朱學(xué)紅，張宏偉，鐘美瑞，劉海波

(1.中南大學(xué)商學(xué)院，湖南 長(zhǎng)沙　410083; 2. 中南大學(xué)金屬資源戰(zhàn)略研究院，湖南 長(zhǎng)沙　410083;3.康佳集團(tuán)股份有限公司,廣東 深圳　518000)

1　引言

成交量、持倉(cāng)量與價(jià)格波動(dòng)的關(guān)系一直以來(lái)受到學(xué)者的廣泛關(guān)注，通過(guò)量?jī)r(jià)關(guān)系的研究不僅有助于加深對(duì)金融市場(chǎng)結(jié)構(gòu)的理解，了解信息流如何進(jìn)入市場(chǎng)，如何傳播以及信息流入市場(chǎng)的方式和速度[1]，而且能反映股票市場(chǎng)中的供求關(guān)系，判斷和預(yù)測(cè)整個(gè)金融市場(chǎng)的走勢(shì)[2]。期貨市場(chǎng)上的價(jià)格波動(dòng)是不易觀察的隱性指標(biāo)，而成交量、持倉(cāng)量是易于觀察的顯性指標(biāo)，交易者、套期保值者以及投機(jī)者可以通過(guò)觀察成交量、持倉(cāng)量的變化預(yù)測(cè)期貨市場(chǎng)的價(jià)格波動(dòng)，從而有效規(guī)避風(fēng)險(xiǎn)。同時(shí)量?jī)r(jià)關(guān)系的研究也可以使市場(chǎng)監(jiān)管者和政策制定者更準(zhǔn)確地評(píng)估市場(chǎng)的交易活動(dòng)，為其進(jìn)行有效的市場(chǎng)監(jiān)管、趨勢(shì)分析以及制定決策提供指導(dǎo)。因此圍繞量(成交量和持倉(cāng)量)與價(jià)(價(jià)格波動(dòng)率)關(guān)系的研究具有重要的理論價(jià)值和實(shí)踐意義。

圍繞價(jià)格波動(dòng)與成交量的關(guān)系，國(guó)內(nèi)外進(jìn)行了大量的研究。早在1973年，Clark[3]首次提出混合分布假說(shuō)(MDH)，將成交量作為信息到達(dá)的代理變量。隨后大多數(shù)的實(shí)證研究都證明了金融市場(chǎng)中成交量與價(jià)格波動(dòng)之間具有正相關(guān)關(guān)系[1, 4-6]。近年來(lái)實(shí)證研究發(fā)現(xiàn)金融市場(chǎng)的量?jī)r(jià)關(guān)系更多的受其他因素的影響，如交易者的特征和類(lèi)型[7-8]、波動(dòng)率的特征[9-12]以及交易次數(shù)和訂單流不平衡[13-15]等。基于高頻數(shù)據(jù)，Chan和Fong[13]研究了已實(shí)現(xiàn)波動(dòng)率與成交次數(shù)和平均交易頭寸的關(guān)系。在此基礎(chǔ)上，Chevallier和Sévi[10]、Giot等[11]將已實(shí)現(xiàn)波動(dòng)率分解為連續(xù)部分和跳躍部分，研究了已實(shí)現(xiàn)波動(dòng)率各部分與成交量、成交次數(shù)、平均交易頭寸之間的相關(guān)關(guān)系。Slim和Dahmene[16]基于修正的MDH模型，將成交量分解為信息性成交量和流動(dòng)性成交量，已實(shí)現(xiàn)波動(dòng)率分解為連續(xù)部分和跳躍部分，進(jìn)一步探究了成交量各部分與波動(dòng)率各部分之間的量?jī)r(jià)關(guān)系。

