关于成交量对股票指数预测的有效性研究
)))以上海证券交易所综合股价指数为例
王闯陈卫华
(中南财经大学金融学院,湖北武汉430074)
(中南财经大学马克思主义学院,湖北武汉430074)
摘要:使用上海证券交易所编制的综合股价指数及其成交量数据,建立VAR模型,以此来检验成交量,2005~2010年间,在预测股票指数未来走势方面的效能如何。结果显示,成交量对股票指数预测的效用较小,并非像部分投资者或者分析师所认为的那样,起着不可替代甚至决定性的作用。这对投资者意味着,倚重成交量来预判股价的未来走势,也许是一种错误的分析方法。同时,实证研究结果也显示,股价指数受其自身的影响或许更大。因此,投资者必须重视股价指数的变化,不能因为成交量上的/形态完美0而忽视价格的变化,并且为/止损0¹设下一个心理障碍。
关键词:量价关系;指数预测;VAR模型;G rang er因果性检验
长期以来,投资者在研判股价$$无论是大盘指数,还是个股$$未来走势的时候,总会在成交量的分析上/浓墨重彩0一番。希望从/量能0的变化上,窥视股价的未来变化趋势。逐渐地,像描述量价关系的/量升价涨,量缩价跌0、/量在价先0、/天量见天价,地量见地价0和/量价背离0这样类似的经验之谈,便能够为几乎每位投资者/脱口而出0。甚至,投资者(包括一些分析师)在行情研判的时候,脱离基本面的价值分析,过多的看重成交量的变化,将其作为交易的/标准0。那么,成交量在预测股价走势上的有效性到底如何呢,它能否为投资者在预判行情时起到/一臂之力0呢;是成交量推动着股价的上升和下跌,还是价格的波动导致了成交量的高低呢。本文以上海证券交易所编制的综合股价指数为例,采用计量经济学中的VAR模型和G ranger因果性检验方法,试图来回答上面的问题,也希望能够为投资者正确地认识量价关系做些理论与实证上的探讨。
一、量价关系的各方观点
国内股市中的投资者喜欢将成交量称为/量能0。因为在他们看来,成交量就像潮水一样,代表了股价上涨或者下跌的能量。当股价上涨,并且伴随着成交量的稳步放大;当股价下跌,并且伴随着成交量的逐渐缩小。似乎股价的上涨和下跌是由成交量推动着,成为其涨跌的内在力量。从图1中,我们可以直观地看到成交量和股价指数的关系。一般来说,股价指数与成交量同步涨跌,并且几乎同时出现阶段性高点和低点。例如,图1中,从2006年初到2007年10月份之间,上证综指主要有四个阶段性顶部,分别发生在2006年7月5日、2007年2月27日、2007年5月29日和2007年10月16日,对应的点位和成交量(单位为万股,如无特殊说明,以下成交量的单位均为万股)分别是(1757,6355.5)、(3049,17472.7)、(4335,18255.9)和(6124,10117.1)。在这四个时点上,成交量也均是当时的阶段性顶部或接近阶段性高点成交量。股价指数的其他顶部和底部,也有类似的特征。直观地看,成交量似乎推动着股价的涨跌。
国内投资者关于量价关系的第二种观点是,成交量代表市场买方和卖方的分歧,是市场多空双方博弈的结
作者简介:王闯(1986)),男,河北邯郸人,中南财经大学金融学专业2009级硕士研究生;
陈卫华(1984)),男,河南周口人,中南财经大学国外马克思主义专业2010级硕士研究生。
果。也就是说,成交量越大,说明买卖双方对于未来股价走势的分歧就越大;成交量越小,说明买卖双方的看法较为一致。所以从成交量的大小上,可以看出市场上买方和卖方对未来股价走势的看法,进而指导投资者的买卖交易操作。总之,投资者将成交量作为预测股价的关键指标。
图1上证综指与成交量走势图
股票市场中成交量与股价的关系不单单为投资者关心,国内外学者们也做了相关的理论和实证上的研究。文[1]中的两阶段模型认为,投资者可以通过同时考察价格与交易量推测某支股票的信息。K ar poff总结性地指出,价格绝对变化量与交易量正相关,但由于卖空造成这种关系是不对称的。[2]Harris中用混合分布理论(M DH)解释了量价之间的正相关关系,并给出了实证的检验。[3][4]国内的学者使用我国沪深股市的价格指数和成交量数据也做了大量的实证研究。陈怡玲、宋逢明的实证研究结果指出,中国股市存在不对称的交易量$ $价格变动关系。王承伟、吴冲锋认为,我国沪深市场之间存在着收益对交易量的线性G ranger因果关系和双向的非线性G ranger因果关系,但在经过周末效应和GARCH模型调整之后,沪深两市量价之间的非线性因果关系消失了。李付军、达庆利使用TARCH和EGARCH模型的实证分析表明,收益和交易量的变动之间存在双向G ranger线性因果关系。
