方蘭,沈鐳

(中國(guó)科學(xué)院地理科學(xué)與資源研究所,北京 100101)

中國(guó)鉬業(yè)證券市場(chǎng)分化現(xiàn)象的思考

方蘭,沈鐳

(中國(guó)科學(xué)院地理科學(xué)與資源研究所,北京 100101)

對(duì)2010年1季度中國(guó)鉬業(yè)證券市場(chǎng)價(jià)格與成交量的動(dòng)態(tài)關(guān)系進(jìn)行了深入分析,研究結(jié)果表明:中國(guó)鉬業(yè)證券市場(chǎng)已呈現(xiàn)出了明顯分化的運(yùn)行態(tài)勢(shì),金鉬股份在市場(chǎng)資本風(fēng)險(xiǎn)配置方面體現(xiàn)出了更高的效率。

鉬業(yè);證券;市場(chǎng)效率

Abstract:This paper led the in-depth analysis of the dynamic relationship between market prices and trading volume of China’s molybdenum stock market,and the research results show that:China’s molybdenum stock market has shown a clear differentiation of running posture,and the JINMUGUFEN reflects a higher efficiency in capital risk allocation.

Key words:molybdenum industry;stock;market efficiency

在實(shí)際證券市場(chǎng)中,證券成交價(jià)與成交量是市場(chǎng)行為最基本的表現(xiàn)。過(guò)去和現(xiàn)在的成交價(jià)與成交量體現(xiàn)了過(guò)去和現(xiàn)在的市場(chǎng)行為,進(jìn)一步而言,在某一時(shí)點(diǎn)上的成交價(jià)與成交量反映的是買(mǎi)賣(mài)雙方在這一時(shí)點(diǎn)上共同的市場(chǎng)行為,雙方達(dá)到了暫時(shí)均衡,這種暫時(shí)均衡將隨時(shí)間變化而變。先前研究已由市場(chǎng)效率及成熟度、匯率影響因子、實(shí)物市場(chǎng)影響因子、貨幣供應(yīng)影響因子等宏觀角度對(duì)中國(guó)鉬業(yè)證券市場(chǎng)進(jìn)行了較為詳細(xì)的探討,本文遂進(jìn)一步著眼于證券成交量?jī)r(jià)關(guān)系自微觀角度對(duì)中國(guó)鉬業(yè)證券市場(chǎng)開(kāi)展定期量化研究,在一定程度上有利于提高決策的前瞻性與科學(xué)性。

2010年1季度,中國(guó)鉬業(yè)證券市場(chǎng)中金鉬股份與洛陽(yáng)鉬業(yè)價(jià)格波動(dòng)較為頻繁(圖1、圖2),雖聯(lián)合研究數(shù)據(jù)樣本區(qū)間內(nèi),二股收盤(pán)價(jià)PJM及PLMHK基本維持了大致相似的走勢(shì)(圖3、圖5),但成交量VJM及VLMHK起伏頗為劇烈(圖4、圖6),尤其是金鉬股份,其成交量VJM與其日K線走勢(shì)折點(diǎn)出現(xiàn)了有趣的呼應(yīng)現(xiàn)象。

