沪市成交量的时间序列分析

1、沪市成交量的时间序列分析摘要股票价格指数波动改变从一段很长的时间序列来看， 因为行业周期性、 宏观 经济变化以及公司业绩的作用， 表现出一定的规律， 这对股票价格指数进行预测 提供了判断依据。 从短时间来看， 因为会受到一些不确定因素影响， 股票的价格 指数呈现出相对的变化， 这给预测带来了很多麻烦。 股票市场上的两个最为根本 的变量是成交量和收益率， 这是因为收益率股价是有直接关系的。 但定价问题一 直是现代金融最为的核心问题之一。 因此对股票市场的研究基本上都是将收益率 作为核心的，目前与收益率及其波动相互关系的问题相关的研究已经取得了很多 的成果。本文通过对ARCH模型和GARCH模型的

2、研究，建立了增强的 GRAMCH-M 模型，并选用 2003年至2013年之间沪市的上证综合指数的交易数据， 对沪市的股票市场的股票成交量和 ARCH效应之间的关系通过R语言建模，进行 了一系列实证研究，并最终得出股票成交量对减弱股市价格中的 ARCH效应在一 定程度上具有积极的作用的结论。关键词： 沪市；成交量；时间序列AbstractFluctuations in the stock price index from a longer time series , due to changes in the role of macro-economic performance of the

3、company , cyclical industry , presenting certain rules , which predict stock price index provides the basis for the short term, due to uncertainties impact of stock price index showed some volatility , which makes it difficult to predict . Yield and volume are the two most fundamental variables on t

4、he stock market , because the yield is directly related to the share price . And one of the central problems in modern finance is the pricing. Therefore, the study of the stock market in order to yield almost all the core issues on the yield and volatility relationship has been a lot of research. Ba

5、sed on the model through the study of ARCH and GARCH models , established graced GRAMCH-M model , the choice of 2003-2013 transactions on the Shanghai Stock Exchange Shanghai Composite Index on the Shanghai Stock Exchange stock market for ARCH effects and stock deal through the relationship between

6、the amount of R language modeling , empirical research , and come to weaken the stock trading volume in the stock price has a positive effect ARCH effect to some extent .Keywords： Stock Market Of Shanghai ； Trading volume ； The time series目录摘要 1Abstract 1第一章绪论 3一、选题背景 3二、选题的意义 3三、本文研究的主要内容 4第二章文献综述

7、5一、国外股市成交量的时间序列分析的研究现状 5二、国内股市成交量的时间序列分析的研究现状 5第三章理论基础 7一、计量经济学理论 7二、时间序列分析 8第四章模型设定与数据分析 错误！未定义书签。一、模型设定 错误！未定义书签。二、数据分析与实证检验 错误！未定义书签。第五章结论 错误！未定义书签。致谢 9参考文献 10第一章绪论一、选题背景长时间以来，在股票市场中收益率和成交量的关系一直以来都是投资实务界、 金融学术界共同重视的问题。 股票价格的变化在金融市场上， 是对市场的信息流 的反应。当市场处于相对平静的时候，成交量小，交易不活跃，股价的波动的幅 度也相对较小， 但是只要有新的利空、

8、 利好消息传递到市场， 交易立即变得活跃 起来，成交量在短时间内很快的增多。 同时股价波动的幅度也变得特别剧烈， 所 以成交量是促使股价向上涨最原始的动力。 “价走量先行 ”，由此可见，市场价格 的有效变动需要有成交量来配合。 量是价的先行指标， 是测试证券市场风险程度 的温度计。只有真正对成交量对股价波动所产生的影响的内在统计规律性掌握， 才可以事先对股市的涨跌做出相对比较为精准的判断。从以上的分析可以知道， 对成交量对收益率波动幅度的影响进行研究， 对我国投资者的风险管理与风险测 试技术以及投资行为有着十分重要的经济价值和理论与现实指导意义。在股票市场技术分析中，进行分析的几个十分关键的要

