成交额推动上证综指上涨的杠杆效应研究

李国义　于留洋

摘 要：从沪市实际成交额出发，以股价总值为约束条件，采用相关性分析领域中普遍适用的Eviews计量经济学方法，对我国沪市股票交易中成交额推动上证综指上涨的杠杆效应进行研究。根据2006年1月至2013年9月相关数据，采用ARMA模型、单位根检验等定量分析方法得出结论表明：成交额具有推动上证综指上涨的正向杠杆效应。

关键词：成交额；杠杆效应；ARMA模型

中图分类号：F832.5 文献标志码：A 文章编号：1673-291X（2014）32-0175-02

引言

2013年8月16日，上证综指由开盘、2075.98点猛涨到当日最高点2 198.85点比前一交易日2 081.88点上涨116.97点，收盘时则回落到2 068.45点比前一交易日下跌了13.43点。股指这样大幅变化的情况对股市来说并不罕见，这种情况引发投资者对成交额影响股指能动作用产生兴趣。成交额代表着股票市场资金流向以及投资者整体投资情绪，成交额是刻画股指重要的影响因素。可以通过单独观察成交额变动与股指变动之间的关系，研究成交额是否对股指有一定的杠杆效应。限于篇幅，本文仅研究成交额推动上证综指上涨的杠杆效应。

一、文献综述

吴明华（2011）[1]等人对股指收益率与成交额间的引导关系分析，表明股指收益率对滞后一交易日成交额变动率有引导作用；吴秋芳（2011）[2]等人对于上市公司股票成交额时间序列的模糊聚类分析，运用模糊聚类方法证实这种聚类结果有效；李宝瑜、赵晓霞（2008）[3]对于我国股市成交额异常波动进行建模分析，得出我国股市成交额异常波动的影响因素有多种包括汇率、股市筹资额。

文献虽然涉及到成交额变动率、股指收益率等因素以及他们之间的关系，但并没有给出股指变动与成交额变动之间关系。股市是经济的晴雨表，股指是晴雨表中引领作用的风向标，成交额代表着国家金融资本的流向。研究两者关系对于我国股市投资者在投资以及证券市场监管者对于股市秩序监督有着重要意义。

二、数据与模型

本文选取时间2006.1—2013.9，选用上证综指SCI增长率作被解释变量，选取沪市成交额TTV增长率、股票流通市值TMCN增长率作解释变量。数据来源大智慧证券信息平台、上海证券交易所官方网站统计月度数据。时间序列建模在金融领域是普遍使用方法，对平稳时间序列能够用方差、均值及自相关函数进行分析。传统平稳时间序列模型只描述平稳时间序列变化规律，非平稳的时间序列并不适用。而大多数经济数据的时间序列非平稳，为便于分析，对数据进行处理，设：

上证综指增长率为Zt： （1）

成交额增长率Xt： （2）

流通市值增长率一次差分Yt： （3）

三、实证结果及分析

1.平稳性检验

用ADF对变量进行平稳性检验，检验运用下面三个模型：

模型1： （4）

模型2： （5）

模型3： （6）

模型1、2中为截距，模型中t为时间变量，代表时间序列变化趋势。模型原假设，即原假设非平稳。检验从模型1依次进行。拒绝原假设则停止检验否则继续检验。对变量进行平稳性检验，变量、、均平稳。通过平稳性检验，再进行残差平稳性检验。如果残差序列平稳，则回归方程合理，被解释变量和解释变量存在稳定关系。经过检验残差不平稳的可能性为0.0001，可知残差平稳。模型表示为：

（7）

2.ARMA（p，q）模型的建立

观察模型（7）残差的自相关函数图与偏自相关图，可看出自相关函数图与偏自相关函数图都是二阶超过置信区间，从二阶开始迅速衰减并没有大幅度超过置信区间可设定ARMA 模型。残差时间序列的自相关函数在一阶是显著的并且在二阶以后变化不大可设定q值为1，2。为找到拟合程度更好模型对于研究变量可以建立五种模型分别检验。经过对比可得出ARMA（2，1）为最佳模型，模型参数估计结果概率均通过了显著性检验，拟合优度比其他四种模型高，模型拟合情况好。最终模型设立为：

（8）

3.模型分析

经过数据检验可以做出上述列表，经过一阶差分后的流通市值增长率分别增加或减少1%、5%、10%时，根据得出模型计算出的结果与实际上证综指增长率之间的误差普遍小于5%拟合程度比较好。说明考虑流通市值情况下成交额每增长1%上证综指会增加0.09%。

