上海证券A股市场价量关系实证研究

摘 要：价格与交易量作为证券市场交易过程的基础性变量，蕴含了市场交易过程中的主要信息。本文基于MDH，通过运用Granger因果关系检验法在对上海证券A股市场价量关系分时段研究的基础上，得出结论认为交易量中的信息交易量对于价格变动具有较高的解释能力，该市场存在价量之间双向的Granger因果关系，并以此为基础提出了具体的交易机制改进对策。

关键词：上海证券市场；价量关系；信息交易量；Granger因果检验

中图分类号：F830．91文献标识码：A文章编号：1000．176X（2008）02．0065．06

在微观金融理论中，价格和交易量作为证券交易的基础性变量，蕴含了市场交易过程中的主要信息。Karpoff对价量关系研究的理论和现实价值作出了深刻的概括：首先，价量之间的真实关系有助于人们了解证券市场的信息流动机制和微观结构；其次，价量关系研究有助于推进证券市场事件研究；再次，价量关系研究对解释证券价格分布状态具有决定性影响；最后，价量关系研究有助于解释技术分析的有效性并为投资者提供有价值的信息[1]。

价量关系研究在国外可以追溯到Clark利用低频数据所进行价量关系的相关性分析[2]，其后Epps、Karpoff、Smirlock、Gallant和Campell等学者利用不同方法深化了这一研究[3．6]。国外在解释价量之间存在的紧密联系方面具有代表性的理论可分为三类:第一类是交易理论模型，它强调交易者的交易行为是解释价量正相关性的关键，认为交易者倾向于在市场交投活跃时进行交易，因此交易量和价格波动在时间上存在集群性[7]；第二类是理念分散模型，该模型认为交易者对市场信息理解的分歧越大，引起价格的波动和交易量也越大[8]；第三类是信息理论模型，它指出信息是交易量和价格波动的共同驱动因素，这与市场微观结构理论所坚持的价格波动主要源于新信息不断到达市场并融入到交易过程中的观点相一致，加之获得了更多的实证研究的支持，信息理论模型目前已经成为解释价量关系的主流模型[9]。

近年我国一些学者基于国外研究成果对我国证券市场价量关系进行了有益的探索。张维、闫冀楠针对上海证券市场的研究发现价格对交易量具有显著的线性因果关系，而交易量对短期价格波动不具有线性因果关系，但长期却存在非线性因果关系[10]；陈良东利用线性Granger因果检验对上海证券市场价量关系进行了剖析，发现交易量的变化与绝对价格收益之间存在显著的正相关关系[11]；陈怡玲、宋逢明通过研究发现交易量与价格变化绝对量、价格变化本身线性正相关，并且存在非对称的价量关系[12]；魏巍贤对上海证券市场价格与交易量进行协整分析，得出两者间存在长期均衡的结论[13]；范钛、张明善利用Granger因果关系检验法和VAR模型对我国A、B、H股市场分割下价量关系的表现特征和内在规律进行研究[14]。

国内价量关系实证研究存在以下不足之处需要加以改进：首先，现有研究在对交易量的处理上不够细致，有些仍直接运用原始交易量序列进入模型，而未将其进行进一步的甄别和分离，从而削弱了研究成果的揭示能力；其次，在分析时段选取上较为随意，并且多为单阶段静态分析，没有充分考虑数据分段特征的变化，也未能从动态对比角度揭示价量关系的演进；最后，对于价量关系实证结果的剖析仍有待深入，未能深入到交易机制层面，因而对于市场发展的实践指导作用相对有限。本文在甄选已有国内外价量关系研究成果的基础上，通过对交易量序列的分解、提取信息交易量作为实证分析的数据基础，并运用信息理论模型中的混合分布假说作为理论基础，在结合市场制度变迁实践的基础上进行两时段价量关系实证分析，从对比分析中谋求更深入地揭示上海证券A股市场价量关系以及该市场交易机制存在的不足，据此提出具有针对性的改进对策。

一、理论基础和研究方法

（一）信息理论模型概述

信息理论模型从信息引起交易需求和交易供给变化的角度解释交易量与价格波动间存在的正相关关系，认为新信息流到达市场的强度和频率决定了市场交易的活跃程度和交易量、价格的波动程度。信息理论模型中具有代表性的混合分布假说(MDH)认为价格波动与交易量的联合分布由一个潜在的、被假定为信息流的混合变量共同驱使，市场中存在着一种反映信息在市场传播速度的潜在性因素，新信息流进入市场产生影响并引起交易量和价格同期变动，并且价格波动和交易量分别与信息流的速率正相关，继而形成价格波动与交易量正相关[15]。在MDH框架下，交易量与价格波动的动态特征仅仅依赖于信息流到达过程的时间序列特征，因此交易量序列可以作为信息流的指标并成为产生价格持续性波动的因素；反之亦然。

