代宏霞，林祥友

(1．西南財(cái)經(jīng)大學(xué)經(jīng)濟(jì)數(shù)學(xué)學(xué)院，成都611130;2．成都理工大學(xué)，成都610059)

股指期貨分解交易量對(duì)市場(chǎng)波動(dòng)影響的差異性研究*

代宏霞1，林祥友2

(1．西南財(cái)經(jīng)大學(xué)經(jīng)濟(jì)數(shù)學(xué)學(xué)院，成都611130;2．成都理工大學(xué)，成都610059)

利用滬深300股指期貨合約IF1112的1分鐘高頻交易數(shù)據(jù)，按照一定的規(guī)則將交易量分解為開倉交易量、平倉交易量和換手交易量，采用一定方法測(cè)度市場(chǎng)波動(dòng)性，研究股指期貨的不同類型的分解交易量對(duì)股指期貨市場(chǎng)波動(dòng)性影響的差異性，得到的結(jié)論是：分解交易量比未分解交易量包含更多解釋市場(chǎng)波動(dòng)性的增量信息，各類分解交易量對(duì)波動(dòng)性均存在正向影響，影響程度由強(qiáng)到弱的順序依次是開倉交易量、換手交易量、平倉交易量。

交易量;開倉交易量;平倉交易量;換手交易量;波動(dòng)性

一、引言

我國(guó)資本市場(chǎng)于2010年4月16日正式推出滬深300股指期貨交易。為了更好地實(shí)現(xiàn)對(duì)股指期貨市場(chǎng)的監(jiān)管和交易，圍繞股指期貨市場(chǎng)的價(jià)量之間復(fù)雜關(guān)系的相關(guān)研究從來就沒有停止過，但研究對(duì)象、方法和結(jié)論卻大相徑庭。那么，究竟是什么原因?qū)е铝诉@些研究結(jié)果的差異?哪些研究結(jié)論更接近事實(shí)的真相?還可以對(duì)股指期貨價(jià)量關(guān)系做出怎樣的深度挖掘?應(yīng)當(dāng)怎樣利用價(jià)量關(guān)系的研究結(jié)論來進(jìn)行監(jiān)管政策的制定和交易策略的選擇?

國(guó)外學(xué)者對(duì)金融資產(chǎn)價(jià)量關(guān)系進(jìn)行了大量有益的研究，結(jié)論也并不統(tǒng)一。一類結(jié)論是期貨價(jià)量之間存在確定的關(guān)系。比如Karpoff(1987)［1］、Cornell(1981)［2］、Grammatikos 和 Saunders(1986)［3］、Foster(1995)［4］等采用不同方法，對(duì)期貨的價(jià)格波動(dòng)與交易量的關(guān)系進(jìn)行研究發(fā)現(xiàn)，期貨價(jià)格波動(dòng)與交易量之間是正相關(guān)關(guān)系。Lamoureux和Lastrape(1990)［5］將交易量作為信息流的替代指標(biāo)引入GARCH模型的條件方差方程中，結(jié)果發(fā)現(xiàn)交易量是由產(chǎn)生價(jià)格波動(dòng)的相同因素驅(qū)動(dòng)的，交易量對(duì)價(jià)格波動(dòng)具有很強(qiáng)的解釋能力。Bessembinder和 Seguin(1993)［6］將成交量分解為可預(yù)期部分和不可預(yù)期部分，研究其對(duì)價(jià)格波動(dòng)性的影響，結(jié)果顯示，成交量對(duì)期貨價(jià)格波動(dòng)具有顯著影響，可預(yù)期成交量和不可預(yù)期成交量對(duì)期貨價(jià)格波動(dòng)具有正向影響，不可預(yù)期成交量對(duì)期貨價(jià)格波動(dòng)的影響比可預(yù)期成交量對(duì)期貨價(jià)格波動(dòng)的影響更大。Ragunathan和 Peker(1997)［7］利用同樣的方法對(duì)澳大利亞悉尼期貨交易所四個(gè)金融期貨品種的價(jià)格波動(dòng)、成交量、持倉量之間的關(guān)系進(jìn)行研究，得出類似的結(jié)論。Girma(2002)［8］研究了期貨價(jià)差波動(dòng)、交易量與持倉量的關(guān)系，發(fā)現(xiàn)交易量和持倉量對(duì)價(jià)格波動(dòng)具有較強(qiáng)的解釋力。Marsh 和 Wagner(2004)［9］使用 GARCH-M 模型對(duì)國(guó)際市場(chǎng)的量?jī)r(jià)關(guān)系進(jìn)行分析，發(fā)現(xiàn)成交量能夠解釋市場(chǎng)波動(dòng)的GARCH效應(yīng)。Mubarik和Javid(2009)［10］將成交量加入GARCH-M模型中，研究發(fā)現(xiàn)成交量與前期收益率是當(dāng)前收益率的重要解釋變量。另一類結(jié)論是期貨價(jià)量之間的關(guān)系并不確定。少數(shù)研究者，比如McCarthy和Najand(1993)［11］對(duì)外匯期貨市場(chǎng)的研究發(fā)現(xiàn)，期貨價(jià)格收益與交易量之間不存在相關(guān)關(guān)系。Nowbutsing和Naregadu(2009)［12］對(duì)成交量、收益率與波動(dòng)率三者之間的關(guān)系研究發(fā)現(xiàn)，成交量與波動(dòng)率之間的關(guān)系并不明顯。

