我國(guó)A股市場(chǎng)交易量信號(hào)的差異性研究

徐加根　孫文佳　牛鋒

摘 要：已有研究表明，量?jī)r(jià)關(guān)系對(duì)于不同類(lèi)型的股票在不同市場(chǎng)階段呈現(xiàn)出不同的特征。本文利用技術(shù)分析指標(biāo)描述股票短期漲跌趨勢(shì)，發(fā)現(xiàn)上漲放量有助于抬高股票收益率，下跌放量則會(huì)壓低股票收益率。通過(guò)對(duì)不同股本規(guī)模和信息透明程度樣本的分析，發(fā)現(xiàn)了交易量信號(hào)的異質(zhì)性。即大市值的股票上漲放量信號(hào)略強(qiáng)于小市值股票，而后者的下跌放量信號(hào)明顯強(qiáng)于前者；信息透明程度較高時(shí)交易量信號(hào)較為一致，信息透明程度較低時(shí)短期趨勢(shì)在識(shí)別交易量信號(hào)中的作用可能失效。本文在對(duì)股票交易量信號(hào)差異解釋的基礎(chǔ)上，為短線交易提供了新的建議。

關(guān)鍵詞：股票收益率；交易量信號(hào)：量?jī)r(jià)關(guān)系；股本規(guī)模；信息透明程度

中圖分類(lèi)號(hào)：F830.91 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1000-176X（2015）07-0052-06

一、引 言

股票市場(chǎng)中交易量通常與價(jià)格波動(dòng)存在密切的關(guān)系，在證券市場(chǎng)領(lǐng)域也占據(jù)著重要地位。現(xiàn)有投資理論普遍認(rèn)為，成交量是推動(dòng)股價(jià)上漲的原動(dòng)力，通過(guò)其增減速度可以推斷多空雙方的博弈力量，并對(duì)股價(jià)的未來(lái)波動(dòng)進(jìn)行預(yù)測(cè)。同時(shí)，成交價(jià)對(duì)應(yīng)著交易量的變動(dòng)，因此，成交量能夠?qū)r(jià)格形態(tài)進(jìn)行驗(yàn)證。量?jī)r(jià)之間的這種關(guān)聯(lián)性趨勢(shì)規(guī)律表現(xiàn)為量?jī)r(jià)同向、量?jī)r(jià)背離等不同的市場(chǎng)現(xiàn)象。傳統(tǒng)經(jīng)濟(jì)理論對(duì)量?jī)r(jià)變動(dòng)從不同角度進(jìn)行了解釋?zhuān)琈orse[1]提出的“信息不對(duì)稱(chēng)理論”，解釋了大交易量之后的價(jià)格慣性，認(rèn)為股票交易產(chǎn)生于擁有信息優(yōu)勢(shì)的投資者與不知情投資者之間，成交量的大小度量了信息不對(duì)稱(chēng)程度，而未公開(kāi)信息越多，股價(jià)越傾向維持之前的變化趨勢(shì)。Campbell等[2]提出的“資產(chǎn)配置理論”則對(duì)高交易量后的價(jià)格反轉(zhuǎn)進(jìn)行了解釋?zhuān)J(rèn)為非股票資產(chǎn)的收益波動(dòng)可能促使投資者對(duì)資產(chǎn)配置進(jìn)行調(diào)整，進(jìn)而導(dǎo)致大交易量，資產(chǎn)配置結(jié)束后，股票價(jià)格傾向恢復(fù)到之前的價(jià)格水平。二者從不同角度對(duì)大交易量的成因進(jìn)行了解釋?zhuān)衅浜侠硇缘驾^為片面。

我國(guó)股票市場(chǎng)同時(shí)存在信息不對(duì)稱(chēng)和資產(chǎn)配置的影響。首先，股票市場(chǎng)尚不成熟，上市公司信息透明程度參差不齊。其次，貨幣政策調(diào)整后的股市波動(dòng)顯示了資產(chǎn)配置對(duì)股市的影響，但對(duì)不同股本規(guī)模產(chǎn)生的影響存在差異。因此，經(jīng)典分析方法對(duì)我國(guó)股票市場(chǎng)的適用性有待斟酌。當(dāng)前投資策略普遍認(rèn)為，股票價(jià)格的有效變動(dòng)必須有成交量配合，正確把握交易量蘊(yùn)含的市場(chǎng)信號(hào)，才能做到“低吸高拋”。但是，對(duì)于不同類(lèi)型的股票以及不同的漲跌階段，成交量的放大和收縮可能透露不同的市場(chǎng)信息。鑒于當(dāng)前我國(guó)股票市場(chǎng)的復(fù)雜性，對(duì)上市公司進(jìn)行合理分類(lèi)，厘清股票交易量對(duì)于價(jià)格波動(dòng)的信號(hào)作用，為投資者正確識(shí)別市場(chǎng)信息以及監(jiān)管部門(mén)完善市場(chǎng)微觀結(jié)構(gòu)建設(shè)具有重要的研究?jī)r(jià)值。

