朱慧明，蔣 超，劉利枚

（湖南大學(xué) 工商管理學(xué)院，湖南 長(zhǎng)沙 410082）*

·證券與投資·

基于極端分位回歸的股市收益與交易量相依性研究

朱慧明，蔣 超，劉利枚

（湖南大學(xué) 工商管理學(xué)院，湖南 長(zhǎng)沙 410082）*

依據(jù)中國(guó)行業(yè)股市收益和交易量時(shí)間序列數(shù)據(jù)，引入政策效應(yīng)變量，運(yùn)用分位數(shù)回歸理論時(shí)間序列模型，考量股市收益與交易量相依性關(guān)系。結(jié)果顯示，中國(guó)行業(yè)股市收益與交易量之間相關(guān)關(guān)系存在差異，且在高分位點(diǎn)呈現(xiàn)正相關(guān)，在低分位點(diǎn)呈現(xiàn)負(fù)相關(guān)。結(jié)果表明，中國(guó)股市投資者存在顯著的羊群效應(yīng)，政策效應(yīng)對(duì)不同行業(yè)收益和交易量相依性的影響存在異質(zhì)性。鑒此，投資者宜減少部分行業(yè)股票配置，政府應(yīng)建立高效的風(fēng)險(xiǎn)管理機(jī)制，盡量減緩股市波動(dòng)。

相依性；股市收益；交易量；極端分位數(shù)

一、引 言

股市收益和交易量是金融研究領(lǐng)域中重要的市場(chǎng)特征指標(biāo)，基于收益率和交易量二者之間的動(dòng)態(tài)關(guān)系研究一直是一個(gè)重要研究議題，對(duì)了解股票市場(chǎng)運(yùn)行特征以及投資者的投資心理和投資決策有重要的意義。交易量在學(xué)術(shù)研究中重要性僅次于收益率，資產(chǎn)定價(jià)模型CAPM的發(fā)展可以追溯到20世紀(jì)60年代,但成交量只是最近才被納入這個(gè)理論框架。交易量作為衡量由價(jià)格揭示的信息質(zhì)量的一個(gè)指標(biāo)，為交易量在學(xué)術(shù)研究中的廣泛使用提供了理論解釋。股市收益和交易的量變化規(guī)律是研究金融市場(chǎng)運(yùn)行機(jī)制、微觀結(jié)構(gòu)、風(fēng)險(xiǎn)防范的重要方面，國(guó)內(nèi)外關(guān)于收益率和交易量的實(shí)證研究對(duì)象大部分是歐美以及一些發(fā)達(dá)國(guó)家股市，隨著中國(guó)經(jīng)濟(jì)的迅速發(fā)展，研究中國(guó)股市收益和交易量之間的變化規(guī)律并提出適當(dāng)?shù)恼呓ㄗh對(duì)我國(guó)股市平穩(wěn)有序的發(fā)展具有顯著意義。