國(guó)內(nèi)學(xué)者也對(duì)期貨價(jià)量關(guān)系進(jìn)行了大量研究。華仁海等(2002)［13］利用相關(guān)分析、VAR模型和Granger因果檢驗(yàn)對(duì)我國(guó)期貨市場(chǎng)價(jià)格波動(dòng)與成交量之間的關(guān)系進(jìn)行了分析，結(jié)果表明交易量與絕對(duì)價(jià)格波動(dòng)存在正相關(guān)，而與價(jià)格波動(dòng)之間不相關(guān)。華仁海和仲偉俊(2002)［14］以上海期貨交易所金屬銅為研究對(duì)象，利用GARCH模型討論期貨價(jià)格與交易量之間的關(guān)系，得出了相對(duì)交易量與價(jià)格之間的關(guān)系。華仁海和仲偉俊(2003)［15］對(duì)我國(guó)銅、鋁、大豆期貨的價(jià)格收益、交易量、波動(dòng)性之間的關(guān)系進(jìn)行動(dòng)態(tài)分析，結(jié)論是期貨價(jià)格收益與交易量之間不存在相關(guān)關(guān)系，絕對(duì)收益與交易量之間存在正相關(guān)關(guān)系。周志明、唐元虎、施麗華(2004)［16］對(duì)期銅和期鋁兩個(gè)期貨合約收益率波動(dòng)的研究表明：交易量與收益率波動(dòng)之間的關(guān)系是正相關(guān)，持倉量與收益率波動(dòng)之間的關(guān)系是負(fù)相關(guān)。華仁海和仲偉俊(2004)［17］借助GARCH模型，分兩種情況研究成交量和持倉量對(duì)股指期貨價(jià)格波動(dòng)的影響，對(duì)我國(guó)期貨市場(chǎng)期貨價(jià)格波動(dòng)與成交量和空盤量之間的動(dòng)態(tài)關(guān)系進(jìn)行了實(shí)證研究。田新民和沈小剛(2005)［18］考察了交易量與持倉量對(duì)日內(nèi)價(jià)格波動(dòng)的影響，同時(shí)對(duì)預(yù)期和未預(yù)期交易量、持倉量對(duì)價(jià)格波動(dòng)的影響進(jìn)行了量化分析，結(jié)果發(fā)現(xiàn)：交易量與日內(nèi)價(jià)格波動(dòng)之間存在正相關(guān)關(guān)系，持倉量與日內(nèi)價(jià)格波動(dòng)之間存在負(fù)相關(guān)關(guān)系，未預(yù)期交易量對(duì)價(jià)格波動(dòng)的影響比預(yù)期交易量大，未預(yù)期持倉量對(duì)價(jià)格波動(dòng)的影響比預(yù)期持倉量大。曾廷敏、林祥友、王勇(2013)［19］將成交量分為預(yù)期成交量和非預(yù)期成交量，分別考察兩類成交量對(duì)市場(chǎng)波動(dòng)性的影響。翟光磊(2011)［20］通過對(duì)橡膠期貨的量?jī)r(jià)關(guān)系實(shí)證分析得出結(jié)論：我國(guó)橡膠期貨收盤價(jià)、成交量和持倉量具有長(zhǎng)期穩(wěn)定的均衡關(guān)系，收盤價(jià)是持倉量變化的格蘭杰原因，持倉量變化是成交量變化的格蘭杰原因，成交量變化是收盤價(jià)變化的格蘭杰原因。代宏霞等(2013)［21］將股指期貨交易分為開倉交易、平倉交易和換手交易三種類型，間接考察了各交易類型對(duì)期貨市場(chǎng)波動(dòng)性影響的差異性。林祥友等(2013)［22］也將股指期貨的交易類型分為開倉交易、平倉交易和換手交易，間接考察了各交易類型的交易量對(duì)流動(dòng)性影響的差異性。

