论文部分内容阅读
摘 要：应用结构向量自回归（SVAR）模型对中国A、B股市场间的价量关系进行动态的结构分析，从而检验中国证券市场分割理论。得出的主要结论是无论在当期相关关系上，还是动态的相关关系上，A、B股市场间价量关系的同期作用呈现出不对称特征，A股对B股信息传递功能更强。
关键词：市场分割；结构向量自回归；信息不对称
中图分类号：F830.91文献标识码：A文章编号：1672-3198（2008）02-0157-02
1 模型设计与数据处理
1.1 模型设定
在股市中，市场中的各种信息都会或多或少地反映在股价和交易量的冲击上，股票价格和交易量的冲击具有短期和长期两个方面的影响。由于这些冲击是不可直接观察得到的，所以我们需要假设各种识别条件。这些假设需要考虑独立冲击的动态影响。如果这些冲击是相关的，我们应该考虑到各种冲击的相关性，因此可以将冲击进行正交化，对于一个n维系统来说，还得再假设n(n-1)/2个约束条件，才可以使得系统方程恰好可以识别。就短期影响的约束来说，这些约束条件的假设可以根据经济理论的意义来设定。本文所用模型中共有四个变量，分别是A股成交量对数（AJYL）、A股收益率(ASYL)、B股成交量对数（BJYL）和B股收益率（BSYL）。
结构VAR模型可写为：
1.2 假设和B矩阵的设定
为了寻找6个恰好可识别条件，首先我们根据A股和B股的市场特征对两个市场信息传导的方式作出如下假设。
（1）B股的交易量BJYL和收益率BSYL对当期A股交易量的波动AJYL没有影响，即b13=b14=0；
（2）B股交易量的波动BJYL和收益率BSYL对当期A股收益率ASYL没有影响，即b23=b24=0；
（3）A股的收益率ASYL对当期的B股的交易量BJYL没有影响，即b32=0；
（4）A股交易量的波动AJYL对当期B股收益率没有影响，即b41=0
1.3 样本及数据选取
本文选取的样本是沪市A、B股大盘指数，它们分别用上证A股指数、上证B股指数来代表，选取1999年1月4日到2006年12月29日的两种市场指数日收盘价和成交量（以成交手数表示）时间序列数据。由于中国节假日的原因而缺失的数据本文用上一个有效交易日的数据来补全。由于我们选择的日数据，沪市样本较大，共有2085个观察值。成交量是以对数形式出现，收益率是通过对股票价格指数的对数差分计算得到。经过单位根检验，我们发现A、B股成交量对数和A、B股收益率都是平稳的（见表1）。
表1 对A、B股市场交易量和收益率的平稳性检验
ASYLAJYLBSYLBJYL
2 SVAR模型的短期冲击分析
Granger因果分析虽然在某种程度上可以揭示出各变量间的相互影响的关系，但它并不能很好地反映变量之间的同期作用关系。而SVAR模型分析则能够弥补了这个缺陷。而且，对于股票市场来说，研究价量关系目的是为了在交易过程中避免风险，除了需要对股票市场的价格和交易进行预测外，由于新息冲击会在短期内导致股票交易风险的增加，因此发现新息冲击对于股票交易量和价格波动的短期效应也非常重要。这就需要进一步利用SVAR模型来分析不同市场间的价量关系。
根据上述约束条件，对各个变量作脉冲响应分析，结果如图1a-d。图中虚线表示2倍的标准差。图1a、1b、1c和1d分别表示A股交易量、A股收益率、B股交易量和B股收益率的新息对于其他三个内生变量的短期冲击。
图1a AJYL的新息冲击
图1b ASYL的新息冲击
图1c BJYL的新息冲击
图1d BSYL的新息冲击
对图1进行分析，可以发现价量关系的几个特征：