Ning, C和Wirjanto T[1]等運(yùn)用Copula方法研究東亞六個(gè)新興證券市場(chǎng)收益和交易量之間的極值相依關(guān)系，實(shí)證結(jié)果表明這些市場(chǎng)收益和交易量之間存在顯著的非對(duì)稱極值相依關(guān)系。Lin H[2]研究了印度尼西亞、馬來(lái)西亞、新加坡、韓國(guó)、臺(tái)灣和泰國(guó)六個(gè)亞洲新興市場(chǎng)股市收益率和交易量之間的動(dòng)態(tài)關(guān)系，研究結(jié)果表明交易量是收益率的格蘭杰原因，并且這種因果關(guān)系存在異質(zhì)性。大多數(shù)市場(chǎng)二者之間存在雙向的因果關(guān)系，研究結(jié)果還顯示美國(guó)市場(chǎng)對(duì)亞洲新興市場(chǎng)的股市收益有預(yù)測(cè)作用。Longin F和Pagliardi G[3]使用S&P500指數(shù)1950年至2015年的日度數(shù)據(jù)，運(yùn)用極值理論研究美國(guó)股市收益和交易量尾部相依關(guān)系，結(jié)果表明在收益分布的左尾和右尾即重大事件發(fā)生時(shí)二者相依性減弱。Lee B[4]等研究紐約、東京和倫敦三個(gè)發(fā)達(dá)股市收益率和交易量之間的動(dòng)態(tài)關(guān)系，研究發(fā)現(xiàn)交易量并不是收益率的格蘭杰原因，三個(gè)股市交易量和收益之間都存在正向的反饋?zhàn)饔茫绹?guó)金融市場(chǎng)的變量尤其是交易量對(duì)英國(guó)和日本股市有顯著的預(yù)測(cè)能力。Salman F[5]使用新興市場(chǎng)伊斯坦堡證券交易所1992年至1998年數(shù)據(jù)研究風(fēng)險(xiǎn)—收益—交易量之間的動(dòng)態(tài)關(guān)系，均值廣義自回歸條件異方差模型（GARCH-M）結(jié)果顯示日收益數(shù)據(jù)是時(shí)變的且高度平穩(wěn)，同期的交易量對(duì)收益率有正向效應(yīng)，前一天的交易量正向影響收益率的條件波動(dòng)。王承煒,吳沖鋒[6]實(shí)證研究了滬市和深市價(jià)格和交易量之間的線性和非線性因果關(guān)系，研究結(jié)果表明，兩個(gè)市場(chǎng)之間存在著收益對(duì)交易量的線性Granger因果關(guān)系和雙向的非線性 Granger因果關(guān)系。吳吉林[7]構(gòu)建了機(jī)制轉(zhuǎn)換Copula模型來(lái)研究極端市場(chǎng)條件下我國(guó)股市量?jī)r(jià)間的尾部相依性,發(fā)現(xiàn)滬深兩市收益率、絕對(duì)收益率與交易量間的尾部關(guān)系存在明顯的非對(duì)稱特征。這些成果多采用GARCH類模型和Granger因果分析方法，能夠分析股市收益與交易量之間均值相依性關(guān)系，往往低估或者高估二者之間的真實(shí)相依性，難以刻畫(huà)投資者真實(shí)的交易行為，不能全面刻畫(huà)二者之間完整的相依關(guān)系。

Koenker[8]提出的分位數(shù)回歸為解決上述問(wèn)題提供的有效的研究工具。分位數(shù)回歸模型可以估計(jì)不同分位數(shù)的方程，不同分位數(shù)條件下的結(jié)果綜合就得到了該條件分布的完整描述。因此采用極端分位回歸模型研究中國(guó)行業(yè)股市收益率和交易量之間的相依性。同時(shí)該領(lǐng)域的實(shí)證研究主要集中在整體股市和債券市場(chǎng)，對(duì)具體的行業(yè)的研究分析較少，不同行業(yè)的相依性存在異質(zhì)性，因此考慮行業(yè)數(shù)據(jù)來(lái)分析二者之間動(dòng)態(tài)關(guān)系同時(shí)引入政策效應(yīng)分析其相依性。根據(jù)中國(guó)行業(yè)股市收益和交易量時(shí)間序列數(shù)據(jù)，引入經(jīng)濟(jì)政策不穩(wěn)定性變量，利用極端分位數(shù)回歸理論時(shí)間序列模型，據(jù)此進(jìn)行實(shí)證分析，研究變量之間的相依關(guān)系。