在對(duì)股指期貨價(jià)量關(guān)系研究中，對(duì)交易量的考察，一種方法是直接考察交易量與收益率、波動(dòng)率的關(guān)系，另一種方法是對(duì)交易量進(jìn)行細(xì)分，比如Bessembinder 和 Seguin(1993)［6］、Ragunathan 和Peker(1997)［7］、周志明等(2004)［16］、田新民和沈小剛(2005)［18］、曾廷敏等(2013)［19］將交易量細(xì)分為可預(yù)期交易量和不可預(yù)期交易量，華仁海和仲偉俊(2002)［14］、曾廷敏等(2013)［19］分別考察了交易量和相對(duì)交易量，代宏霞等(2013)［21］、林祥友(2013)［22］則間接考察了開倉交易量、平倉交易量和換手交易量等對(duì)市場(chǎng)波動(dòng)性和流動(dòng)性的不同影響，從而獲得期貨價(jià)量關(guān)系的更全面、更準(zhǔn)確信息?；谙嚓P(guān)研究文獻(xiàn)的啟示，結(jié)合交易量細(xì)分的可行性和可靠性，本研究首次將股指期貨1分鐘高頻數(shù)據(jù)中的交易量直接分解為開倉交易量、平倉交易量、換手交易量，分別研究交易量、開倉交易量、平倉交易量、換手交易量對(duì)股指期貨市場(chǎng)波動(dòng)性的不同影響。

二、交易量分解的基本原理

股指期貨的交易是基于交易雙方的共同意愿完成的，根據(jù)交易雙方的地位和意圖，可以將交易類型劃分為開倉交易、平倉交易和換手交易三類。開倉交易是交易雙方都以開倉為意圖的交易，交易雙方的交易地位一方是買入開倉，另一方是賣出開倉，實(shí)現(xiàn)1個(gè)單位的開倉交易的結(jié)果是成交量和持倉量同時(shí)增加1個(gè)單位。平倉交易是買賣雙方都以平倉為意圖的交易，交易雙方的交易地位一方是買入平倉，另一方是賣出平倉，實(shí)現(xiàn)1個(gè)單位的平倉交易的結(jié)果是成交量增加1個(gè)單位，持倉量減少1個(gè)單位。換手交易包括多頭換手交易和空頭換手交易，多頭換手交易是原來持有多頭的投資者賣出平倉，新的投資者買入開倉;空頭換手交易是原來持有空頭的投資者買入平倉，新的投資者賣出開倉。實(shí)現(xiàn)1個(gè)單位的多頭換手交易和空頭換手交易的結(jié)果都是成交量增加1個(gè)單位，持倉量保持不變。由以上簡(jiǎn)單的理論分析，開倉交易、平倉交易、換手交易與成交量、持倉量之間的關(guān)系如表1所示。

