[DOI]10.13939/ki.zgsc.2016.05.103
随着社会进步，股票已深入人们的生活当中，只有正确地对待股票与统计学之间的联系，这样能更全面利用统计学知识掌握股票交易市场的变动规律，从而促进个人与团体的利益一致性。
在平时常见的文章中我们能经常碰到的是统计学的取样数据分析、回归分析、标准差等在股票技术分析、投资收益、风险预测中的常见实际运用，在其实际运用中股票价格统计数据也是统计学里的一个，统计学在实际运用中有着广泛的作用，本篇文章是从股票中最基本的股票价格统计数据开始，侧重以统计学在股票价格统计数据整理运算过程中的实际运用进行分析、谈论。
1 统计学在股票中的定义
统计学通过收集相关的资料，剖析资料和数据得到的结果的一组概论，准则与办法。统计分析数据有描写和推测统计两种方法。
（1）看大盘：汇集股票的相关材料，即调查统计。从头到尾，即全方位的去调查；有重点的看，即重点的调查；随机的查看，即采样调查；查找各种各样的有象征性的个人股票，也是典型的调查。
（2）股票板块：以某一标志将股票进行分类，也就是分组统计。例如钢铁板块等。
（3）阴阳烛：交易成功量与交易成功价格的高低决定其趋势，即是频数分布。
（4）牛市：股价呈飙升趋势，即是正J型分布。
（5）熊市：股票呈下跌趋势，即反J型分布。
（6）摸高，回落：股票飙升，至某一点时受到阻力后呈下跌趋势，即是偏态分布。
（7）探底，反弹：股票价格下跌，到某一地方撑持后上升，也就U型的分布。
（8）股票指数：加权平均数的运算，是质量指标指数。股票的价格是质量指标，成交的数量或发行量是数量指标。
（9）黑股：存在感过低，易失诸交臂。
（10）均线：股价算术的平均数。一般为加权平均。
（11）震荡空间：股票价格的波动曲线的均值偏差，也就是标准偏差。
2 股票的价格统计数据
2.1 股票的价格均值
股票价格的均数是反馈不同股票价格上下浮动的基准。股票价格均数是由证券交易场所、金融类服务公司、银行或新闻媒体整理而成的。为了能时刻了解各种股票而联合形成的行情市场整体的价格水平和完整市场总和的变化方向。
2.2 简易的算术股票价钱均值
1981年6月，查尔斯・亨利・道在《客户午后通讯》首次了一组之后被称作“道・琼斯工业股的股票价格平均数值”，也是全球上最早股票价格平均数值。
2.3 加权指数
加权指数是依据各种样本股票的销售数量或者是交易成交的数量依照权术来进行加权指数运算的股票交易价格的均值。因此销售的数量是权数的加权均值的股票交易价格，即是抽样股票的市场价值总和除以抽样股票的销售数量；以成交数量作为权数的加权均值股票价格，就相当于是抽样股票的全部金额除以抽样股票的成交数量。
2.4 修正股票交易价格的均值
修正股票交易价格均值是通过简便的数字运算的基本上，如果有分割股票、增加投资、发行新股的时候，经过改动除数，让股票的交易价格的均值没有任何影响。做法是以新的股票交易价格的全部金额除以旧的股票交易价格的平均数值，因此得出新的除数，然后再以运算期的股票交易价格总金额去除以新的除数，就可以得出修正的股票交易价格的平均数值。
2.5 股票价格的波动情形
股票的价格指标是本期股票的交易价格和某个前期之间相对比的相对数变化，是因为证券交易的场所或者是金融中介机构经过对股票交易场所里有一些具有象征性的企业所发出的股票交易价格，进行平均运算和发展变化情况相比后整理出一个可以提供了解股票出价、发价或者是价格的指示数字。整理过程包括五个方面：①挑选一些具有象征性的股票，当作整理过程中指示数字的样品股票。②按照规定的时间去股票交易场所上去收集样品股票的交易价格，俗称采样。③选择一个基础期，基础期的股价交易价格水准是100或者是1000。④要运用科学的方法以及高科技的手段运算出股票的指数数值。⑤要对外公布。
3 股票交易价格的运算
3.1 算术平均数
简易的算术平均数是在运算出抽样股票单个价格指数的基本上，加上总和算出平均值的一种运算方式。现在运用这个方法计算的有算术平均股价指数、英国的《金融时报》精算股价指数等。
3.2 综合平均法
综合平均法是各自把前期和本期的股票交易价格实行求和，之后把本期的股票交易价格和前期的股票交易价格的总金额相对比，从而得出股票交易价格指标的一个运算方式。现在运用这个办法的有美国的纽约证券所整理的股票交易价格指标，等等。
3.3 几何平均法
几何平均法是各自把本期和前期的股票交易价格互相乘后开方，之后再用本期和前期的相比较从而得出指标的一个运算方法。
4 综合加权法
（1）以样品股票前期的成交量或者是销售量为权数。现在应用这个方法运算有上海综合股票交易价格指数等。
（2）以样品股票本期的成交量为权数。现在应用这个方法运算的有我国沪深300指数等。
（3）以样品本期销售量为权数。现在应用这个方法运算的有标准普尔股票交易价格指数、深圳综合指数等。
（4）加权几何平均法。在股票交易价格指标的运算当中，大家为了能够知道交易在本期与前期中区别，提议出了加权几何平均法。现在使用这个方法运算的仅有英国伦敦《金融日报》工业普通的股票指数和美国价值线工业指数。
5 结 论
成功创立一种模型可以取得金融领域的顶尖荣誉，表现出了金融与数学的统计是有着不可分割联系。统计学和其他有关的学术在证券交易场所起着非常重要的作用，人们在以前运用简易的计算和算术方式已然无法去满足逐渐困难的金融领域的进展。近这几年，许多学院也都创立了金融系和管理系；北方工业学院的统计学学科创立了许多证券期货的模拟工作间；设立有关学科的就特别多了。
参考文献：
[1]薛佳佳.股票价格指数的统计编制方法及改进思路[J].商场现代化，2012（3）：117-118.
[2]李洪英.BP神经网络在股市预测模型中的应用――以上证股票价格收盘指数为例[J].中国证券期货，2012（2）：36.
[3]王立民，薛雅嘉，朱晓慧.世界股票市场统一指数设计与应用研究――对亚、美、欧三地区股票价格指数为样本的分析[J].北京科技大学学报：社会科学版，2012（1）：103-111.
中图分类号：F830.9文献标识码：A 文章编号：1006-1770(2008)01-052-04
一、交易量可以预测股价未来走势吗？
在技术分析中，对交易量的分析也一直是非常重要的一个部分，几乎所有的技术分析理论都会考虑交易量的作用。但交易量是否包含股价未来变动信息，以及交易量包含未来股价怎样的波动信息却并没有一种理论能给出很正式的分析。本文写作的出发点是要考察交易量对未来股价变动的预测力，更准确的说，笔者对交易量对股价未来走势的预测力感兴趣。然而，与目前大多数探讨交易量与股票收益率关系的研究不同的是，本文通过构造投资组合的方式来考察投资于高交易量股票组合的策略能否产生超额收益。
在最近的对美国资本市场的研究中，有关高交易量回报溢酬的现象得到验证，即经历非正常高（低）交易量的股票在接下来的时期内趋向于上涨（下跌）。这说明交易量中含有股价未来的变动信息，并且交易量的变动与股价的变动正相关。
由于我国的资本市场与美国有很大差异，因此本文希望检验这种高交易量回报溢酬现象在中国资本市场上是否存在。结果发现，那些交易量在一天内非正常的大（小）的个股在接下来的时期内并不会经历高收益（低收益），而在相对长的时期内还会产生更低（更高）的收益。换句话说，高交易量回报溢酬现象在中国股票市场上并不存在，长期来看甚至会出现高交易量回报损失或低交易量回报溢酬现象。根据这一结果，传统的将交易量作为股票技术分析的一项重要指标的做法将没有意义。
二、相关研究：国外广泛深入，国内相对贫乏
对交易量与股票的价格以及股票收益率的研究已经有很长的历史，Epps (1975)提出行情看涨的市场会伴随着大的交易量。这一华尔街格言被Smirlock和Starks（1985）以及Harris(1986,1987)的实证结果证实。Campell et al（1993）提出如果交易动机是为了对冲风险且交易行为伴随着高交易量，则极短期的股票回报，无论正负，均趋向于在随后发生反方向变动。这个结论被Conrad et al(1994)的实证结果所证实。此外，Conrad et al（1994）发现交易量能加强股价的负的自相关性，而Cooper(1999)发现交易量不仅可以减小这种负的自相关性，甚至可能在一些情况下使之产生正相关。Wang(1994) 提出当交易动机是由私有信息驱动并伴随着高交易量时，短期的回报趋向于在随后保持同向的变化。Cooper(1999)的实证分析证实了这一论断。Lee和Swaminathan（1999）通过采用Jegadeesh和Titman的惯性策略（momentum strategies）对高交易量股票的更具获利性表明了这一影响在中期（三个月）内也是有效的。
将交易量作为未来股价的预测工具最早被Ying（1966）研究过，他的结论表明：纽约股票交易所天交易量的的上升趋于随后出现标准普尔成分指数价格的上涨。Easley, O’Hara和Srinivas (1998) 研究发现在期权市场上，交易量对股票市场的未来回报具有预测力，但只有买入看涨期权和卖出看跌期权的交易量能预测股票市场的价格上涨，而卖出看涨期权和买入看跌期权的交易量能预测股票市场的价格下跌。Brennan,Chordia和Subrahmanyam(1998)以及Lee和Swaminathan(1999)的针对股票长期交易活动的研究表明，那些经历大交易量股票往往在随后会伴随更小的收益率。他们的研究指出，交易最活跃的股票比起那些交易正常的股票会产生更小的收益。
Simon Gervais,Ron Kaniel和Dan h.Mingelgrin(2001)对在纽约证券交易所上市的股票进行了研究，研究区间为1963年8月至1996年4月的日资料与周资料。结果表明了高交易量回报溢酬现象的存在。他们的研究方法是把研究区间分为161个没有重叠的区间，每个区间相隔一天，每一区间有50天，其中包含前49天的观察期与最后一天的形成期，然后用零投资组合与参考报酬率投资组合两种组合去检验由形成期所区分出的高交易量和低成交量股票的1、5、10、20、50和100天后的收益率。研究结果发现：高成交量股票在未来跟随较高的收益，低成交量股票在未来跟随较低的收益，即成交量能预测下期股价变动的方向。其根据周资料的研究结果发现此效应在长期内仍然存在。他们还检验了一些潜在的解释，如收益率自相关、公司公告与股利影响、系统风险的变化（β）、流动性、其他风险等等，结果发现这些潜在的假设都不足以解释高交易量回报溢酬现象。他们转而采用了可视性假设来解释，即市场的交易行为增加了股票的可视性，吸引了更多的投资者和分析师，从而降低了股票的风险，使之价值上升。这种解释的根据包括：Miller（1997）和Mayshar（1983）的研究表明某一股票的持有者平均而言是对其前景最为乐观的。这一结论在卖空受到限制而难以持有负头寸的情况下显得更正确。此外，根据二人的研究，任何能吸引投资者对某一股票注意的冲击都会导致随后股价的上升，因为潜在的买者变得更多，而潜在的卖者被限制于当前的股票持有者。类似地，Arbel和Strebel（1982），Arbel（1985）和Merton（1987）的研究表明:对某一股票更多的分析师和交易者的加入会增加其价值，因为这可以减少交易者面临的估计风险并便于风险在他们中的分散。Simon Gervais,Ron Kaniel和Dan h.Mingelgrin的研究证实了交易量中含有未来股价变动的信息：交易量对未来股价具有预测力。但由于交易成本的关系，按交易量大小进行投资并不能产生经济利益。
国内对交易量的研究主要集中在交易量与股票收益波动性的关系上，在关于交易量对股票走势预测力的研究方面，王燕辉、王凯涛（2005）对深圳成分股中40只股票的研究表明，高交易量回报溢酬效应在短期内是存在的，而在长期内则会出现反转，即高交易量的股票长期（10－30天）来看会产生更低的收益，而低交易量的股票长期却会产生比较高的收益，他们认为这可能是由于散户与大户的博弈所导致。
三、方法论
（一）数据
本文选取的股票样本是沪市的80只股票，区间从2006年6月1日到2007年6月1日的日交易数据，所选80只股票均为在2006年6月1日前已经上市的公司，本文所采用的数据是CSMAR数据。共有没有重叠的60个观察区间，每个观测区间包含20个交易日，其中前19天为观测期，第20天为形成期，其后的1天，5天，10天，20天和40天为检验期，参见图表一。
股票按如下规则被划分为高交易量和低交易量：
（1） 如果在第20天（形成期）的股票交易量为这20天内最大则定义为高交易量股票，反之，如果是最小的则定义为低交易量股票。
（2） 如果观测期间不足19天则按实际的天数进行比较。
（3） 如果在形成期当天股票有停牌，则股票既不归入高交易量股票也不归入低交易量股票。
（二）变量的定义
1．报酬率的计算
本文所使用的报酬率为股票对数日报酬率，是根据调整后的股票开盘和收盘价再取对数计算而得，公式为：
Rit＝lnPit－lnPit-1
其中Rit表示股票i第t天的收益率，Pit表示股票i在t天股票的收盘价，Pit-1表示股票i在t－1天股票的收盘价。本文所用5天、10天、20天和40天收益率为形成期后5天、10天、20天和40天对数收益率之和。
2．投资组合的构建
本文采用的投资组合为零投资组合，即每个期间投资所有高交易量股票1元，每一股票投资金额相等。例如，如果这一期间有n只高交易量股票，则每只股票投资1/n元，同时卖空低交易量股票1元，也是相等金额。高交易量股票组的收益率为Rhi,低交易量股票组合收益率为Rli，这一期间股票组合收益率为：
NRi＝Rhi＋Rli，
所有投资期间的平均回报率为:
NR＝∑NRi/60,
所有投资期间的高交易量股票组的平均回报为：
Rh＝∑Rhi/60，
所有投资期间的低交易量股票组的平均回报为：
Rl＝∑Rli/60，
对于本文所要检验的高交易量回报溢酬现象，即高交易量股票在未来伴随较高的收益，低成交量股票在未来伴随较低的收益，如果该现象存在，则零投资组合可以产生显著的正收益，另外，如果对高交易量股票组合和低交易量股票组合构造的零投资组合不能产生正收益率，但高交易量组合或低交易量组合与指数构造的零投资组合能产生正（负）收益，则也可证明高交易量回报溢酬的存在。
3．交易量
本文所采用的交易量为每日交易股数。
四、实证结果表明：交易量对股价未来走势不具有预测力
图表二所示为每个交易期间的高交易量股票和低交易量股票个数的描述性统计结果。从中可以看出60个交易期间内的高交易量和低交易量股票个数分布并不均匀，标准差相对比较大。有意思的是，高交易量和低交易量股票个数的相关系数为负，这反映出股票间交易量的波动具有相关性，这可能是由于市场因素对交易量产生的影响。
