首页 > 文章中心 > 股票交易论文

股票交易论文

股票交易论文

股票交易论文范文第1篇

大多数国家减免证券交易税的行为与早期传统理论不太相符。Tobin(1984)的研究认为,管理者会为了迎合短期投资者对公司股票进行大量投资的需求,而做出较为短视的、对公司长期发展并没有好处的经营决策。因此,通过增加交易费用抑制短期投资行为,可以使管理者把目光集中到公司的长远发展上。⑥Stiglitz (1989)认为交易费用可以抑制金融市场中噪音交易者⑦的短期投机交易行为,减少过度投机,降低市场的波动性。⑧但是随着金融交易理论的衍生和发展,特别是一系列实证研究的结果改变了各国政府对于证券交易税的看法。从成交量来看,Campbell&Froot(1994)对20个国家的证券交易税和成交量之间的关系进行了统计和案例研究,发现一旦交易费用(主要由交易税构成)上升,投资者会选择各种方式避免在本国投资股票,导致本国股票市场的成交量大幅下降,这一研究结果有力地证明了交易费用的变动和证券市场的成交量成反比关系。从波动性来看,早期的实证研究主要支持增加交易费用(Lindgern&Westlund,1990),但由于研究方法的局限性,受到后来学者们的广泛质疑。Umlauf(1993)利用事件研究方法分别研究了美国和瑞典的证券市场,并最终证明交易费用的变动与市场的波动性呈正相关关系。①此后在芬兰和中国台湾地区市场,其他一些学者利用Umlauf的方法也得出了类似的结论(Swan&Westerholm,2004;Chou&Wang,2006),他们也都提出了减免证券交易税的政策建议。也许是基于上述实证检验的结果,各国政府在上世纪90年代后期开始减免证券交易税。主要考虑一方面是希望以此提高市场的参与度,让国内外投资者更愿意在本国证券市场投资;另一方面也是相信交易费用的降低无论在短期还是长期,都不会造成本国市场的剧烈波动,甚至在某种程度上可以减少市场波动。

二、股票交易印花税变动对我国证券市场的影响

我国自1992年开始对A股市场征收股票交易印花税以来,共调整过8次税率(见表2)。如此频繁的股票交易印花税变动对我国证券市场到底影响几何,我国学者对此进行了大量研究。史东贤、蒋贤锋(2003)从市场波动性、噪音波动性、股票交易印花税收入和券商佣金收入等方面分析了股票交易印花税调整对我国股票市场的影响,结果发现下调股票交易印花税可以使市场波动性和噪音波动性同时下降。②姚涛、杨欣颜(2008)运用回归分析和GARCH模型,对2007年5月30日和2008年4月24日两次股票交易印花税调整对股市波动性的影响进行了分析,发现股市波动性在股票交易印花税上调后短期内有显著增加,长期有所减弱,而在股票交易印花税下调后变化不太显著。③许赫宁(2007)从法律角度对我国股票交易印花税征收的合法性、征收方式的合理性进行了辩证分析,认为我国政府征收股票交易印花税的行为缺乏法律依据且随意性较高,对股票市场的长期发展和保障投资者的利益都没有好处。④吴昱等(2013)利用2006年11月至2008年8月的股票交易高频数据,实证研究了期间两次股票交易印花税调整对我国股票市场的交易量、买卖价差、价格波动性及有效性的影响,结果表明降低股票交易印花税税率可以增加股票的交易量、降低买卖价差,同时可以抑制股票价格的波动,提高股票价格的有效性。其中,Xi为每个时间区间内的收益率,n为计算周期内的交易天数。结果如图1、图2、图3所示。上述结果显示:第一,无论上调还是降低股票交易印花税税率,在短期内都会引起股市波动,但是2007年5月30日股票交易印花税上调后引起的波动更大;第二,从中长期波动趋势来看,2008年4月和9月降低股票交易印花税税率后,上证综指的年化波动率呈下降趋势,而2007年5月股票交易印花税上调后,上证综指的年化波动率一直处于高位,且不断上升。这两个结论与前人的研究有些不同之处,但主要发现是相似的,即上调股票交易印花税税率会造成证券市场大幅波动,从保持市场稳定的角度不支持政府上调股票交易印花税税率。

三、结论

股票交易论文范文第2篇

【论文关键词】有效市场假说;股票收益;账面市值;成交量 

 

一、引言 

“有效市场假说”的研究起源于路易斯·巴舍利耶(bachelier,1900),他从随机过程角度研究了布朗运动以及股价变化的随机性,并且他认识到市场在信息方面的有效性:过去、现在的事件,甚至将来事件的贴现值反映在市场价格中。他提出的“基本原则”是股价遵循公平游戏模型。fama(1970)在总结了前人的理论和实证的基础上,并借助samuelson(1965)的分析方法和roberts(1967)提出的三种有效形式,提出并深化了有效市场假说。 

二、有效市场假说中的两种理论假设 

根据芝加哥大学著名教授fama所总结的“有效市场假说”,若市场是有效的,当前股票的成交量对股票未来收益率是没有预测作用的。因此,在以有效市场假说为理论基石的capm等传统资产定价模型中,成交量是不被考虑的因素。但是在投资管理的实务领域,以股票的成交量作为研判未来股票价格变化的依据,则是证券分析中的一个重要工具。近年来,学界对这些问题争论颇多,并逐渐形成两种理论假说来解释实证结果,即campben,grossman和wang(1993)提出的“资产配置假说”,以及morse(1980)提出的“信息不对称假说”,而llorente,michaely,saar和wang(2002)则试图将上述两种看似矛盾的理论假说统一起来形成“资产配置与信息不对称统一假说”。 

 (一)资产配置假说 

campben等(1993)的实证研究发现,高成交量交易日的股票收益率更易在随后交易日中表现出反转。他们提出了基于投资者资产配置的理论模型对此进行解释:非股票资产风险收益关系的变化导致投资者进行资产比例的重新配置(hedgingtrades)驱动成交量的变动,例如股票以外的其他资产的收益下跌,使得投资者增加股票投资的比重,从而导致成交量放大,可见成交量变化仅仅表示“其他资产收益相对于股票收益的变化”,而且由于这种成交量的变化并不表明股票的基本价值发生变化,因此成交量的变化是暂时的,未来股票收益将会“反转”,即:股票以外其他资产收益下降导致投资者大量买入股票,从而成交量增加、同时股价上升,但一旦资产配置结束,股价将会下跌,回复到基本价值。 

conrad等(1994)采用周收益率数据,基于股票成交量构造投资组合,研究交易策略的盈利性,实证结果支持了campbell等(1993)的假说:本周成交量较高的股票,在下一周股价出现了反转;相反,本周成交量较低的股票,在下一周股价则保持惯性。 

 (二)信息不对称假说 

mooe(1980)认为,股票交易的发生是由于拥有内幕信息的投资者与不知情的投资者之间对股票价值的不同判断所致,因此信息不对称程度越高,股票交易越活跃,股票成交量也越大。可见,成交量高低就表示“未公开信息的多寡”,未公开信息越多,则随着信息的公开,未来股票收益将呈现于“惯性”,即原先股价上涨的股票未来继续上涨、原先股价下跌的股票未来继续下跌。其实证结果显示,股票成交量与后一交易日股票超常收益率的绝对值显著正相关。 

stickel和verrecchia(1994)发现,若股票在季度盈余公告日的成交量较小,则后一交易日的股价往往发生反转,反之,若季度盈余公告日的成交量较大,则后一交易日的股价倾向于保持惯性。他们认为,这是因为成交量越大,股票交易由内幕信息拥有者驱动的可能性越大,故股价越倾向于保持惯性。 

三、与有效市场假说背离的市场异象 

20世纪80年代以来,国外学者在金融学实证研究中发现了许多与有效市场假说背离,主流数理金融理论无法解释的市场异象,账面市值比效应就是其中之一。账面市值比效应是指股票投资收益与公司账面市值比正相关,即投资于高账面市值比公司的股票能够获取较高收益,而投资于低账面市值比公司的股票通常收益较低。对于账面市值比效应成因的解释存在很大分歧,一种观点认为原因在于风险因素无法观测,另一种观点则认为原因在于定价偏误。低账面市值比公司多为成长型公司,投资者将其股票称为成长型股票;高账面市值比公司的股票通常被称为价值型股票。在账面市值比效应研究中,价值型股票因具有较高投资价值受到更多关注,而收益率水平较低的成长型股票往往被忽视。通过对成长型股票收益率的观察可以发现,尽管其整体表现弱于价值型股票,但投资其中一些股票却可获得很高的收益率。传统的财务报表分析通常依据未完全反映在股价中的信息分辨事后赢家和输家,很难确定这种分析对成长型股票是否有效,因为成长型公司往往因宣传或近期较好的市场表现而受到偏离基本面的价值高估。研究发现,市场往往对成长型股票的当前基本面进行自然外推,或者忽视前期投资对未来收益的影响。 

