經濟新常態下中國冶金行業上市企業股票量價運行機理探析

摘 要：股票市場常被看作反映實體經濟表現的“晴雨表”，國民經濟發展態勢往往可以在股市中得以體現，股票市場中最基本的關系是量價關系。近幾年以來，尤其是自2020年后，世界經濟出現了一些新變局，實體經濟和資本市場出現了一些新變化。作為全球重要的經濟體，中國經濟正走向新常態的發展之路。本文選取在國民經濟建設中具有基礎性地位的冶金行業上市企業股市運行數據作為研究對象，基于金融數據非線性特性和量價基本關系進行實證研究，探尋其股票交易數據量價之間的引導關系和運行機理，發現在經濟新常態下市場表現出回歸價值理性和有效性等特點，這些研究結論對行業分析和市場投資者投資策略研究具有一定的參考價值。

關鍵詞：冶金；股市；非線性；因果關系；量價

近幾年以來，尤其是自2020年后，世界經濟出現了一些新變局，突發蔓延全球的新冠肺炎疫情、持續不斷的地緣政治沖突、以及部分經濟大國高位運行的通脹形勢，無疑對世界經濟產生了巨大沖擊，全球各行各業均受到不同程度的影響，實體經濟和資本市場出現了一些新變化。作為全球重要的經濟體，中國經濟正走向新常態的發展之路，中國資本市場又有哪些新變化呢？

冶金行業在我國國民經濟建設中具有基礎性地位，拉動投資的作用大，有較強的就業吸納能力，同時還具備較高的產業關聯度等特點，長期以來為我國經濟社會的發展作出了重要貢獻。冶金工業的持續發展對國民經濟水平的提升、現代化建設進程的推進等都有著重大的影響意義。冶金行業是一種傳統的重工業，同時也屬于戰略性新興產業。首先，冶金行業在國家經濟中具有重要地位。冶金行業是一種基礎性產業，與其他產業緊密相關，是支撐國民經濟的重要支柱。冶金工業的發展水平和技術水平直接關系到國家的工業化水平和國家安全。其次，冶金行業的發展具有戰略意義。在國家經濟發展中，冶金行業扮演著關鍵角色。隨著國家工業化和城市化的進程不斷加快，對鋼材、有色金屬等冶金產品的需求也將繼續增長。冶金工業是國家安全、國防建設、基礎設施建設、新能源開發等重要領域的基礎產業，對于國家的戰略安全具有重要的戰略意義。再次，冶金行業具有高附加值和創新能力。冶金行業是制造業中的高附加值行業，隨著技術的進步和創新的推進，冶金行業也在不斷轉型升級，朝著智能化、數字化、綠色化方向發展，同時也為其他產業提供了新的發展機遇，這也是其作為戰略性新興產業的戰略意義。因此，本文選取在國民經濟建設具有基礎性地位的冶金行業作為研究對象。

股票市場是反映實體經濟表現的“晴雨表”，國民經濟發展態勢往往可以在股市中得以體現，而股票市場對經濟發展而言，卻是一把“雙刃劍”，因此研究股票市場內在的運行機理具有重要的意義。股票市場中最基本的關系是量價關系，其在證券市場研究中最為重要。

對股票市場的研究中，成交量與收益率的因果關系一直是國內外金融領域研究的熱點課題。交易量作為市場交易中供需情況的一種具體表現，可能包含有用的信息用于對其它金融變量（如資產價格、收益率或波動性）的預測。股市成交量與收益率之間的影響關系因此成為研究金融市場結構的一個有效途徑，同時也是研究市場有效性的重要手段。

國外金融學者近些年的一些新方法和研究成果主要有：Hiemstra and Jones（1994）、Chris Brooks（1998）、Silvapulle and Choi（1999）、Chen（2001）等運用格蘭杰因果檢驗法研究探討幾個國家股市數據的運行情況，研究對比某些國家股票交易市場數據中收益和交易量雙向的引導關系。國內研究者也對中國股市交易量與價格變動之間單向和雙向動態關系進行了相關研究，吳爽（2016）基于數據的股市量價關系研究，徐禮維（2021）基于量價結構關系的股市趨勢研究，陳香蹀、周啟清（2021）基于VAR模型的我國股市量價關系研究，黃智昊（2021）基于ARCH族模型的A股市場量價相關性研究等最新研究成果均對中國股市的量價關系進行了相關研究。但國內部分相關文獻在研究過程中對數據篩選處理方式和研究方法未進行準確和細致的分析，在股票市場量價關系中關于個股和大盤的研究成果結論亦缺少穩健一致的結論，甚至出現相互矛盾的情況。

