股票成交金额影响因素——基于VAR模型实证分析

彭 月，王 旺

股票成交金额影响因素
——基于VAR模型实证分析

彭 月，王 旺

采用VAR模型实证研究股票成交金额与上证综合指数、A股上市公司数量之间的关系。实证结果表明上证综合指数、A股上市公司数与股票成交金额之间存在长期稳定的均衡关系，长期来看，上证综合指数和A股上市公司数量对股票成交金额的提高都具有促进作用。

股票成交金额；VAR；脉冲函数

股票成交金额作为衡量股市的重要指标之一，在资本市场上有着重大的指导意义。它在一定程度上反映了买卖双方的交易情况，更体现了投资者对股票市场的信心。影响股票成交金额的因素有很多，如宏观经济、金融政策等等。股票市场的波动在很大程度上能反映出经济运行的综合状况，股票市场也因此被称作是反映经济运行的“晴雨表”。

随着我国金融市场的发展与完善，我国的股票市场也在不断的健全，自1990年上海证券交易所成立以来，我国股票市场的发展可以说是非常曲折。评价股票市场的指标有很多，如股票指数、成交量等等。但是股票成交金额是最直观的指标。很多学者都把研究的重点放在宏观经济和货币政策上，张培源（2013）研究了股票市场与宏观经济波动溢出效应，张小宇（2013）研究货币政策与股票收益率的非线性影响机制，本文运用Eviews7软件对影响股票价格的因素进行分析，将股票成交金额作为因变量，上证综合指数和A股上市公司数量作为自变量，通过建立向量自回归模型，以准确判断各影响因素。

一、变量选择及数据整理

（一）股票成交额

股票成交金额是指在进行股票交易的过程中，买入（或卖出）股票时，买卖双方根据有关交易规则达成交易的金额。本文选取1996年到2015年的数据进行分析。

（二）上证综合指数

从1990年至2010年，上海证券交易所从最初的8只股票、22只债券，发展为拥有894家上市公司、938只股票、18万亿股票市值的股票市场，拥有199只政府债、284只公司债、25只基金以及回购、权证等交易品种，是全球增长最快的新兴证券市场。为了适应上海证券市场的发展，上海证券交易所编制并公布上证综合指数。这一指数自1991年7月15日起开始实时发布，基日定为1990年12月19日，基日指数定为100点。以上证所挂牌上市的全部股票为计算范围，以发行量为权数的加权综合股价指数。本文以上证指数的数据为研究对象，文中使用的所有数据全部来自锐思数据库。样本包括2005年1月1日至2015年6月12日共2535个交易日的上证指数的收盘价和成交量。

（三）A股上市公司数量

A股，即人民币普通股，是由中国境内公司发行，供境内机构、组织或个人(从2013年4月1日起，境内、港、澳、台居民可开立A股账户)以人民币认购和交易的普通股股票。A股不是实物股票，以无纸化电子记账，实行“T+1”交割制度，有涨跌幅(10%)限制，参与投资者为中国大陆机构或个人。截至2015年底，A股上市公司数量达2808家。

分别用STA、SH、NUM表示股票成交金额、上证综指、A股上市公司数量。为降低数据波动幅度及消除可能存在的异方差对模型估计的影响，首先对所有变量的原始数据取对数，形成新的数列 LNSTA、LNSH、LNNUM。

二、实证分析

（一）ADF检验

如果利用非平稳的数据直接进行回归分析，估计结果会严重偏离实际情况，会产生伪回归。只有采用平稳的时间序列进行分析才不会导致伪回归。所以，在进行分析前对各变量的平稳性进行检验非常有必要。采用ADF检验法对数据的平稳性进行检验，最优滞后期用AIC准则确定，保证残差非自相关。

表1 ADF单位根检验结果

表1中的检验结果显示，各变量原始数列的ADF值都大于5%的临界值，说明存在单位根，所以各变量的原始序列不平稳；经过一阶差分后，所有的ADF检验值均小于5%的临界值，不存在单位根，因而可以认为各变量序列是同阶单整。

（二）稳定性检验

滞后期选择的不同会导致模型估计结果也不同，因此滞后期数的选择对VAR模型非常的重要。采用AIC信息准则确定最佳滞后阶数。建立VAR（3）模型通过图1可见，联立方程组全部解的模的倒数均落于单位圆内，说明所建VAR（3）模型具有稳定性。