四、结论

本文选取上证综指作被解释变量，沪市成交额、股价总值为解释变量，使用软件进行了平稳性检验，建立了ARMA模型，并借此来探寻成交额是否具有推动上证综指上涨的杠杆效应。通过对5种ARMA模型的反复搭配与试算，最终得出拟合程度较好的模型ARMA（2.1）。根据所建立模型能够看出成交额具有推动上证综指上涨的正向杠杆作用。

本文研究结果对股市投资者以及证券市场监管者都具有一定意义。可以参照所得结论对股市的一定行为进行预测，保护投资者自身的利益.监管者可以更好预测股市的走势，并加大对于操纵股价行为的监管，制定相应的措施规范股市，让我国股市能够正常、有序的发展，让股市能够真正成为我国企业投融资的一个稳健的平台。由于选取数据并不充分，实证结果存在一定局限性，结果仅供参考。

参考文献：

[1] 吴明华，周爱民，宋敏.股指收益率与成交额间引导关系分析[J].统计与决策，2011，（5）：141-144.

[2] 吴秋芳，唐亚勇.上市公司股票成交额时间序列的模糊聚类分析[J].内江师范学院学报，2011，（10）：11-13.

[3] 赵晓霞.我国股市成交额异常波动模型分析[D].太原：山西财经大学，2008.

[责任编辑 柯 黎]

摘 要：从沪市实际成交额出发，以股价总值为约束条件，采用相关性分析领域中普遍适用的Eviews计量经济学方法，对我国沪市股票交易中成交额推动上证综指上涨的杠杆效应进行研究。根据2006年1月至2013年9月相关数据，采用ARMA模型、单位根检验等定量分析方法得出结论表明：成交额具有推动上证综指上涨的正向杠杆效应。

关键词：成交额；杠杆效应；ARMA模型

中图分类号：F832.5 文献标志码：A 文章编号：1673-291X（2014）32-0175-02

引言

2013年8月16日，上证综指由开盘、2075.98点猛涨到当日最高点2 198.85点比前一交易日2 081.88点上涨116.97点，收盘时则回落到2 068.45点比前一交易日下跌了13.43点。股指这样大幅变化的情况对股市来说并不罕见，这种情况引发投资者对成交额影响股指能动作用产生兴趣。成交额代表着股票市场资金流向以及投资者整体投资情绪，成交额是刻画股指重要的影响因素。可以通过单独观察成交额变动与股指变动之间的关系，研究成交额是否对股指有一定的杠杆效应。限于篇幅，本文仅研究成交额推动上证综指上涨的杠杆效应。

一、文献综述

吴明华（2011）[1]等人对股指收益率与成交额间的引导关系分析，表明股指收益率对滞后一交易日成交额变动率有引导作用；吴秋芳（2011）[2]等人对于上市公司股票成交额时间序列的模糊聚类分析，运用模糊聚类方法证实这种聚类结果有效；李宝瑜、赵晓霞（2008）[3]对于我国股市成交额异常波动进行建模分析，得出我国股市成交额异常波动的影响因素有多种包括汇率、股市筹资额。

文献虽然涉及到成交额变动率、股指收益率等因素以及他们之间的关系，但并没有给出股指变动与成交额变动之间关系。股市是经济的晴雨表，股指是晴雨表中引领作用的风向标，成交额代表着国家金融资本的流向。研究两者关系对于我国股市投资者在投资以及证券市场监管者对于股市秩序监督有着重要意义。

二、数据与模型

本文选取时间2006.1—2013.9，选用上证综指SCI增长率作被解释变量，选取沪市成交额TTV增长率、股票流通市值TMCN增长率作解释变量。数据来源大智慧证券信息平台、上海证券交易所官方网站统计月度数据。时间序列建模在金融领域是普遍使用方法，对平稳时间序列能够用方差、均值及自相关函数进行分析。传统平稳时间序列模型只描述平稳时间序列变化规律，非平稳的时间序列并不适用。而大多数经济数据的时间序列非平稳，为便于分析，对数据进行处理，设：

