随着实体经济的飞速发展和资本市场的不断进步，中国A股市场上的许多规律开始逐渐地被人挖掘、接受，其中，最为重要的量价关系却仍然是一个复杂且令人揣摩不透的话题。纵观国外研究，早有华尔街的谚语：ittakesvolumetomoveprices。意即正是成交量推动了价格，但是早期外国的学者Granger和Morgenstern在做实证研究的时候却发现，美国证监会的综合价格指数和纽约证券交易所的总体成交量水平并没有显著的关系。在Karpoff对1990年以前所有价量关系的研究总结中，可以发现虽然之前的不少的研究证明了这个正向关系，因此用Clark等人发展了混合分布假说，充分解释了量价的正向关系。
　　然而混合分布假说的假设和限制仍然无法准确地刻画在云波诡谲波动的股市中反复无常的量价关系。因此，本文引入在经济周期的识别中广为应用的Bry–Boschan算法，首先经过季节调整后的收益率将被该算法自动识别出峰值和谷值，然后通过一种非参的方式来识别股市状态的转换，确定每段时期所对应的状态值。这样，时间序列上每一个点对应的股市状态就通过虚拟变量确定下来了，因此，将AR同期相关模型与VAR动态关系模型进行修正后就可以研究量价关系分别在牛市和熊市的关系了。
　　通过修正后的同期与动态模型，本文以上证综指和深证成指从1995年1月到2017年12月的月度数据为样本，主要得到了以下结论：（1）大盘样本的收益率与交易量变化之间基本上是存在双向的granger因果关系的。（2）在??与???同期关系上，本文发现了在熊市上股票收益率和交易量是负向联动的，与在牛市上的正向关系形成鲜明的对比。这种不对称关系不仅是显著的，并且对于不同的交易量表示方法和日度月度频率以及子样本抽样是稳健的。（3）最后只有在牛市中，收益率才能预测交易量，与之对应的是只有在熊市中，交易量才能预测收益率。这种量价关系在牛市和熊市中的预测能力差异也组成不对称性的一部分。
　　因此，首先本文的创新之处主要就是从前人极少涉及的一个新的角度，建立在股市状态上来研究量价关系，这样就能够更好地结合股市波动性上来研究量价关系，使得这种条件下的量价关系的实际应用价值更大，其次，本文从时间序列角度出发，将同期相关模型和VAR动态模型，以及Bry–Boschan算法相结合来研究量价关系。
　　当然，本文对量价关系的研究也存在一些缺点和不足：（1）根据前人对于价量关系的研究，鉴于价量关系之间的复杂性，结论得出数据对非线性的模型拟合更好。（2）由于本文只以上证综指和深证成指等为样本来研究量价关系，然而对于个股而言，情况又有所不同，甚至对于不同股票池，如大市值，小市值等个股这种对应的不同量价关系肯定有所差别。因此在以后的研究中可以考虑结合随机过程状态变换等模型来考察股市波动中的量价关系，并且在样本的选择上也可以追求多样化，将个股按照市值等进行分类研究其量价关系。