本文的研究得出与以往结论较为不同的结果。在实证分析方法上,虽然沿用了VAR模型,但是经过改进,将美国股市的道琼斯工业平均指数收益率作为外生变量,增强了对上证综指收益的解释力。在数据使用上,则选取了我国股权分置改革以后的最近6年股指收益率和成交量数据,避免了由于我国股市的制度性变更而导致数据存在的结构性差异。
二、数据及其处理方法
本文采用的1361个样本数据包括2005年4月29日至2010年12月3日的国内上证综指日收盘价与交易量数据和美国道琼斯工业平均指数日收盘价数据,数据来源为雅虎财经。上证综指是一种价值加权指数,包括了上海证券交易所内交易的所有上市股票,其编制方法较为科学合理,能反映整个股票市场的变动。道琼斯工业平均指数由纽约证券交易所中30家美国著名公司的股票价格计算得出,是美国股市中使用时间最长并且为广大投资者普遍使用的指数,它能很好地反映美国股市波动情况。收益率采用连续收益率,计算方法为对数差
分,即R t=Ln(P
1)-Ln(P
t-1
)。R t表示上证综指的日收益率,P
t
和P
t-4
分别表示t和t-1时刻上证综指的收
盘指数。成交量采用其自然对数的方法,因为取对数后并不改变其整体性态,而且比原序列具有更好的性质。
因此,取成交量序列的对数,即Lnvo l
t =Ln(volu m e
t
)其中表volu m e
t
示原成交量数据序列。上证综指的连续收
益率序列、对数成交量序列和道琼斯工业平均指数收益率序列的统计特征如表1所列。
表1样本数据序列的基本统计特征
上证综指连续收益率序列对数成交量序列道琼斯工业平均指数收益率序列平均值0.00066013.3828.88E-05
最大值0.09034314.830020.105083
最小值0.09256211.35866-0.112698
偏度-0.383991-0.690652-0.215419
峰度 5.516167 2.77771714.56956 Jarque-B era392.1839111.00157595.625
从表1中数据序列的统计量可以看到,上证综指收益率的偏度为-0.383991,峰度为5.516167,与正态分布的偏度0和峰度3相比,呈现出较为明显的/尖峰厚尾0特征。偏度小于0,则表明上证综指收益率呈左偏分布,收益率的均值比预期的要大些。同样地,道琼斯工业平均指数收益率偏度为-0.215419,峰度为14.56956,也呈现出较为明显的/尖峰厚尾0分布特征。
在建立VAR模型之前,我们需要对样本数据序列进行平稳性检验。因为对于非平稳性时间序列数据来说,其各个时段的规律性是不同的,难以通过序列数据已知的信息掌握其整体上的随机性,所以,使用非平稳序列数据建模和预测是很困难的。同时,由于在下文中的VAR模型中,我们将道琼斯工业平均指数收益率作为外生变量,所以只需对上证综指收益率和对数成交量序列进行平稳性检验即可。检验的结果见表2。
表2样本数据的平稳性检验结果¾
T统计量P值平稳性上证综指收益率-36.62720.0000平稳对数成交量-4.67500.0008平稳
注:上证综指收益率的平稳性检验使用不含截距项和趋势项的ADF检验,对数成交量的平稳性检验使用包含截距项和趋势项的ADF 检验。
从检验结果中,我们可以看到,上证综指收益率和对数成交量序列数据在1%的显著性水平下都是平稳的。这为下文中建立有效的VAR模型,提供了良好的数据特性。
三、量价关系的VAR模型
根据本文的研究对象,建立包含上证综指收益率和对数成交量的VAR模型。VAR模型是指系统内每个方程有相同的等号右侧变量,而这些右侧变量包括所有内生变量的滞后值。当每个变量对预测其余变量起作用时,这组变量适合用VAR模型表示。VAR模型的表达式是:
y 1=A
1
y
t-1
+,+A
N
y
t-N
+Bx
1
+E
t
(1)
这里y
t 是一个内生变量列向量,x
t
是外生变量向量,A
1
,,,A
N
和B是待估的系数矩阵,而E
1
则是误差向量。
图2上证综指与道琼斯工业平均指数走势当今经济全球化的趋势非常明显,进程也很快,而经济全球化尤其表现在金融全球化。国内的每一个投资者,在早上准备交易的时候,肯定会习惯性地浏览一下国外股市前日的行情表现,其中又以美股为主,以此作为今日交易操作的一个参考。另一方面,从国内股市股指走势和美股股指走势来看,两者确实存在着较强的关联性,见图2。考虑到这个普遍性的现象,我们在VAR模型中选择道琼斯工业平均指数$$这个较好地代表美国股市行情状况的指数$$的连续收益率作为外生变量。VAR模型中的内生变量,我们选择上证综指收益率和对数成交量。那么VAR模型(1)可以表示为:
R
t =A
1,1,1
R
t-1
+,+A
1,1,N
R
t-N
+A
2,1,1
Lnvo l
t-1
+,+A
2,1,N
Lnvol
t-N
+B
1
D o wsR
t
+E