（二）研究方法

1．交易量的分解

根据MDH的观点交易量包含两部分――信息交易量和非信息交易量，前者是基于新信息到达诱发信息交易而增加的交易量，后者一般是噪声交易而引起的交易量。信息交易量作为新信息到达并对交易量产生冲击的体现，基于新信息随机、不连续的特征，信息交易量变化较为随机、不具稳定性；而从长期看基于噪声交易因素产生的非信息交易量则相对较为稳定。据此非信息交易量是交易量中可以预测的成分，可由交易量的平均值――预期交易量来表示；信息交易量则无法从历史交易量序列中予以解释并由非预期交易量来表示。用式(1)剔除交易量序列中的线性和非线性趋势的影响。

二、上海证券市场价量关系实证分析

（一）数据特征

1．数据来源

1996年12月16日上海证券交易所开始实行交易价格涨跌幅限制（涨跌停板制度），其后在2006年6月份开始分批推进的股权分置改革进入实施阶段，从市场微观结构理论出发，有理由相信交易机制转换和制度变迁会导致市场交易特征和交易行为产生较为明显的差异，因此有必要以1996年12月16日和2006年5月31日为分水岭将不同特征的市场数据进行分段处理，以避免数据结构转变所带来的分析谬误。据此将检验的样本期分为两个时段进行分析:1990．12．19―1996．12．15为第一时段；1996．12．16―2006．05．31为第二时段。选取上证A股综合指数（简称“上证综指”，下同）日收益率及日交易金额数据为价量关系指标分析对象，数据源自国泰安公司开发的CSMAR数据库，分析中使用计量经济学软件SPSS和Eviews。

2．数据描述

（1）上证综指日收益率序列统计特征

记Pt为日收盘指数，Rt为日(对数)收益率，则Rt=lnPt．lnPt．1,应用SPSS软件对其进行单变量频数分布分析得出上数变量的统计量特征，见表1。

（2）上证综指日交易量序列统计特征

以上证综指日交易额序列为原始交易量序列，对其进行单变量频数分布分析和序列自相关检验，结果分别见表2、表3。

（3）统计分析

从以上的统计特征中可以发现上海证券市场两时段价量指标具有显著的差异，笼统使用全部时间序列数据可能会导致模型设立上的错误并影响分析结论的正确性，分时段考察更为适宜。同时原始交易量序列的自相关系数明显超出了置信区间、存在着显著的自相关，说明原始交易量序列具有高度的可预测性，与将其分解为预期交易量和非预期交易量的要求相一致。

（二）上海证券市场价格与交易量Granger因果检验

1．交易量的处理

去除原始交易量中的线性、非线性时间趋势，得到了去势交易量；然后经过比较，分别选择ARMA (8,0)以及ARMA (9,0)去除了v′t中的序列相关性，得到了非预期交易量v1t；最后用去势交易量v′t减去非预期交易量v1t得到预期交易量v2t。考查期内的相关性检验结果见表4。

通过对各交易量之间相关系数的分析发现预期交易量v1t和原始交易量vt相关性很高，非预期交易量v2t与原始交易量vt的相关性较低。

对上海证券市场收益率（Rt）及其绝对值（|Rt|）、原始交易量（vt）、预期交易量（v1t）、非预期交易量（v2t）各序列进行ADF单位根检验。上述序列ADF检验值分别为．58．19468、．46．08381、．10．71768、．61．51139和．11．69868，均在1%的显著性水平下拒绝存在单位根的原假设，从而表明上述序列都是平稳过程。基于上海证券市场所有收益变量和交易量变量都为平稳过程，可以进行变量间的Granger因果检验。

2．Granger因果检验

依据AIC准则选取滞后阶数位4，进行价量间两时段Granger因果检验，检验结果见表5和表6，继而归纳两时段Granger因果检验显著性程度，见表7和表8。

表5第一时段Granger因果检验值统计

三、上海证券市场价量关系解析

（一）上海证券市场价量关系分析

在MDH分析框架下，从交易机制层面上可以对上海证券市场价量关系做较为深入的剖析。

Rt、|Rt|在两时段分析中始终能在1%的显著性水平下构成vt、v1t、v2t的Granger原因。这说明在MDH分析框架下，上海证券市场中的价格变量与交易量变量相比较是更为有效的信息流变量替代指标，即价格变量所拥有的信息含量高于交易量变量。需要注意的是在两阶段中，对于vt、v1t、v2t的解释能力强于|Rt|，说明上海证券市场价量关系存在非对称性，这在一定程度上可以归结于卖空限制的存在，缺乏主动性做空机制导致负面信息生成交易、融入价格的能力弱于正面信息，从而影响了市场信息吸收的广度。

v2t在第二时段能够在较高的显著性水平下构成Rt、|Rt|的Granger原因，并且v2t对于vt、|Rt|的解释能力强于vt、v1t，这说明非信息交易量相对于信息交易量和原始交易量具有更强的价格预测能力，前述交易量分解思路得到了实证检验的支持。对于第一时段v2t较低的价格解释能力，可以从上海证券市场发展初期的市场运行特征上寻找原因，在该阶段市场总体规模较小、流动性较低，并且证券价格操纵特征明显，在市场流动性较弱的背景下噪声交易会导致市场出现较为明显的价格波动，价格波动的信息含量和市场价格发现效率明显偏低。其后随着市场规模不断提升、信息披露机制不断完善和市场运作逐步规范化，非预期交易量在整体交易量中所占比重呈上升趋势，其对市场的影响和对价格的解释能力也显著增强。

