山西焦煤現(xiàn)貨交易收益率、持倉(cāng)量及成交量關(guān)系

徐雙明

(福建師范大學(xué)經(jīng)濟(jì)學(xué)院，福州350117)

一、引言

收益率、成交量及持倉(cāng)量是描述現(xiàn)貨市場(chǎng)行情的重要指標(biāo)，探討它們之間的關(guān)系對(duì)投資者投資具有重要的指導(dǎo)意義。然而對(duì)該領(lǐng)域研究主要集中在股票與期貨市場(chǎng)上，對(duì)現(xiàn)貨市場(chǎng)的研究則相對(duì)較少。

國(guó)外研究金融市場(chǎng)量?jī)r(jià)關(guān)系的文獻(xiàn)比較多，Granger和Morgenstem(1963)最早對(duì)股票市場(chǎng)量?jī)r(jià)關(guān)系進(jìn)行研究［1］，實(shí)證分析的結(jié)果表明成交量與收益率兩者之間無(wú)顯著關(guān)系。Jennings(1981)等人通過(guò)建立序貫信息模型研究股市量?jī)r(jià)關(guān)系［2］，結(jié)果顯示當(dāng)股市出現(xiàn)利好消息時(shí)，量?jī)r(jià)會(huì)出現(xiàn)強(qiáng)烈的正相關(guān)關(guān)系，即“量?jī)r(jià)齊揚(yáng)”的現(xiàn)象;反之出現(xiàn)利差消息時(shí)，股市會(huì)出現(xiàn)“量縮價(jià)跌”的現(xiàn)象。而國(guó)內(nèi)學(xué)者對(duì)我國(guó)金融市場(chǎng)量?jī)r(jià)關(guān)系的研究較少，莊家彰和管中閔(2005)在比較研究臺(tái)灣和美國(guó)股市的量?jī)r(jià)關(guān)系時(shí)發(fā)現(xiàn)［3］:臺(tái)灣股市的量?jī)r(jià)關(guān)系表現(xiàn)出“量?jī)r(jià)齊揚(yáng)”和“量縮價(jià)跌”現(xiàn)象，而美國(guó)股市量?jī)r(jià)關(guān)系則呈現(xiàn)“量?jī)r(jià)齊揚(yáng)”和“量?jī)r(jià)分離”現(xiàn)象。封福育(2008)采用分位數(shù)回歸方法考慮我國(guó)滬深股市量?jī)r(jià)關(guān)系［4］，結(jié)果表明滬深兩市的量?jī)r(jià)關(guān)系呈正相關(guān)關(guān)系，但這種關(guān)系在左尾處發(fā)生了扭曲，出現(xiàn)“價(jià)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(chǎng)和倫敦期貨市場(chǎng)收益率及成交量之間的關(guān)系［5］，實(shí)證結(jié)果表明兩地期貨市場(chǎng)的量?jī)r(jià)關(guān)系不同是因投資者結(jié)構(gòu)不同導(dǎo)致的。何曉光和許友傳(2012)研究黃金市場(chǎng)量?jī)r(jià)關(guān)系時(shí)也得出了類(lèi)似結(jié)論［6］。

上述實(shí)證分析的研究變量主要集中在成交量和收益率的關(guān)系上，但研究對(duì)象僅涉及到股票期貨市場(chǎng)，而且研究方法主要采用OLS、GARCH類(lèi)模型或Granger因果檢驗(yàn)方法。這些方法只能分析成交量與收益率波動(dòng)的局部關(guān)系，無(wú)法刻畫(huà)出它們的完整特征。

然而他們對(duì)現(xiàn)貨市場(chǎng)的研究遠(yuǎn)遠(yuǎn)不夠，受到國(guó)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(lái)避免上述研究方法上的限制，將研究對(duì)象和變量轉(zhuǎn)向山西焦煤現(xiàn)貨市場(chǎng)收益率、成交量及持倉(cāng)量之間更全面的關(guān)系研究。

二、分位數(shù)回歸方法及參數(shù)估計(jì)

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(guān)系的估計(jì)方法［7］，它是依據(jù)因變量的條件分位數(shù)對(duì)自變量進(jìn)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(duì)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(duì)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(diǎn)對(duì)于我們研究現(xiàn)貨市場(chǎng)收益率以及持倉(cāng)量、成交量對(duì)不同水平的收益率的影響十分簡(jiǎn)便。