图表三和图表四所示为60个交易期间内高交易量股票组和低交易量股票组1天（5天、10天、20天、40天略）的投资收益率的描述性统计结果。从以上两图中可以看出，高交易量组与低交易量组形成后一天的收益率基本集中在零附近，特别是低收益率组的收益率。
图表五的结果表明，高交易量组的股票累积收益率在5天内是正，而在10到40天则为负值。低交易量组的累积收益率在5天内也为正值，10天、20天为负，而40天又为正值。高交易量股票组与低交易量股票组所形成的零投资组合在1天和5天内的累积收益率均为正值并有逐渐上升的趋势，但t统计量并不明显，而10天、20天和40天的累积收益率均为负值，而且10天的累积收益率的t统计量相当显著，将其转化成年收益率有将近3.5％。这说明高交易量回报溢酬并不存在，而且在相对较长的时期内还有可能产生损失。
为了检验上述结果的可靠性，我们分别将高交易量组合与指数构造零投资组合及将低交易量组合与指数构造零投资组合（买入高交易量组合卖出指数组合以及买入低交易量组合卖出指数组合），并进一步检验高交易量回报溢酬的存在性，结果如图表六和图表七所示：
从图表六的结果可以看出，组合1天、5天累积收益率均为正值并有逐渐上升的趋势，但t统计量并不明显。与此相反，10天、20天和40天的累积收益率均为负值，而且10天的累积收益率的t统计量也变得不显著，这一结果与图表五所显示的结果基本一致，只是在10天的收益率上也不显著。另外还有一个有趣的现象，指数组合的累积收益率在所有的1到40天的期间内都为负值，而且有上升的趋势，这说明对股票市场的投资可能不仅没有收益，而且可能产生损失。
图表七的结果则与前面有所不同，从收益率的值来看，低交易量的股票除了10天的累积收益率为负外，其他都为正。但除了与指数的零投资组合40天的累积收益率显示有显著的正收益外，其余均不显著。而40天的累积收益率转化成年收益率可达10.5%，这说明低交易量的股票长期来看可以产生超额的异常正收益。这也再次表明高交易量回报溢酬在中国资本市场上不仅不存在，相反会出现低交易量回报溢酬现象。
五、交易量作为技术分析指标的失效源于我国资本市场的不完善
对于以上出现的结果，基本可以认为高交易量回报溢酬现象在我国并不存在，高交易量的股票在随后并不会出现较高的收益，低成交量股票在未来也不会出现较低的收益。相反，高交易量的股票还可能出现较低的收益，低交易量的股票可能会出现较高的收益（并不显著），这说明交易量并不包含股价未来变动的信息。
一、文献综述
根据芝加哥大学著名教授fama所总结的“有效市场假说”，若市场是有效的，当前股票的成交量对股票未来收益率是没有预测作用的。因此，在以有效市场假说为理论基石的capm等传统资产定价模型中，成交量是不被考虑的因素。但是在投资管理的实务领域，以股票的成交量作为研判未来股票价格变化的依据，则是证券分析中的一个重要工具。
然而，成交量究竟表示什么?为何其可用于预测未来股价的变化?高成交量交易日的股票收益在随后交易日中将表现出“惯性”还是“反转”?近年来，学界对这些问题争论颇多，并逐渐形成两种理论假说来解释实证结果，即campbell，grossman和wang (1993)提出的“资产配置假说”，以及morse(1980)提出的“信息不对称假说”，而llorente，michaely，saar和wang(2002)则试图将上述两种看似矛盾的理论假说统一起来形成“资产配置与信息不对称统一假说”。
(一)资产配置假说
campbell等(1993)的实证研究发现，高成交量交易日的股票收益率更易在随后交易日中表现出反转。他们提出了基于投资者资产配置的理论模型对此进行解释：非股票资产风险收益关系的变化导致投资者进行资产比例的重新配置(hedging trades)驱动成交量的变动，例如股票以外的其他资产的收益下跌，使得投资者增加股票投资的比重，从而导致成交量放大，可见成交量变化仅仅表示“其他资产收益相对于股票收益的变化”，而且由于这种成交量的变化并不表明股票的基本价值发生变化，因此成交量的变化是暂时的，未来股票收益将会“反转”，即：股票以外其他资产收益下降导致投资者大量买入股票，从而成交量增加、同时股价上升，但一旦资产配置结束，股价将会下跌，回复到基本价值。
conrad等(1994)采用周收益率数据，基于股票成交量构造投资组合，研究交易策略的盈利性，实证结果支持了campbell等(1993)的假说：本周成交量较高的股票，在下一周股价出现了反转；相反，本周成交量较低的股票，在下一周股价则保持惯性。
(二)信息不对称假说
morse(1980)认为，股票交易的发生是由于拥有内幕信息的投资者与不知情的投资者之间对股票价值的不同判断所致，因此信息不对称程度越高，股票交易越活跃，股票成交量也越大。可见，成交量高低就表示“未公开信息的多寡”，未公开信息越多，则随着信息的公开，未来股票收益将呈现于“惯性”，即原先股价上涨的股票未来继续上涨、原先股价下跌的股票未来继续下跌。其实证结果显示，股票成交量与后一交易日股票超常收益率的绝对值显著正相关。
stickel和verrecchia(1994)发现，若股票在季度盈余公告日的成交量较小，则后一交易日的股价往往发生反转，反之，若季度盈余公告日的成交量较大，则后一交易日的股价倾向于保持惯性。他们认为，这是因为成交量越大，股票交易由内幕信息拥有者驱动的可能性越大，故股价越倾向于保持惯性。
(三)资产配置与信息不对称统一假说
值得指出的是，以上两种理论假说得出了截然相反的结论。资产配置假说认为：若当期成交量大，则下期股价将出现反转；而信息不对称假说则表明：若当期成交量大，则下期股价将保持惯性。llorente等(2002)试图将这两种假说统一起来，在他们的模型中，存在着股票资产和非股票资产，同时也存在信息优势和信息劣势两类投资者。股票交易受两种因素驱动：一是由于非股票资产风险收益关系的变化导致投资者重新配置资产比例；二是有信息优势的投资者基于未公开信息所进行的股票交易。如果股票交易由第一种驱动因素所主导，则随后的收益率倾向于反转；如果股票交易由第二种驱动因素所主导，则随后的收益率倾向于惯性。因此，成交量对股票收益率序列相关性的影响如何，在很大程度上取决于股票交易者的信息不对称程度。由此，llorente等(2002)进而将股票平均市值大小和平均买卖价差作为投资者信息不对称程度的衡量指标进行实证研究，结果支持了他们的理论预测，即：对于信息不对称程度较高的小市值或高买卖价差的股票，高成交量交易日之后的股票收益率倾向于持续，而对于信息不对称程度较低的大市值或低买卖价差的股票，高成交量交易日之后的股票收益率倾向于反转。
近年来，股票成交量与收益率之间关系的研究日益受到国内学者的关注。迄今为止，国内学者的研究可以分为以下三个方向：一是将成交量作为信息流的替代指标，研究成交量对价格波动的影响(王承炜、吴冲锋，2001；潘越、吴世农，2004)；二是将成交量作为推进股价进程的标度，就其意义进行理论与实证探讨(吴文锋等，2002；吴文锋、吴冲锋，2003)；三是对成交量与股价变化之间的关系进行实证研究。陈怡玲、宋逢明(2000)发现中国股市的股票日成交量与当日价格变化之间存在正相关关系。盛建平、高芳敏 (2000)发现深交所成份股的股票回报率与当月成交量、前月成交量之间都存在正相关关系。王杉、宋逢明(2006)建立了中国股市的简单量价关系模型，并且发现中国股市中交易量与价格变化正相关，而单位交易量引起的价格变化与股票的流通市值负相关。徐信忠、郑纯毅(2006)发现，换手率与中国股市的动量效应有着直接关系，在期限较短的情况下(1到3个月)，高换手率的股票动量组合收益高于低换手率的股票动量组合收益，但随着期限的延长，会出现反转现象。
可见，目前国内的多数研究尚未涉及成交量与股票收益率序列相关性的关系这一研究领域，其中徐信忠、郑纯毅(2006)的研究中对成交量与收益惯性的关系进行了检验，但由于研究目的和侧重点的不同，他们的研究着重分析换手率对1个月以上的股票动量效应的影响，而不是专门探讨成交量与股票收益率序列相关性的关系及成因。由此可见，成交量高低是否可以用于预测未来股价的变化?高成交量交易日的股票收益在随后交易日中将表现出“惯性”还是“反转”?其背后的原因是什么?这些问题对于中国股市，都还是未知数。本文以1996—2003年间在沪、深证交所上市的255家公司为样本，采用时间序列分析和横截面分析两种方法，针对上述问题进行实证研究，并结合中国国情，从中国投资者投机交易行为角度，提出新的理论假说来解释中国的特殊现象。
二、研究设计
(一)样本与数据
本文的研究期间为1996年1月1日至2003年12月31日，共8年，包含1932个交易日。选择该研究期间的原因是：(1)中国股市在这8年间经历了典型的牛市、熊市和平衡市，故研究期间具有代表性；(2)自1996年起，上市公司已初具规模，股市也结束了设立初期的大幅波动阶段，步入正轨，故取1996年作为研究期间的起点。为了考虑不同市场环境对本文研究结论的影响，本文还区分牛市、熊市和平衡市三个期间进行分阶段研究，其中，1997年7月1日至1999年5月18日为平衡市，1999年5月19日至2001年 6月13日为牛市，2001年6月14日至2003年12月31日为熊市。本文的研究样本取自 1996年1月1日之前在沪、深证交所上市的公司，并删除研究期间曾经增发、被“pt”处理及被中止上市的股票，最后得到255只样本股票。研究所需数据均来自wind数据库。
(二)研究程序与模型构建
本文的研究包括两个步骤：(1)时间序列分析，即对个股成交量与收益率序列相关性的关系进行回归分析，以发现高成交量交易日的股票收益在随后交易日中将表现出“惯性”或“反转”，并得出个股成交量对收益率序列相关性的影响系数。(2)横截面分析，以第一步得出的影响系数为因变量，以公司规模和股价的波动性作为公司信息不对称程度的指标，并作为自变量，进行回归分析，以检验llorente等(2002)所提出的“资产配置和信息不对称统一假说”：即信息不对称程度较强的公司，高成交量交易日的股票收益率在随后交易日中是否表现出“惯性”特征，反之信息不对称程度较弱的公司，高成交量交易日的股票收益率在随后交易日中是否表现出“反转”特征。
1.时间序列分析
(1)成交量的衡量
本文借鉴llorente等(2002)的方法，以经长期时间趋势调整之后的股票换手率来衡量成交量vt，计算公式为式(1)：
其中，turnovert表示第t个交易日的股票换手率，定义为当日交易的股数除以总流通股数。
(2)成交量与收益率序列相关性的关系模型
campbell等(1993)发现，股票日收益率的序列相关性主要存在于一阶关系上，二阶以上序列相关性不显著，因此，本文主要研究股票成交量与收益率一阶序列相关性的关系，即成交量对下一期收益率的预测作用，模型如下式(2)所示：
其中，rit表示股票i在第t个交易日的收益率；vit表示股票i在第t个交易日的成交量；γi是股票i的成交量与收益率交乘项的系数，表示个股成交量对收益率序列相关性的影响系数，若γi符号为正，则股票成交量的放大倾向于使得股票的收益率表现出惯性，反之则反，而γi大小则表示成交量对股票收益率时间序列特征的影响程度。
2.横截面分析
为研究信息不对称程度在成交量对收益率序列相关性预测中所起的作用，采用模型形式如下：
模型3中，ai是股票i信息不对称程度的变量。借鉴lo和mackinlay(1990)、 llorente等(2002)的研究，本文首先以公司规模股票的信息不对称程度，公司规模越大，代表信息不对称程度越低。公司规模有以下两种衡量方式：(1)股票在1996年1月1日到2003年12月31日期间平均流通市值的自然对数，即ln(流通市值)；(2)将样本股票按平均流通市值由小到大进行排序，以排序序号除以样本股票总数，即order(流通市值)来表示公司规模。为了检验结论的稳健性，本文进而借鉴lang和lundholm(1993)、 leuz和verrecchia(2000)的研究，以股价的波动性作为信息不对称的变量，股价的波动性越低，代表信息不对称程度越低。股价波动性同样采用两种衡量方式：(1)股票在 1996年1月1日到2003年12月31日期间日收益率的标准差sd；(2)将样本股票按sd由小到大进行排序，以排序序号除以样本股票总数，即order(sd)来表示股价波动性。
根据llorente等(2002)的理论模型，大市值或低波动性的股票信息不对称程度较低，股票交易主要由资产配置交易主导，叩较小；小市值或高波动性的股票信息不对称程度较高，股票交易由信息优势者的投机交易主导，γ较大。因此在模型3中，若以公司规模信息不对称，b应该显著地小于零；若以股价波动性信息不对称，b应该显著地大于零。但是中国股市不论从投资者的构成还是市场监管体系的完善程度来看都与美国股市等成熟市场有较大差异，所以实证结果未必与成熟股市相同。因此本文对此不作预设性的结论，而是立足于实证检验，并基于国情，对实证结果进行深入剖析。金融,证券,股票-[飞诺网feno.cn]
三、实证结果与分析
(一)描述性统计
描述性统计数据如表1所示。表1将样本股票按全部样本(255只)以及小、中、大流通市值样本(每组85只)分别进行统计。对于每一只样本股票，平均流通市值是指该股票在1996—2003年间每日流通市值的平均值。从表1的第3列数据可看出，样本公司的平均流通市值差异较大，最大与最小之差为近170倍。表1的第5列数据显示，样本股票的平均日换手率达1.86%，相当于1年换手4.5次，远大于美国股市0.321%的股票平均日换手率。这从一个侧面说明了我国股市的投机氛围远高于成熟股市。同时，小流通市值样本股票的平均日换手率最高，为2.24%，而大流通市值股票的平均日换手率最低，为 1.50%，这与美国股市的情况截然相反。美国股市大市值股票的换手率高于小市值股票，蓝筹股具有更好的流动性。表1的第6列数据显示，样本股票中，小流通市值股票的平均股价高于大流通市值股票的平均股价，这一点也与美国股市的数据相反。根据 llorente等(2002)的统计，美国股市大市值股票的平均股价约为小市值股票的4倍。
从以上描述性统计结果可以看出，我国股市不同流通市值股票的价格和成交量特征与以美国股市为代表的成熟股市具有明显差别，主要反映为整体换手率偏高，小流通市值股票的交易特别活跃等，均表现出明显的投机性特征。
(二)实证结果与分析
1.时间序列分析
本文借鉴llorente等(2002)的研究方法，对每一只样本股票，采用式(2)的ols回归模型，以整个研究期以及进一步区分牛市、熊市和平衡市作为研究期间，对α、β和γ进行参数估计。对于小、中、大流通市值的三类子样本，分别计算各类样本所包含股票的α、β和γ三个参数的平均值，并统计每类样本中γ<0以及γ显著为负的公司数目，三类子样本股票的时间序列回归结果列示表2中。
