沪市a股交易量与收益率及波动性的关系基于混合分布模型的实证研究

《沪市a股交易量与收益率及波动性的关系基于混合分布模型的实证研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、沪市A股交易量与收益率及波动性的关系基于混合分布模型的实证研究统计与决策!;;#年$月（下）!引言对于股票价格变化和交易量之间关系的研究一直是金融领域的研究热点。通过量价关系的研究，有助于了解金融市场的微观结构，揭示市场信息的传播方式、风险和收益的相互关系，还可以提高对价格波动的预测能力。因此这方面的研究具有重要的理论价值和现实意义。根据市场微观结构理论，价格的波动主要是由新信息的不断到达，以及市场价格对新信息做出相应的反应造成的。%&’()*+,-./首次提出了混合分布假说*012/，此后3445、6

2、’789:;和2’((<5等将其进一步发展，该理论认为金融资产的收益和交易量是由一个潜在的不可观测的信息流变量共同决定的，信息流的冲击将同时产生收益和交易量的变动，即信息流是混合变量，日交易次数或交易量可以作为信息流的替代指标。=;>:(5:;*+,?@/结合市场微观结构理论，认为信息的不对称和流动性的需求是产生信息到达的交易量的原因。A’BC7(:7D和A’5E(’4:5*+,,;/把交易量变量加入到F=G%2模型的条件方差方程，证实了把交易量作为信息流的替代指标对价格波动具有很强的解释能力。F’

3、&&CHF<I’B4<:(C0JK’8<;<HL’(M’(’*!;;;/利用F=G%2*+H+/模型对012进行再检验，认为由于交易量受日内价格的影响，其与收益率的关系并非是弱外生性的，从而以往交易日开盘价和收盘价的差异也是导致当日收益率=G%2效应的原因。;研究方法和模型选择首先，本文对上海股市符合那种信息传播方式假设进行了验证。混合分布假设认为所有的投资者同时接收到新的信息，同时做出反应，瞬间即可在新的价格水平上达到平衡，因此价格收益与交易量之间不存在因果关系；信息流

4、是混合变量的假设，隐含了代表信息流的交易量变量是引致波动率的原因。因此，如果交易量与收益率不存在因果关系，且交易量与波动率存在因果关系，则说明市场信息传播方式符合混合分布假设。其次，本文分析了交易量能在多大程度上解释收益波动率的F=G%2效应。如果金融资产的收益服从混合分布理论H每日信息到达的不同会导致不同的资产收益波动H而F=G%2模型正好刻画了每日到达信息的相关性。因此，若引入交易量变量后能解释股价波动的F=G%2效应，则说明交易量可以作为信息到达的替代变量。因此，本文将从!个方面来进行研究：交易量变量和收

5、益率及波动率的F(’;N:(因果关系检验；引入交易量变量的扩展F=G%2模型。+J+交易量和收益率、波动率的F(’;N:(因果关系检验为检验交易量是否对于收益率、波动率有预测能力，本文采用线性F(’;N:(因果关系检验。其基本思想是，设OPQDERHSPQTER为两个平稳时间序列，如果相对于仅用S的过去值来预测S时，O的过去值能用来改进对S的预测，即如果O的过去值能统计地改进对S的预测，则称存在O到S的F(’;N:(因果关系。下面是用于检验交易量和股指收益率、收益波动率因果关系的自回归模型UTEP!;V)<

6、;P+!!<TEW<V)<P+!;<XEW<V#E*+/摘要：本文以混合分布模型为理论框架，运用F(’;N:(因果检验和扩展F=G%2模型实证研究了上海=股市场交易量与股价之间的关系。得到了如下结论：交易量变量和收益率、波动率存在双向F(’;N:(因果关系；交易量只能在有限程度内解释波动率持续性；上海股市的信息传播方式基本符合混合分布假设。关键词：交易量；波动性；混合分布模型；F(’;N:(因果关系；F=G%2模型中图分类号：Y?.;J,文献标识码：=文章编号：+;;!W@$?-（

7、!;;#）;$W;;,+W;.沪市!股交易量与收益率及波动性的关系杨彬（西南财经大学中国金融研究中心，成都@+;;-$）———基于混合分布模型的实证研究财经论坛,+万方数据统计与决策!;;#年$月（下）式中，%&为交易量的代理变量，本文用交易量变动率表示，后简称为交易量变量；’&表示股指收益率和收益的波动率。由于股指收益率序列存在非正态性和波动集聚性，采用收益率的绝对值或平方来估计波动率无法描述这些特性。因此，本文采用()*+,-./.0模型的条件方差来估计波动率。.1!引入交易量变量的扩展()

8、*+,模型由2344567458提出的()*+,模型，不但描述了金融时间序列的波动集聚性，而且可以有效解决过度峰度对建模的影响。+)*+,9:模型除具有()*+,模型优点外，还刻画了收益与收益之间的关系。本文采用在均值方程和方差方程中引入交易量变量的()*+,（.，.）9:模型。模型设定如下：*&;<=!>&!=;.%&=#&-!0#&