深圳股市波动性与成交量关系的实证分析

使用传统计量经济学的方法研究深圳股市波动性与成交量的关系，结果表明加入成交量的波动性模型增强了对深圳股票市场波动性的解释能力，同时分析深圳股市波动性与成交量的二维动力学系统，结果表明在某子区域内系统是局部不稳定的，并指出对股市波动性建模的传统计量经济学方法，并没有考虑到这种股票市场运行机制本身的不稳定性。     

燃料油期货市场成交量、持仓量与波动性关系

采用GARCH模型、方差分解以及脉冲响应函数等方法研究了我国燃料油期货市场的价格波动与成交量和持仓量之间的关系.通过研究得到以下结论: 成交量对价格波动具有很强的解释作用,可以根据上一期成交量的变动, 预测下一期的价格波动;当期持仓量对价格波动具有很强的吸收作用, 持仓量增大时,期货价格波动将随之减小,但滞后期持仓量的变动对期货价格的波动性不具有解释作用,因此无法根据持仓量的历史数据预测未来的价格波动.同时考虑成交量和持仓量时, 当期成交量表现出很强的解释作用,若当期成交量增大, 则价格波动也将增大,反之则减小;当期持仓量在成交量和持仓量同时增加时对价格波动的影响小于在成交量增加、而持仓量没有增加时对价格波动的影响;而滞后期的成交量和持仓量对价格波动均没有显著影响.价格波动的残差扰动大部分由其自身造成;波动性对持仓量的影响比较明显;而成交量与持仓量之间存在显著的相互影响. 脉冲响应曲线表明,燃料油期货市场符合混合分布假设, 市场深度的价格效应是暂时的.     

中国股市收益率与波动性长记忆性的实证研究

根据 Granger关于序列长记忆性的定义 ,从股市收益率与波动性两个方面分析与研究了香港、上海和深圳股市的长记忆性 .结果表明 :中国股市收益率与波动性具有长记忆性 ,尽管收益率的长记忆性不如美国股市强 ;上海股市的记忆性明显强于深圳股市 ;分数可积模型较指数衰减自相关函数能更好地拟合样本的自相关系数     

上证指数收益率、波动性与成交量动态关系研究——基于日数据的非线性动力学实证分析

对上证指数的收益率、波动性与成交量的动态关系进行了实证分析.采用EGARCH(1,1) M模型和ARMA(4,3) ARCH(1)模型分别测度上证指数收益率的波动性以及成交量的波动性,使用逐步回归法建立了收益率与成交量(R-V),收益率的波动性与成交量(hR-V)以及收益率的波动性与成交量的波动性(hR-hV)等的二维动力学模型,并用动力学方法研究以上诸二维系统的动力学行为.研究结果表明,虽然大量研究结果表明股市收益率时间序列存在混沌现象,但由收益率与成交量、波动性与成交量等构成的二维动力系统并不存在混沌现象.     

股指与股指期货日内互动关系研究

旨在应用高频数据分析股指与股指期货日内互动关系.研究发现标准普尔500指数现货市场与其期货市场收益率之间存在即时互动关系,这与国外已有研究的结果不一致.为了更进一步研究信息在现货市场与期货市场之间流动的方式,文中采用了三种方法度量股指期现市场的波动性,并且检验了两个市场波动率之间的先行-滞后关系.结果发现,股指期货先行时间明显比股指先行时间要长,股指与股指期货对不同类型的信息反映速度是不一致的.     

涨跌停板制度对上海股市日内价格变动和投资者行为的影响

利用上海A股市场的股票高频交易数据，对涨跌幅限制措施所导致的日内效应“磁吸效应”进行了研究。从收益率、交易量、波动性三个方面对磁吸效应的存在进行了检验，发现在上海A股市场，存在显著的磁吸效应，并且磁吸效应并不对称，涨停板导致的磁吸效应要大于跌停板导致的磁吸效应。随着价格在触板前的加速运动，交易量也显著放大，价格波动性也显著增加，反映了投资者为了避免流动性的丧失和连续交易的被干扰，非理性情绪增加而纷纷提前交易，同时也导致了日内价格更剧烈的波动。     

中国期市波动性与收益率、交易量和空盘量的关系

利用构建的计量经济学模型对我国期货市场波动性与收益率、交易量和空盘量之间的内在关系进行了实证研究.结果表明,正收益率和交易量对期货市场的波动具有正向影响;负收益率和空盘量对期货市场的波动具有负向影响;正收益率和负收益率、交易量和空盘量、可预期和不可预期的交易量或空盘量对期货市场波动的影响均具有不对称特征.同时,从经济学角度对我国期货市场的实证结果进行了系统分析.     

中国股市信息流、波动性与交易量关系

基于混合分布假定(MDH),研究了中国股票市场信息流、回报的波动性和交易量之间动态关系。结果表明,基于回报序列与基于交易量序列推断出的信息流过程并不是一致的,反映了我国股票市场的回报波动性与交易量对信息流过程的反应并不是一个协调的过程。鉴于价格波动与交易量之间的关系反映了信息披露、信息传递、市场对信息的评估与消化机制的特性,这种非协调性也可能根源与信息作用机制的非均衡性。     

机构投资者对中国股市波动性影响的实证研究

以中国股票市场上的上证指数与深证成份指数的日收益率为样本，采用GARCH与EGARCH模型，来研究机构投资者对中国股票市场波动性的影响。实证研究的结果发现，在大力发展机构投资者后，股指收益率波动性数值减小。波动的平稳性增强，波动的杠杆效应减弱，这表明机构投资者能够有效地降低股市的波动性。     

基于股市和汇市成交量信息视角的股价波动预测

以往研究忽略了汇市成交量包含的信息对股价波动的影响,可能导致模型参数的有偏估计.基于泊松分布的随机波动率模型不仅可有效解决传统做法对成交量信息使用不足的问题,而且通过将汇市成交量信息引入模型,与现有文献形成有益补充.通过SMC算法编程实现了SV-VOL模型的有效估计,发现股市成交量信息有助于股价波动预测;汇市成交量信息是通过股市流入净资本这一间接渠道最终影响股票收益率与股市量价关系.     