二、相依關(guān)系的分位模型構(gòu)建

分位數(shù)回歸理論最早由Koenker和Bassett在1978年提出，其廣泛運(yùn)用于研究金融變量之間的相依關(guān)系。依據(jù)因變量的條件分位數(shù)對(duì)自變量X進(jìn)行回歸，這樣得到了所有分位數(shù)下的回歸模型。利用解釋變量的多個(gè)分位數(shù)來(lái)得到被解釋變量的條件分布的相應(yīng)的分位數(shù)方程。與傳統(tǒng)的普通最小二乘模型（OLS）只得到均值方程相比，它可以更詳細(xì)地描述變量的統(tǒng)計(jì)分布。傳統(tǒng)的線性回歸模型描述了因變量的條件分布受到自變量X的影響。在實(shí)際的經(jīng)濟(jì)生活中，這種假設(shè)常常不被滿足，例如數(shù)據(jù)出現(xiàn)尖峰或厚尾的分布、存在顯著的異方差等情況，這時(shí)的最小二乘法估計(jì)將不再具有上述優(yōu)良性且穩(wěn)健性非常差。通常大多數(shù)經(jīng)驗(yàn)估計(jì)很大程度上都依賴于線性回歸模型，線性回歸模型未能考慮極端的市場(chǎng)條件，而這些條件通常會(huì)導(dǎo)致交易量發(fā)生巨大變化。市場(chǎng)行為遠(yuǎn)比條件平均值要復(fù)雜得多?；谄骄档膮?shù)估計(jì)和統(tǒng)計(jì)推斷不能夠全面的描述變量之間的相依性。

Chernozhukov[9]在Koenker和Bassett提出的分位數(shù)回歸理論基礎(chǔ)上提出極端分位數(shù)回歸模型，進(jìn)一步加深了分位數(shù)回歸的發(fā)展。極端分位數(shù)回歸能夠捕捉分布函數(shù)的尾部特征，對(duì)自變量對(duì)因變量分布的不同部分產(chǎn)生的不同的進(jìn)行影響全面的分析，而且其分位數(shù)回歸系數(shù)估計(jì)比OLS回歸系數(shù)估計(jì)更穩(wěn)健。極端分位數(shù)回歸的一個(gè)假設(shè)是在τ分位數(shù)條件下解釋變量εi的值等于0，基本的分位回歸模型如下：

（1）

此處，τ∈（0,1）,QY|X是Y在條件分位數(shù)τ的值，假定線性依賴于X。β（τ）表示相依性的大小即X對(duì)τ分為數(shù)條件下Y的值的影響大小。如果模型中不存在外生變量或控制變量可視為非條件的，反之相依關(guān)系是條件的。τ分位點(diǎn)的條件分布的系數(shù)估計(jì)如下：

（2）

ρτ（μ）=μ[τ-I（μ<0）]

（3）

此處，I（·）表示示性函數(shù)；此外,考慮到一些固定的影響都是未知的,在方程（1）的基礎(chǔ)上進(jìn)行擴(kuò)展，分位數(shù)回歸和固定效應(yīng)的表達(dá)式如下:

（4）

τ分位點(diǎn)的條件分布的系數(shù)估計(jì)如下：

（5）

這個(gè)方法給出了權(quán)重τ和1-τ，所以估計(jì)值是穩(wěn)健的。為了研究交易量對(duì)收益率的影響，我們考慮了如下的方程:

（6）

（7）

此處，r表示行業(yè)股市收益率，v表示行業(yè)股市交易量的對(duì)數(shù)，模型（7）在模型（6）的基礎(chǔ)上引入政策效應(yīng)，Di表示政策效應(yīng)虛擬變量。

三、實(shí)證分析

（一）樣本選取與數(shù)據(jù)處理

本文分析了基于日度數(shù)據(jù)的股票收益與交易量之間的相依關(guān)系。選擇單個(gè)的行業(yè)市場(chǎng)來(lái)分析結(jié)果是否存在行業(yè)差異。所有數(shù)據(jù)來(lái)自瑞思金融數(shù)據(jù)庫(kù)（www.ressset.cn），數(shù)據(jù)時(shí)間跨度約20年，從1996年1月1日至2016年6月30日。瑞思數(shù)據(jù)庫(kù)的數(shù)據(jù)是其經(jīng)過(guò)行業(yè)股票市場(chǎng)收益率和交易量由大公司的市值加權(quán)計(jì)算得出。十二個(gè)產(chǎn)業(yè)涵蓋有：農(nóng)業(yè)（AG）、礦業(yè)（MI）、制造業(yè)（MF）、生產(chǎn)和供應(yīng)能力,熱,氣體和水（PS）、建筑業(yè)（CT）、批發(fā)和零售貿(mào)易（WR）、運(yùn)輸業(yè)（TS）、住宿和餐飲（AC）、金融（FN）、房地產(chǎn)（RT）、水利、環(huán)境和公共設(shè)施管理（WEP）、文化、體育和娛樂(lè)（CSE）。為了使研究對(duì)象時(shí)間保持一致，剔除了缺省數(shù)據(jù)以保持樣本的連續(xù)性以后，實(shí)際有效數(shù)據(jù)為5091組。其中行業(yè)收益率是將每日收盤指數(shù)取對(duì)數(shù)，前后兩期相減得到，交易量直接由原始數(shù)據(jù)取對(duì)數(shù)，即

