■盧志源，肖 一

中國(guó)股市指數(shù)與交易量之間的因果關(guān)系研究
——基于線性與非線性Granger檢驗(yàn)

■盧志源，肖 一

作為技術(shù)分析常用的基礎(chǔ)變量，股市指數(shù)與股市交易量之間的相互關(guān)系歷來都是廣泛研究的對(duì)象。本文基于最新的中國(guó)股市數(shù)據(jù)，通過構(gòu)建VAR模型，運(yùn)用傳統(tǒng)的Granger因果檢驗(yàn)方法以及最新提出的非線性Granger因果檢驗(yàn)方法對(duì)中國(guó)股市量?jī)r(jià)關(guān)系進(jìn)行研究。結(jié)果表明：滬深兩市的股市交易量不是股市指數(shù)的線性Granger原因。而股市指數(shù)則是股市交易量的線性Granger原因。過濾掉線性因素以后，上海股市不存在從股市指數(shù)到股市交易量的非線性Granger因果關(guān)系；而在深圳股市中，這種關(guān)系在滯后階數(shù)較低的時(shí)候依然存在。過濾掉線性因素以后，滬深兩市的市場(chǎng)交易量是對(duì)應(yīng)市場(chǎng)指數(shù)的非線性Granger原因。并且，這種關(guān)系在A股市場(chǎng)和指數(shù)之間更為強(qiáng)烈。

量?jī)r(jià)分析；VAR模型；Granger檢驗(yàn)；非線性Granger檢驗(yàn)

一、引言

指數(shù)與交易量，作為股市的基本數(shù)據(jù)，歷來都是經(jīng)濟(jì)學(xué)研究的對(duì)象。股指作為股價(jià)的指標(biāo)，可以反映出價(jià)格對(duì)市場(chǎng)信息所做出的反應(yīng)；而交易量作為成交規(guī)模的指標(biāo)，則包含著與股市投資者的情緒相關(guān)的信息。人們關(guān)于二者的關(guān)系也總結(jié)出很多經(jīng)驗(yàn)法則：大盤如果低開高走的話，如果成交量上漲，則股指上漲的可能性變大；高開低走的話，股指下跌的可能性隨著成交量的下降而升高。然而這些畢竟都只是經(jīng)驗(yàn)之談，并沒有通過定量方法一探真假。因此，從感性的主觀判斷到理性的定量分析，對(duì)于正確認(rèn)識(shí)中國(guó)股市指數(shù)與交易量之間的關(guān)系有重要意義，也有利于更好地對(duì)股市做技術(shù)分析和中國(guó)股市的穩(wěn)健發(fā)展。

上個(gè)世紀(jì)，Granger和Morgenstern（1963）曾經(jīng)運(yùn)用譜分析的方法探究股市指數(shù)與股市交易量之間的關(guān)系，他們得到的結(jié)論是：股市量?jī)r(jià)之間不存在任何關(guān)系。Clark（1973）發(fā)現(xiàn)在棉花期貨市場(chǎng)里，股價(jià)波動(dòng)的二次方值和交易量表現(xiàn)出正相關(guān)的關(guān)系。隨著分析技術(shù)的進(jìn)步，人們逐漸認(rèn)識(shí)到僅僅分析股票價(jià)格與交易量之間的線性關(guān)系是不夠的。于是在隨后的研究里，經(jīng)濟(jì)學(xué)家嘗試著尋找股票價(jià)格與交易量之間的非線性關(guān)系。Gallant、Rossi與Tauchen（1992）對(duì)交易量和價(jià)格的聯(lián)合概率密度函數(shù)采用半?yún)?shù)的方法做出估計(jì)。然而雖然使用半?yún)?shù)方法可以減少對(duì)假設(shè)的過分依賴，卻還是不能消除參數(shù)檢驗(yàn)的影響（因?yàn)槠涠喽嗌偕偃匀蛔龀隽四承┘僭O(shè)）。Hiemstra與Jones（1994）采用非參數(shù)方法，對(duì)1915～1990年的道瓊斯指數(shù)與股票價(jià)格做格蘭杰因果檢驗(yàn)。得到了很顯著的結(jié)論——在美國(guó)的股市中，價(jià)格與交易量之間表現(xiàn)出很顯著的格蘭杰因果關(guān)系，而且這種因果關(guān)系是雙向的。