細致分析其原因發現，部分文獻在數據指標選擇和研究方法上缺少縝密的思考，大多數文獻在研究方法上過于單一，且沒有考慮不同市場情況下數據的特性，忽略了金融數據明顯的非線性特征，這也是本文后半部分研究的重點。

本文選取在國民經濟建設具有基礎性地位的冶金行業上市企業股市運行數據作為研究對象。股市量價數據屬于金融時間序列數據，通常具有明顯的非線性特性，線性分析方法無法捕捉其內在的運行機理。而以往研究常用的非線性因果關系檢驗（Hiemstra and Jones，1994） 存在明顯的水平扭曲問題并未引起足夠的重視。本文應用更為穩健的非參數因果關系檢驗方法（Dike and Panchenko，2006），對冶金行業股市收益率與成交量數據進行Garch模型模擬，并對其殘差項進行DP非參數因果關系檢驗，發現一些新的現象：“量在價先”的投資理念已不能簡單適用現階段我國冶金行業證券市場，同時目前中國冶金行業股市收益率并非成交量變動的原因，“羊群行為”在逐漸消失，數據表現在現階段中國證券市場上部分有效。

一、研究方法分析及數據選取

（一）因果關系檢驗理論基礎

克萊夫·格蘭杰（Clive W. J.Granger）于2003年獲得諾貝爾經濟學獎，其學術貢獻主要體現在開創性地提出了格蘭杰因果關系（Granger Test of Causality）檢驗理論，這種分析經濟變量之間線性因果關系的方法后來得到廣泛應用。該理論方法的基礎是通過條件概率來定義因果關系，這種思維上的突破令世界級的哲學專家都佩服，且過程推導嚴謹、細致，方法應用上實用、有效，堪稱經典。

金融時間序列數據往往具有非線性特性，這是有別于常規經濟數據的明顯特征。關于非線性因果關系研究方面，Back和Brook （ 1992）提出運用非參數統計方法來研究非線性因果關系，該方法分為兩個階段，首先通過建立VAR模型，之后對其殘差序列開展非線性的因果關系檢驗。該方法后來由Hiemstra和Jones （1993）得到改進，新的方法簡稱“HJ檢驗”，曾一段時間內被學者認為是一種更科學的方法，在經濟和金融數據研究中更具有穩定性和可靠性。然而，Dike和Panchenko（2005）研究發現，HJ檢驗存在過度拒絕原假設的情況，并提供了新的研究思路，并于2006年，Dike和Panchenko（2006）正式提出了一種新的改進方法，這項新研究方法極大程度上減少了過度拒絕原假設的概率，并運用HJ檢驗提出時所采用的大致相同的數據對股市量價關系進行了重新檢驗，準確驗證了HJ檢驗存在過度拒絕原假設的情況以及嚴重的水平扭曲問題。因此，更為穩健可靠的新方法的提出也提示過往文獻中很多格蘭杰因果關系的結論可能需要重檢。

關于Diks-Panchenko 因果檢驗理論方法詳細研究過程，可參閱本文參考文獻楊子暉， 溫雪蓮（2010）等，在此不做過度贅述。

（二）數據選取

冶金可以分為黑色冶金工業、有色冶金工業、稀有金屬冶金工業、粉末冶金工業四類。其中，冶金工業主要指金屬礦物的勘探、開采、精選、冶煉、以及涉及軋制成材的工業部門。冶金工業主要包括黑色冶金、有色冶金工業兩大類。在數據選取方面，本文主要搜集了目前主流的數據庫資源（“大智慧”、“東方財富網”等），對比考慮“東方財富網”冶金板塊分類僅有低碳冶金數據，可獲得連續完整數據的企業僅有9家，其樣本量過小不具有代表性。因此考慮數據分析的審慎性，選擇“大智慧”有色金屬（該板塊共112個股）和黑色金屬（該板塊共38個股）兩個板塊數據進行處理分析。

冶金行業綜合指數的樣本企業為上海證券交易所和深圳證券交易所掛牌的全部上市公司中主營業務中與有色/黑色金屬相關的上市公司。股票成交價格和交易量數據選取自大智慧軟件中歷史交易數據，采用派氏加權進行指數編制。指數計算：研究樣本取自于上海證券市場的上證指數日收盤價數據和日交易量數據。

關于公式的說明：在上述公式中，（1）分子與分母采用的樣本股相同，均為該樣本股的最新自由流通股數；（2）分子中的乘積為樣本股實時流通的市值，分母中的乘積為樣本股上一交易日收市的流通市值，∑是對納入指數計算范圍的樣本股流通市值進行加權匯總；（3）樣本股當日無成交時，取值為上一交易日的收市價數據，樣本股當日暫停交易時，取值為最近成交價數據。