從表1可知，股指期貨交易者的不同交易類型會(huì)對(duì)市場(chǎng)的成交量和持倉量產(chǎn)生不同的影響。當(dāng)新發(fā)生1個(gè)單位的交易時(shí)，成交量必然會(huì)增加1個(gè)單位，而持倉量的變化則是不確定的，它可能會(huì)增加1個(gè)單位(開倉交易情況下)、減少1個(gè)單位(平倉交易情況下)或不變(換手交易情況下)。市場(chǎng)成交量和持倉量的這一變化規(guī)律為交易量的細(xì)分提供了理論基礎(chǔ)。

表1 交易類型與成交量、持倉量之間的關(guān)系

表2 交易量分解的基本原理

續(xù)表

在股指期貨的季月合約很長(zhǎng)的非主力合約期間，對(duì)其1分鐘高頻交易數(shù)據(jù)進(jìn)行觀察后發(fā)現(xiàn)，在多數(shù)1分鐘的交易時(shí)段里實(shí)現(xiàn)的交易量都很少，甚至在1分鐘內(nèi)只實(shí)現(xiàn)了1個(gè)單位的交易量。而在其主力合約期間，每個(gè)1分鐘的交易時(shí)段里實(shí)現(xiàn)的交易量則較多，達(dá)到幾十甚至幾百個(gè)單位的交易量。因此，選取股指期貨合約的非主力合約期的交易為研究對(duì)象，根據(jù)前述不同交易類型與成交量和持倉量之間的不同關(guān)系，可以可靠地將1分鐘內(nèi)實(shí)現(xiàn)的交易量分解為開倉交易量、平倉交易量和換手交易量。交易量分解的基本原理如表2所示。

在進(jìn)行交易量分解過程中，首先將1分鐘內(nèi)交易量超過4個(gè)單位的對(duì)應(yīng)數(shù)據(jù)全部進(jìn)行刪除，1分鐘內(nèi)交易量在4個(gè)以內(nèi)的對(duì)應(yīng)數(shù)據(jù)暫時(shí)保留，并按照表2的規(guī)則進(jìn)行分解，當(dāng)分解結(jié)果有兩種及兩種以上可能而變得不確定時(shí)，對(duì)應(yīng)的數(shù)據(jù)也進(jìn)行刪除，剩下的則是交易量進(jìn)行了可靠分解的數(shù)據(jù)。依據(jù)這一規(guī)則，某一交易時(shí)段的交易量數(shù)據(jù)就可靠地分解為開倉交易量、平倉交易量和換手交易量三類數(shù)據(jù)了，為后文研究不同類型交易量對(duì)市場(chǎng)波動(dòng)性的不同影響奠定數(shù)據(jù)基礎(chǔ)。

三、各類分解交易量對(duì)市場(chǎng)波動(dòng)性的影響

基于交易量分解的結(jié)果，采用一定方法分析不同分解交易量對(duì)市場(chǎng)波動(dòng)性的影響。實(shí)證檢驗(yàn)基于滬深300股指期貨合約IF1112自2011年4月18日—2011年8月18日期間的1分鐘高頻價(jià)量數(shù)據(jù)。