从表2可知：(1)据前述分析，γ代表股票的成交量与收益率序列相关性的关系，即股票成交量对未来收益率与当前收益率之间的序列相关性是正向还是反向影响，其影响程度有多大。从表中可见，在所有四种研究期间，对于三个子样本集合，γ的平均值都是负数，γ<0的样本数量也都占大多数，并且在整个研究期内，γ显著为负的样本数分别为 33、32和24家，说明高成交量所伴随的价格变化在下一周期较倾向于反转，这一实证结果在一定程度上支持了“资产配置假说”；(2)对于整个研究期和牛市、熊市期间，随着股票流通市值的增大，γ的平均值总体呈上升趋势，同时，γ为负及显著为负的样本数量也随着子样本集合平均流通市值的增大而减少。这说明：牛市和熊市中，在高成交量交易日之后，小市值公司的股票收益比大市值公司更易“反转”；(3)在整个研究期以及牛市期间，三个子样本集合的平均。估计值都大于0，这与研究期间股市整体呈上升趋势相一致；而在熊市期间，平均。估计值则小于0，这也与相应期间股市整体下跌相一致。对于上述三种研究期间，三个子样本集合的平均p估计值也都大于0，说明控制成交量的因素，股票日收益率总体上仍有延续前一交易日收益率的惯性趋势。但是对于平衡市，则不存在上述关系。
2.横截面回归分析
为研究叩与信息不对称程度的关系，以整个研究期以及进一步区分牛市、熊市和平衡市作为研究期间，依据公式(3)进行横截面ols回归分析，结果见表3。其中信息不对称程度采用公司规模和股价波动性两种变量。
表3—a的回归结果显示，对于整体研究期间，不论自变量采用ln(流通市值)还是 order(流通市值)，参数b的估计值都显著地大于0，说明股票的规模特性影响着股票的日成交量与日收益率序列相关性之间的关系：股票的流通市值越大，反映股票成交量与收益率序列相关性关系的系数。y也越大。由此可见，在高成交量的交易日之后，信息不对称程度较高的小市值股票，其收益率比大市值股票更易反转。进一步区分市场环境的回归结果显示，在牛市和熊市期间，参数b的估计值不仅显著大于0，而且比整体研究期间的参数b估计值更大，但在平衡市期间，参数b不显著异于零。
为检验这一结果的稳健性，我们还采用“股票日收益率的标准差”sd和“收益率标准差排序号／样本股票总数”order(sd)这两个股价波动性变量来度量信息不对称程度，根据表3—b的回归结果，我们同样发现对于整体研究期间以及牛市和熊市期间，参数b的估计值都显著地小于0，即在高成交量的交易日之后，高波动性股票(信息不对称程度较高)的收益率与低波动性股票相比，更倾向于表现出反转。同样地，在平衡市期间，参数b不显著。
显然，本文的实证结果与llorente等(2002)对美国股市的研究结论不同。llorente等 (2002)的实证研究发现，参数7随着公司规模的增大而减小，即：对于小市值的股票，高成交量交易日之后的股票收益率倾向于惯性，而对于大市值的股票，高成交量交易日之后的股票收益率倾向于反转。llorente等将这种现象归因于投资者之间信息不对称程度的差别：首先，对于大市值的股票，由于公开披露的信息较多，分析师对它的跟踪也较多，因此内幕信息较少，信息不对称程度低，这类股票的交易驱动因素主要是投资者对资产的重新配置，因此高成交量之后的收益率没有惯性；其次，对于小市值的股票情况则相反，其信息不对称程度较高，交易驱动因素主要是投资者基于未公开信息所进行的投机交易，因此高成交量之后的收益率较易持续。
实证结果的差异使我们无法套用llorente等(2002)的理论解释，这也恰恰说明了中国股市的投资者行为与美国存在重要差别。下文中，我们将立足中国国情，从中国投资者投机交易行为的角度，力求对该实证现象提出一个较为合理的解释：
中国股市由于设立时间短，与成熟股市相比，总体上投机氛围较为浓厚，这一点可从表1的描述性统计结果中得到证实：中国股市的股票平均日换手率接近美国股市的6倍。由于投资者的持股时间普遍较短，跟庄炒作的交易模式盛行，散户投资者与有资金实力和信息优势的投机机构之间的博弈成为股票交易的重要驱动因素。对于大流通市值和低波动性的股票，由于其信息不对称程度较低，股价受到少数投机机构操纵的可能性也相对较低，成交量的放大往往是由股票以外资产风险收益的变化所驱动(即“资产配置交易”)，因此随后股价反转，这一点与“资产配置假说”相一致；而对于小流通市值和高波动性的股票，其股价在成交量放大之后的反转则不仅受资产配置交易的驱动，而且可能受到投机炒作行为的影响，原因是：小市值及高波动性股票的信息不对称程度较高，而且炒作小市值股票所需要的资金量也远低于大市值股票，这为具有资金和信息优势的投机机构炒作股票提供了便利，因此，对于这类股票，成交量放大的交易日往往是散户投资者追涨杀跌、而投机机构进行反向交易的时候，所以随后交易日的股价将表现出更为强烈的反转。可见，在过度投机的新兴市场中，信息不对称对投资者交易行为的影响与成熟市场不同，在这里，具有信息优势的投机机构并非如主流金融理论所描述的被动地对信息做出反应，而往往是主动地利用信息吸引散户投资者跟风买卖以获取利润，由此导致了股票收益率的序列相关性质与主流金融理论中“信息不对称假说”的预测截然相反。
以上解释也可以从分市场环境的回归结果中得到一定程度的支持：在牛市和熊市中，由于利好(利空)信息频出，伴随着股价的连续上涨或下跌，容易引起散户投资者对信息的过度反应，这也为具有信息优势的投机机构炒作股票提供了便利，例如：在一个利好信息公布之前，具有信息优势的投机机构就已买人股票，当信息公布时，散户对信息的过度反应使其以过高的价格从机构手中接盘，这不仅导致当日交易量放大，而且使得其后的股价倾向于反转回股票的基本价值。因此，在牛、熊市中，信息不对称程度越高的公司，高成交量之后的股价越易反转；但在平衡市中，利好和利空信息对股价的影响较为均衡，散户投资者对信息的反应也比较理性，机构较难利用散户对信息的过度反应进行投机炒作，因此信息不对称程度对股票成交量与收益率序列相关性之间关系的影响并不显著。
四、结论与启示
中图分类号：F83251 文献标识码：A 文章编号：1008-4096（2013）04-0025-07
一、引 言
2010年4月16日，中国金融期货交易所正式推出沪深300股指期货，填补了中国金融期货的空白，标志着中国资本市场单边交易机制的结束。股指期货作为股票市场的重要延伸和补充，具有对冲风险与价格发现的功能，是资本市场风险管理的重要工具。股指期货具有成本低、流动性好和交易便捷的特点，为投资者提供了套期保值与投机策略，不仅为投资者规避股票市场价格波动的系统性风险提供了投资策略，还为投资者提供了期现套利的机会，因此，研究股指期货市场与股票市场波动之间的动态关系具有重要的理论意义与现实意义。
由于股指期货在国外是一个非常成熟的金融品种，大量的文献研究了股指期货市场对股票市场波动的影响，但由于不同学者选取样本期的不同、研究工具与方法的不同，得出的结论也大相径庭。Danthine[1]认为由于股指期货价格发现的功能，交易者对资产错误定价的成本大大减少，股指期货市场可以提高现货市场深度并减少波动。Stein[2]认为期货交易中不良知情投机者交易会使现货股票市场波动增加。Edwards[3]研究表明引入股指期货之后，标的指数市场的波动明显减少。Gulen和Mayhew[4]等的研究都发现引入股指期货后股票市场波动减少，同样，Damodaran[5]、Antoniou和Holmes[6]等的研究也发现了相似的结论。实证结果的差异说明了股票市场波动的复杂性，也说明股指期货对股票市场波动的影响是不确定的。而国内关于股指期货与股票市场波动的研究才刚刚起步，葛勇和叶德磊[7]使用沪深300股指期货仿真交易数据分析了股指期货交易对现货市场波动性的影响，结果表明引入股指期货交易后，现货市场效率提高，而股票市场波动没有显著增加。邢天才和张阁[8]研究了沪深300股指期货仿真数据与标的指数之间的联动效应，结果表明股指期货对现货市场波动的影响甚微。然而由于中国股指期货市场推出的时间较晚，国内早期对股指期货市场的研究更多的还是利用股指期货仿真交易数据。上述文献虽然研究了股指期货市场与股票市场波动之间的关系，但是在研究内容上，上述的大部分文献并没有揭示股指期货市场如何影响股票市场，以及股指期货市场中的交易特征与股票市场波动之间的关系。
Bessembinder和Seguin[9]从价量角度研究了股指期货市场与股票市场波动之间的关系，文献中选取了反映股指期货市场深度的成交量与持仓量，具体分析了股指期货市场中交易特征对股票市场的影响。在此之前，国外文献中同样存在大量关于金融市场中价量关系的研究，这些文献表明了成交量与价格波动存在同期的正向关系，Karpoff[10]引用了18个不同的学术研究成果，并记录下股票市场、期货市场、货币市场和债券市场等不同金融领域中价量的这种正向关系，结果表明正向的价格冲击往往伴随着成交量的增加。Clark [11]、Harris[12]和Andersen[13]发展的“混合分布假说”说明了市场交易活动的变化与成交量直接相关，其中，成交量、交易数目和信息冲击的数量等因素作为混合变量共同影响价格的波动。Copeland [14]和Morse[15]发展的信息顺序冲击模型假定新信息是按照顺序传达到投资者，因此，消息不灵通的交易者不会知道知情交易的存在，结果表明新的信息冲击会产生新的成交量与价格波动，而且在信息冲击较多的时期，成交量与价格波动都是增加的。Admati和Pfleiderer[16]设计的模型说明交易者会在市场处于最活跃的状态下选择交易，即交易与价格运动总是共同发生，而且实证结果也表明收益率波动与成交量存在正向关系。这些文献极大地丰富了金融市场关于价量关系的研究，并进一步完善了价量关系的理论框架，然而关于价量关系的研究更多地集中于单一金融市场。同时，流动性为价格每变化一个单位所需要的交易量，即成交量在某种程度上来说可以反映金融市场流动性。
鉴于此，本文选取成交量、持仓量作为流动性因子，使用HP滤波方法对成交量、持仓量去趋势，利用AR（10）过程将成交量、持仓量分解为预期成分与非预期成分，在模型中加入反映股指期货市场周内效应的虚拟变量，利用Bessembinder和Seguin[9]的方法从价量角度重点分析预期与非预期的成交量、持仓量等反映市场交易活跃程度的交易特征因素对股票市场的影响。
二、模型、方法及数据说明
（一）价量模型
本文借鉴Bessembinder和Seguin[9]建立的模型研究中国股指期货市场流动性因子对股票市场波动的影响：
其中，Rt为股票市场大盘指数在t日的百分比收益率，t为收益率的条件标准差，代表股票市场波动性。dit（i=1，2，3，4）为表示周内效应的虚拟变量，即当t日为星期一，记d1t为1，其他为0；当t日为星期二，记d2t为1，其他为0，其他虚拟变量以此类推。这些虚拟变量可以解释一周中各个工作日指数收益率均值与标准差的差异。t为式（1）估计的残差项，表示t日的非预期收益率，kt（k=1，2，…，m）为交易活动变量。
（二）交易活动变量的选取及处理
Admati和Pfleiderer[16]认为金融市场知情交易者的数目会随着交易量的增加而增多，正是由于存在大量的受价值导向的知情交易者，订单不平衡所引起的价格反映会较小。根据这一理论，本文选取股票市场与股指期货市场成交量作为指标来反映金融市场间的价量关系。另外，本文还选取持仓量作为股指期货市场交易活动变量之一，主要原因是股指期货市场作为一种不同于股票现货市场的金融市场，本身还具有期货市场的特点，同时，股指期货市场往往存在一类不持仓过夜的投机交易者，作为表示最终交易水平的持仓量可以反映出当期交易被套的水平，即持仓量可以作为当期不知情交易活动的指标，因此，选取成交量与持仓量作为交易活动程度的变量可以反映出知情交易者与不知情交易者，即投机交易者与套期保值者所产生的市场交易活动对价格的影响。
根据Bessembinder和Seguin[9]提出的思想，金融市场深度取决于投资者对风险资产的购买意愿与承受能力，其中，投资者往往根据价格的波动程度来决定成交数目与持仓数目，投资者的购买意愿一般取决于投资者的风险偏好，而承受能力往往取决于投资者现有财富的约束，假定影响市场深度的其他决定因素不变，则滞后的成交量与持仓量便涵盖了当前的市场深度，而市场成交量与持仓量中的非预期变化则说明了市场交易者当前购买风险资产的主观意愿，因此，本文选取成交量与持仓量表示市场深度，将变量分为预期成分与非预期成分，并分别说明不同因素对股票市场波动的影响。
（三）成交量与持仓量分解设计
由于原始的成交量与持仓量数据存在非平稳性和时间序列自相关，本文在实证过程中对原始数据进行了相关处理，以得到平稳的成交量与持仓量序列，在此基础之上，本文将平稳的成交量与持仓量分解为预期成分与非预期成分，相关调整主要通过以下两个步骤完成。
1成交量与持仓量的趋势过滤
非平稳的成交量与持仓量序列中存在长期趋势成分，本文使用Hodrick和Prescott滤波方法消除长期趋势，设Vt为原始的成交量（持仓量），VTt表示含有趋势的成分，VSt表示波动成分。则 Vt=VTt+VSt，HP滤波就是将VTt从Vt中分离出来，不可预测的趋势VTt可转化为损失函数最小化问题的解：
其中，SpotVolt为去趋势的沪深300指数成交量，Volt为去趋势的沪深300股指期货成交量，OpInt为去趋势的沪深300股指期货持仓量。回归得出的残差项εt为非预期成分，预期成分为序列实际值与非预期成分之差vt-εt。
（四）模型估计方法
根据前面所做的分析，本文所选取的表示市场活动的变量为股票市场成交量、股指期货成交量与持仓量。将股票市场成交量、股指期货成交量与持仓量分解为预期成分与非预期成分，并将六个变量作为交易活动变量，以此研究预期冲击与非预期冲击是否会对波动性产生不同的影响。
考虑到波动性具有典型的“长记忆性”，即聚集效应，式（2）中加入滞后的波动率，同时，股票市场中，收益率的非预期冲击往往对波动性具有更强的解释能力，因而式（2）中还加入了滞后的非预期收益率t以此解释波动性中的不对称性。波动性t通过式（1）所得出的残差项t进行估计，t可以通过下面的方程转化为σt：
这样的转化过程可以使t成为收益率条件标准差的无偏估计[9]。具体的估计方法表示如下：首先，在没有滞后波动率的情况下，使用OLS对式（1）进行估计。其次，通过式（5）将所获得的残差项转化为波动率。最后，基于给定的波动率，使用OLS对式（1）与式（2）重新估计，得出最终估计结果。
（五）数据说明
本文所用数据样本时间跨度为2010年4月16日至2012年4月5日，共477个交易日，股指期货市场数据选取沪深300股指期货指数，股票市场数据选取标的指数数据，主要包括沪深300指数日收盘价与日成交量、沪深300股指期货合约日成交量与日持仓量等，数据来源于RESSET金融研究数据库。实证分析中，本文所使用的沪深300指数日收益率为对数收益率，股票市场日成交量为沪深300指数成分股当日全部成交量，单位为万手，并做对数变换。此外，由于股指期货合约会面临交割问题，股指期货单个合约成交量与持仓量往往会呈现出合约开始时与交割时数值偏小，而中间时期数值较大的现象，因此，本文使用当期股指期货所有合约成交量之和与所有合约持仓量之和作为成交量指标与持仓量指标，单位为手，这两个变量不仅反映了当期股指期货市场总的交易活跃程度，也可以作为表示股指期货市场流动性的变量，实证分析中对股指期货市场成交量与持仓量做对数变换。