9、素是价格、成交量、 时间以及空间。 这几个因素的相互关系和具体情况是进行分析的基础。 理解股市 波动性的关键是对量价关系的认识， 对于深入理解市场价格传导机制起到了十分 重要的作用。 在进行股票交易的过程中， 投资者将量价关系作为对市场未来预测 的十分重要的一个指标。 研究股票市场价量关系能够帮助我们对股市有一个清楚 的认识，完善和发展股票市场从而可以使其能够稳定而健康的向前发展。选题的意义股票价格指数波动变化从较长时间序列来看， 因为行业周期性、 宏观经济变 化、公司业绩的产生的作用， 会表现出一定的规律， 这对预测股票价格指数提供 了一定的分析依据。 从短时间来看， 由于一些不确定因素所产

10、生的影响， 股票价 格指数会体现出一定的变化幅度相对较大， 这在一定程度上导致了预测工作进行 的艰难性。现阶段，指数平滑法、生长曲线、灰色理论等在预测股票价格指数方 面有一些应用， 这些方法可以相对精准的把握股票价格指数长期趋势， 不过这些 方法没有办法同样对对短期波动把握的概率度保持相同的精准度。作为20世纪70年代后理论不断完善和成熟的统计数学分支之一的时间序列分析，不但可以对考察预测变量的过去值和当前值进行考查， 同时还可以对模型同过去值拟合产生 的误差也作为重要因素纳入模型中。 时间序列分析作为一种精确度相对较高的短 期预测方法， 这几年来在各种经济预测过程中都得到了相当广泛的使用，

11、并且得 到了相对较好的结果，但是目前在预测股票指数及价格方面应用还是相对较少。本文利用中国股票市场沪市A股综合指数的月度收盘数据，通过基于 Box-Je nki ns方法的时间序列分析技术，对它们数据序列的时间序列特性进行了验 证了，并建立了增广性的 GARCH-M 模型。三、本文研究的主要内容本文主要是在计量经济学和时间序列分析理论的基础上，用 R 语言对沪市 股市成交量进行建模， 并通过对统计结果进行深入分析， 对沪市成交量时间序列 有一定的了解，为后来人进行这方面的研究提供一定的参考。第二章文献综述一、国外股市成交量的时间序列分析的研究现状国外对量价关系进行相对比较早的实证检验是由Mor

12、gen-stern和Granger在1963年进行的，他们使用 1939 年到 1961 年之间的周数据进行谱分析，在分析 过程中，他们发现在纽约股票交易所与 SEC(美国证券交易委员会)成份指数走势 的总成交量二者之间没有直接的关系。 并且两支个股的数据同样也不存在价量关 系。Chx等在2001年运用9个发达地区和国家股市的大盘数据，用格兰杰因果 检验检测了交易量与股价二者之间的动态关系， 最终得出结果认为股价和交易量 的二者的绝对变动量之间出现成正比了的关系， 有一些市场上是股价变动比交易 量先变动，但是另外一些市场却得出相反的结论。20世纪70年代，英国统计学者Jenkins和美国学者B

13、ox创造出了一整套关于时 间序列分析、控制和预测的方法，被称为Box-Jenkins方法，在各个方面都非常广 泛的应用，有时也称为传统的时间序列建模方法。二、国内股市成交量的时间序列分析的研究现状周少甫和陈千里 12004年在其发表的上海股市波动的周日效应检验中 运用条件波动的GARCH模型来对周日效应进行研究，通过实证得出周末大量信 息的累积也许是股市高波动的最大原因。吴冲锋、吴文锋 22001年在其发表的 基于成交量的股价序列分析 在国内率先由时间维度向成交量维度转换， 将 成交量引入到GARCH(1,1)这一模型中，并运用实证对在该模型中引入成交量的 可行性进行了证明。杨彬32005年在

14、其发表的沪市A股交易量及收益率及波动 性的关系一基于混合分布模型的实证研究中在扩展 GARCH模型的基础之上进 行Gran ger因果检验，得出交易量与股价收益率之间存在双向的 Gran ger因果关系。 郑方镳、吴超鹏、吴世农 42007年在其发表的股市成交量与收益率序列相关 性研究中选取了沪深股市中的 255只股票来对收益率序列与股票成交量之间的 相关性进行研究， 研究结果表明不管使熊市、 牛市甚至是平衡市， 高成交量交易 日的股票收益率在之后的交易日中都会表现出 “反转”，同时如果在信息不对称的 状况下， 这样的 “反转”现象就会变得更加严重。 李丽 52001 年在其发表的 基于 AR