在國(guó)內(nèi)，相關(guān)學(xué)者針對(duì)中國(guó)股市量?jī)r(jià)關(guān)系也曾做過相應(yīng)的研究。陳怡玲、宋逢明（2000）曾探究過中國(guó)股市的量?jī)r(jià)之間的關(guān)系，結(jié)論為：在中國(guó)股市里，每日價(jià)格波動(dòng)與交易量之間是相關(guān)的，并且是正向的相關(guān)性。而李雙成、王春峰(2003)基于混合分布假設(shè)，運(yùn)用GARCH-M模型，探究了股市量?jī)r(jià)之間的依存關(guān)系，結(jié)果表明交易量對(duì)于收益率的波動(dòng)的解釋力很強(qiáng)。李付軍、達(dá)慶利（2005）的研究表明：滬深兩市量?jī)r(jià)之間互為線性格蘭杰原因。吳亮、鄧明（2014）利用分位數(shù)格蘭杰因果檢驗(yàn)方法進(jìn)行研究。研究表明：在不同的分位數(shù)上，量?jī)r(jià)之間有著非對(duì)稱的因果關(guān)系。與之相對(duì)的，于偉、尹敬東（2006）則通過實(shí)證得出結(jié)論：上海股市交易量的波動(dòng)不能用來解釋隨后收益率的變化，而指數(shù)則可以用來解釋交易量波動(dòng)。也有學(xué)者通過分別對(duì)滬深兩分市場(chǎng)進(jìn)行研究而得出不同的結(jié)論：劉漢中（2007）發(fā)現(xiàn)在上海股市中，于偉、尹敬東（2006）的結(jié)論成立；而在深市中結(jié)論則不成立。

我們之所以要做非線性格蘭杰因果檢驗(yàn)，主要是因?yàn)殡S著近幾年來對(duì)格蘭杰檢驗(yàn)方法研究的不斷深入，現(xiàn)有的文獻(xiàn)表明：如果所檢驗(yàn)的變量之間包含非線性的變化趨勢(shì)，線性格蘭杰因果檢驗(yàn)方法對(duì)于變量之間非線性的因果關(guān)系存在與否的檢驗(yàn)力度效率過低。并且由于線性格蘭杰方法受限于先驗(yàn)的計(jì)量模型，因此當(dāng)人們使用錯(cuò)誤的線性計(jì)量模型或者未考慮變量之間可能包含的非線性關(guān)系，而直接采用線性方法進(jìn)行檢驗(yàn)的時(shí)候，便可能導(dǎo)致檢驗(yàn)的結(jié)論出現(xiàn)偏誤。不過幸運(yùn)的是，Diks與Panchenko（2006）給出了一種新的統(tǒng)計(jì)量，他們將它稱為Tn檢驗(yàn)統(tǒng)計(jì)量。Tn統(tǒng)計(jì)量的優(yōu)點(diǎn)在于當(dāng)我們改變帶寬的時(shí)候，Tn統(tǒng)計(jì)量將自動(dòng)適應(yīng)條件分布的變化，從而解決了可能出現(xiàn)的過度拒絕的麻煩。因此可以得出一個(gè)相比于傳統(tǒng)格蘭杰檢驗(yàn)而言更為可靠而穩(wěn)健的檢驗(yàn)結(jié)論。

關(guān)于非參數(shù)格蘭杰檢驗(yàn)的穩(wěn)健性，楊子暉，趙永亮(2014)通過蒙特卡洛模擬的方法，通過分析得出結(jié)論。為了在多數(shù)情況下運(yùn)用非線性格蘭杰因果檢驗(yàn)方法做出正確的判斷，文章建議研究人員確保檢驗(yàn)在有充足的觀測(cè)值前提下進(jìn)行。如果能夠確保達(dá)到200個(gè)樣本，將使得DP檢驗(yàn)的功效達(dá)到95%，這使得非線性格蘭杰檢驗(yàn)的穩(wěn)健性得以保證。因此，本文嘗試將新興提出的非線性格蘭杰檢驗(yàn)方法運(yùn)用于滬深兩市，探究滬深兩市在最近的一個(gè)股市周期中相對(duì)應(yīng)的指數(shù)與交易量之間的相關(guān)關(guān)系，為現(xiàn)有的研究文獻(xiàn)做一些有用的補(bǔ)充。