證券市場(chǎng)中,投資人關(guān)注的焦點(diǎn)問(wèn)題只有兩個(gè)——收益和風(fēng)險(xiǎn),即在追求收益最大化的同時(shí)對(duì)風(fēng)險(xiǎn)有意進(jìn)行控制、回避或轉(zhuǎn)嫁,這種頻繁操作往往會(huì)引發(fā)市場(chǎng)波動(dòng)。采用單位價(jià)格成交量這一常用指標(biāo)將此細(xì)節(jié)放大,即設(shè)定DJM=VJM/(ΔPJM/PJM),DLMHK=VLMHK/(ΔPLMHK/PLMHK),分別代表金鉬股份與洛陽(yáng)鉬業(yè)價(jià)格變動(dòng)一個(gè)百分比單位時(shí)所產(chǎn)生的成交量,可以直觀地看出,洛陽(yáng)鉬業(yè)單位價(jià)格成交量DLMHK極值點(diǎn)比金鉬股份單位價(jià)格成交量DJM更多,且波幅更大。來(lái)自長(zhǎng)江證券等公司的實(shí)證結(jié)果表明,單位價(jià)格成交量的絕對(duì)值較大時(shí),投資者分歧較小,此時(shí)證券價(jià)格較穩(wěn)定,遇到阻力后將自然回落,遇到支撐后則會(huì)自然上漲,而單位價(jià)格成交量的絕對(duì)值較小時(shí),投資者分歧較大,證券價(jià)格較不穩(wěn)定,這既是風(fēng)險(xiǎn)也是機(jī)遇。因此,洛陽(yáng)鉬業(yè)與金鉬股份運(yùn)行存在顯著的差異。前者價(jià)格較為穩(wěn)定,受游資影響較小,但其沖破阻力或跌破支撐的可能性也相應(yīng)較小,投資風(fēng)險(xiǎn)與投資收益較低;后者價(jià)格較不穩(wěn)定,受游資影響較大,但其上漲及下跌空間也相應(yīng)較大,投資風(fēng)險(xiǎn)與投資收益較高。

以金鉬股份收盤(pán)價(jià)PJM與成交量VJM及洛陽(yáng)鉬業(yè)收盤(pán)價(jià)PLMHK與成交量VLMHK分別構(gòu)建計(jì)量模型,可更清晰地證明這一觀點(diǎn)。

長(zhǎng)期以來(lái),預(yù)測(cè)經(jīng)濟(jì)運(yùn)行時(shí)間序列的理論與方法層出不窮,本文根據(jù)數(shù)據(jù)特性引入適宜的經(jīng)典模型進(jìn)行計(jì)量分析,即選擇Panel Data模型檢驗(yàn)收盤(pán)價(jià)與成交量之間的關(guān)系,而ARMA模型檢驗(yàn)收盤(pán)價(jià)與歷史價(jià)格之間的關(guān)系。

圖1 金鉬股份股價(jià)走勢(shì)圖/元

圖2 洛陽(yáng)鉬業(yè)股價(jià)走勢(shì)圖/港元

圖3 金鉬股份收盤(pán)價(jià)走勢(shì)圖/元

圖4 金鉬股份成交量走勢(shì)圖/股

圖5 洛陽(yáng)鉬業(yè)股價(jià)走勢(shì)圖/港元

圖6 洛陽(yáng)鉬業(yè)成交量走勢(shì)圖/股

圖7 單位價(jià)格成交量比較圖/股

Panel Data模型最早由Mundlak于1961年引入到經(jīng)濟(jì)計(jì)量學(xué)中并在Balestra等學(xué)者推崇下引起了關(guān)注。雖然他們對(duì)于Panel Data模型的固定效應(yīng)與隨機(jī)效應(yīng)存在不同的看法,并進(jìn)行了長(zhǎng)期的爭(zhēng)論,但是,對(duì)于Panel Data模型的定義卻基本統(tǒng)一,即它是基于時(shí)間與個(gè)體異質(zhì)性結(jié)構(gòu)的假設(shè)與分析而建立、同時(shí)融合時(shí)間和個(gè)體雙重維度的數(shù)據(jù)結(jié)構(gòu)。Panel Data模型的多重觀察既包括對(duì)樣本單位在某一時(shí)期的多個(gè)特性進(jìn)行觀察,也包括對(duì)該樣本單位的這些特性在一段時(shí)間的連續(xù)觀察,是一類(lèi)利用合成數(shù)據(jù)分析變量間相互關(guān)系并預(yù)測(cè)其變化趨勢(shì)的計(jì)量經(jīng)濟(jì)模型。因此,Panel Data模型能夠同時(shí)反映研究對(duì)象在時(shí)間和截面兩個(gè)方向上的變化規(guī)律及不同時(shí)間、不同單元的特性,被譯為平行數(shù)據(jù)或面板數(shù)據(jù)模型。Panel Data模型的基本假設(shè)被稱(chēng)作參數(shù)齊性假設(shè),即經(jīng)濟(jì)變量Y由某一參數(shù)的概率分布產(chǎn)生P(y|θ)產(chǎn)生,其中,θ是m維實(shí)向量,在所有時(shí)刻對(duì)所有個(gè)體均相等。Panel Data模型一般形式為