國(guó)內(nèi)對(duì)量?jī)r(jià)關(guān)系的研究多集中在因果檢驗(yàn)上，通過(guò)Granger因果檢驗(yàn)驗(yàn)證價(jià)格波動(dòng)與成交量之間是否存在線性或非線性的因果關(guān)系，如王承煒和吳沖鋒[17]、張維和閆冀楠[18]。隨著高頻數(shù)據(jù)應(yīng)用的推廣，文鳳華等[19]、郭梁和周煒星[20]基于高頻數(shù)據(jù)對(duì)中國(guó)股市波動(dòng)性和量?jī)r(jià)關(guān)系進(jìn)行了大量研究?；诟鞣N實(shí)證模型，許多學(xué)者進(jìn)一步探究了中國(guó)股市或期貨市場(chǎng)量?jī)r(jià)關(guān)系呈現(xiàn)的新特征，如黃健柏等[21]利用MF-DCCA方法研究了中國(guó)金屬期貨市場(chǎng)量?jī)r(jià)關(guān)系的多重分形特征；翟愛(ài)梅和周彤[22]考慮了交易行為的非理性特點(diǎn)，研究了基于市場(chǎng)參與者行為假設(shè)的股票市場(chǎng)量?jī)r(jià)關(guān)系；任燕燕和李劭珉[23]基于分位數(shù)回歸(QR)模型分析了不同分位數(shù)水平下的收益率與成交量的關(guān)系。此外，針對(duì)近年來(lái)中國(guó)股市時(shí)常發(fā)生大幅波動(dòng)的情形，吳吉林[24]構(gòu)建了機(jī)制轉(zhuǎn)換 Copula模型來(lái)研究極端市場(chǎng)條件下中國(guó)股市量?jī)r(jià)間的尾部相依性；石建勛等[25]基于不確定性視角考慮了股市大幅波動(dòng)時(shí)結(jié)構(gòu)變動(dòng)等因素可能對(duì)量?jī)r(jià)關(guān)系產(chǎn)生的重大影響，研究發(fā)現(xiàn)量?jī)r(jià)關(guān)系存在顯著的時(shí)間斷點(diǎn)效應(yīng)。

上述國(guó)內(nèi)外關(guān)于量?jī)r(jià)關(guān)系的研究大多集中在股票市場(chǎng)，只關(guān)注了價(jià)格波動(dòng)與成交量的關(guān)系，但沒(méi)有考慮持倉(cāng)量這一重要因素。持倉(cāng)量作為期貨市場(chǎng)獨(dú)有的概念，更多的反映套期保值的情況和未知情交易的數(shù)量。通過(guò)分析持倉(cāng)量的變化可以分析市場(chǎng)上多空力量的變化，對(duì)判斷市場(chǎng)的走勢(shì)有重要作用，因此對(duì)中國(guó)有色金屬期貨市場(chǎng)量?jī)r(jià)關(guān)系的研究不僅要關(guān)注波動(dòng)率與成交量的關(guān)系，也要考慮持倉(cāng)量的影響。國(guó)外關(guān)于持倉(cāng)量的研究相對(duì)較早，早在1993年Bessembinder和Seguin[4]研究發(fā)現(xiàn)期貨市場(chǎng)價(jià)格波動(dòng)與成交量正相關(guān)，與持倉(cāng)量負(fù)相關(guān)，持倉(cāng)量的增大減緩了期貨市場(chǎng)的價(jià)格波動(dòng)。Girma和Mougoué[26]、Ripple和Moosa[27]通過(guò)對(duì)原油期貨市場(chǎng)量?jī)r(jià)關(guān)系的研究發(fā)現(xiàn)不僅成交量對(duì)價(jià)格波動(dòng)有顯著影響，持倉(cāng)量對(duì)價(jià)格波動(dòng)也有顯著影響。國(guó)內(nèi)關(guān)于持倉(cāng)量與價(jià)格波動(dòng)的研究則相對(duì)較晚，但也取得了一些研究成果，如王彬和宋逢明[28]研究發(fā)現(xiàn)不知情交易者的持倉(cāng)量變化和預(yù)期變化對(duì)價(jià)格波動(dòng)有顯著影響；田新民和沈小剛[29]研究發(fā)現(xiàn)持倉(cāng)量與日內(nèi)價(jià)格波動(dòng)之間存在負(fù)相關(guān)關(guān)系，未預(yù)期成交量、未預(yù)期持倉(cāng)量對(duì)價(jià)格波動(dòng)的影響比預(yù)期成交量、預(yù)期持倉(cāng)量對(duì)價(jià)格波動(dòng)的影響大的多。