（1）在A和B股市场内，交易量的新息冲击正向作用于收益率的波动。例如，A股交易量的增长率每增加1%，会使得同期A股对数收益率的增长率上升0.014%；B股交易量的增长率每增加1%，会使得同期B股收益率的增长率上升0.22%。同时，收益率的新息冲击却是反向作用于交易量的波动。例如，A股收益率的增长率每增加1%，同期A股交易量的增长率反而下降了0.3%；B股收益率增长率每增加1%，同期B股交易量增长率会下降0.5%。
（2）A股市场上的新息冲击对B股交易量和收益率的作用是正向的，即A股交易量增长率每增加1%，同期B股交易量的增长率会增加0.1%，A股收益率的增长率每增加1%，同期B股交易量增长率会增加0.03%。在滞后几期内，B股交易量的增长率逐渐减小，到第二个交易日交易量的增长率为负，直到第7个交易日才恢复到初始水平。相反，A股的收益率上的新息冲击对B股收益率和交易量的作用是反向的，A股交易量增长率每增加1%，同期B股收益率增长率会下降0.002%；A股交易量增长率每增加1%，同期B股收益率增长率会下降0.008%。
（3）图1c和1d分别显示了B股交易量和收益率的新息冲击，不同于A股的新息冲击，无论是B股的交易量还是收益率的新息冲击对于同期A股的交易量和收益率都没有影响。但在滞后的10个交易日内，在受到B股交易量冲击和收益率冲击后，A股交易量的波动路径是相似的，呈现震荡衰减的特征，不过B股交易量冲击使得滞后几期A股交易量的波动幅度相对较小，而B股收益率冲击使得滞后几期A股交易量的波动幅度更大。B股交易量和收益率冲击对于A股收益率的波动也具有相似的作用路径，在滞后几期内，它们先使得A股收益率下降，然后再上升，呈现出围绕零值震荡衰减的特征。
3 SVAR的方差分解
方差分解的主要作用是考察序列中由于其自身冲击与其它变量的冲击而导致的移动比例。如果一个变量的冲击εzt在任何预测水平上都无法解释序列{yt}的预测误差方差，则可以说该序列{yt}是外生的。在这种情况下，序列{yt}将独立于新息冲击εzt并独立于变量z而自我独立变化。图2和3分别显示了A股市场交易量和收益率的方差分解图。
图2 A股市场的方差分解
图3 B股市场的方差分解
横轴表示时期，t=1到20期，纵轴表示预测误差方差分解的累积百分比，即在有限的期间，一个内生变量对另一个内生变量的累积作用程度。从图2中可以看出，ASYL上的新息冲击对于序列AJYL预测误差方差的影响最大，经过16个交易日后收敛于93.5%，它解释了AJYL预测误差方差的93.5%，AJYL解释了自身预测误差的3.7%，BJYL解释了AJYL预测误差方差的0.12%，BSYL解释了AJYL预测误差方差的2.7%；同理，AJYL解释了ASYL预测误差方差的90.5%，ASYL解释了自身预测误差方差的8.8%，BJYL和BSYL分别解释了ASYL预测误差方差的0.5%和0.3%。图3显示，BSYL解释了BJYL预测误差方差的94.4%，BJYL解释了自身预测误差方差的0.7%，AJYL和ASYL则分别解释了BJYL预测误差方差的4.4%和0.5%；BJYL解释了BSYL预测误差方差的68.3%，BSYL解释了自身预测误差方差的20.1%，说明它具有较强的自我维持性，AJYL和ASYL则分别解释了BSYL预测方差的1.1%和10.5%。
4 结论
本文的分析结果显示，由于在传统VAR模型中存在参数过度的问题，而运用SVAR得出得主要结论为：
（1）A、B股市场间价量关系的同期作用呈现出不对称特征，即A股交易量冲击会影响同期B股的交易量的波动，A股收益率的冲击也会影响同期B股的收益率的波动。B股交易量的冲击只能影响同期B股收益率的波动，反之，B股收益率的冲击只能在同期影响B股交易量的波动。
（2）信息传导基本是沿着A股到B股的途径进行的，A股的交易量能够预测未来2期B股交易量的波动，A股收益率能够预测未来1期B股收益率的波动。