本文的創(chuàng)新點(diǎn)主要在于以下幾個(gè)方面：首先，以往的文獻(xiàn)以線性格蘭杰方法對(duì)經(jīng)濟(jì)學(xué)變量做因果檢驗(yàn)，本文則將股市量?jī)r(jià)關(guān)系的檢驗(yàn)從線性領(lǐng)域拓展至非線性領(lǐng)域，有效地克服了線性格蘭杰檢驗(yàn)可能出現(xiàn)的模型偏誤以及過度拒絕的問題；其次，股市中各個(gè)變量之間的依存關(guān)系并非一成不變的，本文采用中國(guó)股市最新的交易數(shù)據(jù)，可以得到最貼近當(dāng)前股市的計(jì)量結(jié)論；再次，本文通過線性與非線性的對(duì)比，滬深兩個(gè)分市場(chǎng)的對(duì)比，A、B股市場(chǎng)的對(duì)比，以及分市場(chǎng)與綜合市場(chǎng)之間的對(duì)比，對(duì)中國(guó)股市的量?jī)r(jià)關(guān)系做出更為全面的因果關(guān)系檢驗(yàn)。

本文的結(jié)構(gòu)安排如下：第一部分為引言，引出研究問題并做文獻(xiàn)綜述；第二部分結(jié)合最新的研究成果，對(duì)本文中所運(yùn)用的傳統(tǒng)格蘭杰因果檢驗(yàn)方法以及之后新興提出的非線性格蘭杰因果檢驗(yàn)方法進(jìn)行簡(jiǎn)要介紹，并對(duì)數(shù)據(jù)做出說明；在之后的第三部分里對(duì)滬深兩市的量?jī)r(jià)之間的依存關(guān)系做定量分析；最后是本文的結(jié)語(yǔ)。

二、方法與數(shù)據(jù)說明

（一）線性格蘭杰因果檢驗(yàn)方法

在很長(zhǎng)的一段時(shí)間里，Granger于1969年提出的格蘭杰因果檢驗(yàn)方法在經(jīng)濟(jì)學(xué)研究中被廣泛采用。其假設(shè)存在著兩列具有嚴(yán)平穩(wěn)性的時(shí)間序列（分別稱為{Xt}與{Yt}，其中t≥1），再將包含從0時(shí)刻到t時(shí)刻{Xt}和{Yt}相對(duì)應(yīng)的觀測(cè)值的信息集記為FX，t與FY，t。如果{Yt}在t時(shí)刻之后的相關(guān)信息，部分或者全部包含于{Xt}在t時(shí)刻的信息集中，則稱{Xt}為{Yt}的格蘭杰原因。并使用符號(hào)“～”用以表示統(tǒng)計(jì)學(xué)中同分布的概念。則“{Xt}的到當(dāng)期為止的信息集中不包含{Yt}以后的相關(guān)信息”即“{Xt}不是{Yt}的格蘭杰原因”，此時(shí)有如下的關(guān)系式成立：

一般而言，傳統(tǒng)的格蘭杰因果檢驗(yàn)方法假設(shè)E[Yt+1｜（FX，t，F(xiàn)Y，t）]符合線性的、參數(shù)的時(shí)間序列模型。然后，對(duì)于如下所示雙變量VAR模型：

（p和q為估計(jì)參數(shù)，U為誤差項(xiàng)，T為滯后階數(shù)）

我們做出如下原假設(shè)以檢驗(yàn)“{Xt}不是{Yt}的格蘭杰原因”成立與否：

H0：q12，i=0對(duì)于任意的i=1，2，…

如果存在某一個(gè)參數(shù)q不為0，則拒絕原假設(shè)，并表明{Xt}是{Yt}的格蘭杰原因。

（二）非線性HJ檢驗(yàn)方法

傳統(tǒng)格蘭杰檢驗(yàn)的一個(gè)問題是該方法依賴于先驗(yàn)的參數(shù)檢驗(yàn)?zāi)Ｐ?，從而?dǎo)致該方法對(duì)于某些非線性因果關(guān)系的檢驗(yàn)力度很小。Beak和Brock（1992）提出一種檢驗(yàn)非線性因果關(guān)系的方法，Hiemstra與Johns（1993）對(duì)該方法做出改進(jìn)并提出之后被稱為HJ檢驗(yàn)的非線性因果檢驗(yàn)方法。基本思想如下：

對(duì)于兩列嚴(yán)格平穩(wěn)且弱相關(guān)的時(shí)間序列{Xt}和{Yt}，定義{Xt}的m階向前向量為Xmt，定義{Xt}的LX階滯后向量為，相應(yīng)地定義，給定m，L，L（≥xy1）的值，并取帶寬e＞0，當(dāng)以下條件滿足時(shí)，{Yt}不是{Xt}的格蘭杰原因。

[對(duì)于任意給定的m，Lx，Ly（≥1）以及e＞0成立]

