我國A股市場交易量信號的差異性研究

徐加根　孫文佳　牛鋒

摘 要：已有研究表明，量價關系對于不同類型的股票在不同市場階段呈現出不同的特征。本文利用技術分析指標描述股票短期漲跌趨勢，發現上漲放量有助于抬高股票收益率，下跌放量則會壓低股票收益率。通過對不同股本規模和信息透明程度樣本的分析，發現了交易量信號的異質性。即大市值的股票上漲放量信號略強于小市值股票，而后者的下跌放量信號明顯強于前者；信息透明程度較高時交易量信號較為一致，信息透明程度較低時短期趨勢在識別交易量信號中的作用可能失效。本文在對股票交易量信號差異解釋的基礎上，為短線交易提供了新的建議。

關鍵詞：股票收益率；交易量信號：量價關系；股本規模；信息透明程度

中圖分類號：F830.91 文獻標識碼：A

文章編號：1000-176X（2015）07-0052-06

一、引 言

股票市場中交易量通常與價格波動存在密切的關系，在證券市場領域也占據著重要地位。現有投資理論普遍認為，成交量是推動股價上漲的原動力，通過其增減速度可以推斷多空雙方的博弈力量，并對股價的未來波動進行預測。同時，成交價對應著交易量的變動，因此，成交量能夠對價格形態進行驗證。量價之間的這種關聯性趨勢規律表現為量價同向、量價背離等不同的市場現象。傳統經濟理論對量價變動從不同角度進行了解釋，Morse[1]提出的“信息不對稱理論”，解釋了大交易量之后的價格慣性，認為股票交易產生于擁有信息優勢的投資者與不知情投資者之間，成交量的大小度量了信息不對稱程度，而未公開信息越多，股價越傾向維持之前的變化趨勢。Campbell等[2]提出的“資產配置理論”則對高交易量后的價格反轉進行了解釋，認為非股票資產的收益波動可能促使投資者對資產配置進行調整，進而導致大交易量，資產配置結束后，股票價格傾向恢復到之前的價格水平。二者從不同角度對大交易量的成因進行了解釋，有其合理性但都較為片面。

我國股票市場同時存在信息不對稱和資產配置的影響。首先，股票市場尚不成熟，上市公司信息透明程度參差不齊。其次，貨幣政策調整后的股市波動顯示了資產配置對股市的影響，但對不同股本規模產生的影響存在差異。因此，經典分析方法對我國股票市場的適用性有待斟酌。當前投資策略普遍認為，股票價格的有效變動必須有成交量配合，正確把握交易量蘊含的市場信號，才能做到“低吸高拋”。但是，對于不同類型的股票以及不同的漲跌階段，成交量的放大和收縮可能透露不同的市場信息。鑒于當前我國股票市場的復雜性，對上市公司進行合理分類，厘清股票交易量對于價格波動的信號作用，為投資者正確識別市場信息以及監管部門完善市場微觀結構建設具有重要的研究價值。

二、文獻綜述

量價變動關系作為投資者密切關注的對象，也成為許多學派的研究熱點。現有研究中，Granger因果關系通常被用來檢驗股票交易量和股票價格之間的預測關系。趙振全和薛豐慧[3]通過股票市場的日交易數據發現上海、香港的交易量都可以解釋收益率。類似結論同樣存在于高頻數據中，李夢玄和周義[4]利用交易日內每五分鐘指數價格序列以及對應的交易量序列，認為滬深兩市的日內交易量對日內收益具有預測作用。可見，股票交易量的特征代表著某種市場信息，對預測股票后續價格波動具有重要作用。

現有研究表明信息透明程度不同的股票在量價關系上可能存在不同的表現。中國滬深兩市仍屬于非有效的金融市場，內幕交易通常會對收益率和成交量形成巨大影響。唐齊鳴和張學功[5]選取五家因內幕交易被證監會處罰的股票，Granger因果檢驗的結果卻顯示，內幕交易股票僅存在由收益到成交量的單向因果關系。鄭方鑣等[6]發現，在牛市和熊市中，在高成交量的交易日之后，信息不對稱程度較高的股票，其收益率與信息不對稱程度較低的股票相比，更傾向于表現出反轉。