縱觀上述國(guó)內(nèi)外關(guān)于持倉(cāng)量與價(jià)格波動(dòng)的研究，大都是基于日度數(shù)據(jù)的研究，而基于高頻數(shù)據(jù)對(duì)持倉(cāng)量與價(jià)格波動(dòng)關(guān)系的研究則相對(duì)較少。Avramov等[30]研究發(fā)現(xiàn)在波動(dòng)率對(duì)成交量的回歸方程中使用高頻數(shù)據(jù)比使用日度數(shù)據(jù)有超過(guò)兩倍的解釋能力，基于高頻數(shù)據(jù)的已實(shí)現(xiàn)波動(dòng)率可以作為日波動(dòng)率的更穩(wěn)健的估計(jì)量。國(guó)內(nèi)學(xué)者通過(guò)超高頻數(shù)據(jù)對(duì)量?jī)r(jià)關(guān)系也有所研究，但主要側(cè)重于即時(shí)價(jià)格影響[31-34]，且基于高頻數(shù)據(jù)量?jī)r(jià)關(guān)系的研究大多集中在股票市場(chǎng)或能源期貨市場(chǎng)，針對(duì)商品期貨尤其是有色金屬期貨市場(chǎng)量?jī)r(jià)關(guān)系的研究相對(duì)較少，而有色金屬期貨市場(chǎng)在中國(guó)產(chǎn)業(yè)結(jié)構(gòu)和國(guó)民經(jīng)濟(jì)中的重要地位使得針對(duì)中國(guó)有色金屬期貨市場(chǎng)量?jī)r(jià)關(guān)系的研究更加重要和迫切。因此借鑒Bessembinder和Seguin[4]以及Slim和Dahmene[16]的研究成果，將成交量和持倉(cāng)量分別分解為可預(yù)期部分和非可預(yù)期部分，基于高頻數(shù)據(jù)研究了中國(guó)有色金屬期貨市場(chǎng)上成交量和持倉(cāng)量各部分對(duì)價(jià)格波動(dòng)的影響，全面揭示了中國(guó)有色金屬期貨市場(chǎng)中量(成交量和持倉(cāng)量)與價(jià)(價(jià)格波動(dòng))之間的動(dòng)態(tài)關(guān)系。

2　模型構(gòu)建

本文首先給出期貨市場(chǎng)價(jià)格波動(dòng)的有效度量：已實(shí)現(xiàn)波動(dòng)率，然后通過(guò)建立量?jī)r(jià)關(guān)系基礎(chǔ)模型、基于成交量和持倉(cāng)量分解的量?jī)r(jià)關(guān)系模型以及量?jī)r(jià)關(guān)系非對(duì)稱(chēng)模型考察中國(guó)有色金屬期貨市場(chǎng)的量?jī)r(jià)關(guān)系，即研究日已實(shí)現(xiàn)波動(dòng)率與成交量、持倉(cāng)量以及各分解部分的關(guān)系。

2.1　已實(shí)現(xiàn)波動(dòng)率

已實(shí)現(xiàn)波動(dòng)率的估計(jì)方法無(wú)模型，無(wú)參數(shù)，且在一定條件下是積分波動(dòng)率的無(wú)偏估計(jì)，因而受到國(guó)內(nèi)外學(xué)者的廣泛關(guān)注。Chan和Fong[13]研究發(fā)現(xiàn)已實(shí)現(xiàn)波動(dòng)率可以更好地刻畫(huà)成交量與價(jià)格波動(dòng)之間的關(guān)系。因此本文在研究中國(guó)有色金屬期貨市場(chǎng)量?jī)r(jià)關(guān)系時(shí)，選取已實(shí)現(xiàn)波動(dòng)率作為期貨市場(chǎng)價(jià)格波動(dòng)的有效度量。

將一天交易時(shí)間等間隔取M個(gè)觀察點(diǎn)，則基于高頻數(shù)據(jù)的已實(shí)現(xiàn)波動(dòng)率定義為日內(nèi)高頻收益平方之和，即：

(1)

其中rt,j為第t個(gè)交易日第j個(gè)時(shí)間段的收益率，定義為rt,j=100×(ln(pt,j)-ln(pt,j-1)) .

然而，該已實(shí)現(xiàn)波動(dòng)率只能反映交易時(shí)段的價(jià)格波動(dòng)，而不能反映非交易時(shí)段的價(jià)格波動(dòng)，即市場(chǎng)從第一天收盤(pán)到第二天開(kāi)盤(pán)的價(jià)格波動(dòng)。因此，借鑒Hansen和Lunde[35]的方法，引入尺度參數(shù)c對(duì)已實(shí)現(xiàn)波動(dòng)率進(jìn)行變換，使其更好地刻畫(huà)全天的真實(shí)波動(dòng)率，則修正后的第t天的已實(shí)現(xiàn)波動(dòng)率為：

(2)

2.2　量?jī)r(jià)關(guān)系基礎(chǔ)模型

基于高頻已實(shí)現(xiàn)波動(dòng)率，Giot等[11]、Chevallier和Sévi[10]、Slim和Dahmene[16]研究了價(jià)格波動(dòng)與成交量的關(guān)系，但沒(méi)有研究其與持倉(cāng)量的關(guān)系，而B(niǎo)essembinder和Seguin[4]、 Girma和Mougoue[26]以及Ripple和Moosa[27]的研究均表明價(jià)格波動(dòng)不僅與成交量有密切關(guān)系，也與持倉(cāng)量有密切關(guān)系。因此，為了研究?jī)r(jià)格波動(dòng)與成交量、持倉(cāng)量以及成交相對(duì)增量、持倉(cāng)相對(duì)增量的關(guān)系，借鑒Giot等[11]、Chevallier和Sévi[10]、Slim和Dahmene[16]的研究方法，建立如下模型：