然后定義示性函數(shù)I（Z1，Z2，e），I（·）在向量Z1和向量Z2的最大范數(shù)距離落在帶寬e里的時(shí)候取1，其他情況下取0。則從統(tǒng)計(jì)學(xué)角度式(5)中各部分①C1和C3中的m取0可得到對(duì)應(yīng)的C2和C4，此處略?？杀硎緸椋?/p>

t，s=max（Lx，Ly）+1，…，T-m+1，n=T+1-m-max（Lx，Ly），為了體現(xiàn)樣本數(shù)據(jù)量，對(duì)各變量增加一維參數(shù)n代表樣本量。

當(dāng){Yt}不是{Xt}的格蘭杰原因的時(shí)候，有：

δ2（m，Lx，Ly，e）②由于篇幅所限，δ2（m，Lx，Ly，e）以及其具體估計(jì)方法此處不給出，有興趣的讀者可以查閱Hiemstra與Johns（1993）。常取1，“→·”表示漸進(jìn)服從某分布。據(jù)此可以給出原假設(shè)并進(jìn)行假設(shè)檢驗(yàn)。

（三）非線性DP檢驗(yàn)

Diks與Panchenko（2006）發(fā)現(xiàn)了HJ檢驗(yàn)在某些情況下可能出現(xiàn)過度拒絕的問題，并且該問題即使令帶寬e的取值趨于0依然無法解決，通過討論與證明，他們給出了一種新的檢驗(yàn)統(tǒng)計(jì)量——Tn統(tǒng)計(jì)量。該統(tǒng)計(jì)量可以依據(jù)情況的不同，考慮帶寬與條件分布的變化，從而得到更為穩(wěn)健而可靠的結(jié)論。下面對(duì)DP檢驗(yàn)方法做出簡(jiǎn)單介紹：

在“{Xt}不是{Yt}的格蘭杰原因”的原假設(shè)下，我們可以得到如下關(guān)系：

（當(dāng)中的“→·”表示漸進(jìn)服從某分布，Sn為Tn漸進(jìn)方差的估計(jì)值。）

（四）數(shù)據(jù)選取

為了避免由于牛市或者熊市又或者震蕩期間特殊的相關(guān)關(guān)系影響，并且根據(jù)數(shù)據(jù)的可獲得性，本文選取的數(shù)據(jù)區(qū)間為自2010年01月04日至2016年12月30日期間，中國(guó)上海股市與深圳股市以及綜合市場(chǎng)的相關(guān)數(shù)據(jù)。該實(shí)踐區(qū)間包括了股市震蕩、上漲、下跌以及反彈等情況，可以視為是一個(gè)完整的股市周期，從而使得本文的檢驗(yàn)更具可靠性和合理性。具體包括交易日期、上證綜合指數(shù)、深證綜合指數(shù)、滬深300指數(shù)、上海A股交易量、上海B股交易量、深圳A股交易量、深圳B股交易量、綜合市場(chǎng)A股交易量、綜合市場(chǎng)B股交易量等數(shù)據(jù)樣本序列值。所有數(shù)據(jù)均來源于國(guó)泰安研究服務(wù)中心。

三、實(shí)證結(jié)果與分析

（一）單位根檢驗(yàn)

首先，為了對(duì)股市指數(shù)與交易量之間的格蘭杰因果關(guān)系做出檢驗(yàn)，我們需要獲得兩列具有嚴(yán)平穩(wěn)性的時(shí)間序列。因此，我們對(duì)于獲取到的數(shù)據(jù)進(jìn)行單位根檢驗(yàn)以檢驗(yàn)數(shù)據(jù)是否平穩(wěn)。

表1 單位根檢驗(yàn)

本文對(duì)于獲取到的初始數(shù)據(jù)以及數(shù)據(jù)的一階差分做計(jì)量經(jīng)濟(jì)學(xué)中廣泛運(yùn)用的ADF檢驗(yàn)以及PP檢驗(yàn)，以檢驗(yàn)各變量是否具有平穩(wěn)性。并將檢驗(yàn)結(jié)果列于表1。

由表1可以看出，上證綜合、深證綜合以及滬深300的初始變量的檢驗(yàn)p值都較大，不能拒絕“存在單位根”的原假設(shè)，由此我們斷定股指序列為非平穩(wěn)時(shí)間序列。但是經(jīng)過差分以后的變量則全部在1‰的水平上顯著地拒絕原假設(shè)。對(duì)于各交易量序列，其原始數(shù)據(jù)在5%的顯著水平上拒絕“存在單位根”的原假設(shè)，而變量的差分則全部在1‰的顯著水平上拒絕原假設(shè)。所以，為了使得后面的實(shí)證檢驗(yàn)更具檢驗(yàn)力度，我們決定對(duì)所有變量都取差分形式以獲取相對(duì)應(yīng)的平穩(wěn)變量，并由此展開接下去的研究?jī)?nèi)容。