三、实证结果与分析
（一）变量描述性统计分析
本文所选变量的描述性统计分析如表1所示，包括变量的均值、最大值、最小值、标准偏差和Ljung-Box统计量，本文所选变量包括沪深300指数日收益率、沪深300指数日成交量、沪深300股指期货合约日成交量与日持仓量。
从表1可知，沪深300指数收益率在样本期的平均值为-00006，数值为负且接近于0，标准偏差为00149，LB（10）不显著，说明收益率序列不存在自相关。此外，沪深300指数成交量具有比沪深300股期指货成交量与持仓量更大的标准偏差，说明股票市场交易表现更为活跃；股指期货市场中，样本期内市场成交量的均值高于市场持仓量，且持仓量的标准偏差高于成交量，说明股指期货市场中存在投机性的交易者，而套期保值交易表现更为活跃。同时，股票市场成交量、股指期货市场成交量与持仓量LB（10）统计量均显著，说明序列均存在显著的自相关现象。
对沪深300指数成交量、沪深300股指期货成交量与持仓量做平稳性检验，结果如表2所示。
从表2可知，股票市场成交量、股指期货市场成交量与持仓量序列的t值均小于1%显著性水平下的临界值，可以判断三个序列均为不平稳的时间序列，因此，下面对其做去趋势处理。
（二）交易量与持仓量分解
本文使用HP滤波方法对样本期内的沪深300指数成交量、沪深300股指期货成交量与持仓量进行去趋势，结果如图1、图2和图3所示。其中，虚线分别为沪深300指数成交量、沪深300股指期货成交量与持仓量，实线为趋势项。
从图1、图2和图3可知，沪深300指数成交量、沪深300股指期货成交量表现出较为相似的趋势变化，即沪深300指数成交量与沪深300股指期货成交量序列存在较为明显的周期性变化，即明显的波峰与波谷；而沪深300股指期货持仓量则存在一个明显的先上升后逐步平稳的趋势。
（三）实证结果
根据前文所做的处理，得到去趋势的沪深300指数成交量、沪深300股指期货成交量与持仓量之后，根据式（4）将三个序列分解为预期成分与非预期成分，共六个交易活动变量，根据式（1）与式（2）得出的估计结果如表3所示。
从表3的估计结果可知，均值方程所有系数除虚拟变量“周四”系数在10%显著性水平下显著外，其余系数均不显著，说明沪深300指数收益率存在明显的“周四”效应，其中，“周四”虚拟变量系数值为-00036，说明沪深300指数在周四往往具有较低的收益率；同时，估计结果表明10阶滞后的波动系数不显著，与Bessembinder和Seguin[9]所发现的条件均值与滞后波动存在正相关关系不一致，滞后收益率系数不显著说明沪深300指数过去的收益率对当前收益率没有解释能力，预测效果很差，LB（10）统计量说明残差项序列不存在自相关现象。方差方程估计结果如表4所示。
从表4的估计结果可知，表示周内效应的虚拟变量系数均不显著，说明沪深300指数收益率波动不存在明显的周内效应；10阶滞后波动的系数之和不显著，说明沪深300指数收益率波动不存在典型的“聚集效应”，10阶滞后非预期收益率系数之和在1%显著性水平下显著为负，说明股票市场收益率冲击有明显的不对称现象，即收益率负向冲击会增大市场波动，而收益率正向冲击会对减少市场波动；而在股票市场与股指期货市场交易特征变量估计系数中，沪深300指数预期成交量与非预期成交量系数均在1%的显著性水平下显著为正，说明股票市场成交量对其市场本身收益率波动有较强的解释能力，其中，预期成交量与非预期成交量系数分别为00340与00321，预期成交量与非预期成交量的增加都会使沪深300指数收益率波动增大；同时，沪深300股指期货成交量对股票市场波动同样具有解释能力，其中，股指期货预期成交量系数为00208，且在5%显著性水平下显著为正，说明股指期货预期成交量对股票市场波动有一定的正向影响，股指期货预期成交量的增加会使股票市场波动增大，且股指期货预期成交量系数值小于股票市场预期成交量与非预期成交量系数，说明股票市场波动中，股指期货市场预期成交量的影响要小于其市场本身成交量的影响，而股指期货非预期成交量系数不显著，说明股指期货市场成交量的非预期冲击对股票市场波动影响较小，而沪深300股指期货预期持仓量与非预期持仓量系数均不显著，则说明股指期货持仓量对股票市场波动没有解释能力。
四、结论与启示
本文以2010年4月16日至2012年4月5日沪深300指数与沪深300股指期货市场指数477个交易日的数据为研究对象，借鉴Bessembinder和Seguin[9]建立的模型实证检验了中国股指期货市场交易活动对股票市场波动的影响，基本思想是从价量角度分析股指期货市场的市场深度对股票市场波动的影响，最终得出的主要结论为：一是沪深300指数收益率波动可以由沪深300股指期货市场预期成交量因素解释，且股指期货市场预期成交量对股票市场波动有正向影响，说明中国股指期货市场运行以来的交易量对股票市场波动确实存在解释能力。二是沪深300股指期货市场持仓量因素对沪深300指数收益率波动的影响不显著，说明中国股指期货市场中套期保值者的交易活动对股票市场波动没有影响。三是沪深300指数成交量因素对沪深300指数收益率波动存在显著的正向影响，且估计系数高于股指期货成交量系数说明股票市场波动受其市场本身成交量因素影响的比重较大，即中国股票市场波动主要受其市场本身交易活动所驱动，而股指期货市场交易活动同样会对股票市场波动产生影响。
以上结论为我们认识股指期货市场与股票市场之间的关系提供了一些启示。股指期货市场作为股票市场的重要延伸和补充，有对冲风险与价格发现的功能，是资本市场风险管理的重要工具，不仅为投资者规避股票市场价格波动的系统性风险提供了投资策略，还为投资者提供了期现套利的机会，因此，加深对中国股指期货市场的认识，对当前中国金融资本市场发展有重要的现实意义。根据本文的结论，中国股票市场与股指期货市场存在明显的价量关系，规范股指期货市场交易活动不仅对中国金融衍生品市场的完善与发展有重要作用，而且对股票市场的稳定与规范也有重要影响。目前我国所面临的情况是，券商、基金公司虽然在股指期货上市后不久便获得股指期货投资资格，但实际参与的程度依然较低，而在海外市场，机构投资者是股指期货市场的主要参与者，因此，政策制定者应加强股指期货市场基础性制度建设，积极开展证券公司综合治理，推动基金管理公司提高核心竞争力，积极培育和发展合格的机构投资者，引导市场投资理念向价值投资、长期投资转变。本文结论还表明，股指期货市场成交量对股票市场存在正向影响，而持仓量因素对股票市场波动无影响，说明需要进一步强化股指期货市场的监管与服务，尤其是对投机交易者的风险监测，同时加大对内幕交易、操纵市场价格等违法违规行为的查处力度。
此外，过去10年上证指数几乎“零涨幅”的事实，已经告诉我们中国股市仍然是一个不成熟、不发达的资本市场，在中国股市多了上千家上市公司，流动市值激增10倍之后，中国股市竟然演变为以圈钱为目的。根据本文的结论，中国股市主要是受其市场本身交易活动的影响，因此，要改变当前中国股市的窘境，还是应该从股票市场内部改革着手，主管部门应该健全完善新股发行制度与退市制度，强化投资者回报与权益保护，深化分红制度改革，强化上市公司信息披露，淡化监管机构对上市公司盈利的判断，发挥市场功能，将以往的价值判断转为以信息披露为核心。
参考文献：
[1] Danthine，JPInformation，Futures Prices，and Stabilizing Speculation[J]Journal of Economic Theory，1978，17（1）：79-98
[2] Stein，JCInformational Externalities and Welfare-Reducing Speculation[J]Journal of Political Economy，1987，95（6）：1123-1145
[3] Edwards，FRFutures Trading and Cash Market Volatility： Stock Index and Interest Rate Futures[J]Journal of Futures Markets，1988，8（4）：421-439
[4] Gulen，H，Mayhew，SStock Index Futures Trading and Volatility in International Equity Markets[J]Journal of Futures Markets，2000，20（7）：661-685
[5] Damodaran，AIndex Futures and Stock Market Volatility[J]Review of Futures Markets，1990，9（2）：442-457
[6] Antoniou，A，Holmes，PFutures Trading，Information and Spot Price Volatility： Evidence for the FTSE-100 Stock Index Futures Contract Using GARCH[J]Journal of Banking and Finance，1995，19（1）：117-129
[7] 葛勇，叶德磊我国开展股指期货交易对现货市场波动性的影响——基于仿真交易数据的实证研究[J]金融理论与实践，2008，（7）：107-110
[8] 邢天才，张阁中国股指期货对现货市场联动效应的实证分析——基于沪深300仿真指数期货数据的分析[J]财经问题研究，2010，（4）：48-54
[9] Bessembinder，H，Seguin，PFutures-Trading Activity and Stock Price Volatility[J]The Journal of Finance，1992，47（5）：2015-2034
[10] Karpoff，JMThe Relation between Price Changes and Trading Volume： A Survey[J]The Journal of Financial and Quantitative Analysis，1987，22（1）：109-126
[11] Clark，PKA Subordinated Stochastic Process Model with Finite Variance for Speculative Prices[J]Econometrica，1973，41（1）：135-55
[12] Harris，LA Theoretical and Empirical Analysis of the Distribution of Speculative Prices and of the Relation between Absolute Price Change and Volume[M]Chicago：University of Chicago，1982
[13] Andersen，TGReturn Volatility and Trading Volume： An Information Flow Interpretation of Stochastic Volatility[J]The Journal of Finance，1996，51（1）：169-204
一、引言
权证发行会对标的股票产生何种影响一直被人们所关注。近年来国内的研究主要集中在权证发行对标的股票价格和波动率的影响方面，而关于权证发行对标的股票流动性影响的研究甚少。国外在这方面的研究却非常多，普遍的观点认为期权发行会改善标的股票的流动性。我国推出权证的时间比较短，而且政策性比较强，是在股权分置改革中上市公司的非流通股东为获得其所持股份的流通权所采取的向流通股股东补偿的股改创新方式之一。权证发行人是上市公司的大股东，而非证券公司等金融机构。在这些条件下，我国的权证发行有没有提高标的股票的流动性就值得探讨，分析其是否有别于国外发达市场的实证经验。本文以研究权证发行对标的股票的流动性为目的，详细分析权证发行前后标的股票的流动性的变化。希望对如何完善权证这种新的投资工具和证券市场的健康发展提供一定的借鉴。
二、文献综述
国外研究期权发行对标的股票的影响主要就是从买卖价差着手的，有的同时也研究标的股票的交易量和交易深度。Hayes&Tennenbaum(1979)对1972年5月到1977年9月芝加哥期权交易所和纽约股票交易所中，43家发行期权的公司和21家没有发行期权的公司进行研究。先采用截面分析，把标的股票占纽约股票交易所总交易量的份额作为因变量，用哑变量作为自变量进行回归分析，发现没有发行期权的公司股票交易量基本没有变化，而发行期权的公司股票交易量增长了约33％。然后又采用纵向，分析单个公司在期权发行前后标的股票交易量的变化情况，发现在所有的43家公司期权发行引起的标的股票交易量的平均增长为22％，即发行100手期权和约会使标的股票的交易量增加22手。而且其中的43家公司中，有40家股票的交易量显著增长，剩余的呈负相关的三家中有两家在统计意义上并不显著。
Grossman(1988)认为在合成证券和真实证券之间存在显著的区别，真实证券不是冗余的，如期权虽然其可以通过其它资产进行动态复制。真实证券的价格给市场参与者传递一些重要信息，但如果这些真实证券被合成的交易策略所替代这些信息则不能被传递。特别是在不完备的市场上，期权可以更加方便投资者投机和套期保值，以减少未来收益的不确定性。因此，期权交易可以减少标的证券的不确定性并提高其流动性。
Fedenia & Grammatikos(1992)从信息效应、重新分布效应和波动效应三方面，详细检验了期权发行与标的股票买卖价差之间的关系，看买卖价差与哪个效应关系最密切。Stein(1987)和Grossman(1988)发现新的期权交易一般能提高标的股票的流动性，但是由新的期权交易者所产生的信息可能对股票市场造成稳定或不稳定的影响。Black(1975)认为更低的交易成本、资本要求和交易限制会使知情交易者偏向期权市场，做市商由于知情交易者所引起的损失就会减少，从而会减少标的股票的买卖价差。但如果足够多流动性驱动交易者转向期权市场，做市商的存货成本就会增加，股票市场的流动性就会降低。Fedenia & Grammatikos用1970年到1988年340只纽约股票交易所的股票和1984年到1988年98只场外交易的股票作实证，发现期权发行提高了标的股票的平均流动性。纽约股票交易所股票的买卖价差在期权交易后下降，但场外交易股票的买卖价差在期权发行后有所增加，发现尽管波动效应会影响买卖价差，但期权发行也会对买卖价差造成特有的影响。