(3)

(4)

其中RVt為前面定義的已實(shí)現(xiàn)波動(dòng)率，波動(dòng)率的滯后項(xiàng)是考慮了已實(shí)現(xiàn)波動(dòng)率的持續(xù)性和強(qiáng)自相關(guān)性。在模型設(shè)定中通常選擇滯后12階來(lái)消除已實(shí)現(xiàn)波動(dòng)率的自相關(guān)性，這已經(jīng)成為一種慣例。因此本文參考前人的研究成果，選擇連續(xù)滯后12階來(lái)消除已實(shí)現(xiàn)波動(dòng)率的自相關(guān)性。同時(shí)考慮周內(nèi)新信息的釋放可能引起的價(jià)格波動(dòng)，引入周三虛擬變量DUMMYi,t，即當(dāng)交易時(shí)間為周三時(shí)取值1，其余交易時(shí)間取值0。Vi,t和Ii,t分別是期貨i第t天的對(duì)數(shù)成交量和對(duì)數(shù)持倉(cāng)量。vi,t和ii,t分別對(duì)應(yīng)期貨i第t天的成交相對(duì)增量和持倉(cāng)相對(duì)增量，其定義分別為：vi,t=100×(Vi,t-Vi,t-1),ii,t=100×(Ii,t-Ii,t-1)。

2.3　基于成交量和持倉(cāng)量分解的量?jī)r(jià)關(guān)系模型

外來(lái)信息會(huì)引起期貨市場(chǎng)價(jià)格的波動(dòng)，而未來(lái)的信息是無(wú)法預(yù)期的，所以預(yù)期到的成交量和非預(yù)期成交量對(duì)價(jià)格波動(dòng)的影響是不同的，對(duì)持倉(cāng)量同樣如此。因此為了更進(jìn)一步探究中國(guó)有色金屬期貨市場(chǎng)價(jià)格波動(dòng)與成交量、持倉(cāng)量各部分之間的關(guān)系，借鑒Bessembinder和Seguin[4]的研究成果，將成交量和持倉(cāng)量分別分解為可預(yù)期部分和非可預(yù)期部分，探究預(yù)期成交量和非預(yù)期成交量以及預(yù)期持倉(cāng)量和非預(yù)期持倉(cāng)量對(duì)價(jià)格波動(dòng)的不同影響。為了消除成交量和持倉(cāng)量的序列自相關(guān)，利用自回歸移動(dòng)平均模型ARIMA(p, q)對(duì)成交量和持倉(cāng)量進(jìn)行回歸：

(5)

(6)

其中預(yù)期部分為通過(guò)ARIMA(p, q)模型計(jì)算出的擬合值，非預(yù)期部分是其實(shí)際值與擬合值之差。ARIMA模型中滯后項(xiàng)的選擇基于AIC準(zhǔn)則和SC準(zhǔn)則，確定最合適的p和q值。經(jīng)比較分析，對(duì)銅期貨成交量選擇ARMA(2, 1) 模型，對(duì)鋁期貨成交量選擇ARMA(4, 1) 模型；對(duì)銅期貨持倉(cāng)量選擇ARMA(1，0) 模型，對(duì)鋁期貨持倉(cāng)量選擇ARMA(2, 1) 模型。然后將預(yù)期成交量、非預(yù)期成交量以及預(yù)期持倉(cāng)量和非預(yù)期持倉(cāng)量引入量?jī)r(jià)關(guān)系基礎(chǔ)模型，得到

(7)

其中EVi,t、UVi,t、EIi,t、UIi,t分別為預(yù)期成交量、非預(yù)期成交量、預(yù)期持倉(cāng)量和非預(yù)期持倉(cāng)量。

2.4　量?jī)r(jià)關(guān)系非對(duì)稱(chēng)模型

(8)

(9)

Bessembinder和Seguin[4]研究發(fā)現(xiàn)正的成交量沖擊對(duì)金融市場(chǎng)波動(dòng)的影響比負(fù)的成交量沖擊影響更大，對(duì)持倉(cāng)量的不同沖擊也是如此。因此為了進(jìn)一步探究正的成交量沖擊和負(fù)的成交量沖擊以及正的持倉(cāng)量沖擊和負(fù)的持倉(cāng)量沖擊對(duì)中國(guó)有色金屬期貨市場(chǎng)價(jià)格波動(dòng)的不同影響，在模型(7)的基礎(chǔ)上建立如下模型：

(10)