二、文獻(xiàn)綜述

量?jī)r(jià)變動(dòng)關(guān)系作為投資者密切關(guān)注的對(duì)象，也成為許多學(xué)派的研究熱點(diǎn)?，F(xiàn)有研究中，Granger因果關(guān)系通常被用來(lái)檢驗(yàn)股票交易量和股票價(jià)格之間的預(yù)測(cè)關(guān)系。趙振全和薛豐慧[3]通過(guò)股票市場(chǎng)的日交易數(shù)據(jù)發(fā)現(xiàn)上海、香港的交易量都可以解釋收益率。類(lèi)似結(jié)論同樣存在于高頻數(shù)據(jù)中，李夢(mèng)玄和周義[4]利用交易日內(nèi)每五分鐘指數(shù)價(jià)格序列以及對(duì)應(yīng)的交易量序列，認(rèn)為滬深兩市的日內(nèi)交易量對(duì)日內(nèi)收益具有預(yù)測(cè)作用?？梢?jiàn)，股票交易量的特征代表著某種市場(chǎng)信息，對(duì)預(yù)測(cè)股票后續(xù)價(jià)格波動(dòng)具有重要作用。

現(xiàn)有研究表明信息透明程度不同的股票在量?jī)r(jià)關(guān)系上可能存在不同的表現(xiàn)。中國(guó)滬深兩市仍屬于非有效的金融市場(chǎng)，內(nèi)幕交易通常會(huì)對(duì)收益率和成交量形成巨大影響。唐齊鳴和張學(xué)功[5]選取五家因內(nèi)幕交易被證監(jiān)會(huì)處罰的股票，Granger因果檢驗(yàn)的結(jié)果卻顯示，內(nèi)幕交易股票僅存在由收益到成交量的單向因果關(guān)系。鄭方鑣等[6]發(fā)現(xiàn)，在牛市和熊市中，在高成交量的交易日之后，信息不對(duì)稱(chēng)程度較高的股票，其收益率與信息不對(duì)稱(chēng)程度較低的股票相比，更傾向于表現(xiàn)出反轉(zhuǎn)。

此外，許多研究證實(shí)我國(guó)股市中的量?jī)r(jià)關(guān)系并不固定。李麗[7]利用ARCH和DCC-GARCH模型發(fā)現(xiàn)股價(jià)和成交量序列存在顯著的正相關(guān)性，但相關(guān)系數(shù)是時(shí)變的，并且具有很強(qiáng)的波動(dòng)性。郭梁和周煒星[8]使用分筆高頻數(shù)據(jù)進(jìn)一步發(fā)現(xiàn)，中國(guó)股市成交價(jià)格波動(dòng)和成交量之間的相關(guān)關(guān)系為一非線性凸函數(shù)，當(dāng)歸一化成交量較高時(shí)，價(jià)格變化的絕對(duì)值與成交量之間呈正相關(guān)性，當(dāng)歸一化成交量較低時(shí)，呈反常的負(fù)相關(guān)性。交易量與股票價(jià)格的關(guān)系還會(huì)受到其他許多因素的影響。范從來(lái)和徐科軍[9]發(fā)現(xiàn)對(duì)于規(guī)模較小的公司股票來(lái)說(shuō)，交易量的這一指標(biāo)作用較為明顯。但是，對(duì)于規(guī)模較大的公司股票來(lái)說(shuō)，交易量的預(yù)測(cè)作用并不明顯。王杉和宋逢明[10]發(fā)現(xiàn)單位交易量引起的價(jià)格變化與股票價(jià)格水平的平方正相關(guān)，與股票的流通市值負(fù)相關(guān)。

