開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇商業經濟論文，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。

第1篇

關 鍵 詞：收益率；成交量；分位數回歸模型；羊群效應

中圖分類號：F830.91 文獻標識碼：A 文章編號：1006-3544（2014）05-0048-05

一、引言

收益率與成交量是股票市場最重要的兩個統計指標，對股票收益率與成交量之間的動態關系的考察，長期以來一直是金融研究領域的一個重要課題。因為二者之間的關系不僅是了解股票市場結構的途徑之一，更重要的是從中可以洞察出投資者在股票市場中的交易行為與決策心理。

在研究股票市場收益率與成交量關系的文獻中，通常只能考察變量之間的“平均”相關程度或關系，難以完整呈現二者之間的主要關系。例如，成交量與正負收益率之間的關系可能大不相同，對于這種差異的區分，相關文獻的做法是把收益率分成正負兩類，分別進行考察，然而這種以犧牲樣本信息為代價的方法，無法呈現出不同收益率與成交量之間的真實關系。正如Koenker和Hallock（2001）指出的，將整體樣本切割成塊進行估計的做法，可能導致嚴重的錯誤。

同時，由于股票收益率本身服從厚尾分布的特點， 只能估計給定解釋變量的條件下被解釋變量條件均值的最小二乘法， 不能完全反映被解釋變量的分布特征，尤其是極值附近的重要信息被湮沒了。而分位數回歸模型則更能充分利用樣本信息， 特別是能詳盡地刻畫通常被忽略的分布的尾部特征， 從而能完整呈現出成交量對各種不同水平收益率的影響。因此，本文利用Koenker和Bassett（1978）提出的分位數回歸（Quantile Regression）方法對上證綜合指數的收益率與成交量的關系進行分析， 并給出行為金融學解釋。

二、分位數回歸模型與方法

分位數回歸的分析方法最早是由Koenker和Bassett（1978）提出來的，近期Koenker和Hallock（2001）進一步發展了該理論。 與最小二乘法只對被解釋變量條件均值的考察不同， 分位數回歸方法是以加權的平均絕對誤差作為目標函數對回歸系數進行估計， 從而可以對不同分位的被解釋變量進行考察。 在研究對象的分布呈現諸如不對稱、 厚尾和截斷性等異常特征時，該方法尤為有用。現對該模型和方法的主要思想作簡要說明：

設yt代表被解釋變量，xt代表解釋變量（t=1， 2，…，n），n為樣本容量。在線性模型的框架下，給定任一權重？茲（0

Vn（？茁，？茲）=■？茲■y■-x't ？茁+（1-？茲）■y■-x't ？茁

（1）

（1）式即為以？茲為權重的加權平均絕對誤差。若？茲小于（大于）0.5，則目標函數正誤差所占權重小（大），而負誤差所占權重大（小），此時分位數位于條件分配的左邊（右邊）；當？茲=0.5時，正負誤差所占權重相等，所估計的模型即為第0.5個分位數（中位數）回歸模型。估計第？茲個分位數的參數估計值？茁（■）就是使目標函數Vn（？茁，？茲）最小化。因此，分位數回歸方法是建立在“最小一乘估計（LEA）”思想之上的。使目標函數Vn（？茁，？茲）最小化的一階條件為：

■■x■？茲-I■=0 （2）

其中，I為示性函數（Indicator Function），其取值范圍為：

I■=1 y■-x't ？茁

在實際運用中，一般利用線性規劃的方法對上述一階條件進行求解即可以得到分位數回歸模型的參數估計值？茁（■）。

在大樣本條件下，為了證明分位數回歸模型的參數估計值？茁（■）滿足一致性（相合性）和漸近正態性，需對模型做適當的假設：

P[？茁（■）？茁（？茲）]=1 （4）

■[？茁（■）-？茁（？茲）]A≈N（0，∧？茲） （5）

其中，∧？茲=？茲（1-？茲）-Ex■x't fe（？茲）|x（0）■E（x■

x't）-Ex■x't fe（？茲）|x（0）■，fe（？茲）|x是誤差項e（？茲）的條件概率密度函數。

三、數據及其平穩性檢驗

（一）數據及變量設置

本文所有數據均來源于清華大學中國金融研究中心金融數據庫（CCFR），所取樣本為上海證券交易所2001年1月1日至2009年4月24日上證綜合指數（SSEC）每日收盤價及成交量的資料，在剔除缺省數據以保持樣本的連續性以后，共有1988個交易日的數據。