四、资本市场中的争论 

20世纪80年代以前,经典金融理论以有效资本市场假说为基础,认为公司股票价格能够快速、准确地反映所有信息,任何利用已公开信息的投资策略都不可能获得超额收益。从上世纪80年代开始,学者们逐渐发现许多与capm模型预测不一致的“异象”或“迷”。basu(1977)首先提出了市盈率比效应,他在实证研究中发现低市盈率的股票比高市盈率的股票赚取明显高的收益率。其他一些重要的异象包括账面市值比效应、规模效应、杠杆效应、短期收益动量效应、长期收益反转效应以及对信息反应过度和反映不足的现象等。围绕上述“异象”,传统金融学家和行为金融学家展开了激烈的争论。传统金融学家继续尝试用理性定价的思想对“异象”进行解释,而行为金融学家则构造了大量基于信念和偏好的资产定价模型来诠释这些“异象”。在这些研究成果的基础上,fama和french(1993)通过大量实证检验归纳出包含市场系统风险、规模效应(size effect)和价值效应(bm effect)的三因素模型。三因素模型的提出消除了一部分“异象”,并且在各国的实证中得到了很好的应用,受到了学者们较为广泛的认同。 

fama和french(1993)三因素模型虽然承认存在capm无法解释的现象,但他们并不认为sizeeffect和bm effect是市场无效的证据,而认为这两者代表了没有被系统风险β所包含的额外风险,超额收益只是对投资者所承担这些额外风险的补偿。但是,lakonishoketal (1994)认为bm effect的出现是由于投资者对公司基本面过度反应造成的。daniel和titman (1997)也认为size和bm不是风险因素,而是代表投资者对小规模公司和价值公司的偏好,投资者偏好导致这些特征因素对公司股票收益率产生影响。关于三因素模型是风险模型还是特征模型,学者们所得到的经验证据并不一致,研究结论无法统一,至今还是争论不休。 

股票交易论文范文第3篇

关键词:融资融券;信用交易;特质性波动

中图分类号:F830 文献标识码:A 文章编号:1001-148X(2017)03-0053-10

一、引言

2015年的股票市鑫;中,以配资为主力的杠杆交易被认为是推动此次市场快速上涨和急剧下跌的主要因素之一。从这个角度来看,杠杆交易加剧了市场波动。但是,以往对于融资融券制度的研究却显示杠杆交易够提升信息传递速度、降低标的证券的噪音交易、降低投资者之间的信息不对称程度,从而达到降低市场波动的作用(陈海强和范云菲,2015)。肖浩和孔爱国(2014)、李志生等(2015)也从股价特质性波动的角度验证了融资融券制度能够降到市场波动。

如果说以往对于融资融券制度的研究对于杠杆交易降低市场波动这一结论已经基本达成一致,为何包括融资融券交易在内的杠杆交易在2015年市场危机中却起到了加剧市场波动的作用?我们不得不开始重新思考包括融资融券交易在内的杠杆交易对市场波动究竟有着何种影响。

由于融资融券保证金机制的存在,在不同的市场环境下,融资融券制度对市场波动的影响是不同的。在2015年股灾中,市场每日的波动都很大,个股也处在高波动的状态,股价的大幅下跌很容易引发融资交易保证金爆仓,而如果未及时补充保证金而进一步发生强制平仓行为,股价的跌幅会进一步被放大,在这种情况下,融资融券制度反而加剧了股价的波动。因此,在波动水平较高的市场环境中,融资融券制度则会加剧市场波动。那么这一结论是否具有普遍性?是否只有在股灾中才会体现出来?

本文使用2010年至2015年中国A股市场数据,研究了融资融券制度的保证金机制对股价特质性波动的影响,发现在非极端市场环境下,融资融券制度的保证金机制仍然有可能放大市场中股票的特质性波动:对于特质性波动水平较高的股票,融资融券交易能够显著放大其特质性波动,对于特质性波动水平较低的股票,融资融券交易并不会显著放大其特质性波动;在分别检验了融资交易和融券交易的影响后,结论依然成立,这表明融资融券的保证金机制放大股价波动的现象在非极端市场环境中是普遍存在的。

本文的主要贡献在于:(1)目前国内少有人从融资融券保证金制度背后所隐含的爆仓风险的角度进行研究,但杠杆交易所带来的流动性的补充和其杠杆本身的脆弱性是同时存在的,对于后者的关注是十分必要的,2015年股灾更是凸显了这一问题的重要性。(2)国内对于融资融券制度与市场波动这一问题的研究主要考察的是波动的水平,即多从横向和纵向的对比的角度考察制度实施前后波动水平的变化,本文则是对波动水平的影响机制进行了更细致的研究。(3)目前对于信用交易保证金机制与市场波动关系的研究主要集中于保证金比例的高低与市场波动的关系,即保证金比例的提高会抑制投机交易,本文则是从保证金机制的杠杆特征出发,探讨了杠杆机制带来的爆仓风险与市场波动之间的关系,是对保证金机制与市场波动关系的相关研究的重要补充。

二、文献综述与理论分析

国外对信用交易的研究众多,主要集中在信用交易的保证金机制上,而实际上,保证金机制也正是信用交易的核心机制。目前,国外研究大多认为,保证金机制或者说较高的保证金比例能够降低市场波动。Moore(1966)首次提出信用交易的保证金制度能够降低股价波动,其研究认为,保证金制度的实施使得股价波动率保持在相对稳定的状态。George Douglas(1969)的研究发现,保证金比例和股价波动之间存在负相关关系。Kenneth Garbade(1982)认为,缺乏保证金机制的信用交易会强化投机者的金字塔式投机行为,从而加剧市场波动。Hardouvelis(1990)研究发现,提高信用交易的保证金比例能够降低股价波动性,提高信用交易保证金可以将部分利用市场非理性情绪的投机排挤出市场,进而降低了个股股价的波动。Hardouvelis和Theodossiou(2002)研究了熊市和牛市中保证金比例与股价波动之间的关系,研究发现,正常市场和牛市中提高保证金比例能够降低股价波动,而熊市中这一现象并不明显。保证金比例的提高也会降低股价收益的均值,因为保证金比例的提高会降低股价的系统性风险。

也有研究对保证金机制稳定市场的作用进行质疑。David & Merton(1990)通过实证研究认为,Hardouvelis所谓的保证金比例和股票波动之间的负相关关系并不存在,其使用日度和月度数据均未发现显著的负相关系。Seguin(1990)的研究发现,对于信用交易限制的收紧并不会增加股价的波动。

一些研究也肯定了信用交易的对市场的价值。Seguin(1990)研究了信用交易对股价波动性的影响,研究发现,信用交易并不会增加股价的波动,信用交易的可获得性能够增加股价的信息含量和深度,信用交易增加了股票的交易量,但是波动性和噪音显著降低。Saff和Sigurdsson(2011)利用个股回报与上一期市场回报的相关系数、股价对市场信息反应的延迟程度以及股票收益分布等指标刻画股价的定价效率,并发现融券余额较少的股票,股价定价效率较低。

国外研究对于保证金机制能否稳定市场的讨论主要集中于较高的保证金比例能够提高信用交易的成本,从而能够在一定程度上抑制投机交易;也就是说投机交易比例的提升会增加市场波动,保证金比例提高之后,投机交易需要的资金会增加,投机交易就会受到抑制,从而市场波动会降低。相关研究的主要争论在于信用交易保证金比例的提高能否有效抑制投机交易。

国内现有研究基本认为融资欧融券制度能够降低市场波动。杨德勇和吴琼(2011)利用事件研究法检验了融资融券业务开通前后个股的波动性,结果表明融资融券交易降低了个股波动性。李德峰等(2012)、徐晓光等(2013)、李志生等(2015)等的研究均认为融资融券制度的推出降低了个股或者市场的波动性。王性玉等(2013)利用协整分析、脉冲响应函数分析、方差分析和因果检验等计量经济的方法,通过实证分析发现融资融券交易额与市场流动性和波动性相关,做空机制的推出并没有大幅增加市场波动。汪天都等(2014)使用方差齐性检验法,发现融资融券并未影响市场稳定,不存在助涨助跌效应。肖浩和孔爱国(2014)研究发现融资融券交易能够降低股价特质性波动,并从公司治理、信息传递等角度对影响渠道进行验证。李志生等(2015)对融资融券制度与股价特质性波动的研究也得到了相似的结论。冯玉梅等(2015)研究了融资融券交易对我国股市波动性的影响,研究发现,融资相对于融券更能够平抑股价波动,融券平抑股价波动的系数较小。陈海强和范云菲(2015)认为,融资融券制度的推出能够显著降低标的个股的股价波动率,但是,融资机制与融券机制的作用却是相反的,融资交易降低了股市的波动率,融券交易增加了股市的波动率。