（二）線性格蘭杰因果檢驗(yàn)

首先，我們對(duì)得到的平穩(wěn)序列進(jìn)行傳統(tǒng)的線性格蘭杰因果檢驗(yàn)，以分析股市指數(shù)與交易量之間在線性空間上的因果關(guān)系。

我們將數(shù)據(jù)先分為“上海市場(chǎng)”“深圳市場(chǎng)”“綜合市場(chǎng)”三類，再將各市場(chǎng)的指數(shù)序列分別與該市場(chǎng)的“A股市場(chǎng)交易量”和“B股市場(chǎng)交易量”匹配進(jìn)行檢驗(yàn)。例如，對(duì)于“上證綜合指數(shù)”與“上海A股市場(chǎng)交易量”做線性格蘭杰因果檢驗(yàn)，得到表2。由于篇幅所限，其他組別的檢驗(yàn)結(jié)果在此不列出完整結(jié)果，只給出“接受數(shù)：拒絕數(shù)”一欄的數(shù)據(jù)情況，結(jié)果如表3。

表2 上綜指數(shù)v.s.上海A股交易量

由表3可以看出，在傳統(tǒng)的格蘭杰檢驗(yàn)下，大部分的檢驗(yàn)結(jié)果表明：各個(gè)市場(chǎng)的交易量不是該市場(chǎng)股市指數(shù)的格蘭杰原因。而所有的檢驗(yàn)結(jié)果都在5%（實(shí)際獲得的結(jié)果可以達(dá)到1%）的顯著水平上拒絕指數(shù)不是交易量的格蘭杰原因。這與于偉、尹敬東（2006）的結(jié)論相同。因此，我們可以得出結(jié)論：在線性關(guān)系上，指數(shù)（即股票收益率）是交易量的格蘭杰原因，而交易量則不是指數(shù)的格蘭杰原因。

表3 各組數(shù)據(jù)的傳統(tǒng)格蘭杰因果檢驗(yàn)

（三）非線性檢驗(yàn)

為了之后的非線性格蘭杰因果檢驗(yàn)可以得到一個(gè)更為可靠與穩(wěn)健的結(jié)論，我們需要對(duì)變量之間是否存在非線性的關(guān)系做出檢驗(yàn)。我們采用BDS檢驗(yàn)方法，對(duì)相關(guān)變量之間是否存在非線性的關(guān)系做出檢驗(yàn)分析。同現(xiàn)有的大部分文獻(xiàn)一致，本文采取最優(yōu)的VAR模型對(duì)各個(gè)變量之間的相互影響關(guān)系進(jìn)行估計(jì)，以過濾各變量之間存在的線性關(guān)系。然后，分別對(duì)經(jīng)過處理后的殘差列進(jìn)行BDS檢驗(yàn)，檢驗(yàn)結(jié)果列于表4。由表4的檢驗(yàn)結(jié)果可以得知：基于BDS方法，原假設(shè)被絕大多數(shù)p值所拒絕。所以，我們有理由認(rèn)為中國(guó)股市的指數(shù)與交易量之間包含非線性的變化趨勢(shì)。

表4 非線性檢驗(yàn)

（四）非線性格蘭杰因果檢驗(yàn)

隨著近些年來在格蘭杰因果檢驗(yàn)研究領(lǐng)域的研究不斷深入，線性檢驗(yàn)已經(jīng)不能滿足研究需要。已有的文獻(xiàn)表明：如果所檢驗(yàn)的變量之間包含非線性的變化趨勢(shì)，傳統(tǒng)線性檢驗(yàn)方法對(duì)于變量之間是否存在非線性的因果關(guān)系的檢驗(yàn)力度很低，并且有可能導(dǎo)致結(jié)論出現(xiàn)偏誤。這是因?yàn)樽兞恐g可能包含線性檢驗(yàn)方法無法檢驗(yàn)的非線性相關(guān)關(guān)系。Hiemstra與Johns（1993）提出之后被稱為HJ檢驗(yàn)的格蘭杰因果檢驗(yàn)方法。該方法能夠檢驗(yàn)變量之間的非線性依存關(guān)系，因此被學(xué)界廣泛使用。不過，之后Diks與Panchenko（2006）發(fā)現(xiàn)了HJ檢驗(yàn)在某些情況下可能出現(xiàn)過度拒絕的問題，并且該問題即使令帶寬e的取值趨于零依然無法解決，因此他們提出了一種新的統(tǒng)計(jì)量——Tn統(tǒng)計(jì)量。該統(tǒng)計(jì)量可以依據(jù)情況的不同，考慮帶寬與條件分布的變化，從而得到更為穩(wěn)健而可靠的結(jié)論。有鑒于此，本文首次對(duì)中國(guó)股市指數(shù)和交易量分別做HJ檢驗(yàn)與DP檢驗(yàn)，以期能夠得到更為全面、可靠、穩(wěn)健的檢驗(yàn)結(jié)論。在實(shí)際的操作中，參考Diks與Panchenko（2006）的方法，我們對(duì)從VAR模型中得到的殘差序列分別進(jìn)行HJ檢驗(yàn)和DP檢驗(yàn)。結(jié)果如下。

