沪深股市股票价格与交易量关系的实证研究

本文运用两个市场最新的大盘指数和交易量序列重新检验了沪深股市股票价格与交易量之间的因果关系.发现股票收益率和交易量序列均呈序列平稳,交易量与股票价格变化量以及交易量与股票价格变化幅度之间均成正相关,两个股市的交易量和收益率序列存在双向Granger因果关系.     

我国股市价格变动与交易量波动关系研究——基于BEKK模型的实证分析

采用BEKK模型对沪、深两市A股收益率与交易量变动率的关系进行实证研究。结果显示,在变量波动性传递的ARCH效应方面,深证A股交易量波动冲击对收益率影响显著,但上证A股此类效应却不显著,这意味着深市A股上期观测到的交易量波动信息影响到收益率变动,而沪市A股上期交易量对股价变动的影响微弱;在变量波动性传递的GARCH效应上,两个市场亦存在较明显的差异:深证A股存在双向波动性传递,充分体现两变量波动的反馈效应,而上证A股仅存在单向波动性传递,体现为交易量波动的持久性对收益率产生影响。     

沪深股市指数效应研究与行为金融学解释

指数效应是证券市场的一种异常现象，是指指数调整其成分股会引起被调整股票价格和交易量的异常变动。本文运用事件分析法，以沪深300和上证180指数调整的样本股为研究对象，检验个股在调整前后的异常收益率和异常交易量，得出指数效应显著存在于沪深股市的结论，并用行为金融学的理论解释其成因，旨在指导中小投资者投资和完善我国证券市场的监管工作。     

上海股市交易行为与波动性分析

本文首先通过对交易量与股指收益率之间关系的实证分析,发现上海股票市场交易具有明显的“追涨不杀跌”性质。这一交易行为特征与我国股市特殊的交易制度和“政策市”的特点有着密切联系。本文结合ARCH模型及其扩展模型的特点,对我国上证综合指数日收益率的波动性进行了实证考察,发现上海股市中具有显著的ARC效应,且存在Black指出的“杠杆效应”。将两个方面结合起来,发现我国股市在市场主体交易行为与市场波动性之间的联系上存在有悖常理的现象,可能需要建立更复杂的理论模型加以解释。     

股市日收益率波动性与交易量关系

首先引入基于混合分布假设(MDH)的GARCH-M(广义自回归条件异方差)模型,因为GARCH-M模型是一个研究资产收益率和风险性关系的模型,将非信息交易量和信息交易量加入GARCH-M模型的均值方程中,研究了中国股票市场日收益率波动性与交易量之间的关系。信息交易量对波动性的解释能力要远大于非信息交易量;信息交易量中超过均值部分对波动性的解释能力大于整个信息交易量等。     

货币政策利率变动与房地产市场波动关系研究

通过采用EGARCH（1,1）模型,实证分析以一年期贷款基准利率为代表的货币政策利率变量对国内房地产行业上市公司股票价格波动的影响效应,研究考察涵盖2008年9月1日至2013年5月8日样本区间内主要房地产上市公司股票价格对央行政策利率的调整的反应,研究显示,具有代表性的贷款基准利率变化和调整对国内房地产行业股票收益率的影响显著且方向为负——利率调升则上市房地产企业股票价格向下调整,反之,如果政策利率处于下降通道则房地产企业股票价格向上调整。进一步分析则发现,国内房价历史信息可以部分地解释房地产市场的波动;房地产业股票价格波动具有群聚性,其股票价格收益率对宏观经济信息的反应呈现出一定的杠杆效应特征,即利好消息和负面消息对股票收益率的波动有非对称性影响,具有负面性的政策信息对地产市场的冲击往往大于对等程度的正面利好消息对市场波动的影响。     

基于量价关系的股票价格分布模型探析

基于量价关系,用交易量的分布解释收益率的分布情况。分别探讨了预期交易量、非预期交易量与收益率之间的关系,发现交易量和收益率有明显的正相关关系;收益率对预期交易量以及非预期交易量都有解释作用,但无论是预期交易量还是非预期交易量对收益率都没有显著的解释作用,但是从统计量分布上看,前者的分布能够解释后者的分布。      

利空消息背后的替代投资机会研究

基于断点回归模型,对A股市场的10个行业进行了配对分组事件研究,分析了利空消息对行业内股票价格的影响以及在证券投资领域中的替代投资机会。为解决数据中的异质性问题,综合运用了固定效应模型和混合面板分析。研究结果表明,在利空消息发布后,受影响行业的股票收益率会显著下降,而与之具有竞争关系的替代行业的收益率则显著上涨,导致整个市场的平均超额收益率显著提高;受影响行业与替代行业之间存在负相关关系;利空消息的发布会严重影响企业的实际价值,导致股价偏离客观价值,从而诱发更多的投机行为;投资者可以通过运用逆向或替代投机思维,在证券投资领域寻找与受影响行业相关的替代行业,从而规避风险并获取超额收益。     

基于误差校正的ARMA-GARCH股票价格预测

针对时间序列预测和简单回归预测各自的侧重点不同,综合两者优点,对股票价格进行预测。首先将股价数据转换成对数收益率,利用ARMA-GARCH模型对收益率序列建立模型,对上证指数股票价格进行初步预测;然后建立回归模型对GARCH模型误差中未被解释的成分进行分析和拟合,利用回归模型预测的误差对GARCH模型预测结果进行校正。在选择回归模型变量时,引入变量间的相关性分析筛选合适的影响因子,利用主成分分析方法提取影响因子中包含的信息,实现对解释变量的降维,获取具有代表性的综合指标,以提高建模精度。实例研究证明该方法对于上证指数股票价格预测较为准确。     

上证指数价量关系的实证研究

资产价格与成交量之间具有一定的相关关系.通过引入Geweke(1984)总结的两种因果关系概念及计量模型框架,可对上证指数收益率和它的交易量之间的Granger因果关系和同期因果关系进行实证研究.研究结果表明,在上证A股综合指数成交金额、成交股数和换手率这三种交易量指标中,成交股数与收益率的相关性最强,并且估计出的VAR模型的一阶滞后项回归系数显著.Granger因果检验显示价量之间有预测能力,不过价对量的预测能力更强一些.收益率与成交股数的同期因果关系为成交股数同期导致收益率,表现为量价齐升.