基于高頻數(shù)據(jù)的中國股市量?jī)r(jià)日內(nèi)特征分析

摘 要：文章采用收集到的滬深兩市的5分鐘高頻數(shù)據(jù)，基于剔除日內(nèi)效應(yīng)后的已過濾收益，研究證券市場(chǎng)的日內(nèi)波動(dòng)特征和高頻數(shù)據(jù)下的股市量?jī)r(jià)的因果關(guān)系特征。同時(shí)，并結(jié)合成交量數(shù)據(jù)，采用TGARCH模型研究滬深兩市的成交量與波動(dòng)率的關(guān)系。

關(guān)鍵詞：日內(nèi)效應(yīng) 已過濾收益 TGARCH

中圖分類號(hào)：F830.91 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1004-4914(2007)10-106-02

一、 引言

股市成交量與價(jià)格變化的關(guān)系長(zhǎng)期以來一直是金融理論界和實(shí)務(wù)界關(guān)注的焦點(diǎn)。研究量?jī)r(jià)關(guān)系有助于人們了解股票市場(chǎng)的信息傳遞機(jī)制和市場(chǎng)的微觀結(jié)構(gòu)，有助于監(jiān)管部門對(duì)中國股市的規(guī)范管理。對(duì)量?jī)r(jià)關(guān)系的研究主要分析成交量和收益的關(guān)系，成交量和絕對(duì)收益的關(guān)系，以及成交量與收益的滯后關(guān)系。Crouch（1970）對(duì)紐約證交所的實(shí)證研究表明，成交量與收益之間存在正相關(guān)關(guān)系；Epps（1975）認(rèn)為價(jià)格上漲時(shí)的交易量大于價(jià)格下跌時(shí)的交易量；Smirlock和Starks（1988）發(fā)現(xiàn)絕對(duì)收益與交易量存在滯后關(guān)系；Bhatia（1996）利用因果分析法發(fā)現(xiàn)價(jià)格變化先行于交易量；施東暉（2001）以上海股市為研究對(duì)象，利用Granger因果分析研究上證綜合指數(shù)，發(fā)現(xiàn)滬市存在成交量與股價(jià)相互反饋的關(guān)系。

迄今為止，國內(nèi)外學(xué)者對(duì)于量?jī)r(jià)關(guān)系的研究主要是基于日數(shù)據(jù)甚至是月數(shù)據(jù)這樣的低頻數(shù)據(jù)，很少有基于高頻數(shù)據(jù)分析量?jī)r(jià)關(guān)系的微觀結(jié)構(gòu)。并且國外的研究結(jié)果表明， “U”型的日內(nèi)波動(dòng)模式廣泛存在于歐美成熟市場(chǎng)，我們稱之為日內(nèi)效應(yīng)。由于日內(nèi)效應(yīng)的存在，對(duì)高頻的原始收益數(shù)據(jù)未加任何調(diào)整，直接分析量?jī)r(jià)關(guān)系，并用ARCH類模型來分析股市波動(dòng)率顯然是不合理的。Andersen和Bollerslev（1997）提出了一種FFF回歸建?？蚣埽‵ourier Flexible Form regression framework），消除了高頻數(shù)據(jù)的日內(nèi)周期效應(yīng)并分析其與波動(dòng)率持續(xù)性的關(guān)系。Beltratti和Morana（1999）推廣了FFF回歸方法并結(jié)合卡爾曼濾波方法消除日內(nèi)效應(yīng)。劉勤、顧嵐（2001）采用Andersen和Bollerslev（1997）的FFF回歸方法研究個(gè)股的日內(nèi)波動(dòng)特征，發(fā)現(xiàn)交易日內(nèi)存在“W”型波動(dòng)模式，并且有顯著的周末效應(yīng)。劉建華（2006）采用Beltratti和Morana（1999）方法研究2003年滬深兩市指數(shù)的日內(nèi)波動(dòng)特征。本文利用2006年滬深兩市的高頻數(shù)據(jù)研究證券市場(chǎng)的量?jī)r(jià)關(guān)系和日內(nèi)波動(dòng)模式，并基于已過濾收益，結(jié)合成交量數(shù)據(jù)，采用TGARCH模型研究成交量與波動(dòng)率的關(guān)系。