此外，許多研究證實我國股市中的量價關系并不固定。李麗[7]利用ARCH和DCC-GARCH模型發現股價和成交量序列存在顯著的正相關性，但相關系數是時變的，并且具有很強的波動性。郭梁和周煒星[8]使用分筆高頻數據進一步發現，中國股市成交價格波動和成交量之間的相關關系為一非線性凸函數，當歸一化成交量較高時，價格變化的絕對值與成交量之間呈正相關性，當歸一化成交量較低時，呈反常的負相關性。交易量與股票價格的關系還會受到其他許多因素的影響。范從來和徐科軍[9]發現對于規模較小的公司股票來說，交易量的這一指標作用較為明顯。但是，對于規模較大的公司股票來說，交易量的預測作用并不明顯。王杉和宋逢明[10]發現單位交易量引起的價格變化與股票價格水平的平方正相關，與股票的流通市值負相關。

現有文獻對我國股票市場中的量價關系的研究結論不一，其中重要的原因是忽略了股本規模、信息透明程度等因素上的差異對交易量信號的影響。此外，在計量方法上，已有研究為分析不同經濟條件下的量價關系，通常對整體樣本切割成塊[11]，犧牲了樣本信息，損失了量價關系的準確性。并且，利用普通最小二乘法對量價關系進行估計時，得到的是二者之間的“平均”相關程度，也會錯估真實的量價關系。并且，交易量與收益率存在互為因果關系，使用最小二乘法估計可能導致異方差等問題，錢爭鳴和郭鵬輝[12]提出使用分位數回歸方法有效避免了這一問題。

本文的創新之處在于：首先，在已有研究的基礎上，按照股本規模和信息透明程度對樣本股票進行分類，消除股本規模及信息對稱程度差異對量價關系造成的混淆。其次，利用技術分析指標表示個股漲跌趨勢，通過引入二元變量對不同漲跌階段的量價關系進行了解讀。最后，采用分位數回歸方法，分析交易量在股票不同收益率水平下的信號差異。

三、研究設計

（一）樣本及數據

本研究采用中證指數考察我國滬深股市的量價關系。鄭方鑣等[6] 、范從來和徐科軍[9] 以及王杉和宋逢明[10]的研究表明，我國股市中的量價關系對于不同股本規模和信息不對稱程度的上市公司有著不同的表現。本文以這兩個標準對樣本進行選取和分類，以期得到不同類型股票的量價特征。

股本規模方面，本文分別使用中證100指數和中證500指數不同股本規模的股票市場數據。其中，中證100指數是從滬深300指數樣本股中挑選規模最大的100只股票組成樣本股，能夠綜合反映滬深證券市場中最具市場影響力的一批大市值公司的整體狀況，中證500指數的樣本選擇在剔除了規模靠前的股票的基礎上選取流動性較好的500只股票，能夠綜合反映我國股市小市值公司的整體狀況。

信息不對稱程度方面，Lang [13]以及Leuz和Verrecchia [14]以各股票在整個研究區間內的股價波動作為信息不對稱程度的替代指標，但事實上，即便同一股票在不同時期所受市場信息影響也有所不同，本文采用過去5日的收益率標準差作為短期內信息透明程度的衡量指標，以短期波動前10%和后10%的數據分別作為信息透明與信息非透明的樣本。

為盡可能豐富樣本數據，降低市場異常現象的影響，從而更加有效地呈現真實的量價關系。本文結合兩個指數的發布時間，剔除部分缺失數據后，真實研究區間為2007年1月15日至2013年12月31日，基本涵蓋我國股市牛市、熊市已經平衡震蕩的市場階段。本文采用的指數收益率和交易量均為日交易數據，數據來源為RESSET數據庫。

（二）變量選取

1.被解釋變量

日收益（Dretnd）：為指數不考慮現金紅利的個股回報率乘以100，單位為百分點。

2.解釋變量

交易量（vol）：為指數權重股的每日交易量，單位為10億股，描述各股票當日的交易活躍程度。

虛擬變量up和down：為對各股票的短期不同漲跌趨勢進行度量，文章借助技術分析工具，利用5日K指標

kvalue的計算中，若無前一日kvalue，則用50來代替。衡量個股超買超賣狀況，數值在90以上為超買狀態，虛擬變量up取值為1，否則為0。對于虛擬變量down，K指標數值在10以下為超賣狀態，虛擬變量取值為1，否則為0。變量取值具體計算方法如式（1）—式（4）所示：