上证综指增长率为Zt： （1）

成交额增长率Xt： （2）

流通市值增长率一次差分Yt： （3）

三、实证结果及分析

1.平稳性检验

用ADF对变量进行平稳性检验，检验运用下面三个模型：

模型1： （4）

模型2： （5）

模型3： （6）

模型1、2中为截距，模型中t为时间变量，代表时间序列变化趋势。模型原假设，即原假设非平稳。检验从模型1依次进行。拒绝原假设则停止检验否则继续检验。对变量进行平稳性检验，变量、、均平稳。通过平稳性检验，再进行残差平稳性检验。如果残差序列平稳，则回归方程合理，被解释变量和解释变量存在稳定关系。经过检验残差不平稳的可能性为0.0001，可知残差平稳。模型表示为：

（7）

2.ARMA（p，q）模型的建立

观察模型（7）残差的自相关函数图与偏自相关图，可看出自相关函数图与偏自相关函数图都是二阶超过置信区间，从二阶开始迅速衰减并没有大幅度超过置信区间可设定ARMA 模型。残差时间序列的自相关函数在一阶是显著的并且在二阶以后变化不大可设定q值为1，2。为找到拟合程度更好模型对于研究变量可以建立五种模型分别检验。经过对比可得出ARMA（2，1）为最佳模型，模型参数估计结果概率均通过了显著性检验，拟合优度比其他四种模型高，模型拟合情况好。最终模型设立为：

（8）

3.模型分析

经过数据检验可以做出上述列表，经过一阶差分后的流通市值增长率分别增加或减少1%、5%、10%时，根据得出模型计算出的结果与实际上证综指增长率之间的误差普遍小于5%拟合程度比较好。说明考虑流通市值情况下成交额每增长1%上证综指会增加0.09%。

四、结论

本文选取上证综指作被解释变量，沪市成交额、股价总值为解释变量，使用软件进行了平稳性检验，建立了ARMA模型，并借此来探寻成交额是否具有推动上证综指上涨的杠杆效应。通过对5种ARMA模型的反复搭配与试算，最终得出拟合程度较好的模型ARMA（2.1）。根据所建立模型能够看出成交额具有推动上证综指上涨的正向杠杆作用。

本文研究结果对股市投资者以及证券市场监管者都具有一定意义。可以参照所得结论对股市的一定行为进行预测，保护投资者自身的利益.监管者可以更好预测股市的走势，并加大对于操纵股价行为的监管，制定相应的措施规范股市，让我国股市能够正常、有序的发展，让股市能够真正成为我国企业投融资的一个稳健的平台。由于选取数据并不充分，实证结果存在一定局限性，结果仅供参考。

参考文献：

[1] 吴明华，周爱民，宋敏.股指收益率与成交额间引导关系分析[J].统计与决策，2011，（5）：141-144.

[2] 吴秋芳，唐亚勇.上市公司股票成交额时间序列的模糊聚类分析[J].内江师范学院学报，2011，（10）：11-13.

[3] 赵晓霞.我国股市成交额异常波动模型分析[D].太原：山西财经大学，2008.

[责任编辑 柯 黎]

摘 要：从沪市实际成交额出发，以股价总值为约束条件，采用相关性分析领域中普遍适用的Eviews计量经济学方法，对我国沪市股票交易中成交额推动上证综指上涨的杠杆效应进行研究。根据2006年1月至2013年9月相关数据，采用ARMA模型、单位根检验等定量分析方法得出结论表明：成交额具有推动上证综指上涨的正向杠杆效应。

关键词：成交额；杠杆效应；ARMA模型

中图分类号：F832.5 文献标志码：A 文章编号：1673-291X（2014）32-0175-02

引言

2013年8月16日，上证综指由开盘、2075.98点猛涨到当日最高点2 198.85点比前一交易日2 081.88点上涨116.97点，收盘时则回落到2 068.45点比前一交易日下跌了13.43点。股指这样大幅变化的情况对股市来说并不罕见，这种情况引发投资者对成交额影响股指能动作用产生兴趣。成交额代表着股票市场资金流向以及投资者整体投资情绪，成交额是刻画股指重要的影响因素。可以通过单独观察成交额变动与股指变动之间的关系，研究成交额是否对股指有一定的杠杆效应。限于篇幅，本文仅研究成交额推动上证综指上涨的杠杆效应。