Kumar，Satin & Shastri(1998)用1983年到1989年北美几大股票交易所的所有发行期权的股票进行实证研究，发现期权发行可以有效的提高标的股票的市场质量。期权发行可以降低买卖价差，增加交易深度、交易量、交易规模和交易频率。同时还发现期权发行可以降低定价误差的方差，这也是更高的定价有效性和市场质量的证明。
股票融券交易，又称保证金卖空交易，指投资者出于对股票价格下跌的预期，支付一定比例的保证金，同时向融券方借入一定数量股票，按一定的价格卖出的信用交易方式。相对应的股票融券交易制度涉及融券额度、期限、融资比率、保证金制度、融券回补、客户保证券运用、股份分红派息、表决权等制度性安排。股票融券交易须以现货交易为原则。1998年颁布《中华人民共和国证券法》禁止股票的融券卖空行为，股票交易方式较为单一。随着证券市场的扩大，参与主体素质的提高，政府监管能力的提升和技术的进步，我国证券市场日趋成熟，适时推出股票融券交易具备一定的可行性，对推动完善中国证券市场具有重大意义。
有利于完善中国证券市场交易机制
股票融券交易机制为股票市场基本的交易机制，没有做空交易的市场就好像一条腿的人一样残缺不全，从这个意义上说股票卖空交易是市场完善所必需要引入的机制。同时也只有股票融券交易的卖空机制的存在，各种证券市场的制度创新和产品创新才能应运而生。
在证券交易市场，融券交易和现货交易的相互配合可以增加证券的供求弹性。当股价过度上涨偏离价值时，看空者预期股价会下跌，便提前融券卖出，增加证券的有效供应，从而抑制股价过度上涨；与此相反，当股价过度下跌偏离其价值时，看多者预期股价不久会上涨，提前融资买入，增加证券的有效需求，遏制股价的进一步下跌。因此融券的信用交易有助于稳定股票价格，使价格更接近其内在的价值，提高股票市场价值发现能力，有利于完善股价形成机制，优化资源配置。
我国股票市场为典型的单边市场，只能做多，不能做空。一方面中国的投资者多数为短期投机者，投资的目的多数为博取价差收益，为了获利只有先低价买进股票然后再高价卖出。对于市场中的投资者而言，股价的一路上涨为多赢的局面，这样容易导致股市泡沫的产生；然而一旦泡沫破灭，市场中的所有投资主体却又面对同样的下跌风险，市场中的投资主体集体的抛售行为又容易导致股票过度下跌。因此缺少做空机制的股票市场导致股市过度的波动和频繁的波动。而在完善的股票融券制度下，市场本身具备了价格稳定器的作用，可以一定程度上抑制股市泡沫的形成和股票市场的过度波动。
我国的股票市场操纵行为比较严重，市场操纵者惯用的操纵手法为，主力机构（也称庄家）在相对低位大量买进股票，控制股票的大量筹码，然后利用资金的优势推高股票，最后利用各种机会派发筹码，也即通过控制单只股票较大比例的股份达到操控股价的目的，对于这类股票，庄家的意愿超越市场机制成为决定股价的首要因素。如果有了股票融券交易制度，通过融券卖空机制就可以大幅增加股票的供应，达到削弱庄家控制股票交易的目的，使价值在股价形成机制中发挥主导作用。因此股票融券交易制度有利于打击股价的盲目炒作、倡导价值型的投资理念，促进股价的合理形成，优化资源配置。
另外，股票融券交易有利于增加股票市场的流动性。流动性是一个市场的公共属性，是变现能力的体现，良好的流动性是证券市场实现价格发现功能的前提。所谓流动性是指能够以较低的交易成本即时完成交易指令，同时对市场价格影响较小的交易能力。股票融券交易可以增加证券市场的总供给，扩大证券交易的深度，而且，证券卖空交易本身就存在一种使股价连续的内在机制，如各国证券市场的卖空交易均要求卖空价必须高于或不低于最近一次成交价，从而提高股票市场的流动性。
有利于金融创新和证券经营、盈利模式转变
金融业发展的最大动力来自于创新，创新反过来推动金融业的发展。金融创新的载体为金融产品的推出，然而新的金融产品的推出需要借助于市场上存在的金融工具，利用金融工具的手段推出新的金融产品。然而如果没有卖空机制，就像我们的代数计算中没有了减法这个运算符，金融创新的努力将会很大程度受到遏制，大量的金融产品没有办法推出，严重的影响金融业的发展进程，影响价格机制的形成、金融创新进程以及金融业的发展。事实上大部分金融创新都需要卖空机制的存在，例如股指期货期权、股票期货期权等的条件之一就是存在卖空套利机制，股票融券交易机制为股指期货和期权的推出创造了有利条件。
在成熟的证券市场如果没有做空机制，券商资产管理业务的风险将很大。一方面，在实际开展业务时证券公司对客户都有私下的保底收益率的承诺。另一方面，由于缺少有效的避险机制，大量的多头股票组合在股票市场下跌过程中，将遭受巨大的亏损。证券公司在股票市场低迷时开展的资产管理业务所导致的亏损，往往是导致券商亏损、被接管或破产的最主要的原因。例如自2001年6月以来的股市的长时期的下跌，使证券公司的资产管理业务遭受巨大打击，许多券商因为资产管理业务的巨大亏损，导致被政府接管或者宣布破产；由于没有做空机制，一方面券商很难推出保底收益率承诺的金融产品，而客户一般要求管理方提高保底收益率，这样将导致资产管理业务很难开展。而证监会明令禁止向客户承诺保底收益率，因为机制的缺失，资产管理方不能够靠金融产品本身实现保底的收益率，如果保底将会给券商带来难以承受的风险，而这个风险又可能会传导到金融系统的其他部门。但是一旦做空机制存在，资产管理方在某种程度上可以实现一定的保底收益率，例如可以通过股票+做空的保险策略实现客户保本的安全性的要求。通过这种方式，投资者期待的、资产管理方常常在地下开展的保底的投资金融产品可以合法推出，有利于券商的资产管理业务，同时券商也可以增加盈利水平。
另外，券商研究股票投资价值不仅可以通过价值低估的股票获利，而且还可以通过发现价值高估的股票获利。这样不管是证券公司本身还是其客户对于价值研究会有很大的需求，推出股票的融券交易将促使证券公司以及其他研究机构将在股票价值研究上投入更多的研究力量，从而提高券商研究股票投资价值的积极性，增强券商的研究开发能力，进一步发挥股票市场的价值发现功能、优化资源配置功能。
股票融券交易可以增加投资机会和加快股市国际化
股票的融券交易机制将使投资者将面对更多的投机金融工具，面对更大的风险收益特征的金融产品，也就是使投资者有更多的投资机会。
首先，做空机制的引入使得投资者即使是在“熊市”市场中也有机会盈利，为投资者创造新的投资途径和盈利模式。例如投资者可以通过做空获利，改变以往靠天吃饭，只有股票市场上涨才可能获利的单一的获利模式。
其次，投资者可以根据自己的风险收益偏好，自己选择投资杠杆，满足自己的投资需求；另一方面，做空机制推出后，证券机构推出的各种金融衍生产品将进一步满足客户的风险收益偏好。市场中不同风险收益偏好的投资者可以更大程度上得到所需要的个性化的金融产品，进一步促进了风险和资源的优化配置。
最后，可以增强投资者抗风险的能力。投资者通过向证券公司融券，扩大交易筹码，而可以利用较少资本来获取较大的利润，这就是信用交易的财务杠杆效应。然而在现货现款交易中，投资者只能通过证券投资组合来规避投资风险，其抗风险能力是有限的，因为充分的投资组合对资金规模有限的投资者来说不具有可操作性。有了信用交易之后，投资者可以通过融券卖空策略，使用相对较少的资金就可以获得与证券投资组合同样的效果。另外，含卖空的投资组合可在一定程度上可以锁定投资收益，消除证券市场或个股意外波动可能带来的损失，可以用来对冲系统性风险。
在遭遇熊市或者投资者判断市场将要下跌时，投资者可以做空以回避控制风险。对于大型的机构投资者，例如基金管理公司、社保基金、保险公司等大的机构投资者，可以利用卖空股指期货或者股票来为自己的大量长期投资股票多头对冲风险。例如可以通过构建（股票持仓+卖空）的投资组合规避股价下跌风险、锁定投资收益。对于想中长期持有上市公司股票的战略性投资者，尤其需要这种避险对冲工具。例如战略性机构可能通过二级市场购买了大量股权以获得表决权以及中长期的投资收益，以实现该公司的战略目的，如果该公司想回避该公司股票下跌的风险，也可以通过构建（股票+卖空）的投资组合规避股价下跌风险。这样可以为投资者提供避险工具、促进机构投资者的发展。
同时，有了融券交易制度，长期持有的投资者还可以通过构建（股票多头+融出券）的组合增加收入，因为投资机构可以获得额外的“放券”收入。在国际证券市场中，保险公司和社保基金是整个证券信用交易市场中最为重要的借券方，因为这类投资者一般来说是长期投资者，他们的收入来于分红、资本利得、放券收入。在目前中国证券市场分红很少的情况下，开展融券交易，可以增加长期投资对这类投资者的吸引力，进一步形成市场长期价值投资的理念，稳定证券市场。
总的来说，股票融券交易机制，一方面使得机构投资者可以通过放券增加收入，增强机构投资者坚持价值型投资理念的信心；另一方面，更为重要的是，投资机构可以通过做空对冲组合的风险。可大大提高基金抵抗股市波动风险的能力，促进机构投资者的健康发展。
我国证券市场已经走过15年，我国试点开展股票卖空交易的条件已经基本具备，同时有西方成熟市场和亚洲新兴市场的相关经验可参考借鉴。而且债券方面，开放式回购机制的引入，实质上是允许在债券市场中引入了做空机制，因此在股票方面，完全可以借鉴其相关的经验。事实上从参与主体的素质、技术系统以及监管能力看，我国开展股票融券交易都具备可行性，证券融资融券交易制度有利于我国股市走向国际化，接轨于国际惯例，完善合格境外机构投资者（QFII）制度，吸引更多的QFII投资者长期投资中国A股，促进中国证券市场持续健康发展。对于成熟的证券市场，融券交易是基本的交易制度，国际性的投资机构习惯于现货交易和信用交易并存的市场交易制度，他们对这种交易制度也有迫切的需求。2002年11月5日，《合格境外机构投资者境内证券投资管理暂行办法》正式出台，从此国外的投资者可以通过QFII投资中国A股。为了更好的吸引国外的投资者，完善中国的QFII制度，我国应该适时推出股票融券交易。该交易制度的推出，将是我国证券市场完善发展走向国际化的一个标志。
参考文献：
1. 戴国强，吴林祥.金融市场微观结构理论.上海财经大学出版社，1999
2. 刘逖.证券市场微观结构理论与实践.复旦大学出版社，2002
3. 约翰.Y.坎贝尔等.金融市场计量经济学.上海财经大学出版社，2003
4. 陈晓舜.证券信用交易制度与风险控制.证券市场导报，2000
5. 胡继之，于华.证券公司融资融券制度研究.深圳证券交易所综合研究所，1999
为了顺利实现电子化，现任CEO塞恩并没有立即宣布全部电子化
收购完成后纽交所指数明显上升
最近，道琼斯工业指数冲破万二，又创新高。 有了新的电子交易系统，纽交所的股民交易更便捷了。这得益于CEO泰恩的电子交易计划。
在纽约证券交易所(纽交所)交易厅中的一个狭厄交易站中，Doreen Mogavero发出这样的交易指令：出售纽约银行股票5万股，非限时抢购，价高者得。
Mogavero是Mogavero Lee公司的董事长兼首席执行官，她是一个可以直接进入证券交易所的交易大厅的独立股票经纪人。她首先通过触摸屏获得一张纽约银行的股价趋势图，然后登录纽交所名为“Direct+”的电子交易系统，完成以30.34美元的价格出售一千股的交易。
Mogavero说：“其实可以更方便。”她本来可以出售更多的股票，但是电子交易系统每30秒最多只能交易1099股。这种交易被称做“限制指令”，交易的价格是预先设定的，一旦触及预设价格，交易即被自动执行。
2004年，在CEO约翰・塞恩(John Thain)的新政推动下，只有3年历史的电子交易系统将和212年历史的人工撮合方式一起为股票投资者服务。按照塞恩的计划，多年固守的数量限制将被取消，投资者可以向交易所发出规模更大的买卖指令。现在，只要Mogavero愿意，她可以使用电子交易系统将整个5万股售出，数量的限制被突破，投资者还在更宽的价格范围内买卖股票。
电子交易突破重围
两百年来，“交易专员”制度一直是纽约交易所交易机制的核心。历史上，就像人们每日从电视上看到的情形一样，在纽约交易所的交易大厅，每日约有3000名交易员在各自的交易席位上相互报价，所有的交易最终都通过交易员们的吼叫和手势传递到市场的最终端交易大厅里。虽然交易所自上世纪80年代后引入电脑交易，但在纽约交易所进行的每一宗股票交易至今仍然至少会经过一道人工手续。所有通过各种电子方式传递到“交易专员”(Specialist)那里的买入卖出信息，仍然需要由“交易专员”的交易员们手工搓合。“交易专员”的主要职责是保证市场的流动性，他们既是其他投资者的股票买卖经纪人，也做自营的股票买卖业务。作为“交易专员”，他们有两个主要义务：当市场缺少买方或卖方时，他们就需要用自营账户买入或者卖出，以维系股票的流动性，这被称为“正面义务”；而当市场买方卖方数量充足，股票流动性不成问题时，他们就需停止用自营账户买卖，这被称为“负面义务”。
随着时代的发展，“交易专员”与手工搓合制度，在其他交易所那里现在几乎已经绝迹，全电子化交易系统是主要的交易方式。对于纽交所来说，可谓危机四伏，以纳斯达克市场(NASDAQ)为首的电子交易市场抢走了纽交所的不少交易量，同时纽交所交易席位的价格近来跌到9年来的最低。尽管在2001年，纽交所推出了电子交易系统，却被赋予了苛刻的“限制指令”。到了2004年，电子交易系统每天处理的股票为1.4亿股，只占纽交所全部交易的10%。
但纽交所传统交易制度有最坚定的捍卫者，那就是前任董事长格拉索，他说：“这是我们引以为豪的文化。” 然而，很快事情就出现了转机。格拉索因近2亿美元的薪酬而被驱逐下台，来自高盛(Goldman Sachs Group)的塞恩出任纽交所的CEO，他与格拉索有着完全不同的看法，他采取了一系列积极的措施推进电子交易。
在2004年8月，塞恩宣布了新的电子交易计划，突破了电子交易系统的“限制指令”，准许投资大户以电子方式买卖大批股票，以加快证交所的股票交易速度。
在2005年4月，塞恩在新闻会上宣布收购电子交易运营商Archipelago控股公司，2006年2月底美国证券交易委员会正式批准这一收购，这将帮助纽交所拓展电子交易。
尽管，塞恩极力推进电子交易，但是他并没有废除传统的交易制度。他认为，电子交易系统与人工撮合方式的有效结合，将大大加强市场的公平性和完整性。通过大力推行电子交易，纽交所将会吸引更多的股票投资者，选择该所上市的公司也会越来越多。与此同时，塞恩也强调了人工撮合方式的重要作用，他认为由场内经纪人进行的人工撮合交易仍会保留下去，这种方式对避免股价大幅波动还有一定帮助。