1970年Box和Jenkins提出了AR I MA模型(Auto Regressive Integrated Moving Average Model,差分自回歸滑動(dòng)平均模型)78,也稱(chēng)為Box-Jenkins法,是研究時(shí)間序列的重要方法,由AR模型(自回歸模型)與MA模型(滑動(dòng)平均模型)為基礎(chǔ),引入差分方法整合構(gòu)成。ARMA模型(Auto Regressive and Moving Average Model,自回歸滑動(dòng)平均模型)僅比其少一個(gè)用于平穩(wěn)化處理的差分過(guò)程,因此,ARIMA模型被視為ARMA模型的擴(kuò)展,或是認(rèn)為ARMA即ARIMA差分平穩(wěn)后的特殊情況。ARMA模型多用于對(duì)時(shí)間序列的典型特征難以作出判斷的時(shí)間序列的預(yù)測(cè)。且一般而言,自相關(guān)系數(shù)越大,持續(xù)時(shí)間越長(zhǎng),根據(jù)該模型得到的預(yù)測(cè)結(jié)果越好。

由于AR(p)模型與MA(q)模型的一般形式分別為

其中,a0為常數(shù)的截距項(xiàng),p、q為滯后期數(shù),ai為Yt-i的系數(shù),bi為εt-i的系數(shù),εi是白噪音。AR(p)模型描述出自回歸過(guò)程,是指一個(gè)過(guò)程的當(dāng)前值是過(guò)去值的線性函數(shù)。MA(q)模型描述出移動(dòng)平均過(guò)程,是指模型值可以表示為過(guò)去殘差項(xiàng)(也就是過(guò)去的模型擬合值與過(guò)去觀測(cè)值的差)的線性函數(shù)。