一、文献综述

吴明华（2011）[1]等人对股指收益率与成交额间的引导关系分析，表明股指收益率对滞后一交易日成交额变动率有引导作用；吴秋芳（2011）[2]等人对于上市公司股票成交额时间序列的模糊聚类分析，运用模糊聚类方法证实这种聚类结果有效；李宝瑜、赵晓霞（2008）[3]对于我国股市成交额异常波动进行建模分析，得出我国股市成交额异常波动的影响因素有多种包括汇率、股市筹资额。

文献虽然涉及到成交额变动率、股指收益率等因素以及他们之间的关系，但并没有给出股指变动与成交额变动之间关系。股市是经济的晴雨表，股指是晴雨表中引领作用的风向标，成交额代表着国家金融资本的流向。研究两者关系对于我国股市投资者在投资以及证券市场监管者对于股市秩序监督有着重要意义。

二、数据与模型

本文选取时间2006.1—2013.9，选用上证综指SCI增长率作被解释变量，选取沪市成交额TTV增长率、股票流通市值TMCN增长率作解释变量。数据来源大智慧证券信息平台、上海证券交易所官方网站统计月度数据。时间序列建模在金融领域是普遍使用方法，对平稳时间序列能够用方差、均值及自相关函数进行分析。传统平稳时间序列模型只描述平稳时间序列变化规律，非平稳的时间序列并不适用。而大多数经济数据的时间序列非平稳，为便于分析，对数据进行处理，设：

上证综指增长率为Zt： （1）

成交额增长率Xt： （2）

流通市值增长率一次差分Yt： （3）

三、实证结果及分析

1.平稳性检验

用ADF对变量进行平稳性检验，检验运用下面三个模型：

模型1： （4）

模型2： （5）

模型3： （6）

模型1、2中为截距，模型中t为时间变量，代表时间序列变化趋势。模型原假设，即原假设非平稳。检验从模型1依次进行。拒绝原假设则停止检验否则继续检验。对变量进行平稳性检验，变量、、均平稳。通过平稳性检验，再进行残差平稳性检验。如果残差序列平稳，则回归方程合理，被解释变量和解释变量存在稳定关系。经过检验残差不平稳的可能性为0.0001，可知残差平稳。模型表示为：

（7）

2.ARMA（p，q）模型的建立

观察模型（7）残差的自相关函数图与偏自相关图，可看出自相关函数图与偏自相关函数图都是二阶超过置信区间，从二阶开始迅速衰减并没有大幅度超过置信区间可设定ARMA 模型。残差时间序列的自相关函数在一阶是显著的并且在二阶以后变化不大可设定q值为1，2。为找到拟合程度更好模型对于研究变量可以建立五种模型分别检验。经过对比可得出ARMA（2，1）为最佳模型，模型参数估计结果概率均通过了显著性检验，拟合优度比其他四种模型高，模型拟合情况好。最终模型设立为：

（8）

3.模型分析

经过数据检验可以做出上述列表，经过一阶差分后的流通市值增长率分别增加或减少1%、5%、10%时，根据得出模型计算出的结果与实际上证综指增长率之间的误差普遍小于5%拟合程度比较好。说明考虑流通市值情况下成交额每增长1%上证综指会增加0.09%。

四、结论

本文选取上证综指作被解释变量，沪市成交额、股价总值为解释变量，使用软件进行了平稳性检验，建立了ARMA模型，并借此来探寻成交额是否具有推动上证综指上涨的杠杆效应。通过对5种ARMA模型的反复搭配与试算，最终得出拟合程度较好的模型ARMA（2.1）。根据所建立模型能够看出成交额具有推动上证综指上涨的正向杠杆作用。

本文研究结果对股市投资者以及证券市场监管者都具有一定意义。可以参照所得结论对股市的一定行为进行预测，保护投资者自身的利益.监管者可以更好预测股市的走势，并加大对于操纵股价行为的监管，制定相应的措施规范股市，让我国股市能够正常、有序的发展，让股市能够真正成为我国企业投融资的一个稳健的平台。由于选取数据并不充分，实证结果存在一定局限性，结果仅供参考。

参考文献：

[1] 吴明华，周爱民，宋敏.股指收益率与成交额间引导关系分析[J].统计与决策，2011，（5）：141-144.

[2] 吴秋芳，唐亚勇.上市公司股票成交额时间序列的模糊聚类分析[J].内江师范学院学报，2011，（10）：11-13.

[3] 赵晓霞.我国股市成交额异常波动模型分析[D].太原：山西财经大学，2008.

[责任编辑 柯 黎]