1、中国股票市场收益率与交易量相关性的实证分析管理世界(月刊)2002 年第 7 期中国股票市场收益率与交易量相关性的实证分析口范从来徐科军本文就中国股票市场上交易量作为衡量不同时期公司股票收益率间领先关系的作用进行实证分析.运用向量自回归模型分析发现交易量较大的公司股票的前期收益率对于交易量较小的公司股票的现期收益率有较强的预测能力.根据“调整速度假说“, 本文运用 Dim.son 的 beta 回归模型对这种领先关系的存在作出了解释,进而对我国股票市场建设方向提出了建议.一,问题的提出一般认为,股票市场上最能显示股票价格走势的指标就是成交量.成交量是股票市场的元气,直接反映着股票的供求状况,显
2、示出股票市场的内在动能,从而在某种程度上表现出股票价格的一定趋势.正因为如此,量价理论一直是人们研究的重点.近年来对于量价关系的研究着重于成交量与收益率的关系方面.L0 和 MacKinlay 在 1990 年提出单个证券收益率之间的正的交叉自相关系数决定了证券组合收益率的正的自相关系数;而且前期大公司(股票有较高流动性) 的股票收益率与现期小公司(股票有较低流动性)股票收益率间的相关系数要高于前期小公司的股票收益率与现期大公司的股票收益率间的相关系数.对于上述现象的解释主要有 3 种:第一种,Conrad 和 Kaul(1988)认为交叉自相关系数是随时间变化的预期收益率的结果,根据这种解释
3、,一旦考虑证券组合自相关系数,则证券组合的交叉相关系数就消失了;第二种,BoudouKh(1994)等人认为证券组合的自相关系数和交叉相关系数是市场微观结构失衡的结果;第三种是 L0 和 MacKinlay 提出的,他们认为其原因是基于这样一种倾向,即某些股票对市场信息的调整比较快,而另一些股票对同样信息的调整则比较慢.这种解释又被称为“调整速度假说“. 一“调整速度假说“ 对量价关系的解释力比较强 ,这种研究结果 ,有助于理解市场价格的形成与信息传递之间的关系,进而对于指导股票市场机制的设计及改进都具有重大意义.本文的目的在于通过实证分析中国股票市场上交易量与收益率之间的相关性,对股票市场的
4、价格机制进行初步的研究.首先,我们研究交易量与收益率之间的领先关系是否存在,也就是说,交易量较大的公司的股票前期收益率是否对交易量较小的公司的股票现期收益率有预测作用;进一步,如果这种领先关系存在,则根据 L0 和 MacKinlay 自己提出的“调整速度假说“ 来对上述关系进行解释,检验交易量较大的公司股票收益率对于市场信息的调整速度是否快于交易量较小的公司股票收益率的调整速度.本文是第一作者主持的国家社会科学基金项目通货紧缩国际传导机制研究)(01BJL010)的研究成果,该项研究同时获得了教育部高等学校优秀青年教师教学科研奖励计划)的资助.一31中国股票市场收益率与交易量相关性的实证分析
5、中国金融?财政论坛二,数据与研究方法(一)数据本文以 2000 至 2001 年沪,深股票市场上随机选取的 240 只股票作为样本数据.由于中国上市公司奉行的股利政策多以送,配为主,而且“10送 10“的大幅度增扩股现象屡见不鲜,配股期间往往会伴随股价的大幅度波动,因此在选取过程中,对于在年内发生送配股的样本,我们采取剔除并重新抽取的办法,目的是排除送配股对于股价的影响.在 240 只股票组成的大样本中,对每只股票选取其日时间序列数据,包括每日股价(收盘价),每日成交量;对全部 240 只股票取横截面数据:公司流通股股本.市场收益率采取对沪,深两市市场指数收益率(对数收益率)简单平均法计算.分
6、别计算各样本股票每日收益率(对数收益率),年平均价格,每日百分比交易量(以每日交易量除以公司流通股股本),年平均百分比交易量,公司规模(以年平均价格乘流通股总股本).在研究过程中,我们以样本股票的每日百分比交易量来替代原始交易量.这是因为,原始交易量受到公司流通股股本规模的影响,而每日百分比交易量能更准确地反映公司股票的流动性(公司流通股的股本规模与原始交易量及百分比交易量之间的相关系数分别为 0.891893 和一0.05481).在计算百分比交易量时,采用公司流通股股本而没有采用公司总股本,原因在于总股本中包含有大量的国家股和法人股,这部分股票不仅不可以上市流通,而且其获取价格与股票市价也
7、相差很大,因此,以总股本计算百分比交易量并不能反映股票真正的流动性,而采取流通股总股本作分母则较为合适.所有数据来源于股易 Richway2000 证券投资分析系统.数据处理采用 SPSS 和 EVIEWS 统计分析软件.(二)研究方法为了排除公司规模因素对于股价和交易量的影响,我们首先对 240 只样本股票按公司规模进一32 一行递增排序,并等分为 4 组,则每组包含 60 只样本股票.根据 Brennan 等人 1993 年采取的方法 ,我们考虑运用两种方法对 240 只样本股票的时间序列数据进行分析:向量自回归方程(VARs)法和Dimson 的 beta 回归方程法 .1.运用向量自回
8、归方程(VARs),我们可以检验交易量较大的公司股票前期收益率是否对交易量较小的公司股票现期收益率有预测作用.为理解 VAR 检验,假设我们要检验证券组合 B 的收益率对证券组合 A 的收益率是否有预测作用.可以运用双向量自回归方程:,一 A.=a0+a,一 A.f+b, 一 B.一+“(1)=1 二 I,一 B.f=C0+Ck,一 A.f 一+d,一 B.f+f(2)=l 女 :l其中,一.为组合 A 的 t 期收益率;,一.为组合 B 的 t 期收益率;r 为组合 A 的 tk 日收益率;,一为组合 B 的 tk 日收益率.在方程(1)中,如果滞后期的 B 的收益率可以预测现期的 A 的收