(一)相關(guān)指標(biāo)定義

1．交易量

由于1分鐘交易量很小，直接采用交易量的原始數(shù)據(jù)，不必對(duì)其取自然對(duì)數(shù)。

2．開倉交易量

開倉交易量為按照本文的交易量分解規(guī)則分解出來的開倉交易量。

3．平倉交易量平倉交易量為按照本文的交易量分解規(guī)則分解出來的平倉交易量。

4．換手交易量換手交易量為按照本文的交易量分解規(guī)則分解出來的平倉交易量。

5．波動(dòng)性

Garman 和 Klass(1980)［23］提出關(guān)于市場(chǎng)日內(nèi)波動(dòng)率衡量的優(yōu)化方法，這一方法被認(rèn)為是最小方差的無偏估計(jì)，它同時(shí)考慮了開盤價(jià)、收盤價(jià)、最高價(jià)、最低價(jià)，在相對(duì)效率上比僅考慮收盤價(jià)的傳統(tǒng)方法提高很多。本文借鑒此方法估算股指期貨的1分鐘內(nèi)GK波動(dòng)率，用于測(cè)度股指期貨的波動(dòng)性。

式(5)中，σGK為 GK 波動(dòng)率;u=Ht－Ot為正則化最高價(jià);d=Lt－Ot為正則化最低價(jià);c=Ct－Ot為正則化收盤價(jià);Ht為最高價(jià)，Lt為最低價(jià)，Ot為開盤價(jià)，Ct為收盤價(jià)。

(二)分解交易量影響波動(dòng)性的檢驗(yàn)?zāi)Ｐ?/h3>

考察滬深300股指期貨1分鐘內(nèi)的波動(dòng)性與交易量、開倉交易量、平倉交易量、換手交易量之間的關(guān)系時(shí)，借鑒 Bessembinder和 Seguin(1993)［6］的方法，建立如下模型1和模型2：

模型1用于考察交易量對(duì)波動(dòng)性的影響，模型2用于考察各類分解交易量(包括開倉交易量、平倉交易量、換手交易量)對(duì)波動(dòng)性的影響。Volatility為股指期貨波動(dòng)性的估計(jì)值，TV為交易量，OPTV為開倉交易量，CLPTV為平倉交易量，CHPTV為換手交易量。

(三)價(jià)量指標(biāo)的描述性統(tǒng)計(jì)

在對(duì)股指期貨進(jìn)行實(shí)證分析之前，對(duì)股指期貨合約IF1112的波動(dòng)性、交易量、開倉交易量、平倉交易量、換手交易量的數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)如表3。

表3 股指期貨合約IF1112價(jià)量數(shù)據(jù)的描述性統(tǒng)計(jì)

由表3可知，從偏度分析，GK波動(dòng)率、交易量、開倉交易量、平倉交易量、換手交易量的偏度都為正，存在一個(gè)右尾。從峰度分析，所有數(shù)據(jù)的峰度都顯著大于3，呈現(xiàn)明顯的尖峰特征。從正態(tài)性分析，所有數(shù)據(jù)的JB統(tǒng)計(jì)量都很大，數(shù)據(jù)不服從正態(tài)分布。從平穩(wěn)性分析，采用ADF方法對(duì)數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)的結(jié)果表明，所有的數(shù)據(jù)都在0．01的顯著性水平下平穩(wěn)。描述性統(tǒng)計(jì)的結(jié)果表明，相關(guān)數(shù)據(jù)具有一般金融時(shí)間序列數(shù)據(jù)的尖峰厚尾非正態(tài)的典型特征，且所有數(shù)據(jù)具有顯著的平穩(wěn)性。數(shù)據(jù)的描述性統(tǒng)計(jì)結(jié)果為進(jìn)一步的實(shí)證分析奠定了基礎(chǔ)。

(四)分解交易量對(duì)市場(chǎng)波動(dòng)性的影響估計(jì)

利用1分鐘交易量數(shù)據(jù)，分解出來的開倉交易量、平倉交易量、換手交易量數(shù)據(jù)，以及估算出的GK波動(dòng)率，采用模型1估計(jì)交易量對(duì)波動(dòng)性的影響，采用模型2估計(jì)開倉交易量、平倉交易量、換手交易量對(duì)波動(dòng)性的影響，估計(jì)結(jié)果如表4。