Rt=100×ln（Pt/Pt-1）

（8）

Vt=ln（vt）

（9）

表1給出了行業(yè)股市收益描述性統(tǒng)計(jì)結(jié)果和單位根檢驗(yàn)結(jié)果。

表1 行業(yè)股市收益的描述性統(tǒng)計(jì)結(jié)果

注：***表示在1%的顯著性水平下拒絕原假設(shè)

由表1可知，在所有的行業(yè)股市收益中，除了運(yùn)輸業(yè)和信息技術(shù)收益率均值為負(fù)數(shù)，其余的收益率均值均為正數(shù)，但數(shù)值都較小均在零附近。所有行業(yè)的標(biāo)準(zhǔn)差都較大。偏度顯示正向沖擊對(duì)金融;信息技術(shù);房地產(chǎn)三個(gè)行業(yè)更為常見(jiàn)，負(fù)向沖擊對(duì)于其他的行業(yè)更為常見(jiàn)。行業(yè)股市收益率的峰度都大于正態(tài)分布的3，峰度最高的是運(yùn)輸業(yè)，其峰值為7.8。由統(tǒng)計(jì)結(jié)果可知收益率服從尖峰厚尾分布。為了避免時(shí)間序列偽回歸問(wèn)題，在對(duì)模型進(jìn)行估計(jì)之前，利用ADF和PP統(tǒng)計(jì)檢驗(yàn)方法來(lái)分析收益率數(shù)據(jù)的平穩(wěn)性；結(jié)果表明自變量和因變量在1%的顯著性水平下均不含單位根，都是平穩(wěn)的時(shí)間序列，不會(huì)產(chǎn)生偽回歸的現(xiàn)象。

（二） 分位回歸結(jié)果分析

表2給出了0.01至0.99分位數(shù)條件下的分位回歸模型和普通最小二乘模型的參數(shù)估計(jì)結(jié)果，OLS模型回歸結(jié)果顯示，除了批發(fā)和零售貿(mào)易和金融行業(yè)外其他行業(yè)交易量對(duì)收益率都沒(méi)有相依性，分位回歸的結(jié)果顯示交易量對(duì)收益率存在顯著的相依關(guān)系，而且這種相依性在不同的分位數(shù)條件下存在異質(zhì)性。這說(shuō)明普通最小二乘回歸模型只能體現(xiàn)均值條件下的相依性，不能全面的刻畫(huà)收益率和交易量二者之間的動(dòng)態(tài)關(guān)系。表2中所有的行業(yè)分位回歸參數(shù)結(jié)果顯示，在收益分布的低分位點(diǎn)即左尾交易量對(duì)收益率有負(fù)的影響，而在收益分布的高分位點(diǎn)即右尾交易量對(duì)收益率有正的影響[10]，這說(shuō)明中國(guó)股市投資者存在顯著的羊群效應(yīng)，當(dāng)股票收益下跌時(shí)投資者會(huì)盡快出售他們的股票以避免損失。羊群行為會(huì)使集體恐慌,投資者集體出售股票,從而會(huì)加速股票價(jià)格的下跌，因此在收益分布的左尾出現(xiàn)交易量異常大的現(xiàn)象；當(dāng)股票大幅上漲時(shí)。由于動(dòng)量效應(yīng)的影響,投資者認(rèn)為在未來(lái)一段時(shí)間股票價(jià)格將進(jìn)一步上漲。這種心理加上預(yù)期收益上漲,投資者變得更加自信和樂(lè)觀從而買入大量股票。其他投資者在羊群效應(yīng)的作用下將采取同樣的行動(dòng)。在收益分布的右尾出現(xiàn)交易量非常大的反?，F(xiàn)象，從而促進(jìn)股票價(jià)格進(jìn)一步上升。