15、MA-GARCH 模型的股市量价动态关系研究中通过构建 ARMA-GARCH 模型 对股价与成交量之间的内在联系进行了深入研究， 并通过实证研究得出二者之间 的动态相关关系是成正比例关系的， 并且是时变的， 同时其相关系数还显示出相 对较强的波动性。刘俊山、张陶伟 62004年在其发表的成交量与股价波动 ARCH 效应的实证研究中通过构建增广 GARCH-M 模型对我国股市成交量和波动性之 间的关系进行了研究， 并且通过实证得出两者存在较强的正相关关系， 但是引入 成交量之后并没有完全将股价波动的 ARCH 效应消除。刘桂荣、孙翊伦 72008 年在其发表的 成交量变动对股票价格波动影响的实证

16、研究 中通过进行实证研 究对成交量与股价之间的关系进行了探讨了，研究结果表明这二者之间存在着Gran ge的因果关系，并且还得出成交量是股市的原动力这一结论。王明照、郭 冰82006年在其发表的沪、深两市收益率与成交量因果关系的实证研究中 对沪深两市的日成交量与日收益率之间的关系进行了实证研究， 得出成交量和收 益率在滞后阶数不断提高的状况下， 成交量对收益率的影响不断加强， 两者对彼 此都会产生影响的结论。王燕辉、王凯涛 92004年在其发表的股市交易量与 收益率的关联分析 中通过研究不同交易量的股票投资组合收益率的变化， 得出 高成交量始终会伴随着高收益率， 低成交量同样也伴随着高收益率，

17、 我国股市具 有特殊的投资者结构是可能原因这一结论。陈恰玲、宋逢明在 2000年对我国股市的成交量和价格变动关系进行了实证性 的研究，最终发现中国股市存在不对称的价格变动与成交量关系。丰珂在 2010 年建立了 GARCH模型，模型中选取了从1990年12月19日到2009年2月19日中间 4454个交易日上证综合指数的成交量和收盘价。 在其研究中首先利用ADF单位根 对数据的平稳性进行了检验， 然后还进行了协整检验。 在研究价格与成交量之间 的因果关系时运用了 Grenger因果检验、方差分解和脉冲响应。最后得出的结论 是价量关系中存在非对称的现象。 价格对成交量的影响相对比较大， 但是成交

18、量 对价格的影响相对较小， 价格成为成交量变动的单方面的原因。 成交量对价格的 拉动作用比价格对成交量的拉动作用要小。 张小勇、 方风华、 饶贵天以及杨晓光 在2010年利用GRACH模型并选择了德国的XETRADAX指数、法国的CAC40指数 等几个国外指数，时间跨度为2001年10月1日到2007年11月28日之间。用AMRA 模型将数据的自相关性取出，并进行了异方差检验，然后进行GRACH模型拟合实证检验并最终得出结果。 非预期交易量序列与除掉方差特性异、 时间趋势以及 自相关性的成交量对股市价格的波动性都存在非常强的解释能力， 但前者对股市 波动的解释能力要后者比差一点。第三章理论基础

19、一、计量经济学理论计量经济学是以一定的经济理论和统计资料为基础， 运用统计学、 数学方法 与电脑技术， 以建立经济计量模型为主要手段， 定量分析研究具有随机性特性的 经济变量关系。 主要内容包括应用经济计量学和理论计量经济学。 理论经济计量 学主要研究怎样改造、 运用以及发展数理统计的方法， 使数理统计成为随机经济 关系测定的特定方法。 应用计量经济学是在一定的经济理论的指导下， 将反映事 实的统计数据作为依据， 用经济计量方法探索实证经济规律或研究经济数学模型 的实用化。计量经济学选择的模型类型是随机模型。 其模型导向是以经济理论为导向建 立模型。模型结构包括变量之间的关系表现为线性或者可以