首先，我們對(duì)“指數(shù)不是交易量的非線性格蘭杰原因”的原假設(shè)做檢驗(yàn)。在線性關(guān)系里，我們已經(jīng)發(fā)現(xiàn)了滬深兩市的股指對(duì)于相對(duì)應(yīng)的股市交易量而言，是具有很強(qiáng)的線性格蘭杰因果關(guān)系的，也就是說，從技術(shù)分析的角度講，股市指數(shù)對(duì)于交易量有著很高的預(yù)測(cè)性。于是，我們對(duì)于上述原假設(shè)做非線性因果檢驗(yàn)，以期發(fā)現(xiàn)股指是否是交易量的非線性原因。并將滬深兩分市場(chǎng)的指數(shù)分別對(duì)A、B股市場(chǎng)交易量的檢驗(yàn)結(jié)果列于表5。

從表5我們可以發(fā)現(xiàn)，在經(jīng)過線性過濾以后，上證綜合指數(shù)對(duì)于上海A股交易量的預(yù)測(cè)性消失了。這是因?yàn)楸碇袑?duì)應(yīng)的p值全都大于10%，故而不能拒絕原假設(shè)，所以我們可以認(rèn)為上證綜合指數(shù)不是上海A股的非線性格蘭杰原因。而上證綜合對(duì)于上海B股而言，在滯后階數(shù)較小的時(shí)候，p值則足以拒絕原假設(shè)，故而我們認(rèn)為上證綜合指數(shù)對(duì)于上海B股交易量仍具有預(yù)測(cè)性。另一方面，我們對(duì)于深圳綜合與深圳股市交易量的檢驗(yàn)結(jié)果顯示，不管是對(duì)于A股或者B股，深圳綜合指數(shù)在滯后階數(shù)較小的時(shí)候，對(duì)其股市的交易量依然具有預(yù)測(cè)性。

表5 指數(shù)不是交易量的非線性格蘭杰原因檢驗(yàn)結(jié)果

對(duì)此，我們認(rèn)為，這表明上海股市的指數(shù)對(duì)于其交易量而言，線性關(guān)系更強(qiáng)。即其交易量的很大一部分已經(jīng)由線性因果所決定，故而指數(shù)不構(gòu)成交易量的非線性格蘭杰原因。而深圳股市或許受香港因素等多方面的影響，從而影響其指數(shù)與交易量之間的線性關(guān)系，故而使得兩者呈現(xiàn)非線性的動(dòng)態(tài)變化趨勢(shì)。

然后，我們對(duì)交易量不是指數(shù)的非線性格蘭杰原因的原假設(shè)做檢驗(yàn)。在線性關(guān)系里，我們已經(jīng)發(fā)現(xiàn)了滬深兩市的交易量對(duì)于相對(duì)應(yīng)的股市指數(shù)而言，不具有線性格蘭杰因果關(guān)系的。也就是說，從線性技術(shù)分析的角度講，股市交易量對(duì)于指數(shù)或者說股票收益率而言，不存在可行的預(yù)測(cè)性。有鑒于此，本文對(duì)于滬深兩市的交易量是否是對(duì)應(yīng)股市指數(shù)的非線性格蘭杰原因做出檢驗(yàn)。檢驗(yàn)結(jié)果列于表6。

表6 交易量不是指數(shù)的非線性格蘭杰原因檢驗(yàn)結(jié)果

由表6可以看出，絕大部分的檢驗(yàn)p值都小于顯著水平，這就表明，我們有理由認(rèn)為，滬深兩市的市場(chǎng)交易量是對(duì)應(yīng)市場(chǎng)指數(shù)的非線性格蘭杰原因。這一結(jié)論與線性檢驗(yàn)的結(jié)果正好相反！也就是說，本來我們?cè)诰€性關(guān)系中未檢驗(yàn)出來的兩者之間的因果關(guān)系，在非線性格蘭杰因果檢驗(yàn)中表現(xiàn)出來。這對(duì)于利用技術(shù)分析進(jìn)行股票投資的投資者來說，是至關(guān)緊要的理論支撐。這一結(jié)論表明了可以通過技術(shù)分析的手段從前一階段的股市交易量數(shù)據(jù)信息中，獲得與未來股票收益率相關(guān)的有價(jià)值的信息。也就是說由交易量作為樣本用以預(yù)測(cè)未來股市指數(shù)，或者說股票收益率的可能性，是存在的。