表2 分位回歸和普通最小二乘參數(shù)估計(jì)值

注：***,**,*分別表示在1%,5% ,10%下的顯著性水平。

此外從表2中可以看出，行業(yè)股市交易量和收益率的相依性在極端條件下有所減弱，從中間分位點(diǎn)到兩端相依性逐漸增加，并呈現(xiàn)V型的非對(duì)稱結(jié)構(gòu)，而在到達(dá)0.01和0.99分位點(diǎn)回歸系數(shù)的絕對(duì)值明顯開(kāi)始下降，在極端事件影響下,證券市場(chǎng)之間往往會(huì)表現(xiàn)出尾部相關(guān)的特性[11]，這說(shuō)明當(dāng)股市處于極端市場(chǎng)條件下如發(fā)生金融危機(jī)時(shí)，交易量和收益率二者的相依性大小有所下降，因此有必要考慮大事件以及國(guó)家政府政策作為變量的影響。

（三）政策效應(yīng)分析

中國(guó)股市正在高速發(fā)展，對(duì)中國(guó)經(jīng)濟(jì)的發(fā)展也越來(lái)越重要。中國(guó)國(guó)內(nèi)股市對(duì)政府政策非常敏感。近年來(lái)，中國(guó)的股票價(jià)格劇烈波動(dòng)。對(duì)許多非理性的投資者來(lái)說(shuō)中國(guó)股市是高度投機(jī)的，他們往往牛市看漲，熊市看跌。穩(wěn)定的股市有助于經(jīng)濟(jì)的健康發(fā)展，了解政府能否能夠通過(guò)國(guó)家政策的制定來(lái)影響股市是很有意義的。研究表明，1997-2002年期間重要的事件和市場(chǎng)法規(guī)對(duì)中國(guó)股市產(chǎn)生重大影響。1995年1月-2014年12月，政府政策不確定性和中國(guó)股市收益之間存在動(dòng)態(tài)關(guān)聯(lián)。

由表1描述性統(tǒng)計(jì)和單位根檢驗(yàn)結(jié)果可知，收益率和成交量時(shí)間序列都是平穩(wěn)的。因此假設(shè)他們可以用簡(jiǎn)單的模型充分描述:Vt=μ+at,at表示異常交易量或者t時(shí)刻的均值修正交易量，Vt表示在時(shí)間t的交易量取對(duì)數(shù),μ表示交易量時(shí)間序列的均值。交易量時(shí)間序列的ARCH檢驗(yàn)顯示，在所有的行業(yè)交易量時(shí)間序列中存在低階ARCH效應(yīng)。使用廣義自回歸條件異方差模型（GARCH）分析交易量序列的波動(dòng)。GARCH（1,1）模型如下所示:

Vt=μ+at

（10）

圖1 中國(guó)經(jīng)濟(jì)政策不穩(wěn)定性日度指數(shù)

圖1給出了中國(guó)1996至2016年經(jīng)濟(jì)政策的不確定性指數(shù)。政策不確定性的指數(shù)數(shù)據(jù)來(lái)源于（www.policyuncertainty.com）。圖1中可以看出，主要的政策波動(dòng)峰值集中在以下時(shí)間點(diǎn)，1998年1月亞洲金融危機(jī)，2001年9月美國(guó)911事件后經(jīng)濟(jì)衰退以及香港的政策響應(yīng)，2001年12月中國(guó)加入世界貿(mào)易組織（WTO），2002年8月香港通貨緊縮及第二次海灣戰(zhàn)爭(zhēng)，2003年2月中國(guó)財(cái)政赤字通貨緊縮，2004年4月美聯(lián)儲(chǔ)提高利率,2006年3月中國(guó)刺激經(jīng)濟(jì)和再分配措施；2008年2月全球金融危機(jī)以及通貨膨脹和經(jīng)濟(jì)衰退權(quán)衡, 2008年8月通脹壓力和出口放緩。2011年6月北京抗擊通脹和經(jīng)濟(jì)增長(zhǎng);2011年10月歐元區(qū)的恐懼和貿(mào)易保護(hù)政策；2012年5月中國(guó)經(jīng)濟(jì)放緩和政治換屆,2012年10月18日十八屆全國(guó)代表大會(huì)；2012年5月中國(guó)經(jīng)濟(jì)放緩和政治換屆,2012年10月18日十八屆全國(guó)人民代表大會(huì)；2014年9月經(jīng)濟(jì)放緩，2015年8月中國(guó)股市崩盤。