通过对现有研究的梳理看出,国内学者对于信用交易对市场波动研究主要集中于信用交易的实施对于市场整体波动的影响和对于个股波动的影响;影响机制方面也多侧重于融资融券制度推出之后,我国市场中出现了新的卖空机制,卖空成本的下降对于市场波动的影响如何是他们研究理论的主要出发点,少数学者也从信息传递的角度进行解释。对于融资融券制度的保证金机制所隐含的爆仓风险如何影响市场波动这一问题,国内学者较少关注。

本文认为信用交易的本质在于其交易的保证金机制,通过保证金机制达到杠杆交易和卖空交易的目的,保证金机制对于市场波动的影响更为至关重要,特别是目前融资交易和融券交易发展极不均衡,受券源、投资管理能力和市场风气等因素的影响,融资交易规模远远超过融券交易规模,把融资融券制度的推出对市场的影响单单归纳为融券交易带来的新的卖空机制这一观点是十分片面的,考察融资融券制度的推出对市场的影响不可避免的要把融资交易放在更重要的位置。

融资交易的一大主要特点就是其杠杆交易,而杠杆交易在融资融券制度中的具体体现和设计就是其保证金机制。同时,融券交易除了带来卖空机制之外,也是一种杠杆交易,因此,对融资融券制度杠杆特征的考察或者说对保证金机制的研究更有利于我们了解融资融券制度对于市场的影响,特别是对市场波动的影响。

在融资融券保证金机制对市场波动的影响这一问题上,虽然国外研究的成果颇多,但是,融资融券的保证金机制除了能够抑制投机交易之外,其杠杆交易特征也会对市场产生影响。所谓其杠杆交易特征对市场的影响主要体现在杠杆在放大市场交易量和降低市场的稳定性上,换句话说,通过杠杆交易,投资者可以进行超过自有资金量的交易,但同时,市场中整体杠杆水平的提高,会增加整个市场中的系统性风险,而且这种风险也具有一定的传染性。因此,从杠杆的角度来看,信用交易也会对市场稳定性产生影响,而非单单是通过给投机者设立门槛这一种方式。杠杆或者信用在整个金融体系中的地位是至关重要的,对这一问题的研究的重要性不言而喻,但是,想要充分说明杠杆究竟发挥了多大的作用和哪些作用也是很困难的。本文并不奢望能够把杠杆交易与市场波动的关系完全讲清楚,更多的是从2015年股灾的角度,对杠杆交易和市场波动的关系进行一些思考和探讨。

2015年股市危机中,杠杆交易惹人注目的一个原因是在市场连续下跌的时候,配资交易强制平仓带来市场进一步的连续下跌,在这种情况下,杠杆交易的脆弱性就被完全暴露出来。也就是说,当市场波动很大的时候,资产价格触及了杠杆交易的平仓线,如果投资者不能够及时的补充保证金,或者投资者决定改变交易方向,那么投资者清仓会进一步增加市场的卖压,带动市场的进一步下跌,市场的这种连续下跌就可以表示为市场波动的放大。那么如何证明这种波动的放大是由信用交易的爆仓引起的呢?因为在股灾的那种极端市场环境中,恐慌情绪等因素也会带来整个市场的大幅下跌。

这种信用交易的爆仓并不是只会发生在极端市场环境下,在非极端市场环境下,即融资融券交易实施以来,除了2015年股市危机时期,其他时期也会发生类似的现象;这种爆仓可能更多的发生在个股身上,可能并不是所有的投资者一起爆仓,更多的可能是个别投资者的爆仓。那么如果找到一类样本,这类样本中,投资者更有可能爆仓,那么我们就可以通过不同样本的对比来探讨信用交易爆仓对市场波动的影响。我们可以选择非极端市场环境下,个股波动水平较高的股票样本和波动水平较低的股票样本进行比较,股票价格波动水平比较高的话,投资者爆仓的几率要明显高于波动水平较低的股票样本,因此提出如下假设:

H1:融资融券交易会放大波动水平较高的股票的股价波动,但不会放大波动水平较低的股票的股价波动。

融资交易和融券交易目前来看,在规模等方面存在明显的差异,因此,也需要对两者分开考察,因为两者放大股票波动的作用机制是一样的,因此提出如下假设:

H2:融资交易放大会放大波动水平较高的股票的股价波动,但不会放大波动水平较低的股票的股价波动。

H3:融券交易放大会放大波动水平较高的股票的股价波动,但不会放大波动水平较低的股票的股价波动。

三、研究设计

(一)特质性波动及其计算

Roll(1988)提出,基于金融经济学者广泛认可的理解,股票价格的波动可以被分解成三个部分:未预期到的宏观经济波动(系统性风险或理解为多个风险因子的宏观风险)、未预期到的市场环境波动和未预期到的企业异质信息。一般认为,股价的特质波动是对企业特质信息的有效度量。根据Lee和Liu(2011)的研究,特质性波动和股票价格的信息含量成U型P系,当信息含量较少时,特质性波动与信息效率负相关;当信息含量较多时,特质性波动与信息效率正相关。借鉴Kang et al.(2014)的方法,我们使用三因子模型回归的残差序列来衡量股票的特质性波动。

(二)研究方法

借鉴Kang et al.(2014)的研究,使用分组研究的方法对结论进行检验。根据特质性波动水平进行分组,按照股价特质性波动水平将股票平均分成两组,股价特质性水平高的50%股票为一组,股价特质性波动水平低的50%股票为一组;在每一期均进行一次分组,因此,同一只股票在不同时期,其所处的分组可能会出现变化。

使用方程(1)对假设H1进行检验,使用方程(2)对假设H2进行检验,使用方程(3)对假设H3进行检验,使用方程(4)作为假设H1的补充检验,具体方程如下,

i,t-1表示股票i在t-1期,融资余额占平均交易额的比例。融资融券交易分为融资交易和融券交易,因此,本文也对融资交易和融券交易对股价特质性波动变化的影响分别进行检验,参照肖浩和孔爱国(2014)的指标设计,本文使用融资余额占该期股票平均交易金额的比例计量该期股票的融资交易。(3)MARGIN_SELLi,t-1表示股票i在t-1期,融券余额占平均交易额的比例。本文使用融券余额占该期股票平均交易金额的比例计量该期股票的融券交易。(4)MARGIN_NETi,t-1表示股票i在t-1期,两融净额占平均交易额的比例。由于融资交易和融券交易是方向完全相反的两种交易行为,因此,本文也考察了融资融券余额的净值对股价特质性波动的影响。两融净额为融资余额减去融券余额的绝对值。

3.控制变量。

(1)ΔCFi,t表示上市公司i在t期的现金流量的特质性波动的变化。现金流量的特质性波动的计算方法参考Kang et al.(2014)的研究,上市公司的特质性现金流波动的计算方法如下:

首先计算t期上市公司现金流变动,

dEi,t=Ei,t-Ei,t-4Bi,t-1

其中,Ei,t用来衡量公司现金流的变动,参照Kang et al.(2014),本文使用净利润这一指标,Bi,t-1是公司在t-1时期的账面价值。

然后,分行业进行混合回归,

dEi,t=α+β1dEi,t-1+β2dEi,t-2+β3dEi,t-3+β4dEi,t-4+εi,t

以上回归的残差项εi,t表示上市公司i的现金流量冲击。

然后,再计算市场平均现金流量冲击:

εm,t=1Nt∑εi,t

上市公司的特质性现金流量波动为公司现金流量冲击与市场平均现金流量冲击的差的平方,具体如下:

IVCFi,t=(εi,t-εm,t)2

(2)ROEi,t-1表示上市公司i在t-1期的净资产收益率。

(3)LEVERAGEi,t-1表示上市公司i在t-1期的资产负债率。

(4)YIELDi,t-1表示上市公司i在t-1期的股票投资回报率。

(5)VOLATILITYi,t-1表示上市公司i在t-1期的股票收益波动率。

(6)ILLIQUIDITYi,t-1表示上市公司i在t-1期的流动性,参照Amihud(2002)的研究,该变量的计算方法如下:

ILLIQUIDITY=1Di∑Did-1Ri,dTradingvolumei,d

其中,Di表示改期上市公司股票交易的天数,Ri,t表示股票在第d天的投资收益,Tradingvolumei,d表示股票在第d天的交易额。流动性指标是股票价格对于单位交易金额的反应,与买卖价差等日内流动性指标不同,Amihud(2002)认为该指标可以用来构建流动性的长期时间序列,该指标越大,表明流动性越差。

借鉴Kang et al.(2014)的研究,在回归模型中控制了股票流动性对套利投资者持股行为的影响。按照Amihud(2002)的研究,本文计算了股票的流动性指标ILLIQUIDITYi,t-1,按照流动性的高低进行分组,将每期样本分为5组,用变量Q1和Q5进行控制,Q1为虚拟变量,若股票处于流动性最好的一组,则取值为“1”,否则取值为“0”,Q5为虚拟变量,若股票处于流动性最差的一组,则取值为“1”,否则取值为“0”。

