论文部分内容阅读
作为市场微观结构研究的重要内容之一,自上世纪80年代中后期对日内模式研究的兴起以来,日内模式的存在已经在许多国家的股市都得到了证实。由于我国高频数据库直到2000年才建立,同时由于金融高频数据的可得性问题,国内对日内模式的研究不仅起步晚而且研究的少。对股市日内模式进行研究,可以从市场微观结构层面反映出市场的有效性程度,为市场上的投资者选择投资策略、投机者进行套利活动提供借鉴,同时还可以为高频数据建模提供依据。针对国内现有对股市日内模式的研究只是从反映股票市场质量的某一方面特征,同时现有涉及对日内模式的研究,大部分只是从简单的图形描述上对日内模式进行说明,少数有涉及对日内模式进行显著性检验的未考虑到其他效应的影响,从而可能使对日内模式的研究结果产生偏差。本文以上海股市为研究对象,选取上证100指数中97只个股(剔除3只数据不全的股票)2014年11月6日到2015年3月25日的分笔交易数据,从反映市场质量的买卖价差、市场深度、交易量、收益和收益波动5个市场变量出发,采用GMM方法对剔除其他效应后的数据进行估计,检验我国股市的日内模式,得出上海股市买卖价差、交易量、收益和收益波动具有显著的日内模式,市场深度不具有显著的日内模式。国外学者对日内模式的产生原因,是从存货成本、信息不对称、市场交易制度的结构差别等变量之外的因素进行解释,对股市低频数据分析表明股市收益和交易量等各市场变量之间往往存在相互影响,在高频数据下,变量之间的相互影响将会变得更为突出和重要。已有的研究表明股市各变量的日内模式存在很强的相似性,鉴于此,本文认为股市日内模式不仅受信息不对称等变量之外的因素影响,同时还受变量之间的相互影响。本文通过建立多变量的VAR(SVAR)模型,采用Granger因果关系检验和方差分解方法对变量之间的相互影响进行检验,结果得出变量之间存在不同程度的双向和单向Granger因果关系,且变量的变化在比较大的程度上受其他变量的影响。