考慮到上述量?jī)r(jià)關(guān)系模型的估計(jì)結(jié)果的殘差可能存在異方差性和自相關(guān)性，在估計(jì)方法的選擇上選用OLS with Newey West估計(jì)方法進(jìn)行參數(shù)估計(jì)。最后對(duì)模型估計(jì)結(jié)果進(jìn)行分析并歸納總結(jié)中國(guó)有色金屬期貨市場(chǎng)的量?jī)r(jià)關(guān)系。

3　實(shí)證分析

3.1　數(shù)據(jù)和基本統(tǒng)計(jì)量分析

本文選取兩種最典型的中國(guó)有色金屬期貨：銅期貨和鋁期貨為例，基于一分鐘高頻交易數(shù)據(jù)進(jìn)行實(shí)證分析。時(shí)間跨度為2010年7月1日至2015年7月1日(除去節(jié)假日，共計(jì)1214個(gè)交易日)，研究對(duì)象為上海期貨交易所三個(gè)月到期的銅鋁期貨，數(shù)據(jù)來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù)。上海期貨交易所的交易時(shí)間為上午9:00到11:30以及下午13:30到15:00，每天共計(jì)227個(gè)時(shí)間間隔，即M=227。數(shù)據(jù)指標(biāo)包括交易時(shí)間、開(kāi)盤(pán)價(jià)、收盤(pán)價(jià)、成交量、持倉(cāng)量等。對(duì)部分缺失數(shù)據(jù)，用均值插值法將缺失數(shù)據(jù)補(bǔ)齊。

表1　中國(guó)有色金屬期貨各指標(biāo)描述性統(tǒng)計(jì)分析

表1列出了銅鋁期貨各指標(biāo)的描述性統(tǒng)計(jì)量，結(jié)果表明上偏已實(shí)現(xiàn)半方差和下偏已實(shí)現(xiàn)半方差的均值基本為已實(shí)現(xiàn)波動(dòng)率的一半，且下偏已實(shí)現(xiàn)半方差的均值略大于上偏已實(shí)現(xiàn)半方差的均值，說(shuō)明銅鋁期貨市場(chǎng)上價(jià)格下跌的風(fēng)險(xiǎn)要大于價(jià)格上漲的風(fēng)險(xiǎn)，也從側(cè)面反映出期貨市場(chǎng)的投資者傾向于做空。由單位根檢驗(yàn)知，成交量和持倉(cāng)量序列是平穩(wěn)的，故在后面的分解中可以直接將成交量和持倉(cāng)量通過(guò)ARIMA模型分解為可預(yù)期部分和非可預(yù)期部分。另外，除預(yù)期成交量和預(yù)期持倉(cāng)量外，各統(tǒng)計(jì)量在滯后12階后仍存在很強(qiáng)的自相關(guān)性， 從而奠定了量?jī)r(jià)關(guān)系模型的統(tǒng)計(jì)基礎(chǔ)。

3.2　回歸結(jié)果和討論

對(duì)中國(guó)銅鋁期貨量?jī)r(jià)關(guān)系基礎(chǔ)模型、基于成交量和持倉(cāng)量分解的量?jī)r(jià)關(guān)系模型和量?jī)r(jià)關(guān)系非對(duì)稱(chēng)模型的估計(jì)結(jié)果如表2所示。研究結(jié)果表明，價(jià)格波動(dòng)與成交量、持倉(cāng)量的關(guān)系在銅鋁期貨市場(chǎng)上幾乎呈現(xiàn)相同的規(guī)律，反映周內(nèi)新信息釋放的周三虛擬變量的系數(shù)在所有回歸方程中都是顯著的，說(shuō)明周內(nèi)新信息的釋放對(duì)期貨市場(chǎng)價(jià)格波動(dòng)有顯著影響。下面對(duì)三類(lèi)模型具體分析如下

3.2.1量?jī)r(jià)關(guān)系基礎(chǔ)模型估計(jì)

銅鋁期貨價(jià)格波動(dòng)與成交量、持倉(cāng)量以及成交相對(duì)增量和持倉(cāng)相對(duì)增量的關(guān)系見(jiàn)表2量?jī)r(jià)關(guān)系基礎(chǔ)模型(3)和(4)。首先對(duì)量?jī)r(jià)關(guān)系基礎(chǔ)模型(3)分析如下：成交量與價(jià)格波動(dòng)的系數(shù)在1%顯著性水平下顯著為正，即成交量對(duì)價(jià)格波動(dòng)有顯著正向影響，說(shuō)明了成交量作為反映到達(dá)市場(chǎng)信息多少的指標(biāo)，成交量放大，到達(dá)市場(chǎng)的信息增多，從而加劇市場(chǎng)的價(jià)格波動(dòng)，成交量與價(jià)格波動(dòng)之間存在“價(jià)量齊漲”和“價(jià)量齊跌”的規(guī)律。持倉(cāng)量與價(jià)格波動(dòng)的系數(shù)在1%顯著性水平下顯著為負(fù)，即持倉(cāng)量與價(jià)格波動(dòng)之間顯著負(fù)相關(guān)，說(shuō)明了持倉(cāng)量作為反映市場(chǎng)深度和流動(dòng)性的指標(biāo)，更多的是反映未知情交易的情況和套期保值的情況，持倉(cāng)量的增大使得市場(chǎng)深度增大，從而減緩了市場(chǎng)波動(dòng)。