(7)SIZEi,t-1表示上市公司i在t-1期的市值的对数。

(8)INSTITUTIONi,t-1表示上市公司i在t-1期的专业机构投资者持股比例,专业机构投资者包括基金、基金管理公司、券商集合理财等。

回归控制了时间固定效应和公司固定效应。

(三)数据来源与描述性统计

本文使用的是2010年至2015年中国A股市场股票交易数据。在数据的筛选上参考了Kang et al.(2014)的做法,剔除了之前一年交易日不满150天和单季度交易日不足25天的样本。为了控制融资融券交易的选择偏差,本文借鉴肖浩和孔爱国(2014)、李志生等(2015)的方法,使用所有曾被纳入融资融券标的的股票和目前仍然是融资融券标的的股票作为研究样本。数据来源为国泰安经济金融研究数据库。

本文所使用的主要变量及其含义见表1,数据的描述性统计见表2。

描述性统计结果显示,被解释变量ΔIV:均值为00167,说明样本数据的季度股价特质性波动变化均值为正;最小值为-28576,表明季度股价特质性波动减小最多的股票对数化特质性波动减小了28576;最大值为35328,表明股价特质性波动增加的最大幅度为35328。

解释变量:MARGIN的均值为04137,由于MARGIN是虚拟变量,表明样本中,四成多的数据为可以进行融资融券交易数据,未出现明显的样本不均衡。MARGIN_BUY的均值为09714,表明平均而言,融资余额是日均交易额的97%,最小值为0,最大值为201012,表明对于个别股票,融资余额达到了期日均交易额的20度倍。MARGIN_SELL的均值为00062,表明融券余额与日均交易额之比要比融资余额与日均交易额之比小很多,说明了融券交易目前在我国市场中明显弱于融资交易;最小值为零,最大值为02025,表明即使是融券交易最活跃的股票,其融券余额也仅为日均交易额的20%度。MARGIN_NET的均值09652,与变量MARGIN_BUY的均值差距不大,说明融资交易仍然是目前融资融券业务的主要内容,变量MARGIN_NET的其他统计特征也与MARGIN_BUY相差不大。

控制变量:ΔCF的均值为-01583,表明上市公司现金流的季度特质性波动变化多为负向;最小值为-206945,最大值为212926,表明很多公司的特质性波动的变化极大。ROE的均值为00495,表明样本公司的平均净资产收益率为5%左右;最小值为-127601,最大值为69179,说明不同公司的盈利能力差别极大。LEVERAGE的均值为05016,表明上市公司的平均资产负债率较高,但不同上市公司的资产负债率相差较大,最低的不足1%,最高的达到99%。YIELD的均值为00222,表明样本股票的季度收益的均值为正,收益最差的股票季度收益为下跌5897%,收益最好的股票季度收益超过300%。VOLATILITY的均值为00246,最小值为00060,最大值为00656。SIZE的均值为227811,最小值为205234,最大值为258538。ILLIQUIDITY的均值为00004,最小值小于00001,最大值为00199。INSTITUTION的均值为66178,表明专业机构投资者平均持股比例为66472%,就个股而言,专业机构投资者持股比例最少的为0,最多的达到7397%。

四、实证检验

对方程(1)的回归分析结果见表3。

回归结果(一)显示,使用全样本对方程(1)进行回归分析,解释变量MARGIN的系数显著为负,表明可以进行融资融券交易的股票,其特质性波动水平的变化要低于不能够进行融资融券交易的股票,即融资融券交易能够降低股票的特质性波动,这种作用即使在消除了特质性波动的时间趋势后依然显著存在。

回归结果(二)显示,使用股价特质性波动水平较低的股票样本对方程(1)进行回归分析,解释变量MARGIN的系数显著为负,说明对于特质性波动水平较低的股票,融资融券交易能够进一步降低其股价的特质性波动水平,也就是说,如果股票可以进行融资融券交易,其特质性波釉谠龃笫保幅度更低,在降低时,速度更快。

回归结果(三)显示,使用股价特质性波动水平较高的股票样本对方程(1)的回归结果表明,解释变量MARGIN的系数为正,但不显著,这说明对于股价特质性波动水平较高的股票,融资融券交易并没有显著放大其特质性波动。但是本文注意到,使用全样本和使用股价特质性波动水平较低的股票样本的回归结果均表明,融资融券交易会降低股价的特质性波动,因此,该结果至少说明融资融券交易并不能够显著降低较高水平的股价特质性波动。

综合以上对方程(1)的回归分析结果,本文认为,总体而言,融资融券交易能够降低股价的特质性波动;同时,对于不同股价特质性波动水平的股票,融资融券交易对其股价特质性波动的影响不同:融资融券交易能够显著降低较低水平的股价特质性波动,但对于较高水平的股价特质性波动,融资融券交易反而会放大其波动水平(虽然不显著)。

由于上文只是通过股票能否进行融资融券交易进行考察,本文接下来分别从融资、融券交易规模的角度进行了实证分析。对方程(2)的回归分析结果见表4。

回归分析结果(一)显示使用全样本对方程(2)进行回归分析,结果表明变量MARGIN_BUY的系数显著为负。这表明融资余额与交易额之比越高的股票,其下一期的特质性波动水平越低,或者说,融资交易能够显著减小而不是放大股价的特质性波动。

回归分析结果(二)显示使用股价特质性波动水平较低的股票样本对方程(2)的回归分析,结果表明变量MARGIN_BUY的系数显著为负。这表明对于股价特质系波动水平较低的股票,融资买入余额越高,其未来股价特质性波动水平越低,即融资交易能够显著降低股价的特质性波动。

回归分析结果(三)显示使用股价特质性波动水平较高的股票样本对方程(2)的回归分析,结果表明变量MARGIN_BUY的系数显著为正。这表明对于股价特质性波动水平较高的样本,融资交易反而会进一步放大股价的特质性波动,即该期如果股票的融资买入余额较高,其下一期的股价特质性波动会增加的更多或降低的更少。

综合以上对方程(2)的回归分析结果,融资融券制度中的融资交易能够对股价的特质性波动产生显著的影响。总体而言,融资交易能够显著降低股价的特质性波动,除此,对于不同股价特质性波动水平的股票,融资交易对股价的特质性波动的影响机制不同:对于股价特质性波动水平较低的股票,融资买入额越高,股价特质性波动降低得越多;对于股价特质性波动水平较高的股票,融资买入额越高,股价特质性波动增加得越多。

接下来本文使用方程(3)检验融券交易对股价特质性波动的影响。对方程(3)的回归分析结果见表5。回归结果(一)显示使用全样本对方程(3)的回归分析,结果表明解释变量MARGIN_SELL的系数为负,但不显著。这说明股票融券卖出金额的相对大小,并不能显著影响股价的特质性波动水平。这可能是因为融券交易的金额一直较小,特别是相比于融资金额,融券卖出额占交易额的比重很低。

回归结果(二)显示使用股价特质性波动水平较低的股票样本对方程(3)的回归分析,结果表明解释变量MARGIN_SELL的系数为负,但不显著。这说明融券卖出与融资买入不同,融券卖出交易并不能显著降低这部分样本股票的股价特质性波动。

回归结果(三)显示,使用股价特质性波动水平较高的股票样本对方程(3)的回归分析结果表明,解释变量MARGIN_SELL的系数显著为正,说明对于股价特质性波动水平较高的股票,融券交易会增加股票的股价特质性波动,即股票的融券交易卖出额越高,其股价特质性波动增加得越多或降低得越少。

综合以上对于方程(3)的回归分析结果,融券交易能够对股价的特质性波动产生影响,但是与融资交易不同,融券交易对股价特质性波动的影响显著程度较低,特别是在降低股价的特质性波动方面。全样本和低股价特质性波动股票样本的回归结果显示,融券交易变量MARGIN_SELL的系数虽然为负,但显著性不足。但是,对于特质性波动较高的股票,融券交易与融资交易一样均显著放大了股价的特质性波动。

融资交易与融券交易虽然均为信用交易,但是两者的交易方向相反,那么使用两融净额来衡量套利投资者对于特定股票的信用交易持仓情况是否更准确呢?本文接下来使用方程(4),从融资融券净额的角度对问题进行分析。对方程(4)的回归分析结果见表6。

回归分析结果(一)表明使用全样本对方程(4)的回归分析,结果显示解释变量MARGIN_NET的系数显著为负,说明融资融券净额越大,股票的特质性波动的增加就越小或者下降就越多,即就全样本而言,融资融券净额显著缩小了股价的特质性波动。

回归分析结果(二)表明使用股价特质性波动水平较低的股票样本对方程(4)的回归分析,结果表明解释变量MARGIN_NET的系数显著为负。这表明对于股价特质性波动水平较低的股票,融资融券净额越高,其股价特质性波动越容易被降低。

