吳淦洲

【摘 要】本文以股票作為研究對(duì)象，利用擴(kuò)展的GARCH（1，1）-M模型對(duì)股票交易量進(jìn)行了研究。實(shí)證結(jié)果表明，擴(kuò)展的GARCH（1，1）-M模型是行之有效的。

【關(guān)鍵詞】GARCH模型；股票交易量；格蘭杰因果檢驗(yàn)

【Abstract】The stock index is discussed in the paper， and the improved GARCH model is used to stock trading volume. Then .This model is demonstrated to be reasonable through empirical tests.

【Key words】GARCH model； Stock trading volume； Granger Causality

0 引言

芝加哥大學(xué)的Markowitz教授于1952年提出的“證券組合選擇理論”（Portfolio Selection Theory）[1]，標(biāo)志著現(xiàn)代投資組合理論的誕生，在該文中Markowitz首次從風(fēng)險(xiǎn)資產(chǎn)的收益率與風(fēng)險(xiǎn)之間的關(guān)系出發(fā)，論述了不確定性經(jīng)濟(jì)系統(tǒng)中最優(yōu)資產(chǎn)組合的選擇問題。自Markowitz 提出均值-方差模型以來，投資組合模型多數(shù)是建立在均值和方差兩個(gè)參數(shù)之上，在最優(yōu)投資組合的求解過程中，組合收益的方差是衡量風(fēng)險(xiǎn)的標(biāo)準(zhǔn)，但用方差來度量風(fēng)險(xiǎn)也是存在缺陷的，它將實(shí)際收益低于期望值的部分視為風(fēng)險(xiǎn)的同時(shí)，也將實(shí)際收益高于期望值的部分視為風(fēng)險(xiǎn)，隨著投資組合理論的發(fā)展，不斷涌現(xiàn)出新的風(fēng)險(xiǎn)度量方法[2-3]。VaR（value-at-risk）風(fēng)險(xiǎn)度量方法正是在這種背景下誕生的。它表示給定概率置信水平內(nèi)的最壞情況下的損失，因簡單實(shí)用被廣泛采納。另外，考慮到在證券市場中，投資者對(duì)投資風(fēng)險(xiǎn)和收益水平存在主觀的意愿，且未來的收益率是隨時(shí)變化的，過去的收益率和風(fēng)險(xiǎn)只能作為未來收益率和風(fēng)險(xiǎn)的參考，預(yù)期收益率和風(fēng)險(xiǎn)的變化具有模糊性。所以近年來不少學(xué)者對(duì)VaR提出了不同的度量方法。黃大山、朱書尚[4-5]等在CvaR的基礎(chǔ)上，提出了最壞CvaR風(fēng)險(xiǎn)度量方法，并研究了收益率分布未知的情形。

本文考慮到金融數(shù)據(jù)的尖峰厚尾和波動(dòng)集聚性特征，且信息的不對(duì)稱和流動(dòng)性的需求是交易量必須要討論的主要因素，因此把交易量變量加入到GARCH模型的條件方差方程，給出了擴(kuò)展的GARCH（1，1）-M模型.實(shí)證分析表明，該模型是行之有效的。

1 擴(kuò)展的GARCH（1，1）-M模型

1.1 GARCH模型

2 實(shí)證分析

本文旨在說明利用MATLAB和統(tǒng)計(jì)軟件對(duì)擴(kuò)展的GARCH（1，1）-M模型加以實(shí)現(xiàn)，故為了更好說明模型的有效性，本文采用中糧地產(chǎn)（000031）作為樣本。每日收盤價(jià)和成交量數(shù)據(jù)樣本區(qū)間為 2013年1月1日至2014年12月31日。本文數(shù)據(jù)均源于中國證券市場研究數(shù)據(jù)庫 （CSMAR）。本文用X和Y分別表示中糧地產(chǎn)的第t日成交量和收盤價(jià)。

我們先用SAS對(duì)數(shù)據(jù)進(jìn)行分析，擬合成交量與收盤價(jià)的關(guān)系： Y=5.38934+0.00004881X；通過異方差分析表看出，大部分的回歸誤差因子絕對(duì)值小于2，說明模型具有較好的擬合度。但由于線性回歸的P值檢驗(yàn)小于0.0001，說明方程也有顯著的差異。

