1、1沪深股市涨跌幅度与交易量的关系统计分析理学 院应物 072班 赵 巍理学 院应物 072班 赵圆 圆理学 院应物 072班 蒲甜 松摘要 ：本文重点分析了沪深市指数涨跌和交易量的周效应，以及二者之间的相关关系和Granger因果关系 。 本文首先应用 SPSS软件对反映周效应的涨跌幅度和交易量两个重要指标采取了一般的统计描述分析，得出 沪深股市在星期二时涨跌幅度均值明显大于一星期内其他几日， 而交易量在一星期各日之内没有显著差异的初步观点。然而当用单因素方差分析方法对模型进行进一步检验之后，发现 沪深股市涨跌幅度存在一定的周效应，但不能认为沪深股市交易量存在周效应 。 接下来 ， 我们对涨跌
2、幅度和 交易量进行了相关分析 ， 由 Pearson相关系数和 Spearman相关系数可知，沪深两市交易量与涨跌幅度相关。最后，我们应用Eviews软件，根据 Granger因果分析理论，分析了 交易量与涨跌幅度的 Granger因果关系，得到涨跌幅度是交易量的 Granger原因，但交易量不是涨跌幅度的 Granger原因的结论。关键词 ：沪深股市 周效应 Granger因果关系一 .引言 证券市场上收益、风险等指标一般都随着日历变化的特征，称为日历效应1。股票市场的星期效应也称周效应 ， 指股票市场一星期内各交易日收益率 、 风险存在的差异 。 通常 ，如果股票市场一星期内某一天或者某几
3、天的交易 、 收益率明显高于 （ 或低于 ） 其他交易日 ，或者波动性明显异于其他几日，则说明该股票市场存在 “ 星期 ” 效应。国内外许多学者对这一现象进行了大量研究 ， 发现收益率和交易量都存在显著的星期效应 。 纵观国内外研究 ，大部分研究者都是从股票价格、收益率等指标去分析星期效应，但却从未对涨跌幅度和交 易量这两个非常重要的指标进行过研究。本文着重从这两个指标的变化特征出发，研究目前我国沪深股市是否具有星期效应，如果有则进一步对其显著性进行检验。 而且 ， 涨跌幅度和交易量的相互关系也有必要分析清楚 。 二者的 Granger因果关系也是我们十分关注的问题。 二 .理论 回顾1.方差
4、 分析方差分析是采用统计方法对所有结果进行分析，以鉴别各种因素对研究对象的某些特征值影响大小的一种有效方法。 认为不同处理组的均值间的差别基本来源有两个 : 随机误差，如测量误差造成的差异或个体间的差异，称为组内差异，用变量在各组的均值与该组内变量值之偏差平方和的总和表示，记作WSS ，组内自由度 Wdf 。 实验条件，即不同的处理造成的差异，称为组间差异。用变量在各组的均值与总均值之偏差平方和表示，记作 bSS ，组间自由度 bdf 。2组内 WSS 、组间 bSS 除以各自的自由度 (组内 Wdf =n-m，组间 bdf =m-1，其中 n为样本总数 ， m为组数 )， 得到其均方 WMS
5、 和 bMS ， 一种情况是处理没有作用 ， 即各组样本均来自同一总体， bMS / WMS 1。另一种情况是处理确实有作用，那么， bMS WMS (远远大于 )。bMS / WMS 比值构成 F分布，用 F值与其临界值比较，推断各样本是否来自相同的总体。零假设0H ： m组样本均值都相同，即 muuu = .21 。如果经过计算结果组间均方远远大于组内均方 （bMS WMS ） ， 05.0) ,(0 5.0 0.05.深市P=0.9020.05,说明沪深股市各星期之交易量指标方差是齐次的 。 根据单因素方差分析性质 ，只有当方差齐次性检验通过后，即所检验指标方差是齐次时才可以进行进一步方
6、差分析。因此 ， 可以对沪深股市涨跌幅度与交易量进行单因素方差分析 ， 运用 SPSS软件分析结果如表 4。表 4 方差分析表交易量 (手 )8交易所 Sumof Squares df MeanSquare F Sig.沪市BetweenGroups 1.555E15 4 3.888E14 0.210 0.933WithinGroups 5.809E17 314 1.850E15Total 5.824E17 318深市BetweenGroups 1.038E13 4 2.595E12 0.132 0.971WithinGroups 6.190E15 314 1.971E13Total 6.20
7、0E15 318图 7 沪市成交量均值线图 图 8 沪市成交量均值线图可以从表 4中直接看出沪市 P=0.933 0.05，深市 P=0.971 0.05，所以对于交易量指标而言，沪深两市都接受原假设，即在一星期之内任何一天沪深股市交易量各自都不存在显 著差异。不能认为沪深股市交易量存在周效应。2.股票 涨跌幅 度与交 易量的 相关分 析执行以下操作 “ Analyze” /“ Correlate” /“ Bivariate” ,选择分析交易量与涨跌幅度达的相关关系 ， 对相关系数进行双侧检验 ， 计算 Pearson和 Spearman相关系数 ， 并选择输出变量的均值和标准差。表 5 描述
8、性统计量交易所 Mean Std.Deviation N沪市 交易量 (手 ) 8.2593E7 4.27969E7 319涨跌幅度 (%) -0.2008 2.71714 319深市 交易量 (手 ) 7.5876E6 4.41567E6 319涨跌幅度 (%) -0.1573 2.90752 319.9表 6 Pearson相关系数交易所 交易量 (手 ) 涨跌幅度 (%)沪市交易量 (手 )PearsonCorrelation 1 0.215*Sig.(2-tailed) 0.000N 319 319涨跌幅度 (%)PearsonCorrelation0.215* 1Sig.(2-tai