在分析GARCH結(jié)果和在中國(guó)的政策效應(yīng)的基礎(chǔ)上，引入如下虛擬變量:

每一個(gè)虛擬變量都代表著相關(guān)的重大政策變化和重大事件，其中D1表示1998年亞洲金融危機(jī)和香港回歸。D2表示美國(guó)2001年911事件后經(jīng)濟(jì)衰退以及香港的政策響應(yīng)。D3表示2004年4月美聯(lián)儲(chǔ)提高利率。D4表示2008年金融危機(jī)，為了應(yīng)對(duì)國(guó)際金融危機(jī)以及國(guó)內(nèi)發(fā)生的一系列自然災(zāi)害的嚴(yán)重沖擊，中國(guó)貨幣政策轉(zhuǎn)為適度寬松型，其中政府2008年9月為刺激國(guó)內(nèi)總需求直接投資4萬(wàn)億。D5表示2012年十八屆全國(guó)人民代表大會(huì)以及中國(guó)的政治換屆，十八屆三中全會(huì)作出了“完善金融市場(chǎng)體系”的金融改革總部署，利率和匯率形成機(jī)制市場(chǎng)化改革、民營(yíng)金融機(jī)構(gòu)試點(diǎn)、多層次資本市場(chǎng)建設(shè)等重大金融改革加快推進(jìn)。D6表示是在2015年股市崩盤，這期間中國(guó)采取的政策有：央行在2015年6月27日宣布定向降準(zhǔn)并下調(diào)存貸款基準(zhǔn)利率, 監(jiān)管層采取了降準(zhǔn)降息、兩融調(diào)整、IPO發(fā)行暫緩、救市資金入市、自營(yíng)不減持、限制股指期貨、董監(jiān)增持、籌備熔斷機(jī)制等救市措施。

分位回歸模型計(jì)算結(jié)果給出了含政策效應(yīng)的分位數(shù)回歸模型估計(jì)結(jié)果。其中Q0.01至Q0.99分別表示行業(yè)股市收益分布的0.01至0.99分位數(shù)的條件分布，Q0.01至Q0.1表示收益分布的低分位點(diǎn)也就是左尾，即行業(yè)股市處于低收益率，股市下跌；Q0.9至Q0.99表示收益分布的高分位點(diǎn)也就是右尾，即行業(yè)股市收益處于高收益率，股市上漲。選取極端分位數(shù)條件下的股市收益分布，研究極端事件對(duì)收益率和交易量二者之間相依關(guān)系的影響作用，不同的政策效應(yīng)下相依性變化程度。

