我國股票市場交易量與收益率關系的計量分析(詳細步驟)

我國股票市場成交量與收益率關系的計量分析摘要：本文用上證綜合指數(shù)代表了市場組合的各種指數(shù)，通過對上其研究，采用VAR模型來分析我國股票市場股票價格的變動，來研究股票成交量與收益率之間的關系。關鍵詞：股票成交量股票收益率VAR模型計量分析一．引言股票市場的成交量和收益率是描述股票收益和風險的最基本變量而量價關系研究的主要目的是探索兩者之間的統(tǒng)計表現(xiàn)特征及內(nèi)在規(guī)律聯(lián)系，反映了市場中信息的傳遞方式和投資者對信息的獲取及價格發(fā)現(xiàn)的過程。二．文獻綜述以前也有很多學者來研究股票市場成交量與收益率之間的關系。如Campbell等認為隨著大成交量的價格變化將導致價格的反轉(zhuǎn);Copeland提出的信息順序到達模型發(fā)現(xiàn)股票價格和交易量之間存在正向因果關系；Blume等認為由于市場存在信息不對稱和市場噪音，投資者無法單獨從價格信號中獲取所需的全部信息，因此必須將成交量作為分析價格信息的額外參考變量;Hasbrouck將交易和報價調(diào)整寫成向量自回歸模型，通過研究交易對價格沖擊的滯后期研究信息的各種特征；Engle將時間加入到VAR模型中。而國內(nèi)對股票市場交易量與收益率之間的關系的研究主要集中在量價的相關性分析上。陳良東利用線性Granger因果檢驗對滬市價量關系進行了初步分析;徐信忠、鄭純毅的研究中對成交量與收益慣性的關系進行了檢驗，但由于研究的目的和側(cè)重點不同，他們的研究著重分析換手率對1個月以上的股票卻是效應的影響，而不是專門探討成交量與收益率序列相關性的關系及成因。本文將在前面各種理論研究的基礎上，對中國股市中成交量與股票收益率序列相關性的關系進行研究。三．模型的設計思路及數(shù)據(jù)的采集與處理數(shù)據(jù)來源：國泰安數(shù)據(jù)庫。樣本選?。罕疚倪x取了2000年1月1日至2011年12月31日上證綜合指數(shù)的日收盤價和成交量，共2901個交易日的數(shù)據(jù)。收益率的計算方法有簡單收益率和對數(shù)差分收益率兩種。對數(shù)差分收益率可以滿足收益的累加性，分布更接近于正太分布，所以本文選用的就是對數(shù)差分收益率的方法來計算：P=ln(Pt/Pt-1)X100Pt表示t時刻的收盤指數(shù)。成交量序列采用取自然對數(shù)的方法，V=ln(Vt)Vt來表示原始成交量序列。分析工具：Eviews6.0軟件在此需要說明一點的是，由于中國股市節(jié)假日的問題，導致股票數(shù)據(jù)不連續(xù)，所以本文將數(shù)據(jù)導入Eviews時選擇的是截面數(shù)據(jù)類型。描述性檢驗對對數(shù)收益率P和成交量V進行描述性統(tǒng)計結(jié)果如下：(表1)PVMean0.01542012.58247Median0.07050812.58563Maximum9.40078722.83148Minimum-9.2561546.499501Std.Dev.1.6700041.195915Skewness-0.1032450.279049Kurtosis6.9609644.934211Jarque-Bera1900.935489.6948通過上表可以看出，由于正態(tài)分布的偏度應該是0，而收益率P的偏度為-0.103245，所以收益率的數(shù)據(jù)分布向右偏；正態(tài)分布的峰度應該為3，而P的是6.960964，故收益率曲線具有尖峰寬尾的特征。

（二）ADF檢驗由于VAR模型要求變量序列本身是平穩(wěn)的或者序列之間存在協(xié)整關系，所以在建模之前先要對交易量序列和收益率序列進行平穩(wěn)性檢驗。對數(shù)收益率P的ADF檢驗如下：（表2）NullHypothesis:PhasaunitrootExogenous:Constant,LinearTrendLagLength:0(AutomaticbasedonSIC,MAXLAG=27)t-StatisticProb.*AugmentedDickey-Fullerteststatistic-53.204060.0000Testcriticalvalues:1%level-3.9612085%level-3.41135710%level-3.127525*MacKinnon(1996)one-sidedp-values.AugmentedDickey-FullerTestEquationDependentVariable:D(P)Method:LeastSquaresDate:03/19/12Time:19:42Sample(adjusted):32901Includedobservations:2899afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.P(-1)-0.9886790.018583-53.204060.0000C0.0466290.0621120.7507190.4529@TREND(1)-2.17E-053.71E-05-0.5846280.5588R-squared0.494296Meandependentvar0.000327AdjustedR-squared0.493947S.D.dependentvar2.348492S.E.ofregression1.670656Akaikeinfocriterion3.865344Sumsquaredresid8083.001Schwarzcriterion3.871524Loglikelihood-5599.816Hannan-Quinncriter.3.867571F-statistic1415.336Durbin-Watsonstat1.997939Prob(F-statistic)0.000000成交量V的ADF檢驗如下：（表3）