RSNn=（Cn-Ln）/（Hn-Ln）×100（1）

其中，Cn為第n日收盤指數；Ln為n日內的最低收盤指數；Hn為n日內的最高收盤指數。

kvaluen=13RSVn+23kvaluen-1（2）

up=1 kvalue≥900 其它（3）

down=1 kvalue≤100 其它（4）

（三）模型設定

“追漲殺跌”是股票投資中常見的市場行為，從短期來看，在市場上升階段，成交量的放大意味著市場信心的增強，對收益率飆升起到“推波助瀾”的作用。在市場下跌階段，成交量的增加意味著悲觀情緒的蔓延，會進一步壓低股票收益。由于不同漲跌階段下交易量釋放的市場信號不同，本文引入表示不同漲跌階段的虛擬變量，對量價模型進行了擴展：

Dretnd=β0+β1vol+β2vol×up+β3vol×down（5）

其中，β1表示平衡市中成交量變化對股票成交量的影響，β2和β3分別衡量了超買和超賣狀態下成交量信號的差異。為更加直觀地得到各系數的擬合結果，將模型變形為：

Dretnd=β0+β1（vol-vol×up-vol×down）+βupup×vol+βdowndown×vol（6）

震蕩階段、超買狀態和超賣狀態下交易量的放大對股市收益率的影響分別用系數β1、βup=β1+β2和βdown=β1+β3衡量。參數估計值的符號表明在對應狀態下交易量的放大對收益率的作用，系數絕對值的大小反映對應狀態下交易量信號的強弱。

此外，在不同的收益率高位，由于投資者對股票未來走勢的信心不同，交易量變化對收益率的推動或抑制作用也存在著差異。本文選取被解釋變量80%、50%和20%三個分位點，利用分位回歸方法對交易量的信號差異進行了探討。不同分位點回歸系數的確定可以通過下面的最小化問題來定義：

minβ∑Dretnd>x′βqDretnd-x′β+∑Dretnd

其中，x為方程（7）中的自變量，β為對應系數，q為設定的分位數，分別設為80%、50%和20%。

四、結果分析

（一）描述性統計

通過表1中樣本收益率與成交量的數據特征可以看出，在本文研究區間內小盤股的收益率和成交量均值均大于大盤股股票，并且波動性更高。兩支指數收益率和成交量峰度值均明顯大于3，呈現出金融數據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。傳統OLS估計建立在標準正態分布上的假設檢驗缺乏穩健性，而基于不同分位點的分位數回歸對極端值具有更強的耐抗性，能夠提供更加完整準確的估計結果。

（二）相關性分析及平穩性檢驗

該部分利用Spearman相關系數對收益率與成交量之間的相關關系進行了度量。表2中的相關系數顯示，無論對于CSI 100中的大盤股還是CSI 500中的小盤股股票，收益率與交易量總體均呈現出顯著的正相關性，相關系數在0.2左右。在對短期趨勢進行區分后，二者的相關性在不同的短期趨勢下符號相反，說明了短期趨勢在量價關系研究中的重要作用。同時，對于不同股本規模的股票樣本，相同的趨勢下收益率與成交量相關性強弱及顯著性均表現出明顯的不同。

為了防止模型存在偽回歸問題，該部分對兩支指數的收益率和交易量序列進行了平穩性檢驗，表3為兩支指數的收益率和交易量序列ADF檢驗的統計值。結果顯示，ADF檢驗均拒絕了數據存在單位根的原假設，說明時間序列數據平穩。

（三）回歸分析

該部分分別利用OLS方法和分位數回歸方法分別對模型（6）的系數進行了估計，表4中，QR_80、QR_50、QR_20分別表示80%、50%和20%分位數的回歸結果。

表4中的不同分位點下的回歸結果顯示，vivol、upvol和downvol的系數在20%、50%以及80%的分位數下均存在明顯差異，甚至正負性發生改變。對不同分位數回歸系數差異性的F檢驗均拒絕原假設，