另外，從表6中還可以發(fā)現(xiàn)：在滯后階數(shù)相同的情況下，大部分與B股交易量相關(guān)的檢驗(yàn)p值要稍大于與A股交易量相關(guān)的檢驗(yàn)p值。經(jīng)過分析以后我們認(rèn)為，這主要是由于A股市場(chǎng)體量較大，B股市場(chǎng)體量較小，故而就對(duì)于股市指數(shù)的影響程度上而言，A股交易量的權(quán)重會(huì)大于B股交易量。

為了更全面地研究中國(guó)股市指數(shù)與交易量之間的非線性因果關(guān)系，本文也對(duì)滬深300股指分別與綜合A股和綜合B股做假設(shè)檢驗(yàn)。檢驗(yàn)結(jié)果列于表7。

表7 綜合市場(chǎng)的雙向非線性格蘭杰原因檢驗(yàn)結(jié)果①記號(hào)等注釋同表6。

由表7我們可以看出，對(duì)于滬深300股指與A股和B股交易量而言，檢驗(yàn)結(jié)果與分市場(chǎng)的結(jié)果是相一致的。即（1）市場(chǎng)交易量是股市指數(shù)的非線性格蘭杰原因；（2）A股市場(chǎng)交易量相比于B股市場(chǎng)，對(duì)于股市指數(shù)更具有預(yù)測(cè)能力。分市場(chǎng)與綜合市場(chǎng)之間的相互印證也進(jìn)一步說明了本文所得出結(jié)果的可靠性和穩(wěn)健性。

四、結(jié)語(yǔ)

指數(shù)與交易量，作為股市的基本數(shù)據(jù)，歷來都是經(jīng)濟(jì)學(xué)研究的對(duì)象。股指作為股價(jià)的指標(biāo)，可以反映出價(jià)格對(duì)市場(chǎng)信息所做出的反應(yīng)；而交易量作為成交規(guī)模的指標(biāo)，則包含著與股市投資者的情緒相關(guān)的信息。正確認(rèn)識(shí)中國(guó)股市量?jī)r(jià)之間的關(guān)系，有利于更好地對(duì)股市做技術(shù)分析，也有利于中國(guó)股市的穩(wěn)健發(fā)展。本文通過傳統(tǒng)的線性格蘭杰檢驗(yàn)與非線性的格蘭杰因果檢驗(yàn)，對(duì)滬深兩市的股市指數(shù)以及成交量之間的因果關(guān)系做出研究，發(fā)現(xiàn)了股票指數(shù)與股市交易量之間的相互因果關(guān)系，從理論上為技術(shù)分析提供了更完善的基礎(chǔ)。

通過本文的探究，主要的結(jié)論如下：

1.滬深兩市的股票交易量是對(duì)應(yīng)市場(chǎng)股指的線性格蘭杰原因的假設(shè)不成立，而反之卻成立。即與所謂的“價(jià)在量先”的觀點(diǎn)相一致。

2.股票指數(shù)和市場(chǎng)交易量之間不僅存在線性因果關(guān)系，還存在顯著的非線性關(guān)系。故而我們認(rèn)為如果僅僅對(duì)兩個(gè)變量做線性格蘭杰因果檢驗(yàn)的話，有可能導(dǎo)致結(jié)論出現(xiàn)偏誤，這對(duì)于今后相關(guān)的研究也有較大的指導(dǎo)意義。

3.上海股市指數(shù)與交易量經(jīng)過“線性過濾”以后，不存在顯著的指數(shù)是交易量的格蘭杰原因的非線性格蘭杰因果關(guān)系。而在深圳股市中，這種關(guān)系在滯后階數(shù)較低的時(shí)候依然存在。這是因?yàn)橄啾扔谏钲谑袌?chǎng)，上海股市的指數(shù)與交易量之間的線性關(guān)系更為強(qiáng)烈。即其交易量的很大一部分已經(jīng)由線性關(guān)系所決定，故而指數(shù)不構(gòu)成交易量的非線性格蘭杰原因。而深圳股市或許受香港因素等多方面的影響，從而影響其指數(shù)與交易量之間的線性關(guān)系，故而使得兩者呈現(xiàn)非線性的動(dòng)態(tài)變化趨勢(shì)。