1
,t(2)
Lnvol
1=A
1,2,1
R
t-1
+,+A
1,2,N
R
t-N
+A
2,2,1
Lnov l
1-1
+,+A
2,2,N
Lnvol
1-N
+B
2
Do w s R
1
+E
2,t
其中Do w s R
t
表示道琼斯工业平均指数收益率。
四、量价关系VAR模型的实证结果与分析
(一)确定VAR模型的滞后阶数
通过多准则的阶数检验来确定VAR模型的滞后期。根据A I C准则和FPE准则,应选取最优滞后阶数为7;根据SC准则和HQ准则,应选取最优滞后阶数为4。这里我们选择最优滞后阶数为7,即建立的模型为VAR (7)。同时,经过检验,VAR(7)模型所有根的模的倒数都小于1,即都位于单位圆内。检验结果见附表2。可见估计的VAR(7)模型是稳定的,这为下文的脉冲响应分析提供了前提条件。
(二)G ranger因果性检验
基于VAR(7)模型直接进行G r anger因果性检验。检验结果见表3。进行G r anger因果性检验的结果显示,收益率对成交量不存在G ra nger因果关系的原假设被拒绝,而成交量对收益率不存在G ranger因果关系被接受。检验结果表明收益率和成交量之间存在显著的单向G r anger因果关系,即收益率是成交量的G ranger原因,而成交量并非收益率的G ranger原因。这样的结论与其他学者的研究结论$$成交量与收益率具有双向G ranger因果关系$$并不一致。进一步地,检验结果表明收益率包含了对预测成交量有用的信息,这说明我国股市信息扩散传播的效率有了较大地提高;同时成交量对预测收益率并不包含重要的信息,基于量价关系的技术分析是缺乏统计基础的。
表3G ranger因果性检验结果
原假设P值拒绝/接受原假设收益率对成交量不存在G ranger因果关系0.0000拒绝
成交量对收益率不存在G ranger因果关系0.5379接受
最近几年,尤其是2004年以来,在证券市场基本制度$$核准制和发行、上市保荐制度»等$$建设上出台了一系列的法规、规章,对上市公司首次公开发行股票、再融资行为不仅实施保荐制度,还强制性地要求其披露充分的信息和进行合规性审核。股票价格指数对信息的敏感性越来越高。另一方面,我国的投资者结构也在发生着变化,从之前的中小散户个人为主到目前占较大比例的基金公司、保险机构、财务公司、信托公司等机构投资者,这不仅表现在账户结构上,更表现在机构管理的资金规模上。个人投资者的投资非理性行为较为严重,往往根据股票指数的涨跌来决定股票交易;机构投资者的投资行为则较为理性,能够从市场的基本面着手进行投资交易。因此,随着股票市场制度的健全和投资者结构的变化,成交量在预测股票价格变动的效能上似乎越来越小,股价的变动开始越来越依赖于宏观经济与公司基本面的发展变化。这也正是本文的检验结果所支持的,即成交量对收益率不存在G ra nger因果关系。相反,收益率对成交量却存在着显著的G ranger因果关系。这也回答了本文开始部分提出的问题,即价格收益率的波动导致了成交量的变化。
(三)脉冲响应分析
脉冲响应函数刻画了内生变量对误差变化大小的反应。具体地说,它刻画的是误差项上加一个标准差大小的冲击对内生变量的当期值和未来值所带来的影响。同时,脉冲响应分析的结果受到内生变量在方程组中的顺序影响。由G ranger因果性检验的结果知道,收益率对信息的敏感度要更高,因此,这里把脉冲响应分析的顺序设定为从收益率到成交量。
图3成交量冲击下的收益率脉冲响应
首先,我们来分析成交量的冲击对收益率的影响。从图3中可以看出,对于成交量一个单位标准差的冲击,收益率在第二期达到正向最大,之后脉冲响应的强度有所减弱,除了前四期的反应均为正值,以后的脉冲响应方向则没有明显的特征。这种反应持续了大约10期以后,反应量在统计意义上已经无异于0,可以认为反应基本消失。因此,可以认为成交量对收益率的影响是非常有限的,而且持续时期也很短。该结果表明,成交量被用来预测股价指数收益率的作用微乎其微。
图4收益率冲击下的成交量脉冲响应
其次,我们来分析收益率的冲击对成交量的影响。从图4中可以看出,对于收益率一个单位误差标准差的冲击,成交量在当期即做出正向反应,并且这种反应在第二期达到最高点。之后各期反应逐渐下降,期间虽有小幅波动,但一直保持正方向。可见,收益率对成交量具有非常明显的正向作用,而且作用时期非常长,这说明上市公司盈利能力的提升才真正有利于股市的健康发展,并且提高股市的流动性。
从上述两方面的脉冲响应分析同样可以看出,收益率和成交量之间的动态关系是非对称的,收益率影响着成交量,而成交量对收益率的影响则较小。
(四)方差分解