深市停发新股对我国股市信息引导格局的影响

从信息流的角度,研究了深市停发新股前后我国证券市场信息引导格局的变化.实证结果表明,在深市停发新股之前,深市A股收益、收益波动单向引导着沪市的收益和收益波动;但在深市停发新股之后,深市A股的收益对沪市A股收益的引导关系变得不再显著,沪市A股收益和收益波动开始显著地引导着深市A股的收益波动.研究结论表明,2000年10月深市停止发行新股对沪深两市在中国证券市场中的相对地位有着决定性的影响,投资者弃深投沪的趋势已经开始显现.此外,研究还发现,随着中国股市的逐渐规范,交易量里开始含有未来收益与收益波动的有用信息.     

中国股票市场的收益与波动关系

在考察现有的2种收益与波动关系模型(GARCH-M和SV-M)差异的基础上,运用更具理论优势的SV-M模型,研究了实行涨跌幅限制制度前后中国股市收益与波动关系的不同状况,并结合波动反馈效应理论,探讨了中国股市预期收益与波动之问的跨期关系.研究表明:中国股市的收益与同期波动之间存在负相关关系,这一关系在实行涨跌幅限制制度后变得更为显著;中国股市存在波动反馈效应,且预期收益与波动之间的跨期关系为正;涨跌幅限制制度不仅限制了沪深股市的暴涨暴跌现象,而且增加了股指收益率的自相关性和波动的持续性.     

流动性与收益、收益波动的动态关系

研究了我国股市流动性与收益的时间序列的动态关系。通过建立相关模型,发现非流动性与证券收益互为G ranger因果关系,当期收益与当期非流动性呈负相关关系、而与滞后一期非流动性呈正相关关系。进一步把市场日非流动性分解为期望非流动性与预期之外非流动性,发现期望非流动性对于期望收益具有正效用,而预期之外非流动性对于期望收益有负效应,且后者的负效应大于前者的正效应;预期之外非流动性对收益波动有显著影响,而期望非流动性对收益波动影响不显著。     

随机波动模型参数估计的新算法及其在上海股市的实证

研究用马尔科夫链蒙特卡罗(MCMC)算法估计随机波动模型的参数问题.基于“前向滤波,后向抽样”方法提出一种新算法,并将新算法同原有算法进行了比较.然后利用新算法对上海股市进行波动性分析,发现中国涨跌停板制度对波动的持续性估计有着重要的影响,忽视这些因素将会导致波动的持续性被高估.     

媒体关注与成交量:基于百度媒体指数的研究

本文利用百度指数的煤体指数数据,研究了媒体关注度与个股成交量之间的关系,研究发现:媒体关注度高的交易日中,有较高的成交量;通过对日连续竞价成交总量分解和日连续竞价成交量偏差成因分析,进一步发现在媒体关注度高的交易日中,成交量增加主要是由于少数大规模成交产生的;在媒体关注度高的交易日中,会有较高的收益率和异常收益率,并且在新闻量较高且大规模成交占比较高的交易日中,会有非常高的收益率和异常收益率.     

关于上海股市量价因果关系的实证探测

利用Ｇｒａｎｇｅｒ因果关系概念及Ｂａｅｋ－Ｂｒｏｃｋ非参数方法澄清验证了广为人知却一直停留在感性认识的股票量价关系,得出了上海股市中收益对交易量有显著的线性因果关系;而交易量对收益虽不具备线性因果关系,但长期却存在非线性因果关系的结论。     

上海证券交易所回购利率期限结构的风险溢酬

利用1999-01-04~2004-11-08的周样本数据,发现上交所回购市场上,回购利率期限结构具有显著的风险溢酬,利率期限结构的纯预期假设不成立。进一步分析发现,风险溢酬与利率期限结构的斜率明显相关,斜率越大,风险溢酬越大。利率期限结构的斜率还可以预测短期利率的变化。但风险溢酬与短期利率的波动率相关关系较弱,利率波动风险不是风险溢酬的主要决定因素。考虑到利率变化的高持续性,对回归估计量的小样本分布进行模拟分析发现,上述判断仍然成立。     

预测沪深股市市场波动性

研究目的在于:首先,检验和对比三种GARCH模型对于我国上海、深圳股市波动性的预测能力.其次,使用非对称的预测指标以体现对于预测误差高低的不同个体需求.在对于4个对称型的预测常规指标中,TGARCH对于2个市场波动的预测结果都是最佳的,而EGARCH的预测结果也要好于GARCH(1,1).这表明我国上海与深圳市场受坏消息的负面影响大于同等程度好消息的正面影响,而运用单边非对称的GARCH模型将更利于提高波动性预测的准确性.在非对称预测指标方面,研究认为EGARCH模型对于那些更愿意低估市场波动性的投资者而言较为有利,而GARCH(1,1)模型则相应满足了希望高估市场波动性的投资者的需求.这也表明投资者应根据自己的需要来选择相应的波动性预测模型.