回归分析结果(三)表明使用股价特质性波动水平较高的股票样本对方程(4)的回归分析,结果表明,变量MARGIN_NET的系数显著为正。这表明对于股价特质性波动水平较高的股票,融资融券净额越高,其股价特质性波动越容易被放大。

综合以上对于方程(4)的回归分析结果,对于不同股价特质性波动水平的股票,融资融券交易净额对股价特质性波动的影响不同,总体而言,融资融券交易能够降低股价的特质性波动,但是对于股价特质性波动水平较高的股票,融资融券交易仍然会放大其股价特质性波动水平,表现为融资融券净额越大的股票,其股价特质性波动增加得越多或降低得越少。

以上对四个方程的回归分析结果表明,对于不同股价特质性波动水平的股票,融资融券交易机制对其股价特质性波动水平的变化的影响不同。总的来说,融资融券交易机制显著放大了股价特质性波动水平较高的股票的股价特质性波动,显著降低了股价特质性波动水平较低的股票的股价特质性波动。本文认为,这是由于融资融券交易机制作为一种信用交易手段,使用的是保证金机制,如果投资者在进行融资融券交易时发生了投资亏损,而且未能按时缴纳足额的保证金,那么维持保证金机制就会触发强制平仓,从而会进一步强化价格偏离,导致股价特质性波动的增加。

五、结论

本文主要研究了融资融券的保证金制度对股价特质性波动的影响。正如2015年股市危机,融资融券的保证金机制在非极端的市场行情中也会引发市场过度波动的现象,这种现象主要发生在特质性波动水平较高的股票样本中。通过理论分析,本文认为,这是因为融Y融券交易的保证金机制的存在,在市场发生较大波动时,投资者如果不能及时补充保证金就会引发平仓交易,从而进一步放大市场波动。

本文使用了融资融券制度的运行样本对理论分析的结论进行了检验。实证结果表明,如果市场中的特质性波动较高,可以进行融资融券交易的股票其特质性波动会进一步放大,造成其特质性波动水平的剧烈变化。

与以往保证金机制的研究不同,本文更侧重于在市场运行中,市场波动与保证金机制之间的内在关系,而非考察保证金机制的变动对市场波动的影响;现有国内对于融资融券制度的研究过多的看重其带来的卖空手段,融券交易虽然对我国市场的影响很大,但是就其规模而言,远小于融资交易,把融资融券交易给市场带来的影响单单落脚于带来新的卖空机制这一观点是十分片面的,本文的研究是对信用交易的本质保证金机制的研究,更有助于了解信用交易对市场波动的影响,特别是信用交易所带来的杠杆的脆弱性在市场中是如何体现的。

综合本文的研究结果,融资融券制度保证金机制蕴含着放大股价特质性波动的风险,即使是在非极端市场环境下,融资融券的保证金机制依然会放大一些股票的股价的特质性波动。鉴于此,本文认为,监管机构应在市场的日常运行中关注融资融券规模与股价波动之间的关系,及时识别股价波动带来的大规模平仓交易,并有针对性的防范可能带来的风险;在具体的监管措施上,不应谈虎色变,可是研究引入动态保证金机制,通过对不同波动水平的股票动态的调整保证金比例,更温和的平抑市场波动。

参考文献:

[1]陈海强,范云菲.融资融券交易制度对中国股市波动率的影响――基于面板数据政策评估方法的分析[J].金融研究,2015,420(6):159-172.

[2]李志生,陈晨,林秉旋.卖空机制提高了中国股票市场的定价效率吗?――基于自然实验的证据[J].经济研究,2015,(4):165-177.

[3]肖浩,孔爱国.融资融券对股价特质性波动的影响机理研究:基于双重差分模型的检验[J].管理世界,2014(8):30-43.

[4]Lee D W, Liu M H. Does more information in stock price lead to greater or smaller idiosyncratic return volatility?[J].Journal of Banking & Finance, 2011,35(6):1563-1580.

[5]Moore Thomas G., Stock Market Margin Requirements[J].Journal of Political Economy, 1966,74(2):158-67.

[6]Roll Richard, R2[J].The Journal of Finance, 1988,43(3):541-566.

Margin Mechanism of Margin Trading and Idiosyncratic Volatility of Stock Price

LI Shi-yao1, LI Xing-han2

(1.School of Finance, Renmin University of China,Beijing 100872,China;

2. Finance and Securities Institute, Renmin University of China, Beijing 100872, China)

股票交易论文范文第4篇

(西南财经大学金融学院,四川成都610072)

摘要:已有研究表明,量价关系对于不同类型的股票在不同市场阶段呈现出不同的特征。本文利用技术分析指标描述股票短期涨跌趋势,发现上涨放量有助于抬高股票收益率,下跌放量则会压低股票收益率。通过对不同股本规模和信息透明程度样本的分析,发现了交易量信号的异质性。即大市值的股票上涨放量信号略强于小市值股票,而后者的下跌放量信号明显强于前者:信息透明程度较高时交易量信号较为一致,信息透明程度较低时短期趋势在识别交易量信号中的作用可能失效。本文在对股票交易量信号差异解释的基础上,为短线交易提供了新的建议。

关键词 :股票收益率;交易量信号:量价关系;股本规模;信息透明程度

中图分类号:F830. 91

文献标识码:A 文章编号:1000-176X(2015)07-0052-06

收稿日期:2015 -04-18

作者简介:徐加根(1969 -),男,湖北黄梅人,教授,博士,博士生导师,主要从事资本市场和行为金融等方面的研究。E.mail: xujg@ swufe. edu. cn

孙文佳(1993 -).女,辽宁抚顺人,主要从事证券市场研究。E-mail: ryeowookjia@ 163. com

牛锋(1990 -),男,安徽阜阳人,博士研究生,主要从事证券市场和金融资产定价等方面的研究。E-mail:star8285@ 163.com

一、引 言

股票市场中交易量通常与价格波动存在密切的关系,在证券市场领域也占据着重要地位。现有投资理论普遍认为,成交量是推动股价上涨的原动力,通过其增减速度可以推断多空双方的博弈力量,并对股价的未来波动进行预测。同时,成交价对应着交易量的变动,因此,成交量能够对价格形态进行验证。量价之间的这种关联性趋势规律表现为量价同向、量价背离等不同的市场现象。传统经济理论对量价变动从不同角度进行了解释,Morse提出的“信息不对称理论”,解释了大交易量之后的价格惯性,认为股票交易产生于拥有信息优势的投资者与不知情投资者之间,成交量的大小度量了信息不对称程度,而未公开信息越多,股价越倾向维持之前的变化趋势。Campbell等提出的“资产配置理论”则对高交易量后的价格反转进行了解释,认为非股票资产的收益波动可能促使投资者对资产配置进行调整,进而导致大交易量,资产配置结束后,股票价格倾向恢复到之前的价格水平。二者从不同角度对大交易量的成因进行了解释,有其合理性但都较为片面。

我国股票市场同时存在信息不对称和资产配置的影响。首先,股票市场尚不成熟,上市公司信息透明程度参差不齐。其次,货币政策调整后的股市波动显示了资产配置对股市的影响,但对不同股本规模产生的影响存在差异。因此,经典分析方法对我国股票市场的适用性有待斟酌。当前投资策略普遍认为,股票价格的有效变动必须有成交量配合,正确把握交易量蕴含的市场信号,才能做到“低吸高抛”。但是,对于不同类型的股票以及不同的涨跌阶段,成交量的放大和收缩可能透露不同的市场信息。鉴于当前我国股票市场的复杂性,对上市公司进行合理分类,厘清股票交易量对于价格波动的信号作用,为投资者正确识别市场信息以及监管部门完善市场微观结构建设具有重要的研究价值。

一、文献综述

量价变动关系作为投资者密切关注的对象,也成为许多学派的研究热点。现有研究中,Granger因果关系通常被用来检验股票交易量和股票价格之间的预测关系。赵振全和薛丰慧通过股票市场的日交易数据发现上海、香港的交易量都可以解释收益率。类似结论同样存在于高频数据中,李梦玄和周义利用交易日内每五分钟指数价格序列以及对应的交易量序列,认为沪深两市的日内交易量对日内收益具有预测作用。可见,股票交易量的特征代表着某种市场信息,对预测股票后续价格波动具有重要作用。

现有研究表明信息透明程度不同的股票在量价关系上可能存在不同的表现。中国沪深两市仍属于非有效的金融市场,内幕交易通常会对收益率和成交量形成巨大影响。唐齐鸣和张学功选取五家因内幕交易被证监会处罚的股票,Granger因果检验的结果却显示,内幕交易股票仅存在由收益到成交量的单向因果关系。郑方镳等发现,在牛市和熊市中,在高成交量的交易日之后,信息不对称程度较高的股票,其收益率与信息不对称程度较低的股票相比,更倾向于表现出反转。