采用上述綜合指數和交易量作為樣本具有較好的代表性，考慮到數據的可得性，同時結合2020年全球特殊環境發生的情況，我們選擇2020年3月11日到2023年3月31日期間的實時指數和成交量樣本數據，對樣本數據進行處理。

為了更加細致地考察量價之間的關系，本文研究在建模前首先對量價數據即每日實時指數序列和成交量序列取對數進行數據預處理，將處理后的數據作為新的序列，在此基礎上對各序列進行基本統計特性分析和平穩性分析，并將處理后的數據序列分別記為P和V。數據處理的目的是減少數據波動性且保持數據的統計特性。

二、實證分析與結論

在開展量價關系非線性因果關系研究之前，有必要首先對數據進行非線性檢驗，以驗證金融數據是否具有非線性特征，同時可考察量價關系中是否存在著非線性的動態變化趨勢。常用的非線性檢驗方法為BDS檢驗方法（Brock，et al ， 1996），該方法可以有效保證檢驗結論的穩健性。通過對量價關系的動態變化趨勢進行非線性檢驗，結果顯示BDS檢驗方法檢驗統計量均顯著地拒絕線性的原假設。因此，可得出量價關系中存在著顯著的非線性動態變化趨勢的結論。

綜合模擬結論，我們建議在實際應用中先對原始數據進行GARCH過濾，對過濾后的數據進行DP非線性因果檢驗。在實際檢驗過程中，我們采用Diks和Panchenko （2006）關于對數據進行GARCH過濾可以提高檢驗效果的建議（非參數GARCH模型的預測能力較參數GARCH模型的過濾能力要強，在不考慮模型基本形式及分布函數約束的情形下，非參數GARCH模型可以作為參數GARCH模型的一種替代或者補充）。

實際處理通過Eviews6.0軟件完成，運用前面理論部分介紹的估計算法，在參數GARCH（1，1）模型預測的波動率基礎上，通過M=8次迭代，最后經過K=5步光滑，獲得了非參數GARCH（1，1）模型的估計，其中的非參數回歸運用的是局部加權光滑技術（loess光滑法），光滑參數選取span=0.5。

對“殘差成分”數據進行非參數GARCH過濾得到最終的檢驗數據，并把基于共同滯后階數（Lx=Ly） 1-3的檢驗結果列于表1。

通過研究發現，現階段冶金行業收盤價和成交量之間不存在單向或雙向的線性與非線性Granger因果關系，這一點沒有與道氏理論相吻合。說明在中國經濟新常態形勢下，“量在價先”的投資理念已不能簡單適用現階段我國冶金行業證券市場，在中國冶金行業證券市場上只是部分有效。因此，任何投資者不可能僅通過冶金板塊股票成交量對股價未來的走勢做出精準的預測，這就給中國證券市場帶來一定的優勢，從而很大程度上減少了由于信息不對稱等原因導致股票市場不完全競爭特征太過明顯帶來的種種問題。在中國證券市場上，從長期來看，市場情形總是處于變化的過程中。因此，投資者不大可能跨越不同的市場情形僅利用某一階段所得出的量價關系特征對下一不同市場情形下的情況做出合理的長期預測，這就大大降低了股市中少數投資者試圖操縱整體股票市場的可能性。由此來看，中國證券市場正逐步向著規范化的方向在發展。

同時，中國股市非理性的“羊群行為”在消失，以前大部分中小投資者由于知識經驗的不足，同時為了降低搜尋信息的成本，常常模仿他人特別是機構投資者的行為，表現出較強的投機心理，目前已逐步消失。目前中國冶金行業股市收益率并非成交量變動的原因，中國股市非理性的“羊群行為”在逐漸消失，這是因為隨著全球大變局和中國經濟進入新常態，市場開始回歸價值理性。為適應這些變化，廣大的投資者需要相應調整自身的投資理念，政府及相關部門對于股票市場的調控政策也應及時調整。

參考文獻：

[1]中國鋼鐵工業協會產業運行部發布2023年1月份冶金重點大中型鋼鐵企業主要財務指標[J].冶金財會，2023（02）：56.

[2]陳香蹀，周啟清.基于VAR模型的我國股市量價關系研究[J].金融科技時代，2021（07）：66-71.

[3]楊子暉， 溫雪蓮. 價格國際傳遞鏈中的“中國因素”研究—基于非線性Granger因果檢驗[J]. 統計研究，2010（02）：87-93.