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。
关键词：市场分割；结构向量自回归；信息不对称
中图分类号：F830.91文献标识码：A文章编号：1672-3198（2008）02-0157-02
1 模型设计与数据处理
1.1 模型设定
在股市中，市场中的各种信息都会或多或少地反映在股价和交易量的冲击上，股票价格和交易量的冲击具有短期和长期两个方面的影响。由于这些冲击是不可直接观察得到的，所以我们需要假设各种识别条件。这些假设需要考虑独立冲击的动态影响。如果这些冲击是相关的，我们应该考虑到各种冲击的相关性，因此可以将冲击进行正交化，对于一个n维系统来说，还得再假设n(n-1)/2个约束条件，才可以使得系统方程恰好可以识别。就短期影响的约束来说，这些约束条件的假设可以根据经济理论的意义来设定。本文所用模型中共有四个变量，分别是A股成交量对数（AJYL）、A股收益率(ASYL)、B股成交量对数（BJYL）和B股收益率（BSYL）。
结构VAR模型可写为：
1.2 假设和B矩阵的设定
为了寻找6个恰好可识别条件，首先我们根据A股和B股的市场特征对两个市场信息传导的方式作出如下假设。
（1）B股的交易量BJYL和收益率BSYL对当期A股交易量的波动AJYL没有影响，即b13=b14=0；
（2）B股交易量的波动BJYL和收益率BSYL对当期A股收益率ASYL没有影响，即b23=b24=0；
（3）A股的收益率ASYL对当期的B股的交易量BJYL没有影响，即b32=0；
（4）A股交易量的波动AJYL对当期B股收益率没有影响，即b41=0
1.3 样本及数据选取
本文选取的样本是沪市A、B股大盘指数，它们分别用上证A股指数、上证B股指数来代表，选取1999年1月4日到2006年12月29日的两种市场指数日收盘价和成交量（以成交手数表示）时间序列数据。由于中国节假日的原因而缺失的数据本文用上一个有效交易日的数据来补全。由于我们选择的日数据，沪市样本较大，共有2085个观察值。成交量是以对数形式出现，收益率是通过对股票价格指数的对数差分计算得到。经过单位根检验，我们发现A、B股成交量对数和A、B股收益率都是平稳的（见表1）。
表1 对A、B股市场交易量和收益率的平稳性检验
ASYLAJYLBSYLBJYL
2 SVAR模型的短期冲击分析
Granger因果分析虽然在某种程度上可以揭示出各变量间的相互影响的关系，但它并不能很好地反映变量之间的同期作用关系。而SVAR模型分析则能够弥补了这个缺陷。而且，对于股票市场来说，研究价量关系目的是为了在交易过程中避免风险，除了需要对股票市场的价格和交易进行预测外，由于新息冲击会在短期内导致股票交易风险的增加，因此发现新息冲击对于股票交易量和价格波动的短期效应也非常重要。这就需要进一步利用SVAR模型来分析不同市场间的价量关系。
根据上述约束条件，对各个变量作脉冲响应分析，结果如图1a-d。图中虚线表示2倍的标准差。图1a、1b、1c和1d分别表示A股交易量、A股收益率、B股交易量和B股收益率的新息对于其他三个内生变量的短期冲击。
图1a AJYL的新息冲击
图1b ASYL的新息冲击
图1c BJYL的新息冲击
图1d BSYL的新息冲击
对图1进行分析，可以发现价量关系的几个特征：
（1）在A和B股市场内，交易量的新息冲击正向作用于收益率的波动。例如，A股交易量的增长率每增加1%，会使得同期A股对数收益率的增长率上升0.014%；B股交易量的增长率每增加1%，会使得同期B股收益率的增长率上升0.22%。同时，收益率的新息冲击却是反向作用于交易量的波动。例如，A股收益率的增长率每增加1%，同期A股交易量的增长率反而下降了0.3%；B股收益率增长率每增加1%，同期B股交易量增长率会下降0.5%。