根據(jù)計(jì)算結(jié)果可以看出所有的行業(yè)中估計(jì)系數(shù)γ1幾乎都不顯著，只有批發(fā)和零售貿(mào)易和交通運(yùn)輸部分的分位點(diǎn)顯著。說(shuō)明在1998年亞洲金融危機(jī)的影響下，國(guó)家采取積極的財(cái)政政策和穩(wěn)健的貨幣政策，金融危機(jī)和國(guó)家政策對(duì)大部分行業(yè)的收益率是有顯著影響的，此時(shí)交易量對(duì)收益率不存在顯著的相依性。估計(jì)系數(shù)γ2呈現(xiàn)相似的結(jié)果，只有批發(fā)和零售貿(mào)易、運(yùn)輸、文化體育和娛樂(lè)行業(yè)在高分位數(shù)（0.9,0.95,0.975） 存在顯著的正向相依關(guān)系。反映這些行業(yè)在處于高收益時(shí)，我國(guó)加入世界貿(mào)易組織（WTO）開(kāi)放B股市場(chǎng)對(duì)交易量對(duì)收益率的影響不大，對(duì)其他行業(yè)二者之間相依關(guān)系影響顯著。估計(jì)系數(shù)γ3在礦業(yè)、熱、氣體和水和制造業(yè)的低分位點(diǎn)顯著為負(fù)，高分位點(diǎn)顯著為正，說(shuō)明中國(guó)和美國(guó)加息政策對(duì)這幾個(gè)行業(yè)收益率的影響較小，交易量對(duì)收益率還是存在著顯著的相依性。估計(jì)系數(shù)γ4在農(nóng)業(yè)、金融業(yè)、房地產(chǎn)行業(yè)所有分位點(diǎn)都是顯著的，全球金融危機(jī)對(duì)中國(guó)乃至全球整體股市是有顯著影響的，而從行業(yè)數(shù)據(jù)來(lái)看，說(shuō)明2008年這三個(gè)行業(yè)收益率和交易量相依性受金融危機(jī)影響小，金融危機(jī)影響投資者從而交易量增加或者減少。估計(jì)系數(shù)γ5在所有行業(yè)幾乎不顯著，除了制造業(yè)、熱、氣體和水、信息技術(shù)、金融業(yè)，2012年十八屆全國(guó)代表大會(huì)對(duì)這幾個(gè)行業(yè)收益率和交易量相依性影響不大，對(duì)其他行業(yè)相依性影響顯著。估計(jì)系數(shù)γ6在所有行業(yè)股市的收益分布的左尾幾乎都是顯著的，而金融業(yè)和房地產(chǎn)行業(yè)所有分位點(diǎn)都是不顯著的，在政策效應(yīng)的影響下收益率和交易量之間不存在顯著的相依性，說(shuō)明在2015年中國(guó)股市崩盤國(guó)家采取的一系列救市政策對(duì)金融業(yè)和房地產(chǎn)行業(yè)有顯著的作用，這與具體的政策涉及的行業(yè)和規(guī)章制度密切相關(guān)。

四、結(jié) 論

交易量和股票收益的相依性是金融研究領(lǐng)域的重要研究問(wèn)題，交易量通過(guò)各種方式影響著股票的價(jià)格，在交易量和股票市場(chǎng)收益的動(dòng)態(tài)關(guān)系研究中，通常采用普通的回歸模型，顯然對(duì)于尖峰厚尾分布的金融時(shí)間序列不太適合。采用極端分位回歸方法研究中國(guó)行業(yè)股市收益和交易量的相依性，研究結(jié)果得出在收益分布左尾即低收益率時(shí)行業(yè)股市收益率和交易量呈負(fù)相關(guān)，右尾及高收益時(shí)正相關(guān)，說(shuō)明中國(guó)股市投資者存在顯著的羊群效應(yīng)，在股市大漲時(shí)買入股票而在股市大跌時(shí)大量拋售股票，因此政府需要積極推進(jìn)股市的市場(chǎng)化建設(shè)，增加股市信息透明度，上市公司需及時(shí)進(jìn)行信息披露，監(jiān)管部門應(yīng)當(dāng)對(duì)市場(chǎng)上的內(nèi)幕消息和噪聲交易進(jìn)行嚴(yán)查，不斷推進(jìn)我國(guó)股票市場(chǎng)的良性發(fā)展。且不同行業(yè)收益率和交易量的相依性大小存在異質(zhì)性，相依關(guān)系較強(qiáng)的行業(yè)股市包括農(nóng)業(yè)、住宿和餐飲、信息技術(shù)、金融業(yè)、文化、體育和娛樂(lè)。政策效應(yīng)的分析結(jié)果顯示，所有行業(yè)中房地產(chǎn)業(yè)受大事件或政策變化最為敏感，除了第五個(gè)虛擬變量估計(jì)系數(shù)顯著，其余都不顯著。投資者對(duì)政策不確定性下的收益率和交易量相依性將會(huì)有更好地理解。在中國(guó)處于政治過(guò)渡時(shí)投資金融業(yè)，投資房地產(chǎn)行業(yè)可能是正確的選擇。如果政府采取積極的貨幣政策,投資者應(yīng)該增加某些行業(yè)股票市場(chǎng)的投資比率。反之，政府采取消極政策，建議投資者減少持有部分行業(yè)股票的資產(chǎn)配置。由于股市對(duì)政策的強(qiáng)依賴性的缺點(diǎn),度量政策效應(yīng)對(duì)股市的影響對(duì)決策者,風(fēng)險(xiǎn)管理者和投資者來(lái)說(shuō)都有重大意義。政策制定者應(yīng)該建立高效的風(fēng)險(xiǎn)管理機(jī)制，制定適當(dāng)?shù)囊?guī)則以盡量減少股市波動(dòng)。