9、led) 0.000N 319 319深市交易量 (手 )PearsonCorrelation 1 0.222*Sig.(2-tailed) 0.000N 319 319涨跌幅度 (%)PearsonCorrelation0.222* 1Sig.(2-tailed) 0.000N 319 319*.Correlationis significantat the0.01level(2-tailed).表 6是 Pearson相关系数的结果 ， 对于沪市 ， 交易量和涨跌幅度间的相关系数为 0.215*，Sig.为 0；对于深市，交易量和涨跌幅度间的相关系数为 0.222*， Sig.为 0。二者
10、的 sig.值都小于 0.01，说明沪深两市交易量与涨跌幅度的相关性是高度显著的。表 7 Spearman相关系数交易所 交易量 (手 ) 涨跌幅度 (%)Spearmansrho沪市交易量 (手 )CorrelationCoefficient1.000 0.258*Sig.(2-tailed) 0 0.000N 319 319涨跌幅度 (%)CorrelationCoefficient0.258* 1.000Sig.(2-tailed) 0.000 0N 319 319深市 交易量 (手 ) CorrelationCoefficient1.000 0.288*Sig.(2-tailed) 0
11、 0.00010N 319 319涨跌幅度 (%)CorrelationCoefficient0.288* 1.000Sig.(2-tailed) 0.000 0N 319 319*.Correlationis significantat the0.01level(2-tailed).表 7是 Spearman相关系数的结果 ， 对于沪市 ， 交易量和涨跌幅度间的相关系数为 0.258*，Sig.为 0；对于深市，交易量和涨跌幅度间的相关系数为 0.288*， Sig.为 0。二者的 sig.值都小于 0.01，说明沪深两市交易量与涨跌幅度的相关性是高度显著的。无论用 Pearson相关系数还
12、是 Spearman相关系数 ， 都能得出沪深两市交易量与涨跌幅度相关的结论。 3.Granger因果 分析沪深股市涨跌幅度与交易量究竟哪个是因，哪个是果，需进行 Granger因果分析。由于 SPSS不具备分析 Granger因果关系的功能 ， 我们采用 Eviews分析沪深股市涨跌幅度与交易量的 Granger因果关系。1)ADF单位根检验在 Eviews软件中打开数据，使用 Series窗口中 View菜单下的 Unitroottest命令进行ADF检验。检验结果如下表 8所示。表 8 ADF单位根检验结果涨跌 幅度 交易 量Test cri t i cal val ues: t -St
13、 at i st i c Prob. * Test cri t i cal val ues: t -St at i st i c Prob. *1% l evel -3. 440387 -26. 71356 0. 0000 1% l evel -3. 440550 -3. 091931 0. 02775% l evel -2. 865860 5% l evel -2. 86593210%l evel -2. 569128 10%l evel -2. 569167从检验结果看，在 5%水平上涨跌幅度与交易量 t-Statistic值均小于 Testcriticalvalues的值，则拒绝原假设，
14、认为二者均为平 稳序列，可进行协整检验。2) Johans en协整检验View菜单下的 Cointegrationtest默认就是 Johansen协整检验 。 将 涨跌幅度和交易量两列数进行 Johansen协整检验 ，检验结果如下表 9所示。表 9 Johansen协整检验结果Hypot hesi zedNo. of CE(s) Trace St at i st i c 0. 05 Cri t i cal Val ue Prob. *None * 127. 0270 15. 49471 0. 0001At most 1 * 13. 60591 3. 841466 0. 000211检验结
15、果显示，原假设为 None时 ， Tr aceSt at i sti c值大于 5%显著性水平下的临界值，则拒绝原假设；原假设为 At most 1时 ， Tr aceSt at i sti c值大于 5%显著性水平下的临界值，则接受拒绝原假设。所以，涨跌幅度和交易量之间存在 1个协整关系。可以进一步进行Granger因果分析。3) Granger因果分析Vi ew 菜单下的 Gr anger Causal i t y Test 就是 Gr ange 因果检验 。结果如下表 10 所示。表 10 Gr ange 因果检验结果F-St at i st i c Probabi l i t yJYL
16、 does not Granger CauseZDFD 1. 93980 0. 14459ZDFD does not GrangerCause JYL 10. 4485 3. 4E-05注： JYL 代表交易量， ZDFD 代表涨跌幅度。若 P 值小于 0. 05， 表示因果关系在 5%的显著性水平下成立 ， 即存在 Gr anger 因果关系。可知，涨跌幅度是交易量的 Gr anger 原因，但交易量不是涨跌幅度的 Gr anger 原因 ，二者之间不存在相互的 Gr anger 因果关系。四、 结论1. 通过统计描述分析和相关的单因素方差分析可知，沪深股市涨跌幅度存在一定的周效应，不能认为沪深股市交易量存在周效应。2. 由 Pearson相关系数和 Spearman相关系数可知，沪深两市交易量与涨跌幅度相关。3. 由 Granger因果分析可知 ， 涨跌幅度是交易量的 Granger原因 ， 但交易量不是涨跌幅度的 Granger原因。五、 参考文 献【 1】童明余，董景荣，沪深股市股票价格与交易量关系的实证研究，重庆师范大学学报 ，2005， 4【 2】 杨渺，杨代若， A、 B股指数波动的 Granger因果关系分析，数理统计与管理， 2003， 1【 3】罗应婷，杨钰娟， SPSS统计分析从基础到实践，电子工业出版社