图1 单位圆和特征根检验

（三）Johansen协整

虽然EG检验原理简单易于实施，但是其不能够识别变量之间的全部协整关系，经常会出现以不同序列作为被解释变量的检验回归方程残差的单整性不一致的问题，所以本文选取Johansen协整检验作为研究方法。根据上文的结果确定协整检验的最佳滞后期为3，协整检验结果见表2。

表2 迹统计量检验

由表2可知，Johansen的迹检验值协整检验表明在5%的显著水平下均拒绝3个假设(不存在、最多存在一个、最多存在两个协整关系)，因此，这3个变量在5%的显著性水平上存在一个协整关系。

从建立的方程可以看出，股票成交金额、上证综合指数和A股上市公司数量具有长期稳定的均衡关系。长期来看，上证综合指数和A股上市公司数量对股票成交金额的提高都具有促进作用。保持其他条件不变，上证综合指数的对数增加1%，则股票成交金额的对数相应地增加1.85%；A股上市公司数量的对数增加1%，则股票成交金额的对数相应地增加2.37%；该方程只分析了当其他变量不变时，某一个变量的变化对股票成交金额的影响，但实际上各变量之间是否相互存在影响，我们需要用格兰杰因果关系检验来分析各变量之间的相互关系。

（四）Granger因果关系检验

表3 Granger因果关系检验

表3显示：上证综合指数不是股票成交金额的格兰杰原因，股票成交金额也不是上证综合指数的格兰杰原因；A股上市公司数量不是股票成交金额的格兰杰原因，但是股票成交金额是A股上市公司数量的格兰杰原因；A股上市公司数量不是上证综合指数的格兰杰原因，上证综合指数不是A股上市公司数量的格兰杰原因。

（五）脉冲响应函数

基于上文建立的VAR模型，将股票成交金额、上证综合指数和A股上市公司数量之间的脉冲响应函数，以进一步分析它们的短期动态分析。脉冲图中横坐标表示时期数，纵轴表示脉冲响应函数大小，实线表示保险密度受到冲击后的走势，上下的两条虚线表示走势的两倍标准误差。上证综合指数第一期对股票成交金额影响作用较大，随后开始下降到第六期下降到最低点，之后开始上升影响作用逐渐趋于平稳。

图2 上证综合指数对股票成交金额扰动的响应

图3 A股上市公司数量对股票成交金额扰动的响应

从图3可以看出，第一期影响作用较小，之后开始上升，到第五期到达峰值为0.029.第六期以后扰动作用开始下降，第七期后作用为负值。

（六）方差分解

利用方差分解法分析上证综合指数和A股上市公司数量对股票成交金额的贡献度，结果如表4所示。

表4 方差分析结果

表4中的方差分解时期数，即股票成交金额标准差的预测期；LNY列是股票成交金额预测方差中由股票成交金额自身引起的百分比；LNX1、LNX2列分别是股票成交金额总值预测方差中由上证综合指数、A股上市公司数量扰动引起的百分比。股票成交金额一期预测的标准差为0.504907，二期为0.599758，比第一期大，这是因为第二期的预测包含了上证综合指数和A股上市公司数量在一期预测的不确定性的影响。随着预测期数的增加，股票成交金额预测的标准差也逐渐增加，在第7期逐渐趋于稳定。

三、结论与建议

通过以上VAR模型实证，我们发现：上证综合指数、A股上市公司数与股票成交金额之间存在长期稳定的均衡关系，长期来看，上证综合指数和A股上市公司数量对股票成交金额的提高都具有促进作用。第一，上证综合指数的对数每增加1%，股票成交金额的对数相应地增加1.85%；第二，A股上市公司数量的对数每增加1%，则股票成交金额的对数相应地增加2.37%。因此，提高股票成交金额必须进一步促进我国股票市场的发展，加强金融监管并逐渐推行注册制，推动企业积极上市融资。

[1]徐添添.宏观经济政策对股票市场影响的实证分析[J].商业会计,2015,(18).

[2]史进.我国货币政策对股市波动影响的实证分析[J].商业时代,2013,(11).

[3]张培源.中国股票市场与宏观经济波动溢出效应研究[J].经济问题,2013,(03).

[4]张小宇,刘金全,刘慧悦.货币政策与股票收益率的非线性影响机制研究[J].金融研究,2013,(01).

F830.91

A

1008-4428（2017）09-116-03

彭月，女，安徽宿州人，合肥学院，研究方向：资本市场、财务管理；

王旺，男，安徽宿州人，安徽财经大学金融学院，研究方向：宏观经济与金融热点。