表2中國(guó)銅鋁期貨量?jī)r(jià)關(guān)系模型的估計(jì)結(jié)果

注：其中括號(hào)內(nèi)為穩(wěn)健標(biāo)準(zhǔn)誤差，***、**、*分別表示在1%、5%、10%的水平上顯著；下同。

量?jī)r(jià)關(guān)系基礎(chǔ)模型(4)反映了銅鋁期貨市場(chǎng)價(jià)格波動(dòng)與成交相對(duì)增量、持倉(cāng)相對(duì)增量的關(guān)系。參數(shù)估計(jì)結(jié)果顯示了與模型(3)相似的規(guī)律，即銅鋁期貨市場(chǎng)價(jià)格波動(dòng)與成交相對(duì)增量呈顯著正相關(guān)關(guān)系，與持倉(cāng)相對(duì)增量呈顯著負(fù)相關(guān)關(guān)系，說(shuō)明成交量變化越大，價(jià)格波動(dòng)就會(huì)越大，而持倉(cāng)量變化則與價(jià)格波動(dòng)的變化方向相反?？梢?jiàn)，中國(guó)有色金屬期貨市場(chǎng)的價(jià)格波動(dòng)與成交量、成交相對(duì)增量呈顯著正向關(guān)系，與持倉(cāng)量、持倉(cāng)相對(duì)增量呈顯著負(fù)向關(guān)系。

3.2.2基于成交量和持倉(cāng)量分解的量?jī)r(jià)關(guān)系模型估計(jì)

銅鋁期貨基于成交量和持倉(cāng)量分解的量?jī)r(jià)關(guān)系模型估計(jì)結(jié)果見(jiàn)表2分解模型(7)。參數(shù)估計(jì)結(jié)果表明：預(yù)期成交量和非預(yù)期成交量都與期貨市場(chǎng)價(jià)格波動(dòng)之間呈現(xiàn)顯著正相關(guān)關(guān)系(對(duì)銅期貨而言，預(yù)期成交量在10%顯著性水平下顯著而非預(yù)期成交量在1%顯著性水平下顯著；對(duì)鋁期貨都在1%水平下顯著)，且非預(yù)期成交量的系數(shù)(銅期貨為1.411；鋁期貨為0.580)顯著大于預(yù)期成交量的系數(shù)(銅期貨為0.275；鋁期貨為0.338)，說(shuō)明非預(yù)期成交量對(duì)有色金屬期貨市場(chǎng)價(jià)格波動(dòng)的正向影響要顯著大于預(yù)期成交量對(duì)期貨市場(chǎng)價(jià)格波動(dòng)的正向影響。預(yù)期持倉(cāng)量和非預(yù)期持倉(cāng)量都與期貨市場(chǎng)的價(jià)格波動(dòng)之間存在顯著負(fù)相關(guān)關(guān)系(銅鋁期貨預(yù)期持倉(cāng)量在10%顯著性水平下顯著，非預(yù)期持倉(cāng)量在1%顯著性水平下顯著)，且非預(yù)期持倉(cāng)量對(duì)期貨市場(chǎng)價(jià)格波動(dòng)的負(fù)向影響要顯著大于預(yù)期持倉(cāng)量對(duì)期貨市場(chǎng)價(jià)格波動(dòng)的影響(對(duì)銅期貨，2.704顯著大于0.446；對(duì)鋁期貨，1.097顯著大于0.201)。這是因?yàn)橥鈦?lái)信息會(huì)引起期貨市場(chǎng)的價(jià)格波動(dòng)，而未來(lái)的信息是投資者無(wú)法預(yù)期到的，所以預(yù)期成交量(持倉(cāng)量)和非預(yù)期成交量(持倉(cāng)量)對(duì)價(jià)格波動(dòng)的影響是不同的，且一般而言非預(yù)期部分會(huì)對(duì)價(jià)格波動(dòng)造成更大的影響，實(shí)證估計(jì)結(jié)果也恰恰詮釋了這一點(diǎn)。這表明中國(guó)有色金屬期貨市場(chǎng)的價(jià)格波動(dòng)主要是由代表新信息的非預(yù)期成交量和非預(yù)期持倉(cāng)量引起的。此外，預(yù)期成交量(持倉(cāng)量)反映了期貨市場(chǎng)中知情交易者的比例，非預(yù)期成交量(持倉(cāng)量)反映了期貨市場(chǎng)中流動(dòng)性交易者的比例，從另一個(gè)側(cè)面說(shuō)明，中國(guó)有色金屬期貨市場(chǎng)中，相比知情交易者的比例，有更大比例的流動(dòng)性交易者，這與市場(chǎng)流動(dòng)性理論的表述相吻合。