VAR的方差分解能够给出随机新息的相对重要性信息。基于VAR(7)模型直接进行方差分解,结果如表4所示。表4中收益率的方差分解显示,收益率部分在各期对其自身的解释比例都占99%以上,而成交量部分对收益率的解释比例则相当有限,各期都在0.5%以下。由此可见,收益率的波动主要受自身因素的影响,且7天后基本稳定。由表4中成交量的方差分解可以看出,随着时间的推移,成交量本身所解释的力度逐渐变小,由93.45%下降到70.26%,且大约7天以后,其作用基本稳定;相应收益率部分的解释比例则逐渐变大,最后也趋于稳定状态。表4中的标准差S.E.表示收益率和成交量在未来不同时期的预测误差。这种预测误差来源于新息的当期值和未来值。例如收益率的方差分解中在第1期的预测误差为0.019686,第2期的预测误差就为0.019716。由方差分解分析也可以看出收益率与成交量之间动态关系的非对称性。
表4收益率与成交量的方差分解¼
收益率的方差分解成交量的方差分解时期S.E.收益率部分(%)成交量部分(%)S.E.收益率部分(%)成交量部分(%)
10.01968610000.1777916.549603.45039
20.01971699.69480.3051970.22876620.03879.10962
30.01971799.693340.3066570.25675124.255875.7442
40.01974599.662070.3379340.27806726.6809773.31903
50.01978499.651150.3488480.29776927.81872.18352
60.01978599.9220.3507840.31388528.9909671.00904
70.01981399.585180.414820.32835529.4552170.54479
80.01982299.560470.4395270.34268729.2733570.72665
90.01982299.559430.4405690.35660829.52270.47736
100.01982299.559320.4406810.36945929.7424470.25756
五、结论与分析
本文的实证研究结果表明,收益率与成交量之间并不存在双向的G ranger因果关系,收益率显著地影响着成交量而非相反。通过脉冲响应和方差分解分析可以看到,成交量对收益率的变化作用和解释力度也相当小。虽然从直观上看,成交量与股票指数的走势几乎同步,但是两者彼此的影响则极不对称。很明显地,我们可以从收益率中/窥视0到成交量即将的增减,从成交量上来预测股价收益率的未来值则是件要付出/相当代价0的事情,因为出错的几率很大。在实证分析的过程中,我们也尝试着使用对数成交量不同的滞后期作为模型(1)中对数成交量的替代内生变量,虽然能够使G ranger因果性检验结果中的P值较大幅度地减小,但都并不够显著。这也从一个侧面支持了我国股市已经是一个弱式有效的市场了。
本文的结论对于国内投资者$$尤其是中小个人投资者$$来说,具有重要的意义。对于中小投资者的权益保护,在法律制度方面的健全不可或缺,同时还应使其树立正确的投资理念。尤其是我国股市逐渐规范以后,投资者更应该注重对基本面的分析,从价值投资入手来预判股价的未来走势。量价分析作为技术分析的一个流派,虽然内容丰富情况复杂,但是成交量只能作为股价走势的一个后验指标,而非先行指标。同时,投资者也不应该由于成交量上的/形态完美0,而为/止损0设定一个心理障碍。总之,成交量反映了股价的变化,却难以用来预测股价的变化。
注释:
¹止损是证券技术分析师经常使用的一个词汇,表示当股价超过其进场价格的一个比例或者绝对幅度时平仓的操作。
º2003年12月,中国推出了保荐制度。实施5证券发行上市保荐制度暂行办法6的目的在于从源头上提高上市公司质量,设立对保荐制度和保荐代表人的注册登记制度,明确保荐责任和保荐期限,建立监管部门对保荐机构和保荐代表人施行责任追究的监管机制。为进一步完善保荐制度,2008年8月14日中国审议通过5保荐办法6,自2008年12月1日起施行,5证券发行上市保荐制度暂行办法6同时废止(随着创业板推出,该5保荐办法6于2009年4月14日修改,并自2009年6月14日起施行)。5保荐办法6就保荐机构和保荐代表人的资格管理、保荐职责、保荐业务流程、保荐协调、监管措施和法律责任作了全面规定。
¼乔利斯基(Cholesky)分解顺序为收益率、成交量。
参考文献:
[1]B l u m e IE.Easley D,O p H ara.M arket sta tisti cs and techn i ca l ana l ysis:t he ro le o f vo l u m e[J].Journal of F inance,1994,49
(1).