4.在經(jīng)過“線性過濾”之后，滬深兩市的市場(chǎng)交易量是對(duì)應(yīng)市場(chǎng)指數(shù)的非線性格蘭杰原因。并且這種關(guān)系在A股市場(chǎng)和指數(shù)之間更為強(qiáng)烈，分析這種現(xiàn)象的原因是由于A股市場(chǎng)的體量較大，所以在左右股票指數(shù)波動(dòng)的過程中，所產(chǎn)生的影響更大一些。

本文通過運(yùn)用因果檢驗(yàn)方法中傳統(tǒng)的線性檢驗(yàn)以及新興提出的非線性檢驗(yàn)，對(duì)中國(guó)滬深兩分市場(chǎng)量?jī)r(jià)之間的因果關(guān)系展開研究，是對(duì)現(xiàn)有文獻(xiàn)的一個(gè)有益的補(bǔ)充。在本文的研究中，通過線性與非線性方法的結(jié)合，滬深兩個(gè)分市場(chǎng)的對(duì)比，A、B股市場(chǎng)的對(duì)比，以及分市場(chǎng)與綜合市場(chǎng)之間的相互印證，從而增強(qiáng)了本文結(jié)論的可靠性和合理性。此外，本文的研究也為更好地對(duì)中國(guó)股市做出技術(shù)分析提供了有益的參考依據(jù)。

本文對(duì)股市量?jī)r(jià)關(guān)系的研究由線性格蘭杰因果檢驗(yàn)方法擴(kuò)展至非線性領(lǐng)域，但對(duì)于具體的非線性形式仍有待進(jìn)一步研究。此外，股市量?jī)r(jià)關(guān)系的經(jīng)濟(jì)理論背景、各國(guó)股市量?jī)r(jià)關(guān)系的異同、股市間的信息傳導(dǎo)亦是未來相關(guān)研究的方向。

[1]尹為醇.中國(guó)股市交易量波動(dòng)率和交易量相關(guān)性關(guān)系的實(shí)證研究[J].世界經(jīng)濟(jì)情況，2010，（03）：66～79.

[2]李雙成，王春峰.中國(guó)股票市場(chǎng)量?jī)r(jià)關(guān)系的實(shí)證研究[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2003，25(2):82～85.

[3]李付軍，達(dá)慶利.中國(guó)股市量?jī)r(jià)波動(dòng)性關(guān)系的實(shí)證分析[J].東南大學(xué)學(xué)報(bào)，2005，（5）：308～310.

[4]吳亮，鄧明.中國(guó)股票市場(chǎng)收益率與交易量的非對(duì)稱因果關(guān)系研究——基于分位數(shù)Granger因果檢驗(yàn)[J].上海金融，2014，（6）：75～81.

[5]于偉，尹敬東.我國(guó)股票市場(chǎng)量?jī)r(jià)關(guān)系的實(shí)證研究——基于牛市、熊市和盤整市不同情況下的比較研究[J].南京財(cái)經(jīng)大學(xué)學(xué)報(bào)，2006，（1）：64～69.

[6]劉漢中.滬深股市回報(bào)率、波動(dòng)率和交易量關(guān)系的實(shí)證研究[J].運(yùn)籌與管理，2007，（12）：123～127.

[7]李雪.牛市與熊市中股票價(jià)格和成交量互動(dòng)關(guān)系對(duì)比分析——基于對(duì)上證綜指的實(shí)證研究[J].現(xiàn)代商業(yè)，2010，（14）:30～31.

[8]林德欽.上海股市收益率與成交量的動(dòng)態(tài)關(guān)系研究：基于分位數(shù)回歸模型的分析[J].金融教學(xué)與研究，2014，（5）：48～52.

[9]楊子暉，趙永亮.非線性Granger因果檢驗(yàn)方法的檢驗(yàn)功效及有限樣本性質(zhì)的模擬分析[J].統(tǒng)計(jì)研究，2014，（5）：107～112.

F832.5

A

1006-169X（2017）09-0030-08

10.19622/j.cnki.cn36-1005/f.2017.09.004

盧志源（1996-），福建漳州人，中央財(cái)經(jīng)大學(xué)保險(xiǎn)學(xué)院，中國(guó)精算研究院；肖一（1983-），河北保定人，中國(guó)人民大學(xué)教育學(xué)院，博士，研究方向?yàn)榻鹑谑袌?chǎng)與文化教育資本。（北京 100081）