此外,许多研究证实我国股市中的量价关系并不固定。李丽利用ARCH和DCC - GARCH模型发现股价和成交量序列存在显著的正相关性,但相关系数是时变的,并且具有很强的波动性。郭梁和周炜星使用分笔高频数据进一步发现,中国股市成交价格波动和成交量之间的相关关系为一非线性凸函数,当归一化成交量较高时,价格变化的绝对值与成交量之间呈正相关性,当归一化成交量较低时,呈反常的负相关性。交易量与股票价格的关系还会受到其他许多因素的影响。范从来和徐科军发现对于规模较小的公司股票来说,交易量的这一指标作用较为明显。但是,对于规模较大的公司股票来说,交易量的预测作用并不明显。王杉和宋逢明发现单位交易量引起的价格变化与股票价格水平的平方正相关,与股票的流通市值负相关。

现有文献对我国股票市场中的量价关系的研究结论不一,其中重要的原因是忽略了股本规模、信息透明程度等因素上的差异对交易量信号的影响。此外,在计量方法上,已有研究为分析不同经济条件下的量价关系,通常对整体样本切割成块,牺牲了样本信息,损失了量价关系的准确性。并且,利用普通最小二乘法对量价关系进行估计时,得到的是二者之间的“平均”相关程度,也会错估真实的量价关系。并且,交易量与收益率存在互为因果关系,使用最小二乘法估计可能导致异方差等问题,钱争鸣和郭鹏辉提出使用分位数回归方法有效避免了这一问题。

本文的创新之处在于:首先,在已有研究的基础上,按照股本规模和信息透明程度对样本股票进行分类,消除股本规模及信息对称程度差异对量价关系造成的混淆。其次,利用技术分析指标表示个股涨跌趋势,通过引入二元变量对不同涨跌阶段的量价关系进行了解读。最后,采用分位数回归方法,分析交易量在股票不同收益率水平下的信号差异。

三、研究设计

(一)样本及数据

本研究采用中证指数考察我国沪深股市的量价关系。郑方镳等、范从来和徐科军以及王杉和宋逢明的研究表明,我国股市中的量价关系对于不同股本规模和信息不对称程度的上市公司有着不同的表现。本文以这两个标准对样本进行选取和分类,以期得到不同类型股票的量价特征。

股本规模方面,本文分别使用中证100指数和中证500指数不同股本规模的股票市场数据。其中,中证100指数是从沪深300指数样本股中挑选规模最大的100只股票组成样本股,能够综合反映沪深证券市场中最具市场影响力的一批大市值公司的整体状况,中证500指数的样本选择在剔除了规模靠前的股票的基础上选取流动性较好的500只股票,能够综合反映我国股市小市值公司的整体状况。

信息不对称程度方面,Lang以及Leuz和Verrecchia以各股票在整个研究区间内的股价波动作为信息不对称程度的替代指标,但事实上,即便同一股票在不同时期所受市场信息影响也有所不同,本文采用过去5日的收益率标准差作为短期内信息透明程度的衡量指标,以短期波动前10%和后10%的数据分别作为信息透明与信息非透明的样本。

为尽可能丰富样本数据,降低市场异常现象的影响,从而更加有效地呈现真实的量价关系。本文结合两个指数的时间,剔除部分缺失数据后,真实研究区间为2007年1月15日至2013年12月31日,基本涵盖我国股市牛市、熊市已经平衡震荡的市场阶段。本文采用的指数收益率和交易量均为日交易数据,数据来源为RESSET数据库。

(二)变量选取

1.被解释变量

日收益(Dretnd):为指数不考虑现金红利的个股回报率乘以100,单位为百分点。

2.解释变量

交易量(vol):为指数权重股的每日交易量,单位为10亿股,描述各股票当日的交易活跃程度。

虚拟变量up和down:为对各股票的短期不同涨跌趋势进行度量,文章借助技术分析工具,利用5日K指标①衡量个股超买超卖状况,数值在90以上为超买状态,虚拟变量up取值为1,否则为0。对于虚拟变量down,K指标数值在10以下为超卖状态,虚拟变量取值为1,否则为0。变量取值具体计算方法如式(1)-式(4)所示:

其中,Cn为第n日收盘指数;Ln为n日内的最低收盘指数;Hn为n日内的最高收盘指数。

(三)模型设定

“追涨杀跌”是股票投资中常见的市场行为,从短期来看,在市场上升阶段,成交量的放大意味着市场信心的增强,对收益率飙升起到“推波助澜”的作用。在市场下跌阶段,成交量的增加意味着悲观情绪的蔓延,会进一步压低股票收益。由于不同涨跌阶段下交易量释放的市场信号不同,本文引入表示不同涨跌阶段的虚拟变量,对量价模型进行了扩展:

其中,β1表示平衡市中成交量变化对股票成交量的影响,β2和β3分别衡量了超买和超卖状态下成交量信号的差异。为更加直观地得到各系数的拟合结果,将模型变形为:

震荡阶段、超买状态和超卖状态下交易量的放大对股市收益率的影响分别用系数β1、βup=β1+β2和βdown=β2+β3衡量。参数估计值的符号表明在对应状态下交易量的放大对收益率的作用,系数绝对值的大小反映对应状态下交易量信号的强弱。

此外,在不同的收益率高位,由于投资者对股票未来走势的信心不同,交易量变化对收益率的推动或抑制作用也存在着差异。本文选取被解释变量80%、50%和20%三个分位点,利用分位回归方法对交易量的信号差异进行了探讨。不同分位点回归系数的确定可以通过下面的最小化问题来定义:

其中,x为方程(7)中的自变量,β为对应系数,q为设定的分位数,分别设为80%、50%和20%。

四、结果分析

(一)描述性统计

通过表1中样本收益率与成交量的数据特征可以看出,在本文研究区间内小盘股的收益率和成交量均值均大于大盘股股票,并且波动性更高。两支指数收益率和成交量峰度值均明显大于3,呈现出金融数据典型的尖峰厚尾的特征,收益率偏度小于0,具有略微的左偏特征。传统OLS估计建立在标准正态分布上的假设检验缺乏稳健性,而基于不同分位点的分位数回归对极端值具有更强的耐抗性,能够提供更加完整准确的估计结果。

(二)相关性分析及平稳性检验

该部分利用Spearman相关系数对收益率与成交量之间的相关关系进行了度量。表2中的相关系数显示,无论对于CSI 100中的大盘股还是CSI 500中的小盘股股票,收益率与交易量总体均呈现出显著的正相关性;相关系数在0.2左右。在对短期趋势进行区分后,二者的相关性在不同的短期趋势下符号相反,说明了短期趋势在量价关系研究中的重要作用。同时,对于不同股本规模的股票样本,相同的趋势下收益率与成交量相关性强弱及显著性均表现出明显的不同。

为了防止模型存在伪回归问题,该部分对两支指数的收益率和交易量序列进行了平稳性检验,表3为两支指数的收益率和交易量序列ADF检验的统计值。结果显示,ADF检验均拒绝了数据存在单位根的原假设,说明时间序列数据平稳。

(三)回归分析

该部分分别利用OLS方法和分位数回归方法分别对模型(6)的系数进行了估计,表4中,QR_80、QR_50、QR_20分别表示80%、50%和20%分位数的回归结果。

表4中的不同分位点下的回归结果显示,vivol、upvol和downvol的系数在20%、50%以及80%的分位数下均存在明显差异,甚至正负性发生改变。对不同分位数回归系数差异性的F检验均拒绝原假设,①这一结果也验证了本文采用分位数回归方法研究量价关系的恰当性。通过对表4的回归结果分析可以看出:

第一,无论是中证100指数还是中证500指数,OLS回归和分位数回归的结果均显示upvol系数在1%的显著性水平下显著为正,说明上涨阶段换手率的增加能够抬高股票收益率。但在下跌阶段,除少数分位点外,两个股票指数downvol的系数均显著为负,说明下跌阶段交易量放大会进一步压低了股票收益率。由于在不同的市场阶段,交易量的变动会传递出截然相反的市场信息,单纯检验交易量与收益率之间的相关关系可能存在较大的谬误,这也验证了在量价模型中加入趋势因素的合理性。这一结果同样说明,一旦短期趋势形成,对于逐渐放量的股票,“追涨杀跌”的短线投资策略在我国股票投资,尤其是大盘股投资中具有一定的有效性。