[2]K arpoff J M.T he relation bet ween pr i ce changes and trad i ng vo l u m e:a survey[J].Journa l o f F i nancial Quantitati ve A na ly-
si s,1987,22(1).
[3]H arr i s L.C ross-secur it y tests o f the m i x ture o f d i str i bution hypo t hesis[J].Journa l o f F i nanc ial and Q uantita tive A na ly-si s,1986,21(1).
[4]H arr i s L.T ransacti on data tests of the m i x t ure distri buti on hypo t hesis[J].Journa l o f F i nanc i a l and Q uantitative A na l ysis, 1987,22(2).
[5]陈怡玲,宋逢迎.中国股市价格变动与交易量关系的实证研究[J].管理科学学报,2000,(7).
[6]王承炜,吴冲锋.中国股市价格)))交易量的线性及非线性因果关系研究[J].管理科学学报,2002,(8).
[7]李付军,达庆利.中国股市量价波动性关系的实证分析[J].东南大学学报,2005,(5).
[8]张晓峒.应用数量经济学[M].北京:机械工业出版社,2009.
Research on volu m e p s effectiveness in forcasting stock index
$$based on Shangha i co m posite index
W ang Chuang Chen w eihua
(School of F i nance,Zhongnan Un i versity of Econo m ics and La w,Wuhan430074,Chi na) (Schoo l ofM aris m studies,Zhongnan U niversity of E c ono m ics and La w,W uhan430074,Ch i na)
Abstract:To testwhether vo l ume,wh i ch i s va l ued by m ost i nvestors,i s effective i n forcast i ng the price i nde x p s f u-ture move,this paper builds a VAR m odel usi ng the seri eas data of Sha nghai co mposite i ndex and its volu m es.A s a re-sult,the vo l ume is not as m i portant as parts of i nvestors i ncl uding so m e ana l ysi st once thought,play i ng a m inor r o le i n fac.t Thism eans that f orcasti ng the price p s future move by using the vo l ume may be a w r ong m ethod for investors.Th is paper also pr oves that price i ndex itself may play a bi gger role.T hus,i nvstors shoul d va l ue the price itself m ost rat her than set a barrier for stop loss because of t he/perfect pattern0o f vo l ume.
K ey words:relat i onshi p betee w volu m e and pri ce;forcasting i ndex;VAR m ode;l G ranger causality test
(责任编辑:石涛)
(上接第79页)
[12]谌衍斌.对中国股票市场有效性演变的探究)))基于游程检验的方法[J].大众教育,2009,(4).
[13]朱乾龙.中国A股市场有效性的实证研究)))基于小波降噪技术的分析[J].统计教育,2010,(5).
F inancial Crisis on China p s StockM arket E fficiency Empirical Analysis
Chen H ong
(Schoo l of Statistics and M athe m at ics,Zhongnan U ni versity of Econo m ics and L a w,W uhan430074,Chi na)
Abstract:The global financial crisi s was out break after U.S.sub prm i e crisis,and had a far-reachi ng on global stoc k mar kets.Is its m i pact on our stockm ar ket a lso produced far-reachi ng effects?T his paper was based on this issue, and use correlat i on test,run test and a unit r oot on our stoc k m arket to j udge if the i ndex or the prices foll o w rando m w al k,wh i ch i nfers to the weak f or m of m ar ket effici ency.0ur e m pirical results sho w that the t wo stock i nde x f o llo w the rando m w al k.T he effecti veness of the fi nanci a l cri sis on our stock m arket is not si gn ificant.
K ey words:M arket Efficiency;Correlat i on T est;R un T est;
(责任编辑:陈青养)
#
#
117下载本文