二、股市收益和成交量基本統(tǒng)計(jì)特征

本文所用的數(shù)據(jù)時(shí)間跨度為從2004年3月16日至2006年9月15日的5分鐘高頻收盤數(shù)據(jù)，共612個(gè)交易日，包括指數(shù)5分鐘收盤價(jià)、5分鐘收益率和5分鐘成交量（單位：百萬）。樣本量為29376。

圖1、2分別為上證指數(shù)和深證成分指數(shù)從2004年3月16日至2006年9月15日的走勢(shì)圖。從圖中可以看出，本文所選取的數(shù)據(jù)正時(shí)值中國股市由熊市轉(zhuǎn)為牛市的階段。兩市股指走勢(shì)較為吻合，這可能是因?yàn)闇顑墒刑幵谙嗤沫h(huán)境之下，所受的社會(huì)、經(jīng)濟(jì)影響大致相同；多數(shù)的投資者在滬深兩市均有投資，兩市指數(shù)的走勢(shì)反映了他們對(duì)股市未來共同的預(yù)期，因而表現(xiàn)是基本一致的。

表1為滬深兩市指數(shù)5分鐘收益率的基本描述統(tǒng)計(jì)量。從中我們看到平均收益率基本在零附近，峰度值都顯著超過了3，兩市的指數(shù)收益率均表現(xiàn)出了尖峰厚尾的特性。

造成股票市場(chǎng)收益率呈“尖峰厚尾”分布的，一種解釋是，股票市場(chǎng)上的信息不是以連續(xù)平滑的方式出現(xiàn)，而是偶爾成堆出現(xiàn)，也就是說信息是聚集的。因此，市場(chǎng)對(duì)聚集的信息的反應(yīng)將導(dǎo)致價(jià)格波動(dòng)的聚集，從而出現(xiàn)收益率分布的“尖峰厚尾”分布。另一種解釋是，投資者不是以線性，而是以非線性的方式對(duì)股票市場(chǎng)上的信息做出反應(yīng)。當(dāng)股票市場(chǎng)出現(xiàn)信息時(shí)，投資者并不是如有效市場(chǎng)假說（EMH）那樣馬上對(duì)信息做出反應(yīng)，并使得股票價(jià)格迅速體現(xiàn)其應(yīng)有的價(jià)值。投資者可能在當(dāng)時(shí)并沒有發(fā)現(xiàn)信息的價(jià)值，然而隨著信息的不斷累積，當(dāng)信息水平越過了臨界值后，投資者開始對(duì)以前忽略的所有信息做出反應(yīng)。這種非線性或滯后的反應(yīng)方式導(dǎo)致了投資者的羊群行為，造成波動(dòng)聚集，從而出現(xiàn)收益率分布的“尖峰厚尾”分布。

我們以為滬深兩市指數(shù)的5分鐘絕對(duì)收益的自相關(guān)圖中(圖略)可以看到絕對(duì)收益的自相關(guān)系數(shù)均呈現(xiàn)明顯的周期性，即在48的倍數(shù)的時(shí)候，相關(guān)系數(shù)有明顯上升。

三、滬深股市的日內(nèi)波動(dòng)特征分析

圖3、4為兩市指數(shù)的日內(nèi)平均收益、平均絕對(duì)收益和平均成交量的走勢(shì)圖。從圖中我們看到滬深兩市的平均收益率呈現(xiàn)近乎相同的走勢(shì)，最小值均出現(xiàn)在開盤后的第一個(gè)5分鐘，最大值均出現(xiàn)在交易日內(nèi)最后5分鐘。滬深兩市中午休市前和下午開盤后的收益依舊有一個(gè)較大的波動(dòng)。絕對(duì)收益在上午開盤后達(dá)到最大，中午休市前和下午開盤后的平均絕對(duì)收益都有一些波動(dòng)。兩市股指在收盤時(shí)的日內(nèi)平均絕對(duì)收益與收盤時(shí)的日內(nèi)平均收益幾乎一致，這說明絕大部分的交易日的最后一個(gè)5分鐘收益為正。滬深股指的日內(nèi)平均成交量（單位：百萬手）的走勢(shì)均呈“W”型：開盤成交量最大，這可能是由于我國股市采用集合競(jìng)價(jià)開盤，以滿足最大成交量的價(jià)格為開盤價(jià)的緣故。另外，由于對(duì)隔夜信息的理解消化，使得投資者在股市看盤時(shí)交投活躍。尾市成交量逐漸放大，表明尾市交易活動(dòng)較為活躍。這可能是由于投資者在尾盤主動(dòng)調(diào)整持倉結(jié)構(gòu)所致。