第二,从不同的分位点来看,大盘股股票交易量信号呈现出一致性趋势。在短期上涨阶段,大盘股交易量信号随着分位点的提高逐渐增强(upvol系数从0.1984上升到0.3212),说明在收益率的高位投资者情绪高涨,上涨放量作用更强。这一结果说明了我国股票市场的投资者存在的“跟风现象”,对于高收益股票过分追捧容易导致价格泡沫的形成。在短期下跌阶段,随着分位点的提高放量信号总体呈逐渐减弱趋势。在收益率的低位,成交量放大对收益率的抑制作用更强,说明了市场对低收益股票容易产生市场恐慌,较强的投机倾向延误了价格的合理回归。当利用K指标无法确定短期趋势的情况下,分位数回归的结果传递出更加重要的信息。在收益率的高分位点,系数为正,放量能够进一步抬升收益率,但在低分位点系数为负,反而会压低收益率。与此不同的是,小盘股在不同分位点的放量信号相对平稳。

(四)交易量信号存在的差异

股本规模方面,通过对表3中两类样本回归系数的对比发现,在短期上涨阶段,中证100指数的放量信号(大致介于0. 2000-0. 3200之间)强于中证500指数(介于0. 1000-0. 1900之间)。但是在短期下跌阶段,中证500指数的放量信号(介于-0. 5300-0. 9200之间)则明显强于中证100(介于-0.0200-0.4600之间),这一结果显示了交易量信号在不同股本规模的股票中存在的非对称性。中证100的成分股多为大型工业企业和国有金融机构,是机构投资者重仓持有对象。在市场上升阶段,市场对交易量变动容易形成一致性预期,相对于小盘股股票,同样的交易量变化能够对收益率造成更加有效的影响。并且由于大盘股的经营稳健性高,市场下跌阶段的抗跌能力更强。而对于中证500指数,成分股为沪深两市小市值公司的代表,本身波动率要大于大盘股票,在市场的下跌阶段,更容易遭受悲观情绪的影响。

信息透明程度方面,通过比较不同收益率分位点的交易量信号波动,我们发现,无论是中证100指数还是中证500指数,信息不透明阶段的信号波动都明显强于信息透明阶段的样本。更为重要的差异体现在上涨放量信号上,对于信息透明阶段,上涨阶段交易量的放大在各收益率分位点均对收益率有正向作用。但对于在信息不透明阶段,上涨放量在较低分位点(收益率为负)能够抬高指数收益率,但随着分位点的提高上涨放量信号逐渐变小直至为负。这一现象说明了,在估值震荡比较剧烈的阶段,投资者尚未充分消化市场信息,因此,对于交易量变动较难形成一致性预期,由于对短期趋势信心不足,上涨趋势中的交易量信号也呈现出不稳定性。

五、小结

通过加入趋势虚拟变量对传统量价模型进行扩展,结果显示了结合短期涨跌趋势在交易量信号识别中的必要性。同时,对不同股本规模和信息透明程度的数据分析结果显示,交易量信号在不同数据样本之间存在较大差异。结论对于投资者正确识别交易量信号具有以下启示:

第一,股票市场中,甄别短期趋势对于正确识别交易量信号具有重要作用。本文在依据K指标对股票短期趋势进行判断的基础上发现,上涨阶段交易量的放大能够释放出收益率上扬的积极信号,而下跌阶段的放量则会压低股票收益。因此,简单依赖交易量的变动方向可能混淆真实的市场信号,而股票的短期趋势为投资者提供了良好的辅助工具。对于量化交易投资者,追逐上涨放量的股票(尤其是经营稳健的大盘股股票),往往能够带来更高收益。

第二,交易量信号的强弱与股票收益率的分位点密切相关。实证结果显示,我国股票投资者具有明显的“跟风现象”,在不同收益率的高位,交易量信号的强弱存在较大的差异。尤其在利用技术指标无法确定短期涨跌趋势时,交易量的放大会呈现出相反的效果。在收益率的高位,即便短期趋势尚未形成,一旦交易量呈现放大趋势,投资者的追捧也会使股票在短期内上扬。但在收益率的低位,交易量的放大更有可能显示了悲观情绪的蔓延,会在短期内压低股票收益率。投资者在利用交易量对收益率波动进行判断时,结合即时的收益率数值能够得更加准确的交易量信号。

第三,对于不同股本规模的股票,交易量信号存在明显的不对称性。数据显示,在市场上升阶段,股本规模较大的股票放量信号更强。相对于小市值公司,大盘股经营信息更加公开,投资者对其预期更加一致,交易量变动更加有效地推动股价波动。而小盘股股票,由于所受市场干扰因素较多,且不同股票之间表现差异较大,交易量变动对整体收益率传递的信号略弱。在市场下跌阶段,大市值公司由于其经营的稳健性,抗跌能力强,相比而言,小市值股票由于更容易遭到市场负面信息的影响,大量抛售引发的交易量放大会迅速压低股票收益。

第四,在信息透明程度异常的阶段,交易量信号同样会产生显著的差异。信息透明程度较高时,交易量信号随收益率分位点的变动幅度较小,结合短期趋势能够对其进行较好的识别。但信息透明程度较差时,交易量信号受收益率分位点的影响较大,并且上涨放量在不同分位点也会传递不同的信号。这一发现说明,在股票历史的收益波动较大时,由于市场信心不足,结合短期趋势在判断交易量信号时可能失效,需要在市场信息充分吸收之后才能对收益率变动进行良好预测。

参考文献:

[1] Morse,D.Asymmetrical Information in SecuritiesMarkets and Trading Volume[J].Journal of FinanCialand Quantitative Analysis,1980 ,15(5):1129-1148.

[2] Campbell,J.Y.,Sanford,J.G.,Jiang, W.TradingVolume and Serial Correlation in Stock Returns[J].The Quarterly Journal of EconomiCs,1993, 108 (4):905 -939.

[3]赵振全,薛丰慧.股票市场交易量与收益率动态影响关系的计量检验:国内与国际股票市场比较分析[J].世界经济,2005,(11):64-70.

[4]李梦玄,周义.基于高频数据的中国股市量价关系研究[J].统计与决策,2009,(3):132-133.

[5]唐齐鸣,张学功,基于内幕交易下的中国股市量价因果关系分析[J].数量经济技术经济研究,2005,(6):95-100.

[6]郑方镳,吴超鹏,吴世农,股票成交量与收益率序列相关性研究——来自中国股市的实证证据[J].金融研究,2007,(3):140-151.

[7]李丽,基于ARMA - GARCH模型的股市量价动态关系研究[J].统计与决策,2011,(4):144-146.

[8]郭梁,周炜星.基于高频数据的中国股市量价关系研究[J].管理学报,2010,(8):1242 -1247.

[9]范从来,徐科军.中国股票市场收益率与交易量相关性的实证分析[J].管理世界,2002,(7):31-36.

[10]王杉,宋逢明.中国股票市场的简单量价关系模型[J].管理科学学报,2006,(4):65-72.

[11]甘元霞,谭硕.中国A股市场效率变迁——基于沪深指数量价关系的研究[J].投资研究,2013,(1):139-147.

[12]钱争鸣,郭鹏辉,上海证券交易市场量价关系的分位回归分析[J].数量经济技术经济研究,2007,(10):141-150.

[13]Lang,M.L Cross-Sectional Determinants of Analysis Ratings of Cororate Disclosures[J].Journal ofAccounting Research,1993 ,31(2):246-271.

[14]Leuz,C., Verrecchia,R. The Economic Consequences of Increased Disclosure[J].Journal ofAccounting Research,2000 ,38(3):91 -124.

股票交易论文范文第5篇

关键词:上海股票市场;收益率;交易量;交易制度;格兰杰因果关系

作者简介:陈灿平(1973-),男,湖南双峰人,西南民族大学学报编辑,四川大学经济学院博士研究生,主要从事金融理论与实践研究。

中图分类号:F830.91

文献标识码:A

文章编号:1006-1096(2007)02-0140-04

收稿日期:2006-09-27

一、引言

股票交易市场量价变化特征是考察和分析股票市场运行机制、风险特征和结构特点的重要层面,也是运用现代资本市场理论对股票市场进行实证研究的基础。一般认为,股市量价关系揭示了市场信息流的到达速率、信息的扩散、消化和传播方式及市场价格对市场信息的反映程度。正因为如此,量价关系理论一直是人们研究的重点。理论界对股票市场量价关系的解释很多,大多数人认为成交量和收益率的变化由金融市场上的信息流决定,尤其是未能被预测的信息,金融市场上信息流的变化直接影响股票交易的活跃性,同时引起股票价格的变化,从而成交量和收益率之间相对于同一变量正相关,使得过去的交易量变化能够较好地预测当前收益,反之过去的收益也可以预测当前的交易量。Blume(1994)认为通过研究过去的价格和交易量可以获得有价值的信息,交易量提供了关于过去价格运行质量和精确度等信息。