（2）A股市场上的新息冲击对B股交易量和收益率的作用是正向的，即A股交易量增长率每增加1%，同期B股交易量的增长率会增加0.1%，A股收益率的增长率每增加1%，同期B股交易量增长率会增加0.03%。在滞后几期内，B股交易量的增长率逐渐减小，到第二个交易日交易量的增长率为负，直到第7个交易日才恢复到初始水平。相反，A股的收益率上的新息冲击对B股收益率和交易量的作用是反向的，A股交易量增长率每增加1%，同期B股收益率增长率会下降0.002%；A股交易量增长率每增加1%，同期B股收益率增长率会下降0.008%。
（3）图1c和1d分别显示了B股交易量和收益率的新息冲击，不同于A股的新息冲击，无论是B股的交易量还是收益率的新息冲击对于同期A股的交易量和收益率都没有影响。但在滞后的10个交易日内，在受到B股交易量冲击和收益率冲击后，A股交易量的波动路径是相似的，呈现震荡衰减的特征，不过B股交易量冲击使得滞后几期A股交易量的波动幅度相对较小，而B股收益率冲击使得滞后几期A股交易量的波动幅度更大。B股交易量和收益率冲击对于A股收益率的波动也具有相似的作用路径，在滞后几期内，它们先使得A股收益率下降，然后再上升，呈现出围绕零值震荡衰减的特征。
3 SVAR的方差分解
方差分解的主要作用是考察序列中由于其自身冲击与其它变量的冲击而导致的移动比例。如果一个变量的冲击εzt在任何预测水平上都无法解释序列{yt}的预测误差方差，则可以说该序列{yt}是外生的。在这种情况下，序列{yt}将独立于新息冲击εzt并独立于变量z而自我独立变化。图2和3分别显示了A股市场交易量和收益率的方差分解图。
图2 A股市场的方差分解
图3 B股市场的方差分解
横轴表示时期，t=1到20期，纵轴表示预测误差方差分解的累积百分比，即在有限的期间，一个内生变量对另一个内生变量的累积作用程度。从图2中可以看出，ASYL上的新息冲击对于序列AJYL预测误差方差的影响最大，经过16个交易日后收敛于93.5%，它解释了AJYL预测误差方差的93.5%，AJYL解释了自身预测误差的3.7%，BJYL解释了AJYL预测误差方差的0.12%，BSYL解释了AJYL预测误差方差的2.7%；同理，AJYL解释了ASYL预测误差方差的90.5%，ASYL解释了自身预测误差方差的8.8%，BJYL和BSYL分别解释了ASYL预测误差方差的0.5%和0.3%。图3显示，BSYL解释了BJYL预测误差方差的94.4%，BJYL解释了自身预测误差方差的0.7%，AJYL和ASYL则分别解释了BJYL预测误差方差的4.4%和0.5%；BJYL解释了BSYL预测误差方差的68.3%，BSYL解释了自身预测误差方差的20.1%，说明它具有较强的自我维持性，AJYL和ASYL则分别解释了BSYL预测方差的1.1%和10.5%。
4 结论
本文的分析结果显示，由于在传统VAR模型中存在参数过度的问题，而运用SVAR得出得主要结论为：
（1）A、B股市场间价量关系的同期作用呈现出不对称特征，即A股交易量冲击会影响同期B股的交易量的波动，A股收益率的冲击也会影响同期B股的收益率的波动。B股交易量的冲击只能影响同期B股收益率的波动，反之，B股收益率的冲击只能在同期影响B股交易量的波动。
（2）信息传导基本是沿着A股到B股的途径进行的，A股的交易量能够预测未来2期B股交易量的波动，A股收益率能够预测未来1期B股收益率的波动。
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。