現(xiàn)有文獻(xiàn)對(duì)我國(guó)股票市場(chǎng)中的量?jī)r(jià)關(guān)系的研究結(jié)論不一，其中重要的原因是忽略了股本規(guī)模、信息透明程度等因素上的差異對(duì)交易量信號(hào)的影響。此外，在計(jì)量方法上，已有研究為分析不同經(jīng)濟(jì)條件下的量?jī)r(jià)關(guān)系，通常對(duì)整體樣本切割成塊[11]，犧牲了樣本信息，損失了量?jī)r(jià)關(guān)系的準(zhǔn)確性。并且，利用普通最小二乘法對(duì)量?jī)r(jià)關(guān)系進(jìn)行估計(jì)時(shí)，得到的是二者之間的“平均”相關(guān)程度，也會(huì)錯(cuò)估真實(shí)的量?jī)r(jià)關(guān)系。并且，交易量與收益率存在互為因果關(guān)系，使用最小二乘法估計(jì)可能導(dǎo)致異方差等問(wèn)題，錢(qián)爭(zhēng)鳴和郭鵬輝[12]提出使用分位數(shù)回歸方法有效避免了這一問(wèn)題。

本文的創(chuàng)新之處在于：首先，在已有研究的基礎(chǔ)上，按照股本規(guī)模和信息透明程度對(duì)樣本股票進(jìn)行分類(lèi)，消除股本規(guī)模及信息對(duì)稱(chēng)程度差異對(duì)量?jī)r(jià)關(guān)系造成的混淆。其次，利用技術(shù)分析指標(biāo)表示個(gè)股漲跌趨勢(shì)，通過(guò)引入二元變量對(duì)不同漲跌階段的量?jī)r(jià)關(guān)系進(jìn)行了解讀。最后，采用分位數(shù)回歸方法，分析交易量在股票不同收益率水平下的信號(hào)差異。

三、研究設(shè)計(jì)

（一）樣本及數(shù)據(jù)

本研究采用中證指數(shù)考察我國(guó)滬深股市的量?jī)r(jià)關(guān)系。鄭方鑣等[6] 、范從來(lái)和徐科軍[9] 以及王杉和宋逢明[10]的研究表明，我國(guó)股市中的量?jī)r(jià)關(guān)系對(duì)于不同股本規(guī)模和信息不對(duì)稱(chēng)程度的上市公司有著不同的表現(xiàn)。本文以這兩個(gè)標(biāo)準(zhǔn)對(duì)樣本進(jìn)行選取和分類(lèi)，以期得到不同類(lèi)型股票的量?jī)r(jià)特征。

股本規(guī)模方面，本文分別使用中證100指數(shù)和中證500指數(shù)不同股本規(guī)模的股票市場(chǎng)數(shù)據(jù)。其中，中證100指數(shù)是從滬深300指數(shù)樣本股中挑選規(guī)模最大的100只股票組成樣本股，能夠綜合反映滬深證券市場(chǎng)中最具市場(chǎng)影響力的一批大市值公司的整體狀況，中證500指數(shù)的樣本選擇在剔除了規(guī)?？壳暗墓善钡幕A(chǔ)上選取流動(dòng)性較好的500只股票，能夠綜合反映我國(guó)股市小市值公司的整體狀況。

信息不對(duì)稱(chēng)程度方面，Lang [13]以及Leuz和Verrecchia [14]以各股票在整個(gè)研究區(qū)間內(nèi)的股價(jià)波動(dòng)作為信息不對(duì)稱(chēng)程度的替代指標(biāo)，但事實(shí)上，即便同一股票在不同時(shí)期所受市場(chǎng)信息影響也有所不同，本文采用過(guò)去5日的收益率標(biāo)準(zhǔn)差作為短期內(nèi)信息透明程度的衡量指標(biāo)，以短期波動(dòng)前10%和后10%的數(shù)據(jù)分別作為信息透明與信息非透明的樣本。

為盡可能豐富樣本數(shù)據(jù)，降低市場(chǎng)異?，F(xiàn)象的影響，從而更加有效地呈現(xiàn)真實(shí)的量?jī)r(jià)關(guān)系。本文結(jié)合兩個(gè)指數(shù)的發(fā)布時(shí)間，剔除部分缺失數(shù)據(jù)后，真實(shí)研究區(qū)間為2007年1月15日至2013年12月31日，基本涵蓋我國(guó)股市牛市、熊市已經(jīng)平衡震蕩的市場(chǎng)階段。本文采用的指數(shù)收益率和交易量均為日交易數(shù)據(jù)，數(shù)據(jù)來(lái)源為RESSET數(shù)據(jù)庫(kù)。