但是纽交所的交易有赖于这些拍卖人，他们的作用类似于某种剂，能够保持市场的正常运行。如果某机构想出售其持有的股票，但苦于找不到买家，交易专员就会参与进来并担当这个角色。同样地，如果某个投资者想购进某种股票但却无法找到现成的卖家，交易专员也可以参与进来。在两种交易制度并存的条件下，他们能够采用运算法则考察价格差和历史数据，并将股票买卖双方加以配对，从而完成网上交易。
纽交所将赢得一个新的市场，这个市场以高流动性股票交易为主导，比如：通用电器。而传统的交易方式将在股票小范围交易中继续存在，将缩小缩小价格差距，比如:卖家开价为40.5美元，而买家给出的价格为40.25美元。
作为一个基础的条件，纽交所首先必须开发出相应的软件，这样交易专员才能建立电子交易界面和交易规则系统，并更新其已存在的电子经纪人软件。从而，在交易大厅通过使用掌上电脑，交易员就可以预测购买意向和存有股票数额。
多样化市场将成为电子交易系统底盘之上的另外一个实体。但是交易所需要具备某些特定功能的系统，比如，交易人对他能够扫描所有已经标明价格的预售股票，并购买需要的股票，这是目前的电子交易系统无法做到的。
愈快捷愈有利吗？
推行电子交易后，纽交所的全部系统将受到即时、更大规模的交易活动影响。但塞恩新政的目标是明确的：尽可能实行自动化，将完成交易时间提高到现在平均14秒的速度，保持在纽交所挂牌上市公司的交易股票中80%的市场占有率，应对各种电子交易的竞争对手。
在2004年8月的宣布推行电子交易时,泰恩说：“纽交所在其212年的历史中,已经树立了良好名誉,但所提供的交易速度还没有达到要求。”然而,Mogavero则不这样认为，尽管她的交易费时8分钟, 但是她指出：速度不是此种交易需要解决的问题。
早在几年前电子交易系统刚推出时，为什么此种交易费时是用分钟来计算,而不是秒呢?那是因为,尽管技术进步了，交易专员和场内交易人还是要进行多次洽谈然后才达成交易。Mogavero为她剩下的49000股股票找到了一个买者,这得益于她与一个专业投资者的交谈,谈论中她获悉一个名为林奇・玛里尔的交易商对她的股票感兴趣。
Mogavero 说：“如果不是与人交谈，我是不会知道哪些股票在纳斯达克股票市场售出了。事实上，我也没有可以询问的人，只能是碰运气。使用电子交易所,我可以看见一项出售1000股股票的买卖,但并不知道这背后是否有另外100万股也要出售,我只能向周围的人询问。”
现在，纽交所不得不加快Mogavero的交易。据纽交所的主席兼首席运营官罗伯特・百里兹说：“我们现在正在做基础工作。”基础工作有两个技术方面的问题。其一是电子经纪人的掌上设备。这是一台专为投资人定制的电脑,可以记录手写文档,并通过错综复杂的无线传输系统将交易定单详细资料传向纽交所的交易实地。有了这个电子经纪人，经纪人更常见的不是找人交谈,而是将数据输入电子经纪人系统。Mogavero 说，没有电子经纪人系统,交易就无法进行。
在2004年夏末,纽交所将电子经纪人系统升级为电子报价系统，作为电子经纪人系统地面终端的升级版,交易者可以使用他们的掌上工具完成以前很多口头上完成的许多工作。譬如,交易者可以通过电子经纪人掌上系统,向交易专员投掷并定购大宗交易,如每股50美元,总股数为5万的交易。通过升级版,交易者也可以收藏一些公开的和非公开的交易,譬如一项出价为50美元,5万股的公开交易,还有一项非公开的1万股的交易,这样可以防止股票价格上升到50.3美元。
这些保留股票的信息可以不被交易专员所看到，而在交易商间共享。这也就是说，Mogavero在进行纽约银行的股票交易中，电子报价系统将允许她秘密地自动地找到Merrill Lynch这种对她的股票感兴趣的人。更极端地说，你可以看到一大群人在通过无线系统做交易，而没有一个人说话。
第二个基础的项目是为专业商提供应用编程接口，软件接口必须使得专家能够将订单的薄记与一定的运算法则连起来，而这个运算法则可以使这些订单得以交易，同时保证市场平稳。
这些运算规则将能够生成新的投标以提高交易所最高的出价,撤消先前的投标,补充投标,完成交易并按照交易专员对股票的意向价格进行排序。运算规则不能投标和出标。当然，只有交易专员才有权这样做,目的是为了降低交易多变性风险并对交易进行审核。
在简单化的潮流下，交易专员的大部分工作都将实行自动化。Thomas Schafer III是医药巨头Pfizer 股票交易的交易专员，他期待自动化将筛除市场“噪音”，比如在1000股到5000股之间的交易量。这种交易额对随机指令系统而言过大，因为纽交所对电子交易的容量有规定，但同时又过小而无法对证券专业工作者的经济利益产生实质影响，他们的利益来自于市场定单中的出价和供价间的差价或者是公司会计交易。Schafer和他的工作人员宁愿进行大宗交易谈判，譬如说50万股。他说：“我希望这可以将我从惯常工作中解脱出来，以专注于各种违规交易。”
百里兹认为，如果没有这些接口，交易专员所需要的专业软件就不可能产生，这样就会将他们排斥在电子市场之外。
人工交易是否更好？
随着多样化系统的建立，纽交所面临的一个挑战将是在交易额和稳定性之间寻找平衡点。这是两个领域矛盾冲突的一些情况。
2004年12月10日，Pfizer宣布，该公司的一种关节炎药会引发心脏病，这对当时Pfizer的股票交易产生了影响。当天，Pfizer的股票价格最高为25.95美元，而最低价达到21.99美元，超过2.89亿股的股票被转手。
在纽交所开盘前，Pfizer通过电子系统以每股约22美元的价格进行交易。100个人站在Schafer的位置周围，0.37亿的股票等待出售。Schafer将Pfizer的开盘时间推迟到上午10点，或者公司进行告示后约45分钟的时间，这样交易者就能对新的交易进行预测估计。
Schafer开盘价为23.52美元，比电子交易的价格高出一美元。Schafer这样解释说：“从22.52美元到23.52美元，或许看上去差别并不大，但是如果你是短期资本经营者，想以22.52美元的价格抛售700万股，你就必须得解释为什么 你损失了7百万美元。” 他认为Pfizer事件显示出纽交所交易模式的优势。
凯文・欧哈拉，电子网Archipelago的首席行政长官对此持异议。他认为电子交易完成了大量交易，并发现了一个稳定的价格，甚至早于Pfizer 在纽交所进行交易的时间。
欧哈拉说，“在Pfizer交易的最后时间段，纽交所关闭了交易点，这样交易就无法进行，纽交所正阻止使用电子报价。”
Pfizer 将如何在多样化市场中进行交易呢？这是证券公司的一个热点。自动化必须促进交易量的增加，因为交易专员对按键依赖小得多，每天大约是2万到3万， 而更多的依赖于对股票的“行为模式”能够做出反应并加以解释的程序。百里兹说，为了管理这些项目，纽交所正花费大部分时间来确定它能识别出交易者和专业证券者的需求，并在系统中满足他们的要求。
曾经，场内交易者、专业商和其他市场参与者在新技术中拥有话语权，各种变动将会缓慢转出，并被估值。譬如，一月份平均每日交易1.59亿股的股票，而随机相加指令系统能够处理的数量超过这个值。但是仍然有限，因此纽交所能够研究它对变更率产生的影响。
“我们采取了一种相当标准的方法，甚至进行了周密的规划和质量评价；我们合并一系列相互关联的子系统，并且我们得确定不会出现意料之外的结果。”百里兹说道。
它对于人们参与拍卖和大宗交易做出了贡献，这意味着交易所编写了自己大部分的软件。
“大体上，我们自给自足。”百里兹说道，“我们获取我们所需要的，但是世界上没有我们可以随心所欲的地方。显然地，如果我们能够走出去，更便捷地购买，我们就会那么做了，但通常我们没有这样的选择机会。”
机构投资者和个人投资者将不得不等到至少2006年3月才能看到百里兹所发明研制的东西；并且不管泰恩是否能够保持他的告示牌，专业证券者和交易商都对人与机器的联合结果表示欣然接受。
新技术推动发展
从1792年至今的214年间,纽交所的交易方式、制度和规模经历了多次变化，每次变化都与技术因素相关。回顾历史,一些新技术的应用在推动交易所发展中起到了重要的作用。
1867年,爱德华・卡拉汉发明了第一台股票自动报价器,这种机械装置能够把从交易大厅通过电报传来的股票价格自动打在纸带上,实现了股票价格的实时报价。
1878年,仅仅在贝尔博士发明电话两年之后,电话就出现在纽交所的交易大厅,电话的出现又大大缩短了投资商和经纪人之间交流的速度。
1883年,在爱迪生发明电灯后4年,纽约证券交易所内的煤油灯全部换成了电灯。 1966年,纽交所开始使用“无线呼叫系统”,该系统数年之后取代了交易所墙上的大型通告牌。同年,纽交所还推出了电子报价显示屏。
1976年,纽交所开始采用“指定指令回转系统(DOT)”,可使券商直接将小额委托指令传送到专家柜台,而无须场内经纪人介入。
1978年,鉴于出现越来越多股票交叉上市的现象,纽约证交所开始启用“跨市场交易系统(ITS)”,使得投资商可以在多个市场间连线操作,寻找最低的投资价格。
作者简介：陈灿平(1973－)，男，湖南双峰人，西南民族大学学报编辑，四川大学经济学院博士研究生，主要从事金融理论与实践研究。
中图分类号：F830．91
文献标识码：A
文章编号：1006－1096(2007)02－0140－04
收稿日期：2006－09－27
一、引言
股票交易市场量价变化特征是考察和分析股票市场运行机制、风险特征和结构特点的重要层面，也是运用现代资本市场理论对股票市场进行实证研究的基础。一般认为，股市量价关系揭示了市场信息流的到达速率、信息的扩散、消化和传播方式及市场价格对市场信息的反映程度。正因为如此，量价关系理论一直是人们研究的重点。理论界对股票市场量价关系的解释很多，大多数人认为成交量和收益率的变化由金融市场上的信息流决定，尤其是未能被预测的信息，金融市场上信息流的变化直接影响股票交易的活跃性，同时引起股票价格的变化，从而成交量和收益率之间相对于同一变量正相关，使得过去的交易量变化能够较好地预测当前收益，反之过去的收益也可以预测当前的交易量。Blume(1994)认为通过研究过去的价格和交易量可以获得有价值的信息，交易量提供了关于过去价格运行质量和精确度等信息。
股市量价之间的关系研究可追溯到Osborne(1959)提出股市量价之间具有某种关系的论断。此后，Granger、Morgen-stern(1963)运用交叉光谱分析法(cross-spectral method)，分析纽约证券交易中心(NYSE)股票指数收益与交易量之间的关系，发现指数收益与交易量并无显著关系。Ying(1966)利用S&P500指数与NYSE的成交量进行研究，认为量价之间确实存在一些相关性。自从Granger(1969)通过建立自回归模型并提出线性因果关系检定方法，这种线性因果关系检验方法在金融市场中被得到广泛应用，如Rogalski(1978)以Granger因果检验方法对10种股票及认购权证的月度数据进行检验，发现股价与成交量正相关。其后诸如Copeland(1976)、Jennigs等(1981)和Harris(1987)分别对成交量与绝对报酬率、股市量价时间序列进行研究，结果显示股市成交量与绝对报酬率、量价之间存在着正相关。而陈东明(1991)、陈永茂(1993)对我国台湾地区股市量价之间的研究发现台湾股市价量具有双向因果关系。另外Brock等(1991)、Hsieh(1991)及Jones(1992)通过实证研究分别证实了股票收益率及成交量具有非线性相关。Campbell等(1993)指出股价收益的自相关性是交易量的非线性函数，并随交易量的增加而递减。为了更为精确地描述序列间的非线性关系，Gallant等(1992)利用非线性冲击反应函数(nonlinear impulse responsefunction)，分析了S&P500指数收益与NYSE交易量之间的关系，结果表明收益率对成交量具有因果关系。Baek、Brock(1992)利用相关性积分发展出无母数检测法，用于捕捉一般线性统计检测所无法揭露的信息。此后Hiemstra、Jones(1994)将Baek、Brock(1992)模型加以拓展，并结合Granger因果关系检验方法，将量价线性回归模型所得的残差进行Baek、Brock无母数非线性检测，对美国股市1915年到1990年的市场收益与交易量之间的关系进行实证研究，结果表明美国股市收益率与交易量之间存在双向的线性与非线性格兰杰因果关系。另外，在量价理论模型方面，Marilyn、Robert(1999)对量价关系的理论模型进行总结并分为信息理论模型、交易理论模型、理念分散模型和错误假定与信息误判假定模型等四类。
近年来，国内对股票的量价关系进行了广泛的实证研究，如陈良东(2000)利用上海股市100个交易日的价格与成交量数据进行因果关系检验与回归分析，结果表明成交量的变化与绝对价格收益之间存在着显著的正相关关系，上海股市的成交量对信息传递有一定意义。盛建平、高芳敏(2000)从成交量与回报率的定性分析出发，发现我国股市的成交量与回报率呈正相关。范从来、徐科军(2002)运用向量自回归模型分析发现交易量较大的公司股票的前期收益率对于交易量较小的公司股票的现期收益率有较强的预测能力。王承炜等(2002)研究表明，沪、深股票交易市场都存在收益对交易量的线性因果关系和双向的非线性因果关系。张永东等(2003)采用上海股市每5分钟交易数据对上海股市波动性与成交量变动率的关系进行因果关系分析，结果表明它们之间存在双向线性因果关系，但不存在非线性因果关系。此外，周志明等(2004)对我国的两个期货合约的收益率波动进行了实证研究，结果显示交易量与收益率波动呈正相关关系，持仓量与收益率波动之间的关系是负相关。王燕辉等(2005)以深圳成分指数日交易数据为分析样本，研究不同交易量的股票组合收益率的变动，结果表明在短时间内(1天、5天)，高成交量伴随着较高的收益率，但是在相对较长的持有期后，低成交量常常伴随着较高的收益率，而且统计结果非常显著。
鉴于量价因果关系的研究可以提供大量有关股票价格走势的有用信息，本文旨在通过对上海股票市场交易量与收益率之间的因果关系研究，对我国股票市场的价格机制、投资者行为以及市场结构进行分阶段的初步研究。
二、数据选取与序列分段
本文选取上证综合指数作为研究对象，数据为每日的综合股价指数收益率和总成交量。数据时间跨度为1990年12月19日至2006年4月10日，数据样本大小为3760个，数据来源于上海证券交易所网站(WWW．sse．com．cn)。由于自1990年上海股票交易所成立至今，有很多影响股票市场发展进程的事件，这些事件构成数据分阶段的原因。本文从交易制度考虑认为影响股市发展进程的事件有：1)1992年5月21日全面取消涨跌幅限制；2)1996年12月16日对市场实行10％的涨跌幅限制，引起股市交易行为与结构的改变。因此把数据序列分解为3段，分别是
S1：1990年12月19日――1992年05月20日；