3.2.3量?jī)r(jià)關(guān)系非對(duì)稱(chēng)模型估計(jì)

銅鋁期貨量?jī)r(jià)關(guān)系非對(duì)稱(chēng)模型估計(jì)結(jié)果見(jiàn)表2非對(duì)稱(chēng)模型(8)、(9)、(10)。對(duì)關(guān)于波動(dòng)率的量?jī)r(jià)關(guān)系非對(duì)稱(chēng)模型(8)的估計(jì)結(jié)果表明：成交量和持倉(cāng)量的非預(yù)期部分對(duì)上(下)偏已實(shí)現(xiàn)半方差的影響顯著大于其預(yù)期部分對(duì)上(下)已實(shí)現(xiàn)半方差的影響，這與模型(7)的解釋是相同的。從對(duì)應(yīng)的擬合優(yōu)度(R2)可以看出成交量、持倉(cāng)量分解部分對(duì)上偏已實(shí)現(xiàn)半方差和下偏已實(shí)現(xiàn)半方差有不同的解釋力，然而出乎意料的是成交量、持倉(cāng)量分解部分對(duì)上偏已實(shí)現(xiàn)半方差的擬合優(yōu)度要明顯好于其對(duì)下偏已實(shí)現(xiàn)半方差的擬合優(yōu)度(對(duì)銅上偏已實(shí)現(xiàn)半方差的R2為0.5286顯著大于對(duì)下偏已實(shí)現(xiàn)半方差的R20.3764；對(duì)鋁，則為0.3936顯著大于0.1606)，說(shuō)明成交量、持倉(cāng)量對(duì)銅鋁期貨上偏已實(shí)現(xiàn)半方差的解釋力度高于其對(duì)下偏已實(shí)現(xiàn)半方差的解釋力度，也間接說(shuō)明了在中國(guó)有色金屬期貨市場(chǎng)上，相比于價(jià)格下跌的風(fēng)險(xiǎn)，人們更關(guān)注價(jià)格上漲的風(fēng)險(xiǎn)，成交量和持倉(cāng)量對(duì)價(jià)格上漲的風(fēng)險(xiǎn)有更好的解釋力和預(yù)測(cè)能力。另一個(gè)有趣的發(fā)現(xiàn)是周內(nèi)信息釋放對(duì)價(jià)格波動(dòng)的影響對(duì)銅鋁期貨市場(chǎng)是不同的。具體而言，銅期貨市場(chǎng)周內(nèi)信息釋放對(duì)下偏已實(shí)現(xiàn)半方差在5%顯著水平下有顯著影響，但對(duì)上偏已實(shí)現(xiàn)半方差無(wú)顯著影響。而鋁期貨市場(chǎng)周內(nèi)信息釋放對(duì)上偏和下偏已實(shí)現(xiàn)半方差都有顯著影響(顯著性水平分別為1%和10%)。說(shuō)明銅期貨市場(chǎng)的投資者更容易受價(jià)格下跌風(fēng)險(xiǎn)的影響。

關(guān)于成交量和持倉(cāng)量的非對(duì)稱(chēng)量?jī)r(jià)關(guān)系模型(9)、(10)的估計(jì)結(jié)果表明：預(yù)期成交量和非預(yù)期成交量對(duì)期貨市場(chǎng)的價(jià)格波動(dòng)都有顯著正向影響，正的非預(yù)期成交量的系數(shù)(對(duì)銅期貨為1.355；對(duì)鋁期貨為0.964)顯著為正，且明顯大于預(yù)期成交量和非預(yù)期成交量的系數(shù)(對(duì)銅分別為0.322和0.902；對(duì)鋁分別為0.369和0.127)，說(shuō)明正的成交量沖擊對(duì)價(jià)格波動(dòng)的影響要大于負(fù)的成交量沖擊對(duì)價(jià)格波動(dòng)的影響。預(yù)期持倉(cāng)量和非預(yù)期持倉(cāng)量對(duì)期貨市場(chǎng)價(jià)格波動(dòng)都有顯著負(fù)向影響，正的非預(yù)期持倉(cāng)量沖擊的系數(shù)顯著為負(fù)(對(duì)銅期貨為-3.968；對(duì)鋁期貨為-2.923)，且其絕對(duì)值明顯大于預(yù)期持倉(cāng)量和非預(yù)期持倉(cāng)量的系數(shù)絕對(duì)值(對(duì)銅期貨分別為-0.445和-1.561；對(duì)鋁期貨分別為-0.171和-0.343)，說(shuō)明正的持倉(cāng)量沖擊對(duì)價(jià)格波動(dòng)的影響要明顯大于負(fù)的持倉(cāng)量沖擊對(duì)價(jià)格波動(dòng)的影響。