假設(shè)被解釋變量y，p個(gè)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(xiàng)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(guò)使加權(quán)誤差絕對(duì)值之和最

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

在線性條件下，對(duì)于每個(gè)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(jì)ψ在給定x的整個(gè)條件分布。當(dāng)ψ=0．5時(shí)，式(2)變成了中位數(shù)回歸模型的參數(shù)估計(jì)。

三、數(shù)據(jù)的基本描述及單位根檢驗(yàn)

本文選取的數(shù)據(jù)樣本為山西焦炭市場(chǎng)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(shí)證分析中的收益率變量是將每日收盤(pán)價(jià)取對(duì)數(shù)，前后兩期相減得到，當(dāng)期收盤(pán)價(jià)用Pt表示和前期收盤(pán)價(jià)用Pt-1表示，收益率用 REt表示，即REt=lnPt-lnPt-1，持倉(cāng)量由原始數(shù)據(jù)直接取對(duì)數(shù)得到，用變量LNHOLt表示，成交量也是直接取對(duì)數(shù)得到的，用變量LNVOLt表示。

表1 焦煤市場(chǎng)樣本數(shù)據(jù)的基本統(tǒng)計(jì)量

從表1可以看出收益率、持倉(cāng)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(cāng)量和成交量的峰度系數(shù)均顯著大于3，說(shuō)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(jì)量可判定收益率服從正態(tài)分布，而持倉(cāng)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(huì)出現(xiàn)較大的誤差。此外，由于原數(shù)據(jù)是時(shí)間序列數(shù)據(jù)，為了避免偽回歸，在對(duì)模型進(jìn)行估計(jì)之前，需對(duì)各個(gè)變量進(jìn)行單位根檢驗(yàn)。表2的ADF檢驗(yàn)結(jié)果表明，在1%的顯著性水平下，均拒絕了單位根假設(shè)。

利用以上說(shuō)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(duì)任意水平的條件分位點(diǎn)進(jìn)行建模，一可以反應(yīng)回歸變量在各個(gè)分位點(diǎn)的影響，二可以反應(yīng)分布的尾部特征，因而能相對(duì)完整地呈現(xiàn)出持倉(cāng)量和成交量對(duì)各種不同水平收益率的影響。

表2 各變量的單位根檢驗(yàn)

四、實(shí)證結(jié)果與分析

本文的實(shí)證結(jié)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(kāi)盤(pán)時(shí)的量?jī)r(jià)關(guān)系對(duì)焦煤市場(chǎng)的影響，筆者也對(duì)左尾處0．01和右尾處0．99兩個(gè)分位數(shù)作了回歸估計(jì)，這樣一共就有21個(gè)分位點(diǎn)，即每個(gè)變量都有相應(yīng)的21個(gè)分位數(shù)回歸結(jié)果(見(jiàn)表3)。為了更加清楚的比較各分位數(shù)回歸的估計(jì)和檢驗(yàn)結(jié)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(jì)值以及其95%的置信區(qū)間。

表3 焦煤收益率與持倉(cāng)量、成交量關(guān)系分位數(shù)回歸結(jié)果

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

從焦煤收益率、持倉(cāng)量以及成交量分位數(shù)回歸結(jié)果可以看出，在不同分位數(shù)上估計(jì)結(jié)果不同。首先對(duì)收益率和持倉(cāng)量之間的關(guān)系進(jìn)行說(shuō)明:總體上來(lái)看，收益率與持倉(cāng)量呈負(fù)相關(guān)關(guān)系，持倉(cāng)量越高收益率越小。在低分位 ψ=0．01，0．10及0．15，持倉(cāng)量系數(shù)在1%顯著性水平下顯著，在ψ=0．20～0．90之間，持倉(cāng)量系數(shù)在5% ～10%顯著，但是在左尾處(ψ=0．99)持倉(cāng)量越高收益率反而越高，即出現(xiàn)了“無(wú)量漲?！钡默F(xiàn)象。同樣，對(duì)收益率與成交量的關(guān)系研究表明:大體上來(lái)說(shuō)，收益率與成交量呈正相關(guān)關(guān)系的，隨分位點(diǎn)增加，成交量回歸系數(shù)對(duì)收益率的正影響越大，即出現(xiàn)“量?jī)r(jià)齊揚(yáng)”現(xiàn)象，但在ψ=0．99時(shí)出現(xiàn)了反常，成交量增加收益率反而下降，出現(xiàn)“量?jī)r(jià)分離”現(xiàn)象。此外，持倉(cāng)量系數(shù)絕對(duì)值估計(jì)值比相應(yīng)分位點(diǎn)上的成交量系數(shù)絕對(duì)值估計(jì)值對(duì)收益率的貢獻(xiàn)更大。也就是說(shuō)，當(dāng)建倉(cāng)和平倉(cāng)的成本一樣時(shí)，加大倉(cāng)位帶來(lái)的損失大于平倉(cāng)帶來(lái)的收益，市場(chǎng)激勵(lì)投資者做短期的投機(jī)性投資，同時(shí)也說(shuō)明該市場(chǎng)極其不穩(wěn)定。