S2：1992年05月21日――1996年12月15日；
S3：1996年12月16日――2006年04月10日。
鉴于格兰杰因果关系检验要求数据是平稳序列，本文先对所选取的收益率与交易量变化数据进行单位根检验(最优的滞后阶数由AIC信息准则确定)，表1中所有检验结果显示在1％的置信水平下拒绝存在单位根的原假设。因此，上证综合指数收益率和交易量都不存在单位根，是平稳时间序列。
三、上海股票市场交易量与收益的线性因果关系检验
利用上面的检验方法，本文对上海证券市场交易量与收益之间分阶段进行线性因果关系检验(结果见表2)。通过对数据序列进行分阶段的因果关系检验，发现一个有趣的现象，我国上海股票市场交易量与收益之间的因果关系是在市场发展中不断建立起来的，各阶段特征非常明显。检验结果显示：在第一阶段(1990年～1992年)我国股市量价因果关系不明显，这期间我国股票市场尚处于初建阶段，处于非理性状态，投资者着眼于政策导向，投资行为完全受政策因素影响，股票市场信息传递作用扭曲。在完全取消涨停板制度的第二阶段(1992年～1996年)，结果显示收益是交易量的格兰杰原因且在1％水平下显著，但交易量对收益的格兰杰因果关系并不显著，只是当在滞后2期时，存在微弱交易量对收益微弱的格兰杰因果关系。说明在我国股票市场得到快速发展的过程中，市场参与者的知识、以及对股票市场的认识逐步提高，由于长期在政策利好的刺激下，预期收益增长是投资者交易的主要动力，我国股票市场处于收益引导阶段。在设立涨停板制度的第三阶段(1996年至今)，股市呈现明显的量价双向格兰杰因果关系。因此，上证综合指数收益率与成交量变动率之间存在双向线性因果关系，这意味着日内收益率与成交量变动率对预测有显著的前导作用，我国股票市场结构得到明显改善，市场信息对投资者行为产生正向引导作用。另外，检验结果还表明，从收益率到成交量变动率的因果关系，要强于从成交量变动率到收益率的因果关系，并且量价之间的因果关系对滞后期的选择较为敏感，预测效果随着滞后期的延长而变弱。
四、上海股票市场交易量与收益的非线性因果关系检验
Baek、Brock(1992)构造了一个简单的双向非线性因果关系模型说明了上述Granger检验对非线性因果关系检验具有弱功效。为此，他们推广了Granger线性因果关系的检验方法，以期能够捕捉到隐藏在背后的非线性关系。推广的检验方法是，设
结果见表3。非线性因果关系检验结果表明，在第一阶段(1990年～1992)我国股市量价基本上不存在时间序列间的非线性因果关系，上海股票市场尚处于初建期的发展阶段，市场参与者对信息不敏感，市场信息并不能够有效的影响市场投资者的投资行为，造成信息传递扭曲。在完全取消涨停板制度的第二阶段(1992年～1996)，在5％水平下我们不能够拒绝原假设，表明我国股市在此期间就已经存在量价之间的非线性格兰杰原因。说明我国股市的快速发展中，虽然直接的线性因果关系存在不对称现象，但随着市场参与者认识水平的提高，对影响市场走向的各种宏微观信息理解加深，此阶段股市信息传递机制发生明显改善，成交量对市场的信息具有一定的反映能力，并使股市量价之间具有双向的非线性因果关系。在设立涨停板制度的第三阶段(1996年至今)，我国股市在国家系列政策的推进下得到进一步的发展，股市量价呈现更显著的量价双向非线性格兰杰因果关系。
五、结论
本文在考虑我国股票市场发展过程中出现的显著阶段性差异的情况下，依照市场交易制度的重大变革，将整个研究时间区间划分为三个部分，对上海股票市场量价关系分阶段进行了线性和非线性的格兰杰因果关系检验，旨在更好地刻画出各不同制度下股市结构和市场交易行为特征。
我国股票市场建立二十多年来得到了飞速的发展，股票市值占GDP的比重呈上升趋势，股票总市值占GDP 的比例最高达50%左右，已成为亚洲最大的证券市场之一。股票市场的发展同时也对我国宏观调控带来严峻的挑战，随着股票市场在国民经济中的地位和作用的日益提高，其对货币政策，尤其是对货币需求的影响日益明显。
传统的货币理论强调货币供应主要考虑商品和劳务供求，但却忽视了金融资产的交易同样需要货币作为媒介。一般认为，股票市场在其发展的过程中促使其交易量扩大，使货币需求的总量和结构发生变化；同时，资金为了寻求高额回报在不同市场间流动也导致了货币寻求的短期变化。而在我国目前以货币供应量作为货币政策中介目标的情况下，股市与货币需求之间的关系直接影响到中央银行对货币供应的调控行为，进而对货币政策的制定和实施产生重要影响。
一、货币需求理论及股票市场对货币需求影响的理论分析
（一）国外研究概述
西方货币需求理论主要包括传统货币数量论、凯恩斯“流动性偏好”货币需求论、弗里德曼现代货币数量论等。纵观西方货币需求理论的形成和发展，货币数量论对货币需求的影响因素和数量关系的解释，是货币需求理论最基本的思想和理论渊源。
美国经济学家费雪《货币购买力》一书中对传统货币数量论作了系统清晰的阐述。费雪提出的现金交易数量说阐明，总支出仅仅决定于货币数量的变动,而对利率波动不具有敏感性。认为货币是用来交换商品和劳务,以满足人们的欲望,货币最终都将用于购买。剑桥学派则在费雪理论的基础上考虑了利率对货币需求的影响。
20世纪二三十年代资本主义经济出现大萧条，凯恩斯经济理论开始发展起来，他强调经济的长期性和非充分就业，对货币需求提出著名的流动性偏好理论。凯恩斯把行为人对于货币的需求称为流动性偏好,他认为形成流动性偏好是出于交易动机、预防动机、投资动机三个动机。后凯恩斯派的鲍漠和托宾的现金管理模型和惠伦模型是对原有理论用数学公式进行阐述和补充。
在货币需求的研究中将股票市场的影响因素考虑进去是在1956年弗里德曼发表《货币数量论:一种新的解释》一文中，他给传统货币数量论以新的解释。弗里德曼的货币需求理论将货币视作任何一种资产,运用资产需求理论得出了货币的需求是持有货币的机会成本和恒久性收入的函数。关于股票市场对货币需求的影响机制，弗里德曼认为体现在财富效应、资产组合效应、交易效应、替代效应四个方面，在上述四种效应中，财富效应、资产组合效应和交易效应会增加货币需求，而替代效应则减少货币需求。
M. Friedman（1988）利用1961—1986年美国的季度数据对股票价格的货币需求效应进行了实证研究，结果发现股价上升的资产组合效应不明显；利用1886—1985年美国的年度数据所做的实证检验却发现，股价上升对M2的财富效应小于替代效应，这表明股票价格的上升将减少货币需求。
Palley（1995）的实证研究发现1976—1991年美国的股票市场交易额与货币需求呈显著正相关，并且发现通过引入股票市场变量可以提高货币需求函数的预测能力。
（二）国内研究状况概述
随着1991年底上海和深圳两个证券交易所的建立，我国股票市场不断发展和完善。近年来国内许多学者开始进行我国股票市场对货币需求的影响的实证研究，如谢富春和戴春平（2000）利用1994—1999年的季度数据对货币需求函数进行估计时发现，股票市值同M1、M2和准货币的名义余额具有显著的正相关关系。石建民（2001）以中国1993—2000年的季度数据为样本，采用多元线性回归模型分析表明，中国股票市场交易与货币需求量正向相关。姜波克和陈华（2003）利用证券收益率及其方差来估计股票市场对货币需求的影响，结果表明证券市场真实收益率期望值和方差与货币需求实际余额显著正相关。易行健（2004）利用我国1994—2002年的季度数据，采用Johansen 协整方法，结果表明我国股票市场的发展减少了对狭义货币与广义货币的需求，体现了极强的资产替代效应和交易效应；同时，股票市场对货币需求结构存在显著的影响，估计系数表明了股票市场交易与货币流动性M1/M2之间呈正向相关关系。从以上的研究结论看，我国股票市场的产生和发展增加了对货币的需求。本文对股票市场通过交易效应、资产组合效应、财富效应和替代效应对M1、M2以及货币需求总量产生的影响进行考察论证。
二、我国股票市场与货币需求的实证分析
将传统的货币数量论方程式（1）作了进一步的改进，改进后的方程见公式（2）。
MV=PQ（1）
其中，M表示货币数量，V表示货币流通速度，P表示商品价格，Q表示商品交易量。
MV=PT+PSTS （2）
其中，PS表示股票市场价格水平，TS表示股票市场交易量，PSTS则表示股票市场股票交易所需的货币流通量。
公式（2）给出了一个涉及产品市场、股票市场和货币市场三市场的货币数量模型。该模型表明货币的总流通量不仅取决于实体经济中的产品市场交易，而且还受到股票市场交易的影响。从总量上看，股票交易动机的货币需求取决于人们对股票的需求，以及股票的价格水平。当股票价格上涨时，PS上升，因此股票交易动机的货币需求将增加。而且股票价格的上涨通常会带动股票交易量TS的放大，从而进一步导致货币需求增加。
（一）我国股票市场与货币交易需求的实证分析
为了证实我国股票市场的发展与完善是否对货币的交易性需求产生影响，本文采用多元线性回归模型进行分析论证。模型的样本数据为2002—2009年的季度数据，为了得到更准确的结果，模型的因变量和自变量全部采用相对量而不是绝对量。模型的因变量为狭义货币余额增长率（M），自变量包括工业生产总值增长率（GIP）、物价增长率（CPI）、上海证券交易所股票交易金额增长率（TRD）以及一年期存款利率增长率（DIR）：
M1 = A1+a1GIP+b1CPI-c1DIR + d1TRD（3）模型回归的结果如表1：
货币交易需求的回归结果显示，股票市场交易与货币需求量呈正向相关。尽管货币需求与股票市场交易之间的系数并不是很大，回归方程的D.W值偏低，但在模型既定的样本容量和确定的自变量数目下，同时给定0.05的显著性水平，D.W值的上下限分别为1.74 和1.16，而模型的D.W值介于0和下限1.16之间，表明存在一定的一阶正自相关。使用广义差分法来修正方程的序列相关性，重新回归的结果如表2。
（二）我国股票市场与货币总需求关系的实证分析
利用货币交易需求回归主要是分析我国股票市场对货币产生的交易需求，因而采用的是狭义货币M1。狭义货币相对于广义货币而言更能体现货币的交易性质。但股票市场对货币的影响并不仅仅只在交易需求方面，它还会通过其他效应和机制对货币总需求产生影响，只有同时对狭义货币和广义货币进行分析，才能判断股票市场是如何影响货币需求的。因此，这部分实证分析将考察我国股票市场与货币总需求的关系，由于考察的是货币总需求，相应的货币指标将采用广义货币M2，与上一部分对应，其回归模型如下：
M2 = A2+a2GIP+b2CPI-c2DIR + d2TRD （4）
回归分析表明，股票市场与货币总需求同样具有统计显著性，呈正相关关系，股票市场价格上涨、交易量增加，会导致货币总需求相应增加。回归结果的D.W值与回归方程（3）类似，相对偏低，表明检验结果存在一定的序列相关性。使用广义差分法进行重新回归，结果如下表3。
修正结果与初始回归结果虽然在系数大小上存在差别，但在基本结论上并不冲突，且正负方向仍然是一致的。因此，可以说明我国股票市场对货币总需求函数是具有影响，而且呈正相关关系，说明在股票市场对货币需求产生的正效应（财富效应、资产组合效应、交易效应）和负效应（替代效应）的相互作用中，增加货币需求的正效应超过降低货币需求的负效应，从而使股票市场与货币总需求之间呈正相关关系。
三、结论分析
以上实证研究结果表明，股票市场对货币需求是有影响的，对我国的货币政策传导机制会产生一定作用，但由于我国股票市场自身发展的局限性，其作用还是十分有限的。对于我国股票市场来说货币需求产生的影响效应主要表现在以下几个方面：
（一）股票市场的发展规模。衡量股票市场发展的指标——上证指数无论对M1，还是对M2需求都有正效应和负效应两方面的作用，原因是股票价格波动对货币需求的替代效应是负效应，对财富效应、资产组合效应和交易效应是正效应，正效应之和大于负效应，应说明我国股票市场投资者一般都具有较低的风险偏好。因此，当股票价格上涨、风险程度增加时，人们并会增加其资产组合中相对安全资产的比重来抵消这种风险，将部分资金撤出股票市场，转而投向定期存款、国债等相对安全和稳定的资产。
（二）现金化交易规则，我国证监会规定股票市场交易必须采用足额的现金，所以股票市场对货币需求的交易效应十分明显。由于证券保证金计入M2，当股票市场活跃时，一部分货币就从现金、活期存款进而转化为证券保证金，从而减少M1，增加M2。
(三)投资者偏好。我国股票的投资者散户较多，机构投资者正处于发展阶段，还尚不成熟，对股票的认识还不充分。当股价上涨时，往往有更多的投资者和更多资金以各种方式进入股票市场；当股市低落时，由于我国股票市场的特殊性，散户和机构投资者的投资偏好又具有投机性，资金不会迅速撤出市场。这与国外的投资行为完全不同，所以能够产生相应的财富效应和资产组合效应，但其持续行不强，一旦投资者将资金的投机失败，资金迅速会撤出市场。可见其财富效应和资产组合效应并不显著。
四、对策建议
伴随着我国股票市场的发展和不断完善，它对货币需求的影响也在不断地突显。因此，要关注股票市场的发展，实现股票市场和货币政策的良性互动。应从以下两个方面加以完善。
（一）完善货币市场，促进股票市场和货币市场的协调发展。两个市场的良性发展，是金融行业有效运行的市场基础，也是现代金融体系的内在需求。股票市场发展到一定规模，而货币市场的发展相对滞后，则会影响到股票市场的进一步发展。股票价格持续上涨时，投资者评估股票预期收益率高于实业投资的预期收益率，大量资金便会留在股票市场，货币需求就会减少，此时不应再增加货币供应，否则将助长股市泡沫滋生，带来经济发展不稳定，造成虚假繁荣；而当股票价格持续下跌，股票市场处于低迷状态时，由于股票市场的替代效应大于其他效应，货币需求就会增加，这时就应适当增加货币供应量，这将有助于活跃股票市场，促进股票价格上升，增强其融资功能。
（二）货币政策应该关注股票市场的变化，将股票价格作为影响因素纳入货币政策的目标体系。整个股票市场就是经济的缩影，股票价格本身包含了丰富的经济信息。但是货币政策制定也不能完全盯住股票价格，这是因为货币政策虽然能通畅地传导到股票市场，但是我国股票价格的波动性很强，股票市场对实体经济的影响还不够明确，这样就导致股票价格的变化与实体经济周期不一致。因此，一方面货币政策可以通过货币需求量调节股票市场的发展，也可以根据股票市场的变动情况预测对货币需求的变动以便及时调整货币供应；另一方面，应着眼点于实体经济运行状况货币需求量以及市场利率等指标的综合分析判断。
总之，对于像中国这样一个处于转型期的国家，应该根据宏观经济形势的不断变化和金融市场自由化的发展程度，适时地考察货币需求函数的变化和影响因素及产生的效应。只有很好地理解货币需求的影响因素和效应，才能帮助决策者们在一个正确的框架下成功地实施货币政策。
[参考文献]
[1]王晓芳，王学伟.中国股票市场对货币需求的影响[J].财经科学，2008(3).