20、转化为线性， 属于因 果分析模型， 解释变量具有同等地位， 模型具有明确的形式和参数。 计量经济学 的数据类型包括以截面数据或者时间序列数据作为样本， 被解释变量为服从正态 分布的连续随机变量。 采用仅利用样本信息， 采用最大似然法或者最小二乘法估 计变量的估计方法。非经典计量经济学在一般情况下指 20世纪 70年代之后发展 的计量经济学方法、理论以及应用模型，也叫做现代计量经济学。计量经济学包括时间序列数据(Time-series Data)和横截面数据 (Cross-sectional Data)在内的两大研究对象。前者重点在分析同一经济行为者 在不相同的时间内的资料， 从而将研究对象的动

21、态行为展现出来； 后者的主要目 的是归纳不同经济行为者是不是拥有类似的行为相关性， 通过模型参数估计结果 显现相关性。新兴计量经济学研究开始切入同时具有时间序列以及横截面的资料， 换句话 来说就是，每个横截面都在同一时刻具有时间序列的观测值， 这种资料称为追踪 资料(Panel data或称面板资料分析)。追踪资料研究多个不同经济体动态行为之 差异，能够获得相对更加单纯的横截面或使时间序列分析具有更加丰富的实证结 论。自1926年弗里希(Frisch)第一次提出计量经济学这一概念，到现在已经快一 百年。计量经济学研究方法以及理论慢慢不断完善 ,现在已经变成现代经济分析 不能失去的研究手段之一

22、,其统计推理过程与严密的数学分析也被称之为经济学 科学化的标志。但是有一点很奇怪 ,相对于计量经济学模型方法的演变和理论的 进步，对于什么是计量经济学这一问题一直都缺乏一个被所有人都接受的答案。 借用罗宾斯的话来说 , “大家都谈论相同的事情 ,但是却对谈论的是什么存在不统 一的意见 ”。凯恩斯指出计量经济学是 “整脚的魔术 ”，“统计的炼金术 ”，他认为计量经济 学研究方法在现阶段看来还不是一种非常科学的方法。 劳森更指出计量经济学是 “一场蹩脚的戏法 ”,不“管怎样将经济学的圣水拨洒想计量经济学 ,我们都没有因 为这样而距离经济学的天堂更近一点 ”。甚至还有人把计量经济学称为 “经济学的

23、诡计”。科学流变的性质决定了科学标准的多样性以及流变性 ,现代计量经济学的 发展早就已经超越了计量经济学产生最初以逻辑实证主义作为的主导 ,这也就决 定了计量经济学赖以发展的方法论基础的多元性 ,从而也就决定了计量经济学的 学科性质不可能是单一方法论为指导的单一性的学科 ,然而其作用、内涵与功能 也必将具有相应的复杂性以及多面性。 不管是工具主义、 逻辑实证主义、 证伪主 义还是因果结构论都不可以单方面的、 全然的主导计量经济学的发展或者作为计 量经济学的方法论基础。、时间序列分析时间序列分析方法最早是起源于 1927年数学家 Yule 提出的建立自回归模型 （AR模型）来对市场变化的规律进行

24、预测。1931年，另一位数学家在AR模型的启 发下，提出了移动平均模型 （MA 模型），初步奠定了时间序列分析方法的基础。 20世纪60年代后，时间序列分析方法开始迈上一个崭新的台阶， 在工程领域方面 的有什么广泛的应用。 最近这几年来， 随着数字信号处理技术和计算机技术的迅 猛发展，时间序列分析理论和方法慢慢更加趋于完善。时间序列分析， 正是结合客观事物发展的不间断的规律性， 运用以前的历史 数据，进行统计分析， 进一步对未来的发展趋势进行推测。 事物的过去会持续到 未来这个假设前提包括了两中含义 :第一是不会出现突然的跳跃变化，而是以相 对比较小的步伐不断前进； 二是当前与过去的现象也许表明的是将来和现在活动 的未来发展变化趋势。 这就决定了在大部分的情况之下， 时间序列分析法对于短、 近期预测比较明显，但是如果延伸到更远的未来，就会呈现出非常大的局限性， 造成预测值与实际的值偏离相对比较大从而使决策失误。 时间序列中的每个观察 值的大小， 是影响改变的各种不一样的因素在同一时刻发生作用的共同结果。 从 这些影响因素发生作用的方向和大小改变的时间特性来看， 这些因素促使的时间 序列数据的改变主要分为以下四种类型。致谢论文最终定稿， 这其中包含了太多人的心血和汗水， 借此机会， 透过这短短 的