上证指数价量之因果关系研究

上证指数价量之因果关系研究

潘冠中∗龙超姜近勇

(云南财经大学金融学院)

摘要：本文主要论证了上证指数收益率和它的交易量之间的两种因果关系，Granger因果关系和同期因果关系。本文同时分析了三种交易量指标：成交金额，成交量和换手率。成交量与收益率的相关性最强，并且估计出的VAR模型的一阶滞后项回归系数显著。因此我们选择成交量作为交易量指标来展开分析。Granger因果检验拒绝了收益率(成交量)不Granger导致成交量(收益率)，不过价对量的预测能力更强一些。收益率对自身和成交量冲击的反应很快趋近于零，但成交量对自身和收益率冲击的反应能持续很长一段时间。成交量只能解释1%左右的收益率变化，而收益率则能解释30%左右的成交量变化。收益率与成交量的同期因果关系为成交量同期导致收益率，表现为量升的同时股价上涨。

关键词：上证指数收益率交易量Granger因果关系同期因果关系

一、引言

经典的资产定价模型专注于资产价格与风险之间的对应关系，如Sharpe(1964)、Merton (1973)、Ross(1976)等，要获得高的期望收益，投资者必须承担高风险，而风险则由风险因子对应的β值来衡量。在这些理论模型中，资产的交易量从来没有出现过。而交易量与资产价格的一些联动关系在现实的市场交易中频频出现，如价格的快速拉升往往伴随着成交量的急剧放大，龙头股、明星股的换手率大大超过一般的股票。因此，交易量不起作用的资产定价模型很难说是一个完善的模型(Hong and Stein(2007))。近年来，国外有些文献实证了资产价格与成交量的联动特征，如Karpoff(1987)、Gallant,Rossi,Tauchen(1992)、Lo and Wang(2001)，有些文献则建立理论模型用以解释这些特征，如Lo and Wang(2006)、Scheinkman and Xiong(2003)和Hong and Stein(2007)。国内也已有学者开始一些实证研究，如陈怡玲和宋逢明(2000)揭示了中国股市存在不对称的交易量―价格变动关系，刘国光(2003)发现中国深圳A股市场股票交易量和股票收益之间存在双向因果关系，童明余和董景荣(2005)也得出了沪深两个股市的类似结论。本文则引入Geweke(1984)总结的因果关系概念及计量模型框架，考察上证A股综合指数(以下简称上证指数)收盘价和交易量之间的因果关系（也就是价量之间的预测关系）。与刘国光(2003)、童明余和董景荣(2005)不同的是，我们考察的因果关系有两种，Granger因果关系和同期因果关系，并以脉冲反应函数和方差分解详细分析了价量关系；我们还同时分析了三种交易量指标：成交金额，成交量和换手率。

本文以下第二部分描述并初步处理了研究所用数据；第三部分介绍了Geweke(1984)的因果关系概念；第四部分分析了价量的Granger因果关系，还包括脉冲反应函数和方差分解的分析；第五部分分析了价量的同期关系；第六部分总结了全文。

二、数据描述

1.上证指数

本文的研究选取了2000年1月4日至2006年12月22日上证指数收盘价和交易量数据，来自于Wind数据库。在七年（不包括2006年最后一周）的样本区间中，共有1678个交易日，平均∗通讯作者，电子邮件：panguanzhong@.

图1:上证指数及其收益率

200

400

600

8001000

1200

1400

1600

1000

1200140016001800200022002400(a) Shanghai index

(b) R

每年240个交易日。上证指数从2000年初的1400多点上升到2001年初的2200点左右，然后进入了为期四年半的熊市，一直跌到2005年6月的1000点，其中最低到2005年

6月6日的998.23点1。2005年下半年开始，上证指数一路走高，快速冲上2006年底的2300点之上，见图1(a)。

表1中上证指数日收益率(记为R)的均值为0.0305%，转化为年均收益率为7.32%。由于1996年12月26日开始实施的涨跌停板制度（除上市首日之外，股票（含A 、B 股）、基金类证券在一个交易日内的交易价格相对上一交易日收市价格的涨跌幅度不得超过10%，以S ，ST ，S*ST 开头的股票不得超过5%），我们看到表1中上证指数的日收益率最高为9.4%2，最低为-6.45%3，绝对值都不超过10%。图1(b)中有些交易日的涨跌幅度比较大，超过5%，体现出明显的跳跃特征。表1第二列还列出了R 的其他描述性统计量，其偏度为0.606，峰度为8.45，超过正态分布的3，分布有偏峰厚尾的特征。R 的1至10阶自相关系数都很小，Box-Pierce 检验不能拒绝R 是一白噪声过程的零假设。这说明R t 滞后项的线性函数对R t 没有预测能力，这与很多检验弱式有效市场的实证文献(参见Fama (1970))相一致4。

1

但上证指数收盘价在样本区间内从未低于1000点，最低为2005年7月11日的1011.50点。2这一天是2001年10月23日，当天国务院宣布暂停2001年6月中旬开始的国有股减持的工作。3

这一天是2002年1月28日，当天国务院又公布国有股减持的阶段性方案。4

但是，陈灯塔和洪永淼(2003)应用广义谱导数方法检验了1990年12月到2002年10底上证指数的弱式有效性，发现可能存在非线性的预测关系。

图2:上证指数交易量指标

0500

10001500024

6x 104

V1

0500

1000

1500

7

V2

0500

10001500

V3

0500

1000

1500

DT1

500

1000

1500

DT2

0500

10001500

DT3

R1

R2

R3

2.交易量数据

在我们由Wind 数据库获得的数据中，衡量交易量的数据有三种：成交金额，成交量，换手率，在本文中分别以V1，V2，V3表示，表1同时也列出了这些数据的描述性统计量。

上证A 股的日均成交金额为116亿元人民币，成交量为16万手，换手率为1.45%。交易量的日变化幅度可以非常之大，最大可以是上一交易日的6倍以上(对于V1,V2,V3，这一最大值分别为4.68，6.46和6.57倍)，最低可以下降到上一交易日的30%以下(对于V1,V2,V3，这一最小值分别为39.68%,30.03%和28.93%)。各成交量数据也具有正偏度和厚尾性质。成交量具有很强的持续性，三个指标的各阶自相关系数都为正，其中一阶自相关系数都在90%以上，并且各阶自相关系数降低的速度非常缓慢。

图2显示，V1，V2，V3的运行非常相似：在样本区间内，成交量先处于高位，然后再缓慢下降，在低位徘徊运行较长时间后又逐步上升，总体呈明显的U 型趋势。因此，我们在去除数据的时间趋势时，使用的是时间的二次函数5。去掉时间趋势的成交量数据(2第二排)分别记为DTV1，DTV2，DTV3。去掉时间趋势后，成交量（DTV1，DTV2，DTV3）的各项自相关系数略有减小，但仍然保持了很强的持续性。

5

Gallant,Rossi,Tauchen (1992)也采用了这一方法。