徐雙明

(福建師范大學經(jīng)濟學院，福州350117)

一、引言

收益率、成交量及持倉量是描述現(xiàn)貨市場行情的重要指標，探討它們之間的關系對投資者投資具有重要的指導意義。然而對該領域研究主要集中在股票與期貨市場上，對現(xiàn)貨市場的研究則相對較少。

國外研究金融市場量價關系的文獻比較多，Granger和Morgenstem(1963)最早對股票市場量價關系進行研究［1］，實證分析的結果表明成交量與收益率兩者之間無顯著關系。Jennings(1981)等人通過建立序貫信息模型研究股市量價關系［2］，結果顯示當股市出現(xiàn)利好消息時，量價會出現(xiàn)強烈的正相關關系，即“量價齊揚”的現(xiàn)象;反之出現(xiàn)利差消息時，股市會出現(xiàn)“量縮價跌”的現(xiàn)象。而國內(nèi)學者對我國金融市場量價關系的研究較少，莊家彰和管中閔(2005)在比較研究臺灣和美國股市的量價關系時發(fā)現(xiàn)［3］:臺灣股市的量價關系表現(xiàn)出“量價齊揚”和“量縮價跌”現(xiàn)象，而美國股市量價關系則呈現(xiàn)“量價齊揚”和“量價分離”現(xiàn)象。封福育(2008)采用分位數(shù)回歸方法考慮我國滬深股市量價關系［4］，結果表明滬深兩市的量價關系呈正相關關系，但這種關系在左尾處發(fā)生了扭曲，出現(xiàn)“價跌量亦漲”現(xiàn)象。陳星(2009)采用分位數(shù)回歸方法分析上海期貨市場和倫敦期貨市場收益率及成交量之間的關系［5］，實證結果表明兩地期貨市場的量價關系不同是因投資者結構不同導致的。何曉光和許友傳(2012)研究黃金市場量價關系時也得出了類似結論［6］。

上述實證分析的研究變量主要集中在成交量和收益率的關系上，但研究對象僅涉及到股票期貨市場，而且研究方法主要采用OLS、GARCH類模型或Granger因果檢驗方法。這些方法只能分析成交量與收益率波動的局部關系，無法刻畫出它們的完整特征。

然而他們對現(xiàn)貨市場的研究遠遠不夠，受到國內(nèi)外一些研究的啟發(fā)，本文采用線性分位數(shù)回歸方法來避免上述研究方法上的限制，將研究對象和變量轉向山西焦煤現(xiàn)貨市場收益率、成交量及持倉量之間更全面的關系研究。

二、分位數(shù)回歸方法及參數(shù)估計

由Koenker和Bassett(1978)提出的分位數(shù)回歸模型提供了被解釋變量和解釋變量的分位數(shù)之間線性關系的估計方法［7］，它是依據(jù)因變量的條件分位數(shù)對自變量進行回歸，這樣得到了所有分位數(shù)下的回歸模型。相比OLS回歸只能描述自變量對于因變量局部變化的影響而言，它能更精確地描述自變量對于因變量的變化范圍以及條件分布形狀的影響，另外，還能捕捉分布的尾部特征。這些優(yōu)點對于我們研究現(xiàn)貨市場收益率以及持倉量、成交量對不同水平的收益率的影響十分簡便。

假設被解釋變量y，p個解釋變量為x1，x2，…xp，滿足如下分位數(shù)回歸模型:其中誤差項μ的條件 ψ分位數(shù)等于0，參數(shù)α0(ψ)，α1(ψ)，α2(ψ)…αp(ψ)表示隨 ψ 不同而不同。記 x=(x1，x2，…xp)’，α(ψ)=(α0(ψ)，α1(ψ)，α2(ψ)…αp(ψ)，則由于分位數(shù)回歸是通過使加權誤差絕對值之和最

小得到參數(shù)的估計，當ψ在(0，1)上變動時，求解下式的最小化問題就可以得到分位數(shù)回歸不同的參數(shù)估計:

在線性條件下，對于每個x，y在不同的ψ下得到不同的分位數(shù)函數(shù)。隨著ψ由0～1變化，就能得到所有y在x上的條件分位軌跡，即分位數(shù)回歸能夠估計ψ在給定x的整個條件分布。當ψ=0．5時，式(2)變成了中位數(shù)回歸模型的參數(shù)估計。

三、數(shù)據(jù)的基本描述及單位根檢驗

本文選取的數(shù)據(jù)樣本為山西焦炭市場焦煤現(xiàn)貨交易的日數(shù)據(jù)，研究期間為2012年8月14日至2013年5月7日，每周五天交易，節(jié)假日除外，有效數(shù)據(jù)共170交易日的數(shù)據(jù)。

實證分析中的收益率變量是將每日收盤價取對數(shù)，前后兩期相減得到，當期收盤價用Pt表示和前期收盤價用Pt-1表示，收益率用 REt表示，即REt=lnPt-lnPt-1，持倉量由原始數(shù)據(jù)直接取對數(shù)得到，用變量LNHOLt表示，成交量也是直接取對數(shù)得到的，用變量LNVOLt表示。

表1 焦煤市場樣本數(shù)據(jù)的基本統(tǒng)計量

從表1可以看出收益率、持倉量和成交量的分布均有輕微的左偏現(xiàn)象，即它們的偏度系數(shù)均小于0，其中持倉量和成交量的峰度系數(shù)均顯著大于3，說明它們的分布都具有尖峰厚尾的分布特征。根據(jù)JB統(tǒng)計量可判定收益率服從正態(tài)分布，而持倉量和成交量均不服從正態(tài)分布，如果采用傳統(tǒng)的回歸方法可能會出現(xiàn)較大的誤差。此外，由于原數(shù)據(jù)是時間序列數(shù)據(jù)，為了避免偽回歸，在對模型進行估計之前，需對各個變量進行單位根檢驗。表2的ADF檢驗結果表明，在1%的顯著性水平下，均拒絕了單位根假設。

利用以上說明建立分位數(shù)回歸模型:REt=α0(ψ)+α1(ψ)LNHOLt+α2(ψ)LNVOLt+μt．

以上回歸方法是對任意水平的條件分位點進行建模，一可以反應回歸變量在各個分位點的影響，二可以反應分布的尾部特征，因而能相對完整地呈現(xiàn)出持倉量和成交量對各種不同水平收益率的影響。

表2 各變量的單位根檢驗

四、實證結果與分析

本文的實證結果是在Eviews6．0環(huán)境下完成的。分位數(shù)的選擇分別為 0．05，0．10，0．15，…，0．75，0．80，0．85，0．90 和 0．95。為了突出收開盤時的量價關系對焦煤市場的影響，筆者也對左尾處0．01和右尾處0．99兩個分位數(shù)作了回歸估計，這樣一共就有21個分位點，即每個變量都有相應的21個分位數(shù)回歸結果(見表3)。為了更加清楚的比較各分位數(shù)回歸的估計和檢驗結果，筆者在圖1、2分別給出上述各分位數(shù)回歸系數(shù)的估計值以及其95%的置信區(qū)間。