表4 各類分解交易量對(duì)波動(dòng)性的影響

由表4做出如下分析：

依據(jù)AIC準(zhǔn)則和SC準(zhǔn)則，模型1中的最優(yōu)滯后期數(shù)為12，除滯后5期、7期、10期之外，其他滯后項(xiàng)各系數(shù)均較為顯著，說明波動(dòng)性的各期滯后項(xiàng)對(duì)其自身影響均比較顯著;參數(shù) α1為0.077 064，為正值，顯著性水平為0．01，說明交易量對(duì)市場(chǎng)的波動(dòng)性存在非常顯著的正向影響，即交易量越大，市場(chǎng)的波動(dòng)性越強(qiáng)。

依據(jù)AIC準(zhǔn)則和SC準(zhǔn)則，模型2中的最優(yōu)滯后期數(shù)為12，且各系數(shù)均較為顯著，除滯后5期、7期、10期之外，其他滯后項(xiàng)各系數(shù)均較為顯著，說明波動(dòng)性的各滯后項(xiàng)對(duì)其自身影響均比較顯著;參數(shù)α2為0．090 855，為正值，顯著性水平為0．01，說明開倉交易量對(duì)市場(chǎng)的波動(dòng)性存在非常顯著的正向影響;參數(shù) β2為0．032 308，為正值，顯著性水平為0．01，說明平倉交易量對(duì)市場(chǎng)的波動(dòng)性存在非常顯著的正向影響;參數(shù)γ2為0.078 732，為正值，顯著性水平為0．01，說明換手交易量對(duì)市場(chǎng)的波動(dòng)性存在非常顯著的正向影響?？梢姡瑥母黝惙纸饨灰琢繉?duì)市場(chǎng)波動(dòng)性的影響程度看，由強(qiáng)到弱的順序依次是開倉交易量、換手交易量和平倉交易量。

比較模型1和模型2的估計(jì)結(jié)果可知，模型1 的 R2值為0．299 699，F(xiàn) 值為308．227 8;模型2的 R2值為 0．307 294，F(xiàn) 值為 276．815 0。同時(shí)，三類分解交易量(包括開倉交易量、平倉交易量、換手交易量)共同對(duì)波動(dòng)性的解釋力強(qiáng)于交易量對(duì)波動(dòng)性的解釋力，這說明分解交易量包含了能夠解釋波動(dòng)性的信息增量，對(duì)交易量進(jìn)行這樣的分解和分析是有意義的。

四、結(jié)論與啟示

以滬深300股指期貨合約IF1112在2011年4月18日—2011年8月18日期間的1分鐘高頻數(shù)據(jù)作為數(shù)據(jù)基礎(chǔ)，按照一定的分解規(guī)則，將每個(gè)交易單位1分鐘內(nèi)的交易量分解為開倉交易量、平倉交易量和換手交易量，研究股指期貨的交易量和分解交易量對(duì)市場(chǎng)波動(dòng)性影響的差異性，得到以下結(jié)論和啟示。

第一，三類分解交易量相互之間存在較大的差異性。根據(jù)交易量分解的結(jié)果可知，開倉交易量、平倉交易量、換手交易量的變動(dòng)規(guī)律存在很大差異性，三者之間此消彼長(zhǎng)，共同構(gòu)成了某一交易單位即1分鐘內(nèi)的交易量。

第二，三類分解交易量對(duì)市場(chǎng)波動(dòng)性的影響程度存在較大的差異性。開倉交易量、平倉交易量、換手交易量對(duì)市場(chǎng)波動(dòng)性都存在正向影響，但是它們對(duì)波動(dòng)性影響的程度存在較大差異，其影響由強(qiáng)到弱的順序是開倉交易量、換手交易量、平倉交易量。

第三，三類分解交易量共同對(duì)波動(dòng)性的解釋能力強(qiáng)于交易量單獨(dú)對(duì)波動(dòng)性的解釋能力?；谕耆嗤牟▌?dòng)性數(shù)據(jù)，比較模型1和模型2的估計(jì)結(jié)果可知，開倉交易量、平倉交易量、換手交易量共同對(duì)波動(dòng)性的解釋力強(qiáng)于未分解交易量單獨(dú)對(duì)波動(dòng)性的解釋力。