四、 滬深股市的量?jī)r(jià)關(guān)系分析

由于日內(nèi)效應(yīng)的存在，對(duì)高頻的原始收益數(shù)據(jù)未加任何調(diào)整，直接分析量?jī)r(jià)關(guān)系并不合理。因此我們采用Beltratti和Morana（1999）的方法消除日內(nèi)效應(yīng)。

表2給出了已過濾收益的一些基本統(tǒng)計(jì)量。與表1的5分鐘原始收益基本統(tǒng)計(jì)量相比，從峰度欄中可以看出，兩市股指的已過濾收益的峰度都略有減小，但已過濾收益的分布仍具有尖峰厚尾的特征；消除日內(nèi)效應(yīng)后的收益比原始收益更接近正態(tài)。

從上證指數(shù)和深證成分指數(shù)的季節(jié)因子的走勢(shì)圖(圖略)中可以清楚地看到明顯的日內(nèi)特征。早上開盤時(shí)的日內(nèi)季節(jié)因子最大，因此開盤時(shí)刻對(duì)收益波動(dòng)幅度的影響較大。上午股市休市前和下午重新開盤后的季節(jié)因子變化波動(dòng)仍然較大，這顯示出中午的休市對(duì)投資者的交易活動(dòng)具有一定的影響。

在剔除日內(nèi)效應(yīng)后，為了研究股價(jià)與成交量之間是否存在滯后關(guān)系，即成交量是否領(lǐng)先于股價(jià)的變化，或者股價(jià)的變化領(lǐng)先于成交量，我們采用Granger因果關(guān)系檢驗(yàn)。如果在加入股價(jià)變化的歷史值后，成交量現(xiàn)值的預(yù)測(cè)的均方誤差顯著小于僅用成交量歷史值預(yù)測(cè)的均方誤差，即前者對(duì)于成交量現(xiàn)值的預(yù)測(cè)優(yōu)于后者，則我們就可以認(rèn)為股價(jià)的變化導(dǎo)致了成交量的變化；反之亦然。

為此，我們需要對(duì)如下兩式進(jìn)行回歸分析：

表3、表4分別為收益率和成交量的滯后6階（半小時(shí)）和滯后12階（1小時(shí)）的Granger因果關(guān)系檢驗(yàn)結(jié)果。在表3中我們發(fā)現(xiàn)，在滯后6階條件下，滬深兩市股指不論是在成交量并不Granger引起收益的原假設(shè)下，還是在收益并不Granger引起成交量的原假設(shè)下，F(xiàn)統(tǒng)計(jì)量大于5%的臨界值。這說明在滯后半小時(shí)內(nèi)，滬深股市既存在著成交量變化導(dǎo)致股價(jià)變化，又存在股價(jià)變化導(dǎo)致成交量變化的現(xiàn)象，股價(jià)與成交量存在著相互反饋的關(guān)系。這可能是由于在短時(shí)間內(nèi)存在非均衡供求關(guān)系的原因，使信息傳遞存在結(jié)構(gòu)性與技術(shù)性障礙，導(dǎo)致市場(chǎng)參與者并不能同時(shí)得到相關(guān)信息，從而因此形成量?jī)r(jià)的互相反饋的現(xiàn)象。但是在表4中我們發(fā)現(xiàn)，隨著滯后階數(shù)的增大，在深市只存在股價(jià)變化導(dǎo)致成交量變化的關(guān)系，并不存在成交量變化導(dǎo)致股價(jià)變化的關(guān)系。而在滬市依然存在股價(jià)與成交量存在著相互反饋的關(guān)系。