[1] Ning C, Wirjanto T.Extreme return-volume dependence in East-Asian stock markets:A copula approach[J].Finance Research Letters, 2009, 6（4）: 202-209.

[2] Lin H.Dynamic stock return-volume relationgship: evidence from emerging Asian markets [J].Bulletin of Economic Research,2013,65（2）:178-193.

[3] Longin F, Pagliardi G.Tail relation between return and volume in the US stock market: An analysis based on extreme value theory [J].Economics Letters, 2016,145（4）:252-254.

[4] Lee B .The dynamic relationship between stock returns and trading volume: Domestic and cross-country evidence[J].Journal of Banking & Finance,2002,26（1）:51-78.

[5] Salman, F.Risk-return-volume relationship in an emerging stock market [J].Applied Economics Letters,2002,9 （8）:549-552.

[6] 王承煒,吳沖鋒.中國(guó)股市價(jià)格—交易量的線性及非線性因果關(guān)系研究[J].管理科學(xué)學(xué)報(bào),2002（4）:7-12.

[7] 吳吉林.基于機(jī)制轉(zhuǎn)換Copula模型的股市量?jī)r(jià)尾部關(guān)系研究[J].中國(guó)管理科學(xué),2012（5）:16-23.

[8] Koenker R, Bassett G.Regression Quantiles[J].Econometrica,1978,46（1）:33-50.

[9] Chernozhukov V.Extremal quantile regression[J].Annals of Statistics.2005,33:806-839.

[10] 張小勇,任德平.基于高頻數(shù)據(jù)滬深300股指期貨量?jī)r(jià)關(guān)系研究[J].湖南大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）,2013（2）:48-54.

[11] 曾志堅(jiān),徐迪,左楠.金融危機(jī)對(duì)證券市場(chǎng)波動(dòng)溢出的影響研究[J].財(cái)經(jīng)理論與實(shí)踐,2011（6）:48-52.

（責(zé)任編輯:鐘 瑤）

The Dependence of Return-volume in Chinese Industry Stock Markets: Empirical Evidence from Quantile Regression

ZHU Huiming,JIANG Chao, LIU Limei

（BusinessSchool,HunanUniversity,Changsha,Hunan410082,China）

This paper adopts Quantile regression to analyze the dependence between trading volume and industry stock returns in the Chinese industry stock markets in the period from January 1996 to June 2016.We also investigate the effects of exogenous government policies on the relation between trading volume and stock return.OLS results indicate no significant dependence between volume and returns.However, our empirical results of the Quantile regression method reveals the magnitude of nonlinear effects is heterogeneous across industries.Specifically, its positive for high return quantiles and negative for low ones.In an economic viewpoint, this paper contributes to a better understanding of activity of different industries market participants during extreme events and government policies.

dependence;stock return；trading volume；extreme quantile regression

2017-03-22

國(guó)家自然科學(xué)基金創(chuàng)新群體項(xiàng)目（71521061）、國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目（71431008）、國(guó)家自然科學(xué)基金面上項(xiàng)目（71671062）

朱慧明（1966—），男，湖南湘潭人，湖南大學(xué)工商管理學(xué)院教授，博士生導(dǎo)師，研究方向：金融工程與風(fēng)險(xiǎn)管理。

F830.91

A

1003-7217（2017）04-0039-06