中證100數據中，對vivol、upvol和downvol的F檢驗統計量分別為32.5700、6.9800和5.5300；對于中證500，F值分別為8.7400、3.2200和4.5500，均在5%的水平下拒絕了不同分位點下系數相等的原假設。這一結果也驗證了本文采用分位數回歸方法研究量價關系的恰當性。通過對表4的回歸結果分析可以看出：

第一，無論是中證100指數還是中證500指數，OLS回歸和分位數回歸的結果均顯示upvol系數在1%的顯著性水平下顯著為正，說明上漲階段換手率的增加能夠抬高股票收益率。但在下跌階段，除少數分位點外，兩個股票指數downvol的系數均顯著為負，說明下跌階段交易量放大會進一步壓低了股票收益率。由于在不同的市場階段，交易量的變動會傳遞出截然相反的市場信息，單純檢驗交易量與收益率之間的相關關系可能存在較大的謬誤，這也驗證了在量價模型中加入趨勢因素的合理性。這一結果同樣說明，一旦短期趨勢形成，對于逐漸放量的股票，“追漲殺跌”的短線投資策略在我國股票投資，尤其是大盤股投資中具有一定的有效性。

第二，從不同的分位點來看，大盤股股票交易量信號呈現出一致性趨勢。在短期上漲階段，大盤股交易量信號隨著分位點的提高逐漸增強（upvol系數從0.1984上升到0.3212），說明在收益率的高位投資者情緒高漲，上漲放量作用更強。這一結果說明了我國股票市場的投資者存在的“跟風現象”，對于高收益股票過分追捧容易導致價格泡沫的形成。在短期下跌階段，隨著分位點的提高放量信號總體呈逐漸減弱趨勢。在收益率的低位，成交量放大對收益率的抑制作用更強，說明了市場對低收益股票容易產生市場恐慌，較強的投機傾向延誤了價格的合理回歸。當利用K指標無法確定短期趨勢的情況下，分位數回歸的結果傳遞出更加重要的信息。在收益率的高分位點，系數為正，放量能夠進一步抬升收益率，但在低分位點系數為負，反而會壓低收益率。與此不同的是，小盤股在不同分位點的放量信號相對平穩。

（四）交易量信號存在的差異

股本規模方面，通過對表3中兩類樣本回歸系數的對比發現，在短期上漲階段，中證100指數的放量信號（大致介于0.2000—0.3200之間）強于中證500指數（介于0.1000—0.1900之間）。但是在短期下跌階段，中證500指數的放量信號（介于-0.5300—-0.9200之間）則明顯強于中證100（介于-0.0200—-0.4600之間），這一結果顯示了交易量信號在不同股本規模的股票中存在的非對稱性。中證100的成分股多為大型工業企業和國有金融機構，是機構投資者重倉持有對象。在市場上升階段，市場對交易量變動容易形成一致性預期，相對于小盤股股票，同樣的交易量變化能夠對收益率造成更加有效的影響。并且由于大盤股的經營穩健性高，市場下跌階段的抗跌能力更強。而對于中證500指數，成分股為滬深兩市小市值公司的代表，本身波動率要大于大盤股票，在市場的下跌階段，更容易遭受悲觀情緒的影響[15]。

信息透明程度方面，通過比較不同收益率分位點的交易量信號波動，我們發現，無論是中證100指數還是中證500指數，信息不透明階段的信號波動都明顯強于信息透明階段的樣本。更為重要的差異體現在上漲放量信號上，對于信息透明階段，上漲階段交易量的放大在各收益率分位點均對收益率有正向作用。但對于在信息不透明階段，上漲放量在較低分位點（收益率為負）能夠抬高指數收益率，但隨著分位點的提高上漲放量信號逐漸變小直至為負。這一現象說明了，在估值震蕩比較劇烈的階段，投資者尚未充分消化市場信息，因此，對于交易量變動較難形成一致性預期，由于對短期趨勢信心不足，上漲趨勢中的交易量信號也呈現出不穩定性。

五、小 結

通過加入趨勢虛擬變量對傳統量價模型進行擴展，結果顯示了結合短期漲跌趨勢在交易量信號識別中的必要性。同時，對不同股本規模和信息透明程度的數據分析結果顯示，交易量信號在不同數據樣本之間存在較大差異。結論對于投資者正確識別交易量信號具有以下啟示：