（二）變量選取

1.被解釋變量

日收益（Dretnd）：為指數(shù)不考慮現(xiàn)金紅利的個(gè)股回報(bào)率乘以100，單位為百分點(diǎn)。

2.解釋變量

交易量（vol）：為指數(shù)權(quán)重股的每日交易量，單位為10億股，描述各股票當(dāng)日的交易活躍程度。

虛擬變量up和down：為對(duì)各股票的短期不同漲跌趨勢(shì)進(jìn)行度量，文章借助技術(shù)分析工具，利用5日K指標(biāo)

kvalue的計(jì)算中，若無(wú)前一日kvalue，則用50來(lái)代替。衡量個(gè)股超買(mǎi)超賣(mài)狀況，數(shù)值在90以上為超買(mǎi)狀態(tài)，虛擬變量up取值為1，否則為0。對(duì)于虛擬變量down，K指標(biāo)數(shù)值在10以下為超賣(mài)狀態(tài)，虛擬變量取值為1，否則為0。變量取值具體計(jì)算方法如式（1）—式（4）所示：

RSNn=（Cn-Ln）/（Hn-Ln）×100（1）

其中，Cn為第n日收盤(pán)指數(shù)；Ln為n日內(nèi)的最低收盤(pán)指數(shù)；Hn為n日內(nèi)的最高收盤(pán)指數(shù)。

kvaluen=13RSVn+23kvaluen-1（2）

up=1 kvalue≥900 其它（3）

down=1 kvalue≤100 其它（4）

（三）模型設(shè)定

“追漲殺跌”是股票投資中常見(jiàn)的市場(chǎng)行為，從短期來(lái)看，在市場(chǎng)上升階段，成交量的放大意味著市場(chǎng)信心的增強(qiáng)，對(duì)收益率飆升起到“推波助瀾”的作用。在市場(chǎng)下跌階段，成交量的增加意味著悲觀情緒的蔓延，會(huì)進(jìn)一步壓低股票收益。由于不同漲跌階段下交易量釋放的市場(chǎng)信號(hào)不同，本文引入表示不同漲跌階段的虛擬變量，對(duì)量?jī)r(jià)模型進(jìn)行了擴(kuò)展：

Dretnd=β0+β1vol+β2vol×up+β3vol×down（5）

其中，β1表示平衡市中成交量變化對(duì)股票成交量的影響，β2和β3分別衡量了超買(mǎi)和超賣(mài)狀態(tài)下成交量信號(hào)的差異。為更加直觀地得到各系數(shù)的擬合結(jié)果，將模型變形為：

Dretnd=β0+β1（vol-vol×up-vol×down）+βupup×vol+βdowndown×vol（6）

震蕩階段、超買(mǎi)狀態(tài)和超賣(mài)狀態(tài)下交易量的放大對(duì)股市收益率的影響分別用系數(shù)β1、βup=β1+β2和βdown=β1+β3衡量。參數(shù)估計(jì)值的符號(hào)表明在對(duì)應(yīng)狀態(tài)下交易量的放大對(duì)收益率的作用，系數(shù)絕對(duì)值的大小反映對(duì)應(yīng)狀態(tài)下交易量信號(hào)的強(qiáng)弱。

此外，在不同的收益率高位，由于投資者對(duì)股票未來(lái)走勢(shì)的信心不同，交易量變化對(duì)收益率的推動(dòng)或抑制作用也存在著差異。本文選取被解釋變量80%、50%和20%三個(gè)分位點(diǎn)，利用分位回歸方法對(duì)交易量的信號(hào)差異進(jìn)行了探討。不同分位點(diǎn)回歸系數(shù)的確定可以通過(guò)下面的最小化問(wèn)題來(lái)定義：

minβ∑Dretnd>x′βqDretnd-x′β+∑Dretnd

其中，x為方程（7）中的自變量，β為對(duì)應(yīng)系數(shù)，q為設(shè)定的分位數(shù)，分別設(shè)為80%、50%和20%。

四、結(jié)果分析

（一）描述性統(tǒng)計(jì)