NullHypothesis:VhasaunitrootExogenous:Constant,LinearTrendLagLength:7(AutomaticbasedonSIC,MAXLAG=27)t-StatisticProb.*AugmentedDickey-Fullerteststatistic-5.8701130.0000Testcriticalvalues:1%level-3.9612145%level-3.41136010%level-3.127527*MacKinnon(1996)one-sidedp-values.AugmentedDickey-FullerTestEquationDependentVariable:D(V)Method:LeastSquaresDate:03/19/12Time:22:02Sample(adjusted):92901Includedobservations:2893afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.V(-1)-0.0726290.012373-5.8701130.0000D(V(-1))-0.5718010.021082-27.122990.0000D(V(-2))-0.3941980.023351-16.881620.0000D(V(-3))-0.2872180.024076-11.929650.0000D(V(-4))-0.2154620.024060-8.9550250.0000D(V(-5))-0.1600590.023435-6.8299660.0000D(V(-6))-0.1106110.021970-5.0346220.0000D(V(-7))-0.0610280.018552-3.2895200.0010C0.7926920.1355745.8469250.0000@TREND(1)8.42E-051.70E-054.9641730.0000R-squared0.296804Meandependentvar0.000621AdjustedR-squared0.294609S.D.dependentvar0.479035S.E.ofregression0.402330Akaikeinfocriterion1.020360Sumsquaredresid466.6686Schwarzcriterion1.040997Loglikelihood-1465.951Hannan-Quinncriter.1.027797F-statistic135.2060Durbin-Watsonstat2.006674Prob(F-statistic)0.000000由上面表2和表3可以看出，對數(shù)收益率P和成交量V都不存在單位根，都表現(xiàn)為平穩(wěn)序列，可作進一步分析。四．實證結(jié)果與分析（一）VAR模型的建立對于收益率P和成交量V構(gòu)建標準型VAR模型：Pt爭時耳=1%耳_汁耳=丄匚収_尹1丫姑竝図=i%昨_垃乙切叫-其中e1t與e2t為隨機干擾項。通過AIC最小準則，經(jīng)反復驗證，判斷出最佳滯后期為6期經(jīng)Eviews得出的結(jié)果如下：（表4）VectorAutoregressionEstimatesDate:03/19/12Sample(adjusted)IncludedobservatiStandarderrorsinTime:22:03i:82901ions:2894afteradjustments()&t-statisticsin[]PVP(-1)0.0002040.050362(0.01885)(0.00450)[0.01083][11.1972]P(-2)-0.0229810.018642(0.01923)(0.00459)[-1.19538][4.06365]P(-3)0.0288950.011165(0.01916)(0.00457)[1.50772][2.44152]P(-4)0.042446-0.003321(0.01904)(0.00454)[2.22942][-0.73107]P(-5)-0.002261-0.002881(0.01892)(0.00451)[-0.11952][-0.63822]P(-6)-0.039606-0.012301(0.01871)(0.00447)