第一，股票市場中，甄別短期趨勢對于正確識別交易量信號具有重要作用。本文在依據K指標對股票短期趨勢進行判斷的基礎上發現，上漲階段交易量的放大能夠釋放出收益率上揚的積極信號，而下跌階段的放量則會壓低股票收益。因此，簡單依賴交易量的變動方向可能混淆真實的市場信號，而股票的短期趨勢為投資者提供了良好的輔助工具。對于量化交易投資者，追逐上漲放量的股票（尤其是經營穩健的大盤股股票），往往能夠帶來更高收益。

第二，交易量信號的強弱與股票收益率的分位點密切相關。實證結果顯示，我國股票投資者具有明顯的“跟風現象”，在不同收益率的高位，交易量信號的強弱存在較大的差異。尤其在利用技術指標無法確定短期漲跌趨勢時，交易量的放大會呈現出相反的效果。在收益率的高位，即便短期趨勢尚未形成，一旦交易量呈現放大趨勢，投資者的追捧也會使股票在短期內上揚。但在收益率的低位，交易量的放大更有可能顯示了悲觀情緒的蔓延，會在短期內壓低股票收益率。投資者在利用交易量對收益率波動進行判斷時，結合即時的收益率數值能夠得更加準確的交易量信號。

第三，對于不同股本規模的股票，交易量信號存在明顯的不對稱性。數據顯示，在市場上升階段，股本規模較大的股票放量信號更強。相對于小市值公司，大盤股經營信息更加公開，投資者對其預期更加一致，交易量變動更加有效地推動股價波動。而小盤股股票，由于所受市場干擾因素較多，且不同股票之間表現差異較大，交易量變動對整體收益率傳遞的信號略弱。在市場下跌階段，大市值公司由于其經營的穩健性，抗跌能力強，相比而言，小市值股票由于更容易遭到市場負面信息的影響，大量拋售引發的交易量放大會迅速壓低股票收益。

第四，在信息透明程度異常的階段，交易量信號同樣會產生顯著的差異。信息透明程度較高時，交易量信號隨收益率分位點的變動幅度較小，結合短期趨勢能夠對其進行較好的識別。但信息透明程度較差時，交易量信號受收益率分位點的影響較大，并且上漲放量在不同分位點也會傳遞不同的信號。這一發現說明，在股票歷史的收益波動較大時，由于市場信心不足，結合短期趨勢在判斷交易量信號時可能失效，需要在市場信息充分吸收之后才能對收益率變動進行良好預測。

參考文獻：

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

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

[3] 趙振全， 薛豐慧. 股票市場交易量與收益率動態影響關系的計量檢驗： 國內與國際股票市場比較分析[J]. 世界經濟， 2005，（11）：64-70.

[4] 李夢玄，周義. 基于高頻數據的中國股市量價關系研究[J]. 統計與決策， 2009，（3）：132-133.

[5] 唐齊鳴，張學功. 基于內幕交易下的中國股市量價因果關系分析[J]. 數量經濟技術經濟研究， 2005，（6）：95-100.

[6] 鄭方鑣， 吳超鵬， 吳世農. 股票成交量與收益率序列相關性研究——來自中國股市的實證證據[J]. 金融研究， 2007，（3）：140-151.

[7] 李麗.基于ARMA-GARCH 模型的股市量價動態關系研究[J]. 統計與決策， 2011，（4）：144-146.

[8] 郭梁，周煒星. 基于高頻數據的中國股市量價關系研究[J]. 管理學報， 2010，（8）：1242-1247.

[9] 范從來， 徐科軍. 中國股票市場收益率與交易量相關性的實證分析[J]. 管理世界， 2002，（7）：31-36.

[10] 王杉， 宋逢明.中國股票市場的簡單量價關系模型[J]. 管理科學學報， 2006，（4）：65-72.

[11] 甘元霞， 譚碩. 中國A股市場效率變遷——基于滬深指數量價關系的研究[J]. 投資研究， 2013，（1）：139-147.

[12] 錢爭鳴， 郭鵬輝. 上海證券交易市場量價關系的分位回歸分析[J]. 數量經濟技術經濟研究， 2007，（10）：141-150.

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

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

[15] 王志強，吳風博，黃芬紅.中國股市波動率異象的存在性、持續性和差異性[J].財經問題研究，2014，（9）：45-53.

（責任編輯：孟 耀）