在本文中， 筆者以收益率和成交量的關系來刻畫中國股市投資者的交易行為， 其中收益率是將每日收盤指數取對數后，前后兩期相減得到的，成交量由原始數據直接取對數得到：

Rt=100 log（p■■/p■■） （6）

Vt=log（qt） （7）

p■■為指數在t日的收盤價，qt為指數在t日的成交量。

（二）數據的統計特征與平穩性檢驗

圖1顯示了上證指數日收益率（%）和交易量的基本統計特征。偏度系數表明，上證指數收益率的分布帶有輕微的左偏現象，而成交量序列的分布則表現出明顯的右偏現象。兩序列的峰態系數都比較大（遠大于3），表明上證指數收益率和成交量具有顯著的肥尾特征。此外，Jarque-Bera統計量的值表明，兩個序列都不服從正態分布。

此外，由于本文運用的是時間序列數據，為了避免偽回歸現象的發生，在對所設定模型進行估計之前，有必要先對收益率及成交量序列進行單位根檢驗。本文分別采用PP（Philips-perron）和傳統ADF（Augmented Dichey-Fuller）兩種方法進行檢驗，詳細結果見表1。結果表明：收益率和成交量序列均不含單位根，因此都是平穩的時間序列，不會產生偽回歸的問題。

四、分位數回歸實證分析

我們在實證分析中以上證指數收益率為被解釋變量，成交量為解釋變量，兩序列如圖2所示。從圖中可以看出，盡管通過了單位根檢驗，但是成交量序列仍然存在一定的增長趨勢，這反映了隨著我國股市的發展與成熟，上市公司數量的增加及配股等政策的效果。在此，采用非參數Kernel回歸過程來消除這種趨勢的影響，從而得到調整后的交易量。

根據本文的研究目的，建立如下的收益率與成交量之間的關系模型：

Rt=？琢1+？茁1×Vt+？著t （最小二乘法模型，OLS）

R？茲 t=？琢？茲+？茁？茲 ×Vt+？著t （分位數回歸模型，QR） （8）

其中，？茲（0

表2和表3的回歸結果表明，不同的分位數得到的估計結果不同。 除了20%、25%和30%分位以外， 其他分位數上收益率與成交量的回歸系數以及普通最小二乘法的回歸系數均在1%（或10%）水平下顯著異于零，但參數估計值有明顯的正負差異。為了便于比較， 筆者將上述分位數回歸的斜率估計值用圖3表示。由圖3可知，估計值由1%分位下的-0.0004778到99%分位下的0.0004469，整體上呈現出先負后正的趨勢。總體而言，上海股市收益率與成交量呈正相關關系，成交量的增加往往伴隨著股票價格的上漲；而成交量的萎縮則伴隨著股票價格下跌。然而在左尾處，這種關系產生了扭曲，此時收益率與成交量負相關，成交量的增加反而導致價格的下跌。

此外， 以估計值由負值轉為正值的25%分位（估計值為0.00000763）為轉折點，收益率的絕對值在前面部分呈下降趨勢，后面部分則呈現出上升趨勢。當越接近于收益率的兩端點時，上證指數收益率與成交量的關系越為強烈（如在1%～5%和95%～99%分位處），而隨著收益率向中間分位靠近，收益率與成交量的關系雖然依然明顯，但是顯著地弱化。上證指數中的這種收益率與成交量之間的關系基本與Ying（1966）提出的價格上漲通常與較高的成交量相對應的觀點相一致，同時，總體上呈現出Karpoff（1987）提出的V形關系，但不是以零收益率而是以25%分位點處的0.00000763為對稱軸的非對稱V形狀，如圖4所示。