9、益率,则在控制住 A 自身滞后期收益率影响的情况下,B 的滞后期股票收益率应当是现期 A 的收益率的“葛兰杰原因“. 在以下的分析中,我们先采取修正的判定标准,即滞后期 B 的收益率系数和是否显着大于零,然后再进行GrangerCausality 检验.同理,如果我们要检验滞后期 B 的收益率对现期 A 的收益率的预测能力是否大于滞后期 A的收益率对现期 B 的收益率的预测能力,则要判断方程(1)中系数和 b 是否大于方程(2) 中的女 lF.首先,我们分别在前面已分好的 4 个大组中,按每只样本股票的年平均百分比交易量进行递增排序,并进一步细分为 4 个小组,共得到 16 个小组,每个小组有
10、 15 只样本股票.在每个大组中,取年平均百分比交易量最小和最大的两个极端小组,则我们得到 8 个小组.如果以 z 表示组,以第一下标 i 表示大组,以第二下标 j 表示小组,则可以把这 8 个组表示为:Z,Z,Z,Z,ZZZ4l,Z44o在 4 个大组内,我们对两个具有极端交易量的小组的收益率进行向量自回归,取滞后期为 5 天.市场对于新信息的理解需要一个过程,即存在一个时滞.时滞的长短取决于股票市场的发育程度,如美国市场为一天.张思奇,马刚,冉华(2000)指出:根据他们的初步研究结果,上海市场的滞后期约为 5 天.据此,在我们的研究中,首先取滞后期为 5 天.在各表 1 方程(4)系数检
11、验统计量variableCoefficientStd,ErrortStatisticProb.R.(一 1)0,1959930.0546033.5894020,000,R.(一 2)0,0462580,0553900,8351330,404R,.(一 3)0,0413360,0555850,7436580.457:R.(一 4)0.0601930.0555081.0843940.278R.(一 5)一 0.0228520,0541340.4221350,673R.(一 1)0,2410130,0501874.8022830,0001R.(一 2)0.0326150.0519l10,628282
12、0.530R.(一 3)0.0263460.0519360,5072860.612:R(一 4)0,0660940.0519941,2711870,204:R.(一 5)一 0.0536670,0514191,0437030.297:C 一 2,45E 一 050,0004290,0572160.954,表 2 方程(4)检验统计量R 调整 RD-W 统计量 F 统计量0,2425270.2263081.99765114.95240P 值施瓦茨标准回归标准误残差平方和0.0000006.3833200.0093730.041025表 3 方程(5)系数检验统计量解释变量系数标准误差 t 一统计
13、量 P 值Rl1(一 1)0.1254670.0596392,1037920.0359R.(一 2)0,0200060,0603540.3314690.7404R.(一 3)0,0372270.0604410.6159240,5382R.(一 4)0,0969840.0603171.6079040.1085R.(一 5)0.0669560.0588211.1383050.2556R.(一 1)0,2991740.0547995,4594690.0000R.(一 2)0,0623020.0566081.1005790.2716R.(一 3)0,0163610.0565180.2894900,77
14、23R.(一 4)0.0009710.0565860,0171650.9863R.(一 5)0.0310780.0561300.5536740.5801C3,56E 一 050.0004670,0763320.939:表 4 方程(5)检验统计量R 调整 RD-W 统计量 F 统计量0,2147510.1979002.01011412.74421P 值施瓦茨标准回归标准误残差平方和0.0000006,2171260,0101840.04832g管理世界(月刊)2002 年第 7 期大组内运用以上标准进行比较,分析,并对其进行GrangerCausality 检验.2.运用 Dimson 的 b
15、eta 回归方程 ,我们可以验证“速度调整假说“,检验交易量较大公司股票收益率对于市场信息的调整速度是否快于交易量较小的公司股票收益率的调整速度.Dimson 方程为:r,=a+ .r,一+U,(3)其中,为证券组合 i 在 t 日的收益率;r.一为tk 日市场指数收益率;,为组合 i 对 tk 日的市场收益率的 8 系数.在比较收益率调整速度时,我们重点分析方程中现期和滞后期 8 系数.比较的标准是:假定滞后期为 1(k=1),当证券组合 B 的现期 beta,GB.0 大于组合 A的现期 beta,p,.;而 B 的滞后期 beta,B.I 小于 A 的滞后期 beta,时,可以认为 B