通過(guò)表1中樣本收益率與成交量的數(shù)據(jù)特征可以看出，在本文研究區(qū)間內(nèi)小盤(pán)股的收益率和成交量均值均大于大盤(pán)股股票，并且波動(dòng)性更高。兩支指數(shù)收益率和成交量峰度值均明顯大于3，呈現(xiàn)出金融數(shù)據(jù)典型的尖峰厚尾的特征，收益率偏度小于0，具有略微的左偏特征。傳統(tǒng)OLS估計(jì)建立在標(biāo)準(zhǔn)正態(tài)分布上的假設(shè)檢驗(yàn)缺乏穩(wěn)健性，而基于不同分位點(diǎn)的分位數(shù)回歸對(duì)極端值具有更強(qiáng)的耐抗性，能夠提供更加完整準(zhǔn)確的估計(jì)結(jié)果。

（二）相關(guān)性分析及平穩(wěn)性檢驗(yàn)

該部分利用Spearman相關(guān)系數(shù)對(duì)收益率與成交量之間的相關(guān)關(guān)系進(jìn)行了度量。表2中的相關(guān)系數(shù)顯示，無(wú)論對(duì)于CSI 100中的大盤(pán)股還是CSI 500中的小盤(pán)股股票，收益率與交易量總體均呈現(xiàn)出顯著的正相關(guān)性，相關(guān)系數(shù)在0.2左右。在對(duì)短期趨勢(shì)進(jìn)行區(qū)分后，二者的相關(guān)性在不同的短期趨勢(shì)下符號(hào)相反，說(shuō)明了短期趨勢(shì)在量?jī)r(jià)關(guān)系研究中的重要作用。同時(shí)，對(duì)于不同股本規(guī)模的股票樣本，相同的趨勢(shì)下收益率與成交量相關(guān)性強(qiáng)弱及顯著性均表現(xiàn)出明顯的不同。

為了防止模型存在偽回歸問(wèn)題，該部分對(duì)兩支指數(shù)的收益率和交易量序列進(jìn)行了平穩(wěn)性檢驗(yàn)，表3為兩支指數(shù)的收益率和交易量序列ADF檢驗(yàn)的統(tǒng)計(jì)值。結(jié)果顯示，ADF檢驗(yàn)均拒絕了數(shù)據(jù)存在單位根的原假設(shè)，說(shuō)明時(shí)間序列數(shù)據(jù)平穩(wěn)。

（三）回歸分析

該部分分別利用OLS方法和分位數(shù)回歸方法分別對(duì)模型（6）的系數(shù)進(jìn)行了估計(jì)，表4中，QR_80、QR_50、QR_20分別表示80%、50%和20%分位數(shù)的回歸結(jié)果。

表4中的不同分位點(diǎn)下的回歸結(jié)果顯示，vivol、upvol和downvol的系數(shù)在20%、50%以及80%的分位數(shù)下均存在明顯差異，甚至正負(fù)性發(fā)生改變。對(duì)不同分位數(shù)回歸系數(shù)差異性的F檢驗(yàn)均拒絕原假設(shè)，

中證100數(shù)據(jù)中，對(duì)vivol、upvol和downvol的F檢驗(yàn)統(tǒng)計(jì)量分別為32.5700、6.9800和5.5300；對(duì)于中證500，F(xiàn)值分別為8.7400、3.2200和4.5500，均在5%的水平下拒絕了不同分位點(diǎn)下系數(shù)相等的原假設(shè)。這一結(jié)果也驗(yàn)證了本文采用分位數(shù)回歸方法研究量?jī)r(jià)關(guān)系的恰當(dāng)性。通過(guò)對(duì)表4的回歸結(jié)果分析可以看出：

第一，無(wú)論是中證100指數(shù)還是中證500指數(shù)，OLS回歸和分位數(shù)回歸的結(jié)果均顯示upvol系數(shù)在1%的顯著性水平下顯著為正，說(shuō)明上漲階段換手率的增加能夠抬高股票收益率。但在下跌階段，除少數(shù)分位點(diǎn)外，兩個(gè)股票指數(shù)downvol的系數(shù)均顯著為負(fù)，說(shuō)明下跌階段交易量放大會(huì)進(jìn)一步壓低了股票收益率。由于在不同的市場(chǎng)階段，交易量的變動(dòng)會(huì)傳遞出截然相反的市場(chǎng)信息，單純檢驗(yàn)交易量與收益率之間的相關(guān)關(guān)系可能存在較大的謬誤，這也驗(yàn)證了在量?jī)r(jià)模型中加入趨勢(shì)因素的合理性。這一結(jié)果同樣說(shuō)明，一旦短期趨勢(shì)形成，對(duì)于逐漸放量的股票，“追漲殺跌”的短線投資策略在我國(guó)股票投資，尤其是大盤(pán)股投資中具有一定的有效性。