之所以出現上述現象，筆者認為主要是由于以下幾方面的原因：（1） 滬深股市自1996年12月16日開始實行股價漲跌停板制度，對滬深股市產生了深遠的影響，使我國股市收益率與成交量的關系在尾部出現扭曲。當股市大幅度下跌時，投資者為了避免更大的損失，會選擇盡快賣出手中持有的股票，從而在收益率的左尾處出現成交量增大的異常現象。（2）在投資者中普遍存在著“勢頭效應”的心理，當股價大幅度上漲時，由于“勢頭效應”心理的影響，投資者認為股價在未來的時間還將進一步繼續上漲，且這種心理隨著收益率的增大而變得更加過度自信與樂觀，于是投資者必將買進并持有股票，在收益率的右尾處出現成交量非常大的異常現象。（3）我國股市投資者中存在顯著的“羊群效應”，即在現實生活中，經常相互交流的人群的思維常常非常的相似， 人們的決策常常走向一致。在股價大幅度上漲或下跌時，一旦有部分投資者買入股票或拋出手中持有的股票，其他投資者也會紛紛采取相同的行為，買入股票或賣出手中股票， 從而使收益率尾端出現成交量非常大的現象。

為了進一步說明普通最小二乘法（OLS）與分位數回歸之間的差異，表4給出了運用OLS方法與分位數回歸方法所得到的上證指數收益率與成交量回歸結果的比較。由表4可以看出，基于OLS回歸所得到的結果是收益率與成交量之間呈正相關關系；而基于分位數回歸所得的結果為：隨著收益率的增大，其與成交量的相關性呈現先負后正的動態特征。在股市大幅度下跌時，成交量非常大，隨著股市行情轉好，成交量慢慢減少，直到25%分位點處，此后，收益率與成交量表現出愈加強烈的正相關關系。在右尾處，運用OLS方法與分位數回歸得到的參數估計值雖然符號相同，但是并不相等（OLS方法得到的斜率估計值為0.000038；而在99%分位點處，分位數回歸得到的斜率估計值為0.0004469）。OLS方法只能刻畫出收益率與成交量之間的平均關系，而可能低估或者高估在不同情況下二者的真實關系。

五、結論

與傳統的計量方法不同，本文運用分位數回歸模型對上證指數收益率與成交量之間的關系進行了研究，提出了不同收益率水平下的量價關系。在收益率的左端，收益率與成交量之間存在顯著負相關關系，而在收益率的右端，兩者之間存在強烈的正相關，這種現象反映出中國股市投資者中普遍存在著“羊群效應”。具體而言，當股市大幅下跌時，投資者為避免損失會盡快賣出手中持有的股票，而“羊群效應”使投資者出現集體恐慌，從而大量地拋售股票，進而加速股票價格下跌；當股市大幅上漲時，由于“勢頭效應”心理的影響，投資者認為股價在未來的時間里還將進一步上漲，且這種心理隨著收益率的增大而變得更加過度自信與樂觀，于是投資者必將大量買進股票，其他投資者在“羊群效應”下，也采取同樣的行為，因此，在收益率的右尾處也出現成交量非常大的異常現象，并推動股票價格的進一步上漲。

此外，通過對普通最小二乘法（OLS）與分位數回歸結果的比較可以看出，OLS只能反映出股市收益率與成交量之間的平均關系， 其往往低估或高估兩者之間的真實關系， 因此難以傳達有效的市場信息，也不能真實刻畫出投資者在股市中的交易行為。

參考文獻：

[1]Koenker R， Bassett G W. Regression quantiles[J]. Econometrica， 1978，46：33-50.

[2]Karpoff，J. M. The relation between price changes and trading volume：a survey[J]. Journal of Financial and Quantitative Analysis，1987，22：109-126.

[3]Chen Guomeng，The dynamic relation between stock returns，trading volume and volatility[J]. The Financial Review，2001，38：153-174.

[4]Lee Bong-Soo，Oliver M. Rui，The dynamic relation between stock returns and trading volume：Domestic and cross-country evidence[J]. Journal of banking and finance，2002，26：51-78.

[5]Koenker R，Orey D. Computing regression quantiles[J]. Applied Statistics，1993，43：410-414.

[6]Bassett G，Chen H. Quantile style：return-based attribution using regression quantiles[J]. Empirical Economics，2001，26：7-40.

[7]莊家彰，管中閔. 臺灣與美國股市量價關系的分量回歸分析[J]. 經濟論文，2005（33）：379-404.

[8]封福育. 我國滬深股市量價關系實證分析――基于分位數回歸估計[J]. 商業經濟與管理，2008（6）：75-79.