第四，將交易量分解為開倉交易量、平倉交易量和換手交易量對(duì)股指期貨市場(chǎng)的監(jiān)管、交易和研究具有重要的理論價(jià)值和現(xiàn)實(shí)意義。各類分解交易量對(duì)市場(chǎng)波動(dòng)性的解釋具有信息增量，可以粗略建立如下對(duì)應(yīng)關(guān)系：在股指期貨市場(chǎng)中，開倉交易通常發(fā)生在某一股指期貨合約的新手雙方之間，平倉交易通常發(fā)生在老手雙方之間，換手交易通常發(fā)生在新手和老手之間。因?yàn)樾率謱?duì)某期貨合約的了解程度不如老手，買賣雙方出價(jià)會(huì)比較謹(jǐn)慎，買賣雙方的價(jià)格分歧比較大，其成交結(jié)果會(huì)導(dǎo)致更大的價(jià)格波動(dòng)。因此，各類分解交易量對(duì)波動(dòng)性的影響程度強(qiáng)弱的順序?yàn)殚_倉交易、換手交易、平倉交易。當(dāng)然，也可以根據(jù)股指期貨市場(chǎng)波動(dòng)性的變化情況反推交易類型的構(gòu)成情況，即波動(dòng)性增強(qiáng)，意味著開倉交易在增加，更多新手交易者在參與交易;波動(dòng)性減弱，意味著平倉交易在增加，更多老手交易者在參與交易。這些研究結(jié)論可以為股指期貨市場(chǎng)的監(jiān)管者制定監(jiān)管政策和交易者選擇交易策略提供借鑒與參考。

［1］Karpoff J M．The Relationship between Price Changes and Trading Volume：A Survey［J］．Journal of Financial and Quantitative Analysis，1987(22)：109-126．

［2］Cornell B．The Relation between Volume and Price Variability in Futures Markets［J］．Journal of Futures Markets，1981(1)：302-316．

［3］Grammatikos T，Sauders A．Futures Price Variability：A Test of Maturity and Volume Effect［J］．Journal of Business，1986(59)：319-330．

［4］Foster A J．Volume-Volatility Relation for Crude Oil Futures Markets［J］．Journal of Futures Markets，1995(15)：929-951．

［5］Lamoureux C，Lastrapes W．Heteroskedasticity in Stock Return Data：Volume versus GARCH Effect．［J］．Journal of Finance，1990(45)：221-229．

［6］Bessembinder H，Seguin P J．Price Volatility，Trading Volume，and Market Depth：Evidence from Futures Market［J］．Journal of Financial and Quantitative Analysis，1993(28)：21-39．

［7］Ragunathan V，Peker A．Price Volatility，Trading Volume，and Market Depth：Evidence from the Australia Future Markets［J］．Applied Financial Economics，1997(7)：447-454．

［8］Girma P B，Mougoue M．An Empirical Examination of the Relation between Futures Spreads Volatility，Volume，and Open Interest［J］．Journal of Futures Markets，2002(22)：1083-1102．

［9］ Terry A．Marsh，Niklas Wagner．Return-Volume Dependence and Extremes in International Equity Markets［R］．Haas School of Business，UC Berkeley，2004，RPF-293．．

［10］ Mubarik，Javid．Relationship between Stock Return，Trading Volume and Volatility：Evidence from Pakistani Stock Market［J］．Asia Pacific Journal of Finance and Banking Research，2009，3(3)：1-17．

［11］McCarthy J，Najand M．State Space Modeling of Price and Volume Dependence：Evidence from Currency Futures［J］．Journal of Futures Markets，1993(13)：335-344．

［12］Nowbustsing，Naregadu．Returns，Trading Volume and the Volatility in the Stock Market of Mauritius［J］．African Journal of Accounting，2009，5(5)：1-36．