第二，從不同的分位點(diǎn)來(lái)看，大盤(pán)股股票交易量信號(hào)呈現(xiàn)出一致性趨勢(shì)。在短期上漲階段，大盤(pán)股交易量信號(hào)隨著分位點(diǎn)的提高逐漸增強(qiáng)（upvol系數(shù)從0.1984上升到0.3212），說(shuō)明在收益率的高位投資者情緒高漲，上漲放量作用更強(qiáng)。這一結(jié)果說(shuō)明了我國(guó)股票市場(chǎng)的投資者存在的“跟風(fēng)現(xiàn)象”，對(duì)于高收益股票過(guò)分追捧容易導(dǎo)致價(jià)格泡沫的形成。在短期下跌階段，隨著分位點(diǎn)的提高放量信號(hào)總體呈逐漸減弱趨勢(shì)。在收益率的低位，成交量放大對(duì)收益率的抑制作用更強(qiáng)，說(shuō)明了市場(chǎng)對(duì)低收益股票容易產(chǎn)生市場(chǎng)恐慌，較強(qiáng)的投機(jī)傾向延誤了價(jià)格的合理回歸。當(dāng)利用K指標(biāo)無(wú)法確定短期趨勢(shì)的情況下，分位數(shù)回歸的結(jié)果傳遞出更加重要的信息。在收益率的高分位點(diǎn)，系數(shù)為正，放量能夠進(jìn)一步抬升收益率，但在低分位點(diǎn)系數(shù)為負(fù)，反而會(huì)壓低收益率。與此不同的是，小盤(pán)股在不同分位點(diǎn)的放量信號(hào)相對(duì)平穩(wěn)。

（四）交易量信號(hào)存在的差異

股本規(guī)模方面，通過(guò)對(duì)表3中兩類(lèi)樣本回歸系數(shù)的對(duì)比發(fā)現(xiàn)，在短期上漲階段，中證100指數(shù)的放量信號(hào)（大致介于0.2000—0.3200之間）強(qiáng)于中證500指數(shù)（介于0.1000—0.1900之間）。但是在短期下跌階段，中證500指數(shù)的放量信號(hào)（介于-0.5300—-0.9200之間）則明顯強(qiáng)于中證100（介于-0.0200—-0.4600之間），這一結(jié)果顯示了交易量信號(hào)在不同股本規(guī)模的股票中存在的非對(duì)稱(chēng)性。中證100的成分股多為大型工業(yè)企業(yè)和國(guó)有金融機(jī)構(gòu)，是機(jī)構(gòu)投資者重倉(cāng)持有對(duì)象。在市場(chǎng)上升階段，市場(chǎng)對(duì)交易量變動(dòng)容易形成一致性預(yù)期，相對(duì)于小盤(pán)股股票，同樣的交易量變化能夠?qū)κ找媛试斐筛佑行У挠绊?。并且由于大盤(pán)股的經(jīng)營(yíng)穩(wěn)健性高，市場(chǎng)下跌階段的抗跌能力更強(qiáng)。而對(duì)于中證500指數(shù)，成分股為滬深兩市小市值公司的代表，本身波動(dòng)率要大于大盤(pán)股票，在市場(chǎng)的下跌階段，更容易遭受悲觀情緒的影響[15]。

信息透明程度方面，通過(guò)比較不同收益率分位點(diǎn)的交易量信號(hào)波動(dòng)，我們發(fā)現(xiàn)，無(wú)論是中證100指數(shù)還是中證500指數(shù)，信息不透明階段的信號(hào)波動(dòng)都明顯強(qiáng)于信息透明階段的樣本。更為重要的差異體現(xiàn)在上漲放量信號(hào)上，對(duì)于信息透明階段，上漲階段交易量的放大在各收益率分位點(diǎn)均對(duì)收益率有正向作用。但對(duì)于在信息不透明階段，上漲放量在較低分位點(diǎn)（收益率為負(fù)）能夠抬高指數(shù)收益率，但隨著分位點(diǎn)的提高上漲放量信號(hào)逐漸變小直至為負(fù)。這一現(xiàn)象說(shuō)明了，在估值震蕩比較劇烈的階段，投資者尚未充分消化市場(chǎng)信息，因此，對(duì)于交易量變動(dòng)較難形成一致性預(yù)期，由于對(duì)短期趨勢(shì)信心不足，上漲趨勢(shì)中的交易量信號(hào)也呈現(xiàn)出不穩(wěn)定性。