（二）上海证券市场交易机制改进对策

针对上海证券市场价量分析所揭示的问题，应当进一步推进交易机制的变革。

1．建立混合驱动交易机制

进一步增强市场流动性建设可以有效地降低基于噪声交易和价格操纵所带来的价格过度波动，从而提升市场价格生成的信息含量。在流动性建设中，可以在现有指令驱动交易机制基础上引入报价驱动交易机制，由合格机构充当做市商，并赋予其在收取买卖价差基础上针对市场非常态下出现的流动性瓶颈承担提供流动性的义务，从而建立起常态市场环境下以订单驱动交易机制为主体、在非常态市场环境下以报价驱动交易机制为有效补充的混合驱动交易机制。

2．完善信息披露机制

为了使市场交易能够真实反映证券内在价值，需要进一步加大信息交易在整体交易中所占比重，这就需要不断完善现有的信息披露机制，即在强化现有的常规性信息披露义务的同时，针对市场价格异常波动有效地拓展非常规性信息披露的强度和深度，使市场交易能够及时地反映市场信息并使市场信息的披露能够及时有效地修正市场交易，从而进一步压缩虚假信息的散布空间、平抑其对市场的影响，为有效地提升市场交易的信息含量奠定良好的基础。在这方面应当在进一步规范临时停牌制度的同时，有效地拓宽信息披露范围，将股权分制改革后可能出现的大宗交易激增所需要的冰山订单、交易对手信息等内容囊括到信息披露机制建设中来。

3．建立两层次的市场做空机制

针对价量关系的非对称性，需要建立有效的做空机制来增加负面信息融入市场交易的能力。可以考虑在现有的权证交易基础上，针对市场整体适时推出股指期货交易和针对市场权重证券推出融券卖空交易，从而建立起两层次的市场做空机制体系，起到有效地拆除市场自发性信息屏蔽、拓展信息流进入市场的广度和效率。

四、结 论

本文基于MDH，在运用Granger因果关系检验法对上海证券市场价量关系进行分时段分析的基础上，得出结论认为上海证券市场通过交易机制变革在一定程度上推进了市场整体运行效率的提升，交易量特别是信息交易量对于价格变动的解释能力逐步增加，存在价量之间双向的Granger因果关系。从市场发展的角度，进一步增加市场流动性、加大信息交易在整体交易中所占比重和提升价格的信息含量是当前市场交易机制改进的内在要求，具体地应当建立混合驱动交易机制、完善信息披露机制和引入做空机制。

参考文献：

［1］ Karpoff J M．The relation between price changes and trading volume: A survey［J］．Journal of Financial and Quantitative Analysis , 1987, Vol．22, No．1：109．126．

［2］ Clark P K ．A Subordinated Stochastic Process Model with Finite Variance for Speculative Prices ［J］．Econometric，1973，41(Jan)：135．155．

［3］ Epps T W．Security Price Changes and Transaction Volumes: Some Additional Evidence ［J］．Journal of Financial and Quantitative Analysis，1977，12 (March)：141．146．

［4］ Smirlock M, Startks L．An empirical analysis of the stock prices and trading volume［J］．Journal of Banking and Finance,1988， (12)：269．283．

［5］ Gallant A, Ronal, Peter E．Stock Price and Volume, Review of Financial Studies，1992， (5)：199．242．

［6］ Wang．A model of competitive stock trading volumes ［J］．Journal of Political Economy, 1994， (102)：127．168．

［7］ Admati A P, Pfleiderer．A theory of intraday patterns:Volume and Price variability［J］．The review of Financial Studies,1988， (1)：3．40．

［8］ Shalen C T．Volume,volatility,and the dispersion of beliefs ［J］．Review of Financial Studies，1993，（6）： 405．434．

［9］ Harris L．Cross．security tests of the mixture of distribution hypothesis［J］．Joumal of Financial and Quantitative Analysis,1986， (21)：39．46．

［10］ 张维，闫冀楠．关于上海股市量价因果关系的实证探测［J］．系统工程理论与实践，1998，(6)：111．114．

［11］ 陈良东．上海股市价量关系的实证分析［J］．上海财经大学学报，2000，（3）：37．41．

［12］ 陈怡玲，宋逢明．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，（2）：62．68．

［13］ 魏巍贤，康朝锋．上海股市价量关系的实证分析［J］．预测，2001，(6)：63．68．

［14］ 范钛，张明善．中国证券市场分割的VAR模型检验［J］．华东经济管理，2003，(5)：52．58．

［15］ Thomas W．The Stochastic Dependence of Security Price Changes and Transaction Volumes: Implications for the Mixture of Distributions Hypothesis［J］,Econometrica, 1976， (44)：211．305．

［16］ 王健超，郎波．股市规模效应的再研究――基于上海A股市场的实证分析［J］．云南财贸学院学报，2005，（2）.

注：“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。”