ARMA(p,q)模型可記為

其中符號(hào)含義同上。ARMA模型的基本思想是:某些時(shí)間序列是依賴(lài)于時(shí)間t的一族隨機(jī)變量,構(gòu)成該時(shí)序的單個(gè)序列值雖然具有不確定性,但整個(gè)序列的變化卻有一定的規(guī)律性,可以用相應(yīng)的數(shù)學(xué)模型近似描述,在市場(chǎng)研究中常用于長(zhǎng)期追蹤資料的研究。ARMA模型用于處理時(shí)序數(shù)據(jù),用于反映一般的變化方向,其時(shí)序圖是在較長(zhǎng)時(shí)間間隔上的數(shù)據(jù)變化,這種變化反映為一種趨勢(shì)線或趨勢(shì)曲線。采用適當(dāng)?shù)碾A數(shù)的ARMA模型,可以消除數(shù)據(jù)中的循環(huán)、周期性和非規(guī)則的模式,只保留趨勢(shì)變化。ARMA模型預(yù)測(cè)的基本程序包括平穩(wěn)性識(shí)別、模型階數(shù)識(shí)別、參數(shù)估計(jì)、參數(shù)檢驗(yàn)及應(yīng)用分析等步驟。ARMA模型預(yù)測(cè)認(rèn)為預(yù)測(cè)指標(biāo)的歷史數(shù)據(jù)正是在各種相關(guān)因素的宏觀作用下形成的,因此只考慮預(yù)測(cè)序列本身歷史數(shù)據(jù)反映和包容的信息,幾乎不直接考慮其他相關(guān)指標(biāo)的信息,僅僅依靠樣本數(shù)據(jù)本身來(lái)實(shí)現(xiàn)建模?；贏RMA模型的時(shí)間序列預(yù)測(cè)是通過(guò)對(duì)預(yù)測(cè)目標(biāo)自身時(shí)間序列的處理來(lái)研究其變化趨勢(shì)的。借助歷史數(shù)據(jù)發(fā)掘現(xiàn)象隨時(shí)間變化的規(guī)律,并將這種規(guī)律延伸到未來(lái),從而對(duì)該現(xiàn)象的未來(lái)做出預(yù)測(cè),其擬合模型是一種預(yù)測(cè)精度相當(dāng)高的短期預(yù)測(cè)模型。不可否認(rèn)的是,由于ARMA模型本身存在先天性缺陷,即隨著預(yù)測(cè)期的延長(zhǎng),其預(yù)測(cè)誤差會(huì)逐漸增大。但在短期內(nèi)它的預(yù)測(cè)還是比較準(zhǔn)確的,而且與其它的預(yù)測(cè)方法相比,其預(yù)測(cè)準(zhǔn)確程度還是比較高的,尤其是在短期預(yù)測(cè)方面表現(xiàn)卓越。ARMA模型中,自回歸和移動(dòng)平均關(guān)系的數(shù)量,即p階與q階,可由模型選擇的AIC信息準(zhǔn)則所決定,事實(shí)上,AIC信息準(zhǔn)則也適用于AR模型與MA模型的定階問(wèn)題。而ARMA模型涉及到兩個(gè)階數(shù),在實(shí)證分析時(shí),一般采用ARMA(n+1,n)的方式進(jìn)行階數(shù)的選取。模型的參數(shù)估計(jì)采用非線性最小二乘估計(jì)法,其計(jì)算步驟為從被估計(jì)參數(shù)的一組初始值開(kāi)始,使參數(shù)依某種規(guī)律沿著殘差平方和減小的方向變化,得到使殘差平方和較小的一點(diǎn),再以次作為新的出發(fā)點(diǎn)進(jìn)行下一步迭代,這種迭代一直進(jìn)行到在預(yù)先給定的精度下,殘差平方和不再下降或下降的很小為止。此后,根據(jù)由廣至簡(jiǎn)的建模原則,從模型中刪除不顯著的變量。

由此,可得到4個(gè)模型系數(shù)估計(jì)及其檢驗(yàn)結(jié)果如下:

表1 金鉬股份收盤(pán)價(jià)與成交量Panel Data模型系數(shù)估計(jì)及檢驗(yàn)結(jié)果(模型1)

表2 洛陽(yáng)鉬業(yè)收盤(pán)價(jià)與成交量Panel Data模型系數(shù)估計(jì)及檢驗(yàn)結(jié)果(模型2)

表3 金鉬股份ARMA模型系數(shù)估計(jì)及檢驗(yàn)結(jié)果(模型3)

表4 洛陽(yáng)鉬業(yè)ARMA模型系數(shù)估計(jì)及檢驗(yàn)結(jié)果(模型4)