[-2.11637][-2.75469]V(-1)0.1605400.329706(0.07850)(0.01873)[2.04513][17.6020]V(-2)0.0603190.186453(0.08221)(0.01962)[0.73377][9.50528]V(-3)-0.0687020.131776(0.08296)(0.01980)[-0.82816][6.65697]V(-4)-0.1464000.107409(0.08296)(0.01980)[-1.76465][5.42570]V(-5)0.0394850.107699(0.08212)(0.01960)[0.48082][5.49618]V(-6)-0.0124990.110350(0.07780)(0.01856)[-0.16066][5.94446]C-0.3974420.334881(0.34419)(0.08213)[-1.15472][4.07744]R-squared0.0082190.890602Adj.R-squared0.0040880.890147Sumsq.resids7962.010453.3468S.E.equation1.6624160.396683F-statistic1.9896121954.510Loglikelihood-5570.833-1424.050AkaikeAIC3.8589030.993124SchwarzSC3.8857221.019943Meandependent0.01468312.58332S.D.dependent1.6658251.196843Determinantresidcovariance(dofadj.)0.423833Determinantresidcovariance0.420034Loglikelihood-6957.659Akaikeinformationcriterion4.826302Schwarzcriterion4.879941從以上回歸結(jié)果中可以寫出標準型的VAR模型的估計結(jié)果為：P=-0.397442+0.000204P-0.022981P+0.028895P+0.042446P-0.002261P-0.tt-1t-2t-3t-4t-5039606P+0.160540V+0.060319V-0.068702V-0.146400V+0.039485V-0.01t-6t-1t-2t-3t-4t-52499V+et-61tV=0.334881+0.050362P+0.018642P+0.011165P-0.003321P-0.002881P-0.tt-1t-2t-3t-4t-5012301P+0.329706V+0.186453V+0.131776V+0.107409V+0.107699V+0.1t-6t-1t-2t-3t-4t-510350V+et-62t（二）脈沖響應分析脈沖響應顯示出任何一個內(nèi)生變量的變動是如何透過模型影響所有其他內(nèi)生變量，最終又反饋到最初的那個變量自己身上來的。如果隨機干擾項恰好相關則脈沖響應將取決于模型中方程的先后次序。根據(jù)收益率與交易量的VAR模型，分別給出兩個變量的脈沖響應函數(shù)，結(jié)果如下：（圖1）從上圖可以看出，兩個變量對自身反映沖擊比較敏感。左上角和右下角的圖表示對數(shù)收益率P及成交量V分別對自身的響應函數(shù)的時間路徑，從開始迅速下降，并從第2期開始上下波動，直到第8期開始趨于穩(wěn)定，說明兩個變量的增長開始會引起后面各時期兩變量的下降，而后影響基本消失。右上角的圖為收益率對成交量的響應，可見一直比較平穩(wěn)，說明成交量對收益率的影響不大，而左下角的圖表示的是成交量對收益率的響應，在第1到2期呈現(xiàn)上升趨勢，而后又逐漸回落，兩個圖比較說明對數(shù)收益率對成交量的拉動作用強于成交量對對數(shù)收益率的拉動作用，故而收益率與成交量的動態(tài)關系是非對稱的。（三）方差分解在VAR模型的基礎上，得到方差分解的輸出結(jié)果如下：（圖2）上面兩個圖是收益率的方差分解時間路徑。左圖為收益率對自身的方差分解時間路徑，時間路徑一直為100，保持穩(wěn)定，可見當期對數(shù)收益率對后面時期的對數(shù)收益率的貢獻一直很大，為100左右；右圖為對數(shù)收益率對成交量的方差分解時間路徑，時間路徑一直保持為0，即成交量對收益率的貢獻為0。下面兩個圖是成交量的方差分解時間路徑。左圖是成交量對對數(shù)收益率的方差分解時間路徑，時間路徑一直為正且不斷增加至平穩(wěn)，說明收益率的增長對后期成交量的貢獻越來越大，在滯后10期貢獻作用達到了將近20%左右。右圖為成交量對自身的方差分解時間路徑，一直為正且不斷下降，說明成交量對后期成交量的貢獻越來越小。由方差分解分析也可以看出收益率與成交量之間動態(tài)關系的不對稱性。（四）Granger因果關系檢驗由軟件輸出的Granger因果檢驗結(jié)果如下：（表5）PairwiseGrangerCausalityTestsDate:03/19/12Time:22:32Sample:12901Lags:6NullHypothesis:ObsF-StatisticProb.VdoesnotGrangerCauseP28941.539690.1611PdoesnotGrangerCauseV24.88206.E-29由上表可知，對于原假設“VdoesnotGrangerCauseP”，即“成交量不是收益率的Granger原因”的概率為0.1611，接近于0,因此拒絕原假設，即成交量是收益率的Granger原因，說明成交量對收益率有一定的推動作用，但這種作用并不十分明