五、小 結(jié)

通過(guò)加入趨勢(shì)虛擬變量對(duì)傳統(tǒng)量?jī)r(jià)模型進(jìn)行擴(kuò)展，結(jié)果顯示了結(jié)合短期漲跌趨勢(shì)在交易量信號(hào)識(shí)別中的必要性。同時(shí)，對(duì)不同股本規(guī)模和信息透明程度的數(shù)據(jù)分析結(jié)果顯示，交易量信號(hào)在不同數(shù)據(jù)樣本之間存在較大差異。結(jié)論對(duì)于投資者正確識(shí)別交易量信號(hào)具有以下啟示：

第一，股票市場(chǎng)中，甄別短期趨勢(shì)對(duì)于正確識(shí)別交易量信號(hào)具有重要作用。本文在依據(jù)K指標(biāo)對(duì)股票短期趨勢(shì)進(jìn)行判斷的基礎(chǔ)上發(fā)現(xiàn)，上漲階段交易量的放大能夠釋放出收益率上揚(yáng)的積極信號(hào)，而下跌階段的放量則會(huì)壓低股票收益。因此，簡(jiǎn)單依賴(lài)交易量的變動(dòng)方向可能混淆真實(shí)的市場(chǎng)信號(hào)，而股票的短期趨勢(shì)為投資者提供了良好的輔助工具。對(duì)于量化交易投資者，追逐上漲放量的股票（尤其是經(jīng)營(yíng)穩(wěn)健的大盤(pán)股股票），往往能夠帶來(lái)更高收益。

第二，交易量信號(hào)的強(qiáng)弱與股票收益率的分位點(diǎn)密切相關(guān)。實(shí)證結(jié)果顯示，我國(guó)股票投資者具有明顯的“跟風(fēng)現(xiàn)象”，在不同收益率的高位，交易量信號(hào)的強(qiáng)弱存在較大的差異。尤其在利用技術(shù)指標(biāo)無(wú)法確定短期漲跌趨勢(shì)時(shí)，交易量的放大會(huì)呈現(xiàn)出相反的效果。在收益率的高位，即便短期趨勢(shì)尚未形成，一旦交易量呈現(xiàn)放大趨勢(shì)，投資者的追捧也會(huì)使股票在短期內(nèi)上揚(yáng)。但在收益率的低位，交易量的放大更有可能顯示了悲觀情緒的蔓延，會(huì)在短期內(nèi)壓低股票收益率。投資者在利用交易量對(duì)收益率波動(dòng)進(jìn)行判斷時(shí)，結(jié)合即時(shí)的收益率數(shù)值能夠得更加準(zhǔn)確的交易量信號(hào)。

第三，對(duì)于不同股本規(guī)模的股票，交易量信號(hào)存在明顯的不對(duì)稱(chēng)性。數(shù)據(jù)顯示，在市場(chǎng)上升階段，股本規(guī)模較大的股票放量信號(hào)更強(qiáng)。相對(duì)于小市值公司，大盤(pán)股經(jīng)營(yíng)信息更加公開(kāi)，投資者對(duì)其預(yù)期更加一致，交易量變動(dòng)更加有效地推動(dòng)股價(jià)波動(dòng)。而小盤(pán)股股票，由于所受市場(chǎng)干擾因素較多，且不同股票之間表現(xiàn)差異較大，交易量變動(dòng)對(duì)整體收益率傳遞的信號(hào)略弱。在市場(chǎng)下跌階段，大市值公司由于其經(jīng)營(yíng)的穩(wěn)健性，抗跌能力強(qiáng)，相比而言，小市值股票由于更容易遭到市場(chǎng)負(fù)面信息的影響，大量拋售引發(fā)的交易量放大會(huì)迅速壓低股票收益。

