的解释作用，而危机后则没有解释作用。（2）由模型2和3可知，θ2和θ3均不显著，说明单独的预期成交量和非预期成交量对股价波动都没有解释力。但模型4的回归结果显示，二者联合起来对股价波动却起作用。与危机前不同，危机后，θ2不显著，而θ3显著；模型4可得出同样的结论，表明非预期成交量对价格有较强的解释力，而预期交易量则缺乏解释力。（3）模型5显示，非预期成交量中超过均值的部分的系数θ6是显著的。危机后，θ6的值为21.243，统计显著，且比模型1至模型4的系数值都要大。说明非预期成交量中超过均值部分对价格波动的解释能力优于非预期成交量。且比金融危机前时段解释力更强。

3结论及建议

3.1结论

(1)金融危机前股市的平均收益率远高于金融危机后的收益率均值，但金融危机前收益率的日波动幅度小于金融危机后的波动幅度。

(2)金融危机前，由于交易量序列不平稳，因此不确定交易量与收益率的Granger因果关系；而金融危机后这一时期，二者具有双向的因果关系。

(3)将不同类型的成交量加入到GARCH（1,1）模型的条件方差方程中进行回归，可知：金融危机前，成交量可以部分解释股价的波动，而危机爆发后，量对价的解释力消失了。其次，非预期成交量在危机前对股价波动都没有解释力，而金融危机后有一定的解释作用。再次，两时段中，预期成交量对波动均不具有解释力。最后，两个时段内，非预期成交量中超过均值的部分对股价波动性都具有一定地解释作用；但是，金融危机后其解释力更强。

(4)非预期成交量中超过均值部分的系数为正，说明交易量放量对市场的冲击比负的交易量对市场的冲击大，即非预期交易量对市场的冲击存在非对称性。

3.2建议

(1)一般情况下，成交量都只能部分的解释收益率。有时二者的关系是模糊不清的，这说明作为技术分析指标之一的平衡成交量法（OBV）具有一定的局限性。因此，技术分析投资者不宜单独使用OBV指标，应将该指标与基本分析及其他技术分析指标结合使用。

(2)完善做空机制。针对非预期交易量对市场冲击的非对称性，需要建立更加有效的做空机制来增加负面信息融入市场交易的能力，可以完善中国的股指期货和融资融券市场，以期能有效拆除市场自发性信息屏蔽，拓展信息流进入市场的数量与效率。