股市量价之间的关系研究可追溯到Osborne(1959)提出股市量价之间具有某种关系的论断。此后,Granger、Morgen-stern(1963)运用交叉光谱分析法(cross-spectral method),分析纽约证券交易中心(NYSE)股票指数收益与交易量之间的关系,发现指数收益与交易量并无显著关系。Ying(1966)利用S&P500指数与NYSE的成交量进行研究,认为量价之间确实存在一些相关性。自从Granger(1969)通过建立自回归模型并提出线性因果关系检定方法,这种线性因果关系检验方法在金融市场中被得到广泛应用,如Rogalski(1978)以Granger因果检验方法对10种股票及认购权证的月度数据进行检验,发现股价与成交量正相关。其后诸如Copeland(1976)、Jennigs等(1981)和Harris(1987)分别对成交量与绝对报酬率、股市量价时间序列进行研究,结果显示股市成交量与绝对报酬率、量价之间存在着正相关。而陈东明(1991)、陈永茂(1993)对我国台湾地区股市量价之间的研究发现台湾股市价量具有双向因果关系。另外Brock等(1991)、Hsieh(1991)及Jones(1992)通过实证研究分别证实了股票收益率及成交量具有非线性相关。Campbell等(1993)指出股价收益的自相关性是交易量的非线性函数,并随交易量的增加而递减。为了更为精确地描述序列间的非线性关系,Gallant等(1992)利用非线性冲击反应函数(nonlinear impulse responsefunction),分析了S&P500指数收益与NYSE交易量之间的关系,结果表明收益率对成交量具有因果关系。Baek、Brock(1992)利用相关性积分发展出无母数检测法,用于捕捉一般线性统计检测所无法揭露的信息。此后Hiemstra、Jones(1994)将Baek、Brock(1992)模型加以拓展,并结合Granger因果关系检验方法,将量价线性回归模型所得的残差进行Baek、Brock无母数非线性检测,对美国股市1915年到1990年的市场收益与交易量之间的关系进行实证研究,结果表明美国股市收益率与交易量之间存在双向的线性与非线性格兰杰因果关系。另外,在量价理论模型方面,Marilyn、Robert(1999)对量价关系的理论模型进行总结并分为信息理论模型、交易理论模型、理念分散模型和错误假定与信息误判假定模型等四类。

近年来,国内对股票的量价关系进行了广泛的实证研究,如陈良东(2000)利用上海股市100个交易日的价格与成交量数据进行因果关系检验与回归分析,结果表明成交量的变化与绝对价格收益之间存在着显著的正相关关系,上海股市的成交量对信息传递有一定意义。盛建平、高芳敏(2000)从成交量与回报率的定性分析出发,发现我国股市的成交量与回报率呈正相关。范从来、徐科军(2002)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。王承炜等(2002)研究表明,沪、深股票交易市场都存在收益对交易量的线性因果关系和双向的非线性因果关系。张永东等(2003)采用上海股市每5分钟交易数据对上海股市波动性与成交量变动率的关系进行因果关系分析,结果表明它们之间存在双向线性因果关系,但不存在非线性因果关系。此外,周志明等(2004)对我国的两个期货合约的收益率波动进行了实证研究,结果显示交易量与收益率波动呈正相关关系,持仓量与收益率波动之间的关系是负相关。王燕辉等(2005)以深圳成分指数日交易数据为分析样本,研究不同交易量的股票组合收益率的变动,结果表明在短时间内(1天、5天),高成交量伴随着较高的收益率,但是在相对较长的持有期后,低成交量常常伴随着较高的收益率,而且统计结果非常显著。

鉴于量价因果关系的研究可以提供大量有关股票价格走势的有用信息,本文旨在通过对上海股票市场交易量与收益率之间的因果关系研究,对我国股票市场的价格机制、投资者行为以及市场结构进行分阶段的初步研究。

二、数据选取与序列分段

本文选取上证综合指数作为研究对象,数据为每日的综合股价指数收益率和总成交量。数据时间跨度为1990年12月19日至2006年4月10日,数据样本大小为3760个,数据来源于上海证券交易所网站(WWW.sse.com.cn)。由于自1990年上海股票交易所成立至今,有很多影响股票市场发展进程的事件,这些事件构成数据分阶段的原因。本文从交易制度考虑认为影响股市发展进程的事件有:1)1992年5月21日全面取消涨跌幅限制;2)1996年12月16日对市场实行10%的涨跌幅限制,引起股市交易行为与结构的改变。因此把数据序列分解为3段,分别是

S1:1990年12月19日――1992年05月20日;

S2:1992年05月21日――1996年12月15日;

S3:1996年12月16日――2006年04月10日。

鉴于格兰杰因果关系检验要求数据是平稳序列,本文先对所选取的收益率与交易量变化数据进行单位根检验(最优的滞后阶数由AIC信息准则确定),表1中所有检验结果显示在1%的置信水平下拒绝存在单位根的原假设。因此,上证综合指数收益率和交易量都不存在单位根,是平稳时间序列。

三、上海股票市场交易量与收益的线性因果关系检验

利用上面的检验方法,本文对上海证券市场交易量与收益之间分阶段进行线性因果关系检验(结果见表2)。通过对数据序列进行分阶段的因果关系检验,发现一个有趣的现象,我国上海股票市场交易量与收益之间的因果关系是在市场发展中不断建立起来的,各阶段特征非常明显。检验结果显示:在第一阶段(1990年~1992年)我国股市量价因果关系不明显,这期间我国股票市场尚处于初建阶段,处于非理性状态,投资者着眼于政策导向,投资行为完全受政策因素影响,股票市场信息传递作用扭曲。在完全取消涨停板制度的第二阶段(1992年~1996年),结果显示收益是交易量的格兰杰原因且在1%水平下显著,但交易量对收益的格兰杰因果关系并不显著,只是当在滞后2期时,存在微弱交易量对收益微弱的格兰杰因果关系。说明在我国股票市场得到快速发展的过程中,市场参与者的知识、以及对股票市场的认识逐步提高,由于长期在政策利好的刺激下,预期收益增长是投资者交易的主要动力,我国股票市场处于收益引导阶段。在设立涨停板制度的第三阶段(1996年至今),股市呈现明显的量价双向格兰杰因果关系。因此,上证综合指数收益率与成交量变动率之间存在双向线性因果关系,这意味着日内收益率与成交量变动率对预测有显著的前导作用,我国股票市场结构得到明显改善,市场信息对投资者行为产生正向引导作用。另外,检验结果还表明,从收益率到成交量变动率的因果关系,要强于从成交量变动率到收益率的因果关系,并且量价之间的因果关系对滞后期的选择较为敏感,预测效果随着滞后期的延长而变弱。

四、上海股票市场交易量与收益的非线性因果关系检验

Baek、Brock(1992)构造了一个简单的双向非线性因果关系模型说明了上述Granger检验对非线性因果关系检验具有弱功效。为此,他们推广了Granger线性因果关系的检验方法,以期能够捕捉到隐藏在背后的非线性关系。推广的检验方法是,设

结果见表3。非线性因果关系检验结果表明,在第一阶段(1990年~1992)我国股市量价基本上不存在时间序列间的非线性因果关系,上海股票市场尚处于初建期的发展阶段,市场参与者对信息不敏感,市场信息并不能够有效的影响市场投资者的投资行为,造成信息传递扭曲。在完全取消涨停板制度的第二阶段(1992年~1996),在5%水平下我们不能够拒绝原假设,表明我国股市在此期间就已经存在量价之间的非线性格兰杰原因。说明我国股市的快速发展中,虽然直接的线性因果关系存在不对称现象,但随着市场参与者认识水平的提高,对影响市场走向的各种宏微观信息理解加深,此阶段股市信息传递机制发生明显改善,成交量对市场的信息具有一定的反映能力,并使股市量价之间具有双向的非线性因果关系。在设立涨停板制度的第三阶段(1996年至今),我国股市在国家系列政策的推进下得到进一步的发展,股市量价呈现更显著的量价双向非线性格兰杰因果关系。

五、结论

本文在考虑我国股票市场发展过程中出现的显著阶段性差异的情况下,依照市场交易制度的重大变革,将整个研究时间区间划分为三个部分,对上海股票市场量价关系分阶段进行了线性和非线性的格兰杰因果关系检验,旨在更好地刻画出各不同制度下股市结构和市场交易行为特征。

对上海股票市场量价之间因果关系的检验,除利用Granger线性因果关系检验外,同时采用Hiemstra、Jones(1994)的非线性因果关系检验方法,进一步捕捉到Granger线性因果关系检验所不能够解释的部分。实证结果发现,上海股票市场量价关系除第一阶段不存在量价之间的线性和非线性因果关系外,在第二、三阶段均存在量价之间的因果关系。所不同的是,在第二阶段只存在收益率到成交量的单向线性因果关系和双向的非线性因果关系,而在第三阶段股市量价之间存在明显的双向线性和非线性因果关系。这说明,在我国股市量价关系中,量价关系从原本无反馈关系,发展成收益率对成交量的单向线性因果关系和效力相对较弱的非线性因果关系。在我国股市价量因果关系中,价影响量的效力较强,我国目前尚处于追求高收益的股市市场结构和交易行为。