表3 焦煤收益率與持倉量、成交量關系分位數(shù)回歸結果

圖1 持倉量系數(shù)在各分位數(shù)下估計值以及95%的置信區(qū)間

圖2 成交量系數(shù)在各分位數(shù)下估計值以及95%的置信區(qū)間

從焦煤收益率、持倉量以及成交量分位數(shù)回歸結果可以看出，在不同分位數(shù)上估計結果不同。首先對收益率和持倉量之間的關系進行說明:總體上來看，收益率與持倉量呈負相關關系，持倉量越高收益率越小。在低分位 ψ=0．01，0．10及0．15，持倉量系數(shù)在1%顯著性水平下顯著，在ψ=0．20～0．90之間，持倉量系數(shù)在5% ～10%顯著，但是在左尾處(ψ=0．99)持倉量越高收益率反而越高，即出現(xiàn)了“無量漲?！钡默F(xiàn)象。同樣，對收益率與成交量的關系研究表明:大體上來說，收益率與成交量呈正相關關系的，隨分位點增加，成交量回歸系數(shù)對收益率的正影響越大，即出現(xiàn)“量價齊揚”現(xiàn)象，但在ψ=0．99時出現(xiàn)了反常，成交量增加收益率反而下降，出現(xiàn)“量價分離”現(xiàn)象。此外，持倉量系數(shù)絕對值估計值比相應分位點上的成交量系數(shù)絕對值估計值對收益率的貢獻更大。也就是說，當建倉和平倉的成本一樣時，加大倉位帶來的損失大于平倉帶來的收益，市場激勵投資者做短期的投機性投資，同時也說明該市場極其不穩(wěn)定。

從分位數(shù)回歸估計值及其95%置信區(qū)間來看(如圖1、2)，回歸系數(shù)估計值用帶圈圈的藍線表示，回歸上下限用紅線表示，在兩紅線之間為置信區(qū)間。從圖中可以看出，這種置信區(qū)間時可信的，但是在高分位點時，出現(xiàn)了嚴重扭曲，這與市場的不穩(wěn)定性以及投資者結構有關。第一，焦炭市場的不穩(wěn)定主要表現(xiàn)在存在強大的外力因素影響市場走向和無漲跌停板制度，使得無量漲停和巨量跌停的現(xiàn)象更容易出現(xiàn)。第二，投資者主要以散戶為主，散戶的投機性投資行為和因非理性而出現(xiàn)的“羊群效應”使得市場的價格變化起到推波助瀾的作用。

五、主要結論與相關建議

本文通過建立線性分位數(shù)回歸模型分析了山西焦炭市場的焦煤現(xiàn)貨收益率、持倉量及成交量的動態(tài)關系，不僅得到了前人普遍接受的一般性結論，還得出了與其他市場不一樣的結論。主要結論:(1)與股票期貨市場一樣，現(xiàn)貨市場也得到了成交量與收益率間量價齊揚(正收益率與高成交量同時出現(xiàn))和量價背離(即負收益率與高成交量同時出現(xiàn))關系。(2)在左尾部，持倉量系數(shù)貢獻率比成交量系數(shù)對收益率的貢獻率高;在分位點中部時，兩者對收益率的貢獻沒有明顯差別;但在右尾部時，則成交量系數(shù)比持倉量系數(shù)絕對值對收益率的貢獻大。(3)在高分位點時，由于市場的不穩(wěn)定性，出現(xiàn)了無量漲停和巨量跌停現(xiàn)象，嚴重損害投資者的利益。相關建議:(1)建立漲跌停板制度，消除市場的不穩(wěn)定因素。(2)優(yōu)化投資者結構，最大限度的引入機構投資者，消除市場價格的大起大落。(3)宣傳投資理財理念，引導投資者理性投資。

［1］Granger C W J，Morgenstern O．Spectral Analysis of New York Stock Market Prices［J］．Journal of Financial Quantitative Analysis，1963，(16):1-27．

［2］Jennings R H，Starks L T，F(xiàn)ellingham J C．An Equilibrium Model of Asset Trading with Sequential Information Arrival［J］．Journal of Finance，1981，(36):143-161．

［3］莊家彰，管中閔．臺灣與美國股市價量關系的分量回歸分析［J］．經(jīng)濟論文，2005，33(4):379-404．

［4］封福育．我國滬深股市量價關系實證研究［J］．商業(yè)經(jīng)濟與管理，2008，(6):75-79．

［5］陳星．期貨市場量價關系:基于分位數(shù)回歸模型的實證研究［J］．南方經(jīng)濟，2009，(7):50-60．

［6］何曉光，許友傳．黃金市場量價關系分析:基于分位數(shù)回歸模型的實證研究［J］．廣東商學院學報，2012，(3):25-31．

［7］Koenker R W，Bassetf G W．Regression qantile［J］．Econometrica，1978，(46):33-50．