表5 中國(guó)鉬業(yè)證券市場(chǎng)價(jià)格與貨幣供應(yīng)量模型檢驗(yàn)結(jié)果

由計(jì)量模型的檢驗(yàn)結(jié)果可以看出,模型1與模型4順利通過(guò)各項(xiàng)檢驗(yàn),且擬合優(yōu)度大于70%,模型中的數(shù)量關(guān)系成立。模型2與模型3顯然不成立:模型2中,4個(gè)變量中有3個(gè)回歸系數(shù)無(wú)法通過(guò)t檢驗(yàn),說(shuō)明所選變量與因變量之間不存在顯著的線性相關(guān)關(guān)系,而剔除此3個(gè)變量后,以PLMHK與LN(VLMHK)構(gòu)建出的協(xié)整模型,其修正決定系數(shù)僅0.131 587;模型3中,3個(gè)變量均無(wú)法通過(guò)t檢驗(yàn),因此,其修正決定系數(shù)再高,也僅僅說(shuō)明此為偽回歸現(xiàn)象。這說(shuō)明金鉬股份與洛陽(yáng)鉬業(yè)的運(yùn)行態(tài)勢(shì)各有其不同的內(nèi)在數(shù)量關(guān)系,須各自采取恰當(dāng)?shù)哪Ｐ陀枰悦枋?。即金鉬股份收盤(pán)價(jià)與成交量之間存在顯著的線性相關(guān)關(guān)系,因此采用PanelData模型,而洛陽(yáng)鉬業(yè)收盤(pán)價(jià)依靠樣本數(shù)據(jù)實(shí)現(xiàn)建模,方可達(dá)到可接受的擬合優(yōu)度。由此,可以得出結(jié)論:金鉬股份收盤(pán)價(jià)傾向于受成交量影響,而洛陽(yáng)鉬業(yè)收盤(pán)價(jià)傾向于受歷史成交價(jià)制約,換言之,金鉬股份成交量是影響其收盤(pán)價(jià)漲跌的重要指標(biāo),而洛陽(yáng)鉬業(yè)價(jià)格漲跌依然存在某種自身規(guī)律性,因此在一定程度上具有基于歷史價(jià)格的可預(yù)測(cè)性。金鉬股份對(duì)初始波動(dòng)的敏感性較低,其反持久性的均值回復(fù)傾向更弱,正說(shuō)明其市場(chǎng)效率有所提高,投資風(fēng)險(xiǎn)與投資收益的空間也更大,恰好與單位價(jià)格成交量所推導(dǎo)出的結(jié)論互為印證,正說(shuō)明金鉬股份雖為后發(fā)之股,在市場(chǎng)資本風(fēng)險(xiǎn)配置方面卻體現(xiàn)出了較為明顯的效率。

[1] 方蘭.基于鉬業(yè)市場(chǎng)聯(lián)合度量的中國(guó)鉬鐵市場(chǎng)作用與價(jià)格波動(dòng)研究.[博士學(xué)位論文D].長(zhǎng)沙:中南大學(xué),2009.

[2] 方蘭,李夕兵.中國(guó)鉬業(yè)證券市場(chǎng)特征及有效性分析[J].中國(guó)鉬業(yè)2009,33(03):46-50.

[3] 方蘭,李夕兵.基于逐日遴選法的鉬業(yè)證券市場(chǎng)實(shí)證研究[J].中國(guó)鉬業(yè)2009,33(06).

[4] 方蘭,沈鐳.中國(guó)鉬業(yè)證券市場(chǎng)發(fā)展淺析[J].中國(guó)鉬業(yè)2009,34(01):57-60.

[5] Mundlak,Y.,Empirical Productions Free of Management Bias[J],Journal of Farm Economics,1961(43),44-56.

[6] Balestra,P.,and M.Nerlove Pooling Cross-Section and Time-Series Data in the Estimation of a Dynamic E-conomic Model:The Demand for Natural Gas[J],Econometric,1966(34),585-612.

[7] Box GEP,Jenkins GM,Reinsel G C.Time Series A-nalysis:Forecasting and Control[M].The third edition.NY:Prentice-Hall Inc,1994.

[8] DervootM V,DoughertyM,Watson S.Combining KOHOEN maps with AR I MA ti me series model to forecast traffic flow[J].Transportation Research,1996,4(5).307-318.

[9] Box GEP,Jenkins GM.Time series anaylsis:orcasting and control[M].revised edition.San Francisco:Holden-Day,1976.

RESEARCH ON POLARIZATI ON OF CHINA MOLYBDENUM STOCKMARKET

FANG Lan,SHEN Lei

(Institute of Geographic Sciences and Natural Resources Research(IGSNRR),CAS,Beijing 100101,China)

F830.91

A

1006-2602(2010)03-0049-05

2010-03-30

方 蘭(1976-),女,博士后,經(jīng)濟(jì)師。沈 鐳(1964-),男,博士,研究員,中國(guó)自然資源學(xué)會(huì)秘書(shū)長(zhǎng)。