［13］華仁海，仲偉?。畬?duì)上海期貨交易所金屬銅量?jī)r(jià)關(guān)系的實(shí)證分析［J］．統(tǒng)計(jì)研究，2002(8)：71-73．

［14］華仁海，仲偉?。畬?duì)我國(guó)期貨市場(chǎng)價(jià)量關(guān)系的實(shí)證研究［J］．?dāng)?shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2002(6)：119-121．

［15］華仁海，仲偉?。覈?guó)期貨市場(chǎng)期貨價(jià)格收益、交易量、波動(dòng)性關(guān)系的動(dòng)態(tài)分析［J］．統(tǒng)計(jì)研究，2003(7)：25-30．

［16］周志明，唐元虎，施麗華．中國(guó)期市收益率波動(dòng)與交易量和持倉量關(guān)系的實(shí)證研究［J］．上海交通大學(xué)學(xué)報(bào)，2004(3)：368-372．

［17］華仁海，仲偉俊．我國(guó)期貨市場(chǎng)期貨價(jià)格波動(dòng)與成交量和空盤量動(dòng)態(tài)關(guān)系的實(shí)證分析［J］．?dāng)?shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2004(7)：123-132．

［18］田新民，沈小剛．基于交易量和持倉量的期貨日內(nèi)價(jià)格波動(dòng)研究［J］．經(jīng)濟(jì)與管理研究，2005(7)：78-80．

［19］曾廷敏，林祥友，王勇．滬深300股指期貨動(dòng)態(tài)價(jià)量關(guān)系研究［J］．西部論壇，2013(6)：96-102．

［20］翟光磊．橡膠期貨價(jià)格和交易量、持倉量的相關(guān)性分析［J］．金融經(jīng)濟(jì)，2011(18)：75-77．

［21］代宏霞，臧旻，林祥友．股指期貨不同交易類型對(duì)價(jià)格波動(dòng)影響的差異性研究［J］．投資研究，2013(6)：105-114．

［22］林祥友，代宏霞．股指期貨主力合約轉(zhuǎn)換前后的市場(chǎng)有效性研究［J］．重慶工商大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版)，2013(5)：9-15．

［23］Garman M B，Klass M．On the Estimation of Security Price Volatilities from Historical Data［J］．Journal of Business，1980，53(1)：67-78．

A Study on the Difference in the Impact of the Decomposition Trading Volume on the Market Volatility of Stock Index Futures

DAI Hong-xia1，LIN Xiang-you2

(1．School of Economics and Mathematics，Southwest University of Finance and Economics，Chengdu611130，China;
2．Chengdu Institute of Technology，Chengdu610059，China)

By taking one minute high frequent trading data of Stock Index Futures contract IF1112 of Shanghai and Shenzhen 300，according to certain regulation，trading volume is decomposed into open position trading volume，close position trading volume and change position trading volume to measure market volatility by certain methods，the difference in the impact of different types of decomposed trading volume on market volatility of stock index futures is studied，and the obtained conclusion is that the decomposed trading volume contains more incremental information to explain market volatility than that of un-decomposed trading volume，that all of the decomposed trading volumes have positive effects on the volatility，whose influential order from strong to weak is open position trading volume，change position trading volume and close position trading volume．

trading volume;open position trading volume;close position trading volume;change position trading volume;volatility

F830．91

A

1672-0598(2014)03-0053-08

12．3969/j．issn．1672-0598．2014．03．008

2014-02-22

代宏霞(1972—)，女，四川鹽源人;西南財(cái)經(jīng)大學(xué)經(jīng)濟(jì)數(shù)學(xué)學(xué)院副教授，碩士生導(dǎo)師，主要從事金融分析研究。

林祥友(1973—)，男，四川人;成都理工大學(xué)副教授，博士，碩士生導(dǎo)師，主要從事公司金融、金融衍生品研究。

(責(zé)任編校：夏 東，朱德東)