16、收益率的调整速度快于 A.其隐含的意义为,如果 B 的收益率对市场信息的调整速度快于 A,则 B 收益率对当天信息的敏感度要大于 A,而 A 对前一日市场信息的反应则大于 B.在实际分析中,我们取k=5,即滞后期为 5 天,则对比较标准作相应调整.我们在 8 个小组内,对每只样本股票按 Dimson 方程进行回归,计算滞后 5 期的 beta 系数和和现期 beta 系数G,0.三,实证检验结果及分析(一)我们仅以第 1 小组为例,说明向量自回归检验分析过程,得到的回归方程为(括号内为滞后期数)R.:0.1959932406R.(一 1)+0.04625813268R11(一 2)+0.041
17、33632145R11(一 3)+0.06019252366R11(一 4)一 0.02285173576R11(一 5)+0.241012768R1(一 1)+0.03261506585R1(一 2)一 0.02634623081R1(一 3)+0.06609400586R1(一 4)一 0.05366660973R14(一 5)一 2.454042447e 一 05(4)R1=0.1254673905R11(一 1)+0.02000559702RI1(一 2)+0.03722682137R11(一 3)+0.09698397419R11(一 4)一 0.06695606897R11(一 5
18、)+0.2991742714R1(一 1)+0.06230181047R1(一 2)一 0.0163614744R1(一 3)一 0.00097128895R1(一 4)+0.03107796685R1(一 5)一 3.561200628e 一 05(5)在两个方程中,对于现期 R.和 R.的影响,主要集中一33中国股票市场收益丰与交易量相关性的实证分析中国金融?财政论坛于滞后一天和滞后两天内.两个方程的 R 及调整R 不是非常大,但这并不影响我们以下将要得出的结论.两方程的 F 统计量分别为 14.95240 和12.74421,在 1%的显着性水平上显着.两方程的Dw 统计量都近似于 2,
19、说明并不存在序列相关现象.表 5 反映的是对于各组进行向量自回归的综合结果.从表 5 中,可以看出,在公司规模较小的两个大组内,R. 和 R:.的“H“都大于 R.和 R:的“L“.这说明交易量大的公司股票的滞后期收益率对交易量较小的公司股票的现期收益率显示出正向关系,并有较强的预测能力.但是在公司规模较大的两个组内,R 和 R.的“H“不是很小就是为负,而 R,和 R 的“L“却为正且很大 ,呈现出与上两组相反的情况.这似乎说明交易量小的公司股票的滞后期收益率对交易量较大的公司股票的现期收益率有预测能力.我们再来对 4 个组做葛兰杰因果关系检验(GrangerCausalityTests),
20、结果见表 6.在前后 4个组内显示出矛盾的结果.在前两个组内,第二个假设的 F 统计量都比第一个假设的 F 统计量表 5 各组向量自回归的综合结果LHL1H1R 调整 RZl1l0.3209280.2597090.1959930.2410130.2425270.226308IZl0.2127280.3752220.1254670.2991740.2147510.197900IZ2110.1994610.1554670.0598500.1796430.1053320.086133Z210.1503520.0803110.1693030.1247140.1251l10.106296Z31l0.17
21、64890.1059100.1993510.0387840.0745550.054822Z310.7157130.214430.3049340.0217140.1205830.101792Z4110.3637940.0513320.3942210.1186530.1703000.152495Z4410.1850750.2003970.329778 一 O.0386610.1654320.147484注:LR.滞后 5 期系数和;HR.滞后 5 期系数和;L1 一 R.滞后1 期系数;H1 一 R.滞后 1 期系数.表 6 葛兰杰因果关系检验结果(取滞后期为 5 天)NullHypothesis
22、:ObsFStatisticProbabilityR11doesnotGrangerCauseR144571.851360.10152R14doesnotGrangerCauseR115.191390.00012R21doesnotGrangerCauseR244563.073220.00968R24doesnotGrangerCauseR213.746270.00246R31doesnotGrangerCauseR344595.909082.6E 一 05R34doesnotGrangerCauseR3112.48740.08601R4ldoesnotGrangerCauseR444560.383450.61621R44doesnotGrangerCauseR411.921970.8273434要大,且都在 1%的水平上显着(P 值分别为0.00012 和 0.00246),这说明我们可以在 1%的显着性水平上拒绝原假设,即认为交易量大的公司股票的滞后期收益率对交易量较小的公司股票