從分位數(shù)回歸估計(jì)值及其95%置信區(qū)間來(lái)看(如圖1、2)，回歸系數(shù)估計(jì)值用帶圈圈的藍(lán)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(shí)可信的，但是在高分位點(diǎn)時(shí)，出現(xiàn)了嚴(yán)重扭曲，這與市場(chǎng)的不穩(wěn)定性以及投資者結(jié)構(gòu)有關(guān)。第一，焦炭市場(chǎng)的不穩(wěn)定主要表現(xiàn)在存在強(qiáng)大的外力因素影響市場(chǎng)走向和無(wú)漲跌停板制度，使得無(wú)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(jī)性投資行為和因非理性而出現(xiàn)的“羊群效應(yīng)”使得市場(chǎng)的價(jià)格變化起到推波助瀾的作用。

五、主要結(jié)論與相關(guān)建議

本文通過(guò)建立線性分位數(shù)回歸模型分析了山西焦炭市場(chǎng)的焦煤現(xiàn)貨收益率、持倉(cāng)量及成交量的動(dòng)態(tài)關(guān)系，不僅得到了前人普遍接受的一般性結(jié)論，還得出了與其他市場(chǎng)不一樣的結(jié)論。主要結(jié)論:(1)與股票期貨市場(chǎng)一樣，現(xiàn)貨市場(chǎng)也得到了成交量與收益率間量?jī)r(jià)齊揚(yáng)(正收益率與高成交量同時(shí)出現(xiàn))和量?jī)r(jià)背離(即負(fù)收益率與高成交量同時(shí)出現(xiàn))關(guān)系。(2)在左尾部，持倉(cāng)量系數(shù)貢獻(xiàn)率比成交量系數(shù)對(duì)收益率的貢獻(xiàn)率高;在分位點(diǎn)中部時(shí)，兩者對(duì)收益率的貢獻(xiàn)沒(méi)有明顯差別;但在右尾部時(shí)，則成交量系數(shù)比持倉(cāng)量系數(shù)絕對(duì)值對(duì)收益率的貢獻(xiàn)大。(3)在高分位點(diǎn)時(shí)，由于市場(chǎng)的不穩(wěn)定性，出現(xiàn)了無(wú)量漲停和巨量跌?，F(xiàn)象，嚴(yán)重?fù)p害投資者的利益。相關(guān)建議:(1)建立漲跌停板制度，消除市場(chǎng)的不穩(wěn)定因素。(2)優(yōu)化投資者結(jié)構(gòu)，最大限度的引入機(jī)構(gòu)投資者，消除市場(chǎng)價(jià)格的大起大落。(3)宣傳投資理財(cái)理念，引導(dǎo)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(tái)灣與美國(guó)股市價(jià)量關(guān)系的分量回歸分析［J］．經(jīng)濟(jì)論文，2005，33(4):379-404．

［4］封福育．我國(guó)滬深股市量?jī)r(jià)關(guān)系實(shí)證研究［J］．商業(yè)經(jīng)濟(jì)與管理，2008，(6):75-79．

［5］陳星．期貨市場(chǎng)量?jī)r(jià)關(guān)系:基于分位數(shù)回歸模型的實(shí)證研究［J］．南方經(jīng)濟(jì)，2009，(7):50-60．

［6］何曉光，許友傳．黃金市場(chǎng)量?jī)r(jià)關(guān)系分析:基于分位數(shù)回歸模型的實(shí)證研究［J］．廣東商學(xué)院學(xué)報(bào)，2012，(3):25-31．

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