五、成交量與波動(dòng)率關(guān)系分析

我們采用TGARCH模型分析股市波動(dòng)性。以rt表示第t個(gè)5分鐘收益。由于成交量與股價(jià)存在互相反饋的現(xiàn)象，也與股市波動(dòng)密切相關(guān)，是影響波動(dòng)率的重要因素，因此在均值方程和波動(dòng)率方程中均加入成交量Vt。我們采用AR(2)－TGARCH（1，1）模型。整個(gè)模型的表達(dá)式如下：

表5列出了上證指數(shù)和深證成分指數(shù)的統(tǒng)計(jì)結(jié)果。從中我們看到：第一，上證指數(shù)和深證成分指數(shù)的v的估計(jì)值分別為0.906和0.873，均小于2，可見殘差具有比正態(tài)分布更厚的尾部；第二，均值方程中上證指數(shù)和深證成分指數(shù)的θ值均顯著大于零，表明成交量的放大引起收益的上漲；第三，在波動(dòng)率方程中，兩支股指的ψ值都顯著為正，表明成交量的放大將引起波動(dòng)率的增加；第四，在波動(dòng)率方程中，兩個(gè)指數(shù)的γ的估計(jì)值均小于零，這表明利好信息比利空信息對(duì)波動(dòng)率的影響較大，但深市的γ在5％顯著性水平下并不顯著。國內(nèi)外的實(shí)證結(jié)果大多顯示γ為正值，即利空信息比利好信息對(duì)波動(dòng)率的影響較大。為什么會(huì)由這種反差呢？筆者認(rèn)為，由于選取的數(shù)據(jù)時(shí)值中國股市由熊市轉(zhuǎn)牛市的轉(zhuǎn)折階段，在轉(zhuǎn)折階段前，即熊市的末期，是中國股市最低潮的時(shí)期，股市人心渙散，人氣匱乏，投資者對(duì)利空信息早已麻木，交投清淡。而轉(zhuǎn)為牛市后，投資者對(duì)股市的信心空前高漲，開戶人數(shù)不斷增多，資金不斷涌入股市，股市交易日益活躍。加上股改工作順利進(jìn)行，利好消息不斷，致使股價(jià)節(jié)節(jié)攀升，波動(dòng)率增大。

（注：*號(hào)表示在5％顯著性水平下不顯著）

［本文為漳州師范學(xué)院院內(nèi)課題“中國股市日內(nèi)波動(dòng)特征的高頻分析”的部分成果］

參考文獻(xiàn)：

1.劉勤，顧嵐.股票日內(nèi)交易數(shù)據(jù)特征和波幅特征的分析［J］.統(tǒng)計(jì)研究，2001(4)

2.劉建華.中國股市日內(nèi)高頻波動(dòng)特征分析［J］.統(tǒng)計(jì)與決策，2006（8）

3.施東暉.中國股市微觀行為理論與實(shí)證［M］，上海遠(yuǎn)東出版社，2001

4.Andersen， T.G.， Bollerslev， T.， “Intraday seasonality and volatility persisetence in foreign exchange and equity markets”， Journal of Empirical Finance， ［J］， 1997（4）， 115-158.

5.Andersen， T.G.， Bollerslev， T.， “Deusche mark-doall volatility: Intraday activity patterns， macroeconomic announcement， and longer run dependencies”， Journal of Finance， ［J］， 1998a（53）， 219-265.

6.Andersen G. Torben， Bollerslev Tim， Cai Jun， “ Intraday and Interday Volatility in the Janpanese Stock Market” Journal of International Financial Markets， Institutions and Money， ［J］， 2000（10）， 107-130.

7.Andrea Beltratti， Claudio Morana， “Computing value at risk with high frequency data”， Journal of Empirical Finance， ［J］， 1999（6）， 431-455.

(作者單位：漳州師范學(xué)院經(jīng)濟(jì)系 福建漳州 363000)

(責(zé)編：若佳)

注：本文中所涉及到的圖表、注解、公式等內(nèi)容請(qǐng)以PDF格式閱讀原文。