第四，在信息透明程度異常的階段，交易量信號(hào)同樣會(huì)產(chǎn)生顯著的差異。信息透明程度較高時(shí)，交易量信號(hào)隨收益率分位點(diǎn)的變動(dòng)幅度較小，結(jié)合短期趨勢(shì)能夠?qū)ζ溥M(jìn)行較好的識(shí)別。但信息透明程度較差時(shí)，交易量信號(hào)受收益率分位點(diǎn)的影響較大，并且上漲放量在不同分位點(diǎn)也會(huì)傳遞不同的信號(hào)。這一發(fā)現(xiàn)說(shuō)明，在股票歷史的收益波動(dòng)較大時(shí)，由于市場(chǎng)信心不足，結(jié)合短期趨勢(shì)在判斷交易量信號(hào)時(shí)可能失效，需要在市場(chǎng)信息充分吸收之后才能對(duì)收益率變動(dòng)進(jìn)行良好預(yù)測(cè)。

參考文獻(xiàn)：

[1] Morse， D. Asymmetrical Information in Securities Markets and Trading Volume[J]. Journal of Financial and Quantitative Analysis， 1980，15（5）：1129-1148.

[2] Campbell，J.Y.，Sanford，J.G.，Jiang，W. Trading Volume and Serial Correlation in Stock Returns[J]. The Quarterly Journal of Economics， 1993，108（4）： 905-939.

[3] 趙振全， 薛豐慧. 股票市場(chǎng)交易量與收益率動(dòng)態(tài)影響關(guān)系的計(jì)量檢驗(yàn)： 國(guó)內(nèi)與國(guó)際股票市場(chǎng)比較分析[J]. 世界經(jīng)濟(jì)， 2005，（11）：64-70.

[4] 李夢(mèng)玄，周義. 基于高頻數(shù)據(jù)的中國(guó)股市量?jī)r(jià)關(guān)系研究[J]. 統(tǒng)計(jì)與決策， 2009，（3）：132-133.

[5] 唐齊鳴，張學(xué)功. 基于內(nèi)幕交易下的中國(guó)股市量?jī)r(jià)因果關(guān)系分析[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2005，（6）：95-100.

[6] 鄭方鑣， 吳超鵬， 吳世農(nóng). 股票成交量與收益率序列相關(guān)性研究——來(lái)自中國(guó)股市的實(shí)證證據(jù)[J]. 金融研究， 2007，（3）：140-151.

[7] 李麗.基于ARMA-GARCH 模型的股市量?jī)r(jià)動(dòng)態(tài)關(guān)系研究[J]. 統(tǒng)計(jì)與決策， 2011，（4）：144-146.

[8] 郭梁，周煒星. 基于高頻數(shù)據(jù)的中國(guó)股市量?jī)r(jià)關(guān)系研究[J]. 管理學(xué)報(bào)， 2010，（8）：1242-1247.

[9] 范從來(lái)， 徐科軍. 中國(guó)股票市場(chǎng)收益率與交易量相關(guān)性的實(shí)證分析[J]. 管理世界， 2002，（7）：31-36.

[10] 王杉， 宋逢明.中國(guó)股票市場(chǎng)的簡(jiǎn)單量?jī)r(jià)關(guān)系模型[J]. 管理科學(xué)學(xué)報(bào)， 2006，（4）：65-72.

[11] 甘元霞， 譚碩. 中國(guó)A股市場(chǎng)效率變遷——基于滬深指數(shù)量?jī)r(jià)關(guān)系的研究[J]. 投資研究， 2013，（1）：139-147.

[12] 錢(qián)爭(zhēng)鳴， 郭鵬輝. 上海證券交易市場(chǎng)量?jī)r(jià)關(guān)系的分位回歸分析[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2007，（10）：141-150.

[13] Lang，M.L. Cross-Sectional Determinants of Analysis Ratings of Corporate Disclosures[J]. Journal of Accounting Research， 1993，31（2）：246-271.

[14] Leuz，C.，Verrecchia，R. The Economic Consequences of Increased Disclosure[J]. Journal of Accounting Research， 2000，38（3）：91-124.

[15] 王志強(qiáng)，吳風(fēng)博，黃芬紅.中國(guó)股市波動(dòng)率異象的存在性、持續(xù)性和差異性[J].財(cái)經(jīng)問(wèn)題研究，2014，（9）：45-53.

（責(zé)任編輯：孟 耀）