[2]徐慧贤，郭玉洁.我国股票市场与货币需求的实证分析[J].内蒙古财经学院学报，2007(1).
[3]戴晖.我国股票市场对货币需求和货币流通速度的影响研究[J].当代经理人，2006(14).
[4]邓雄.中国股票市场对货币需求总量的影响[J].福建金融管理干部学院学报，2006(3).
[5]朱静平.股票市场影响货币需求的定性分析[J].理论探讨，2006(5).
[6]赵明勋.中国股票市场发展与货币需求实证研究[J].财贸研究，2005(2).
[7]易行健.关于中国股票市场对货币需求总量与结构影响的分析[J].经济科学，2004(6).
[8]余元全.股票市场发展对我国货币需求的影响[J].甘肃社会科学，2004(1).
[9]朱道益.我国股票市场对货币需求影响的实证研究[J].上海财经大学学报，2002(6).
[10]魏永芬.股票市场与货币需求[J].东北财经大学学报，2002(1).
[11]石建民.股票市场、货币需求与总量经济：一般均衡分析[J].经济研究，2001(5).
[12]申建文，王立平.中国股票市场对货币需求影响效应的计量分析[J].西南金融，2008(9).
一、引言
运作良好的股票市场将会增加储蓄率和把资金有效率地分配给生产性投资，从而会提高经济增长率。Dailami和Aktint的研究发现股票市场给企业提供了一个相对低成本获得投资资本的源泉。Levine和Zervos L副以及Atje和Jovanovict的实证研究表明股票市场发展在经济增长过程中的重要性。Beck和Levinet。。的研究表明股票市场发展和人均GDP高度相关。Caporale，Howells和Solimant利用7个国家的样本数据发现发展良好的股票市场有利于长期的经济增长。
学者们对证券交易税(Securities Transaction Taxes，以下简称为STT)影响的研究主要集中在两方面。一方面是STY对证券市场波动性的影响，例如Summers和Summers的研究。另一方面是STT对证券市场流动性的影响，例如Schwert和Seguint，Dupont和Lee副的研究。然而这些研究局限于STT对证券市场的某一方面的研究，而且没有将STT与一个国家或地区股票市场发展程度联系起来研究。
关于衡量股票市场发展程度的研究还很少。本文借鉴Demirgue-Kunt和Levine的方法，并考虑数据的可得性，采用资本化率、交易率和换手率三个指标衡量股票市场发展程度。我们利用中国的数据，采用事件研究法，分析STT对股票市场发展程度的影响。
二、数据描述与研究方法
(一)数据来源及说明
本文的数据主要来源于CSMAR中国证券市场交易数据库、世界银行出版的各年度《世界发展指标》(World Development Indicators，以下简称为WDI)。我国股票市场的STT采用印花税这种形式。从1990年开征股票交易印花税以来，经历了8次调整。其中1999年6月1日的调整只涉及B股票市场，其他7次都是全面性的调整。由于B股在整个股票市场中占的份额较小，我们将这次调整排除在外。样本股票包括上证综指和深证综指的所有股票。
(二)主要指标的简单描述
股票市场的发展水平需要有各种方法来测量，以避免片面性。本文主要采用资本化率、交易率和换手率三个指标衡量股票市场发展程度。和一般研究不同的是，为了详细考察STr对股票市场发展程度的影响，我们将求出每日的资本化率、交易率和换手率。
市场规模与动员资本和分散风险的能力是正向相关的。股票市场规模用市场资本化率来表示。在WDI中，市场资本化率用市值除以当年0DP。与其相对应，我们用当日沪深股票市场所有上市股票流通股的市值与当年GDP的比例作为日市场资本化率。我们使用日交易率和日换手率来描述市场流动性。流动性是衡量股票市场发展的重要指标。流动性高的市场可改善资金的配置并有利于长期性经济增长。在WDI中，交易率是用Market Liquidity这一指标来衡量的，为当年市场交易总金额除以GDP的比率。为便于比较，我们把日市场交易额与日均GDP的比例作为日交易率。GDP数据来源于WDI，并根据WDI中美元和人民币的汇率折算为人民币。日均GDP为STY调整当年GDP与交易日总天数的比值。在WDI中，换手率是用Turnover Ratio这一指标来衡量的，为当年市场交易总金额除以当年平均市值。平均市值按当年年末市值和上年年末市值的平均数计算。与其相对应，我们将日换手率定义为日市场交易额与日流通市值之比。
(三)研究方法
本文运用事件研究法与两独立样本T检验法进行研究。以交易日为单位，事件期间分别为sTr调整后5日、15日、30日。STT调整前的60日为估计期间。根据上述样本计算出每日的资本化率、交易率和换手率。
为了判断在某一显着性水平上STY的调整是否对资本化率、交易率和换手率产生了影响，需要进行统计检验。我们运用两独立样本T检验法考察STT调整后5日、15日、30日与STI调整前的60日上述指标是否有显着变化，并结合其他国家的数据进行讨论。
中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2013）30-6874-03
如何准确地对股票进行分类识别一直是一个热门的证券研究话题。在国外，常用的方法如：人工神经网络（ANN）、支持向量机等常常出现在股票识别、走势预测的论文中。在国内，有不少学者使用时间序列、人工神经网络、模糊时间序列等方法研究股市，并取得了一些成果。
上述方法各有所长， 却各有不足之处。它们在股票分类识别应用中的最大不足便是重用性差[1]，例如神经网络模型需要做预先训练来最优化参数，因此训练的结果往往不适用于其它数据。比如我们训练一个神经网络来识别银行板块的股票，训练好的神经网络模型却不能用来识别煤炭板块的股票。
结合上述模型的优点，通过股票技术分析与模糊逻辑的理论方法建立一个基于量价特征分析的股票分类识别模型。模型的优点是：（1）模型重用性高，可将某一板块训练得到的模型应用于其他不同板块；（2）利用均线系统与模糊逻辑方法降低了数据噪声影响；（3）模型分类结果直观易理解，通过对识别后的同类股票盯梢，可以在某只股票率先上涨后立刻购入与其同类的未涨股票，以此获利。
1 模型介绍
量价分析是分析价格、交易量两者之间关系的技术分析方法。模型立足于股票量价分析，目标在价格和成交量的时间序列中找到一定的规律，并根据这些规律找到相同规律的股票。模型通过分析股票的价格距离、走势特征、成交量特征来完成对同类股票的识别。
1.1 价格距离
价格距离是指两个股票间价格的欧式距离。但由于不同股票的发行价格不同、且存在除权的影响，所以不能直接拿两个股票进行价格距离计算，而应取经归一化处理后的复权价格数据来建模计算。同时为了降低数据噪声影响，模型采用收盘价的3日移动平均值（下文简称：MA3值）代替日收盘价。在数据长度上，选择200天的交易数据，因为200天接近一年的总交易日，已经足够反应两只股票间的走势是否相近，并可据此判断他们是否属于同一类股票。
在计算价格距离前，还需要考虑日期对齐问题。在股票市场，上市公司遇到重大事项，常常会向交易所申请停牌。由于可能存在交易停牌，所以在计算价格欧式距离前必须先对齐价格数据的日期。交易日期对齐后，若某日缺少价格数据，则当日价格距离等于最后总距离的平均值。当对齐后缺少价格数据的天数超过一定数值（一般取24天），则失去价格距离计算的意义。如果仍要进行股票间的价格距离计算，只能另选满足长度要求的数据。
两个股票间价格距离的详细计算流程如下：1.取两只股票最近200日的交易数据，2.将交易数据的日期对齐；3.判断对齐后的数据是否满足模型计算要求；4.计算股票收盘价的MA3值；5.将MA3值归一化；6.计算股票间的价格距离。
1.2走势特征距离
单纯依靠计算两股票间的价格距离并不能知道两股的走势是否相近，如图1中两个股票的价格欧式距离接近，但走势不同。所以要判断两个股票是否属于同一类型，除了计算股票间价格距离外，还必须计算两个股票的走势特征距离。
股票走势分上涨、下跌、平缓三种，如何定义这三种走势是计算走势特征距离的关键。经过实验统计，模型将股票的三种走势分别定义如下：（1）上涨走势：MA3值累计上涨超过3%为上涨走势；（2）下跌走势：MA3值累计下跌超过3%为下跌走势；（3）平缓走势：非上涨、下跌的走势统称平缓走势（技术分析又称之为横盘走势）。
据此定义的走势分布如图2下的走势统计图所示，在统计时间（2013年1月30日——2013年7月8日）内的所有股票走势中，44.7%为平缓走势，而下跌、上涨走势分别为28.7%和26.6%。从图2上的单日MA3涨跌统计图可以看到，单日便形成上涨、下跌走势的交易日不足10%，也就是说走势的确立主要依靠数日的走势累积来完成，这也符合股票实际运行规律。
在计算走势特征距离时，还需考虑如何降低噪声影响，例如由于某日暴涨形成上涨走势后在次日回落形成平缓走势甚至下跌走势，这种单日暴涨形成的上涨走势便是噪声。为了降低噪声影响，模型将三种走势分别细分成：走势初成、走势延续、走势结束三种，最后将所有9种分类通过模糊逻辑的方法将其模糊化以降低走势特征的噪声影响。在模糊化时，根据统计结果，让这9种走势类型相互覆盖，以减少波动噪声对整体走势计算的影响。
1.3成交量异动特征
相同板块的股票常常具有相近的成交量变化规律，例如2010年10月8日煤炭板块的股票集体放量大涨，2013年3月28日银行板块的股票集体放量大跌。成交量变化和价格变化一样，是市场最基本的表现，也是分析股票行情的重要指标。在研究成交量特征时，由于成交量的影响因素太多，如股票股本结构、机构大户对敲、股票除权等，这导致同类股票的中长期成交量变化不规律，故模型采用股票技术分析中的短时成交量异动特征来分析股票间成交量变化规律是否一致，并以此作为股票类别判断的其中一个依据。
模型使用的成交量异动特征分别是：倍量、地量、三天持续放量、三天持续缩量。这四种异动特征的定义分别如下：倍量，即当前交易日的成交量比上一交易日的成交量大两倍以上。地量，即当前交易日的成交量比上一交易日的成交量小两倍以上。三天持续放量，即当前交易日的成交量比上一交易日的成交量大1.5倍以上，同时上一交易日的成交量比上上一交易日的成交量大1.5倍以上。三天持续缩量，即当前交易日的成交量比上一交易日的成交量小1.5倍以上，同时上一交易日的成交量比上上一交易日的成交量小1.5倍以上。
确定好四种成交量异动特征后，会发现这四个异动存在同时满足的情况。例如某一交易日，可以同时满足倍量和三天持续放量；或者同时满足地量和三天持续缩量；为了更好地计算成交量异动特征距离，使用模糊逻辑方法将异动特征模糊化，再进行特征距离计算。
2 模型分类识别结果
建好模型后，开始对模型进行测试，测试模型的数据为截止2013年7月8日前的证券日交易数据。在进行分类识别前需对模型进行训练，让其“学会”什么样的股票是同一类型的股票。训练模型使用的股票样本选择银行板块中9个走势基本相同的银行股：000001、002142、600000、600015、600016、601009、601166、6001169、601818。这九只股票走势相近，且作为2012年末股市行情启动的标志板块，其具有鲜明的板块联动特征。
通过上述9只股票完成模型训练后，我们输入了：600008、000713、000858来测试模型分类识别结果，模型输出结果见表1。
有趣的事情发生在完成分类识别后的13年7月24日14：15，此刻600008放量上涨5.47%，而同一时刻600874仅上涨了2.87%，上涨步伐落后于600008，此时买入600874次日卖出便能获利7%。
3 小结
文章介绍的基于量价特征分析的股票分类识别模型是基于历史统计信息的，适用性广的和直观的股票技术分析模型。该模型通过计算股票间价格距离特征、走势距离特征、成交量距离特征来对股票进行分类，分类结果能够指导投资者进行准确的投资决策。
参考文献：
[1] 徐信喆.基于模式识别和分类的股市时间系列的分析和预测[D].上海：上海交通大学，2008：19-27.