其次平穩(wěn)性檢驗(yàn)Granger因果關(guān)系檢驗(yàn)和 GARCH模型都要求時(shí)間序列是平穩(wěn)的，所以本文對(duì)股票收益和交易量序列的平穩(wěn)性進(jìn)行了檢驗(yàn)。最常用的平穩(wěn)性檢驗(yàn)方法是單位根檢驗(yàn).本文使用的是P值檢驗(yàn)。實(shí)證結(jié)果表明，該時(shí)間序列是平穩(wěn)的，具體結(jié)果如下。

最后我們用擴(kuò)展的GARCH（1，1）-M模型對(duì)計(jì)模型的殘差項(xiàng)，殘差平方和進(jìn)行Q檢驗(yàn)，結(jié)果兩序列均不存在自相關(guān)。ARCH-LM檢驗(yàn)表明殘差序列不存在自回歸條件異方差，故模型設(shè)定是合適的。具體結(jié)果如下。

本文運(yùn)用格蘭杰因果檢驗(yàn)和擴(kuò)展GARCH（1，1）-M模型對(duì)中糧地產(chǎn)（000031）市場交易量與股指日收益率、波動(dòng)率之間的關(guān)系，得到了如下結(jié)論：

1）交易量和股票價(jià)格存在相應(yīng)的線性關(guān)系，在市場交易的同時(shí)，可以通過分析市場交易量來大概分析市場股票的價(jià)格走勢(shì)。

2）交易量只能在有限程度內(nèi)解釋股價(jià)變化的大致范圍。

3 結(jié)束語

首先，我們可從成交量變化可以分析某個(gè)股票對(duì)市場的吸引程度。若成交量越大，說明股票越有吸引力，價(jià)格波動(dòng)幅度可能會(huì)越大。其次，我們也可以從成交量的變化，分析某個(gè)股票的壓力和支持價(jià)格區(qū)域：在一個(gè)價(jià)格區(qū)域，如果成交量很大，說明這個(gè)價(jià)格區(qū)域有很大的壓力或支持，趨勢(shì)將在這里產(chǎn)生停頓或反轉(zhuǎn)。 第三，從成交量的變化中，我們可以觀察該股票的價(jià)格走出成交密集區(qū)域的方向：當(dāng)價(jià)格走出成交密集的區(qū)域，說明多空分歧得到了暫時(shí)的統(tǒng)一。如果成交量向上走，那么價(jià)格傾向于上升；反之，則股價(jià)傾向于下跌。第四，還可觀察該股票成交量在不同價(jià)格區(qū)域的相對(duì)值的大小，判斷其趨勢(shì)的持續(xù)性。隨著該股價(jià)格的上升，成交量應(yīng)該呈現(xiàn)階梯性減弱，一般來說，股票的（相應(yīng)的）價(jià)格越高，感興趣或敢于參與的人就（相應(yīng)的）減少。不過這一點(diǎn)，從成交額的角度來看，會(huì)更加簡單扼要。

當(dāng)然，僅憑成交量并不能判斷價(jià)格趨勢(shì)的變化。成交量是價(jià)格變化的一個(gè)重要因素之一，也是一個(gè)可能引起本質(zhì)變動(dòng)的因素，但是在大多數(shù)時(shí)候，它只起到催化劑的作用。本文只選取了成交量來研究股票價(jià)格的變化關(guān)系，把其他因素歸于簡單的模型誤差，接下來將其它因素考慮進(jìn)模型中是以后努力的方向。

【參考文獻(xiàn)】

[1]Markowitz H M.Portfolio selection[J].Journal of Finance， 1952， 7（1）：77-91.

[2]郭建華，肖慶憲.基于下方風(fēng)險(xiǎn)控制的動(dòng)態(tài)投資組合優(yōu)化研究[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2009，39（21）：64-69.

[3]張鵬.不允許賣空情況下均值-方差和均值-VaR投資組合比較研究[J]中國管理科學(xué)，2008，16（4）： 30-35.

[4]Zhu S S， Fukushima M. Worst-case conditional value-at-risk with application to robust portfolio management [J].Operations Research， 2009，57：1155-1168.

[5]Huang D S， Zhu S S. Portfolio selection under distributional uncertainty： a relative robust CvAR approach[J]. European journal of operational research， 2010，203：185-194.

[責(zé)任編輯：曹明明]