3.3　穩(wěn)健性檢驗(yàn)

為了加強(qiáng)結(jié)果的穩(wěn)健性，考慮到可能存在的條件異方差，通過(guò)引入GARCH誤差結(jié)構(gòu)，重新估計(jì)了上述三類(lèi)量?jī)r(jià)關(guān)系模型。穩(wěn)健性檢驗(yàn)估計(jì)結(jié)果見(jiàn)表3，結(jié)果表明其定性的結(jié)果分析與之前的分析是相似的，且ARCH 系數(shù)和GARCH系數(shù)都是顯著的，說(shuō)明量?jī)r(jià)關(guān)系模型具有顯著的條件異方差性。

4　結(jié)語(yǔ)

本文以上海交易所銅鋁期貨為例，基于高頻數(shù)據(jù)研究了中國(guó)有色金屬期貨市場(chǎng)價(jià)格波動(dòng)與成交量、持倉(cāng)量的關(guān)系。借鑒Bessembinder和Seguin[4]的研究方法，將成交量和持倉(cāng)量分解為可預(yù)期部分和非可預(yù)期部分，探討了成交量和持倉(cāng)量可預(yù)期部分和非可預(yù)期部分對(duì)有色金屬期貨市場(chǎng)價(jià)格波動(dòng)的影響?？紤]到成交量、持倉(cāng)量對(duì)上偏和下偏已實(shí)現(xiàn)半方差的不同影響以及成交量和持倉(cāng)量的不同沖擊對(duì)價(jià)格波動(dòng)的不同影響，進(jìn)一步研究了中國(guó)有色金屬期貨市場(chǎng)上量?jī)r(jià)關(guān)系的非對(duì)稱(chēng)性。

研究結(jié)果表明中國(guó)有色金屬期貨市場(chǎng)的價(jià)格波動(dòng)與成交量和成交相對(duì)增量之間均存在顯著正相關(guān)關(guān)系，與持倉(cāng)量和持倉(cāng)相對(duì)增量之間均存在顯著地負(fù)相關(guān)關(guān)系，即成交量與價(jià)格波動(dòng)之間存在“價(jià)量齊漲“和“價(jià)量齊跌”的規(guī)律，而持倉(cāng)量與價(jià)格波動(dòng)的關(guān)系則相反。成交量的變化對(duì)價(jià)格波動(dòng)有正向影響而持倉(cāng)量的變化對(duì)價(jià)格波動(dòng)則有負(fù)向影響。價(jià)格波動(dòng)與預(yù)期成交量(持倉(cāng)量)和非預(yù)期成交量(持倉(cāng)量)都有顯著正(負(fù))相關(guān)關(guān)系，且非預(yù)期成交量對(duì)價(jià)格波動(dòng)的正(負(fù))向影響要明顯大于預(yù)期成交量對(duì)價(jià)格波動(dòng)的影響。說(shuō)明中國(guó)有色金屬期貨市場(chǎng)的價(jià)格波動(dòng)主要是由代表新信息的非預(yù)期成交量和非預(yù)期持倉(cāng)量引起的。中國(guó)有色金屬期貨市場(chǎng)的量?jī)r(jià)關(guān)系存在一定程度的非對(duì)稱(chēng)特征，即成交量和持倉(cāng)量對(duì)上偏已實(shí)現(xiàn)半方差的影響要顯著大于它們對(duì)下偏已實(shí)現(xiàn)半方差的影響，正的成交量(持倉(cāng)量)沖擊對(duì)價(jià)格波動(dòng)的影響要大于負(fù)的成交量(持倉(cāng)量)沖擊對(duì)價(jià)格波動(dòng)的影響。研究結(jié)果對(duì)投資者以及市場(chǎng)監(jiān)管者判斷價(jià)格波動(dòng)趨勢(shì)、分析投資決策和政策制定提供借鑒，具有重要的指導(dǎo)意義和研究?jī)r(jià)值。

表3　中國(guó)銅鋁期貨量?jī)r(jià)關(guān)系模型的穩(wěn)健性檢驗(yàn)(GARCH誤差結(jié)構(gòu))