期货市场量价关系_基于分位数回归模型的实证研究

南方经济 　2009年第 7期 期货市场量价关系 : 基于分位数回归模型的实证研究 陈 　星 3 内容摘要 　本文采用分位数回归来分析上海期货市场以及伦敦期货市场收益率和成交量之间的关 系。实证结果发现两地期市的量价关系不同 :伦敦期货市场的量价关系并不明显 ;上海期铜呈现 “量价齐扬 ”以及“价跌量亦涨 ”的现象 ;上海期铝只呈现“量价齐扬 ”的现象 ,价跌时量价关系不明 显 ;上海金属期货市场的收益率与成交量呈现非对称的“V ”字型关系。进一步的分析表明 ,两市场 量价关系的差异是由投资者结构不同导致的。 关 键 词　分位数回归 　量价关系 　期货市场 JEL 分类 : C52, G14　中图分类号 : F830. 9　文献标识码 : A 　文章编号 : 100026249 (2009) 07200502011 一 　引言 资产价格的量价关系是金融市场的重要指标 ,也是金融学研究的热点问题。对量价关系的研究 ,有 助于理清市场结构以及其中信息传导的具体方式。 金融市场量价关系的理论模型可以分为三类 :信息理论模型 ,交易理论模型以及理念分散模型。信 息理论模型包括混合分布假说模型、信息顺序到达模型和噪声交易理性模型。至于交易理论模型 , Ky le (1985)建立了连续拍卖的知情交易动态模型 ,来检验市场价格所包含的信息量等。后来 A dm ati and Pfle iderer对 Kyle的模型则了扩展 ,针对交易者的交易时机建立了日内交易模型。H arris e t a l. 提出的理 念分散模型主要研究交易者对公共信息的反应。 实证研究中常常指出以下几种量价关系 : (1)“量价齐扬”,即价格上涨和伴随着高的成交量 ; ( 2)“价 跌量缩 ”,即价格下跌经常伴随着低的成交量 ; (3)“价跌量亦涨 ”,也就是说价格下跌时交易量反而增加。 前两种表示收益率和成交量之间具有正的关系 ;第一种和第三种现象意味着收益率的绝对值与成交量之 间就有正向关系。Cope land (1976)提出的“信息顺序到达模型 ”以及 Epps (1976)根据“混合分布假说 ”所 提出的模型均能解释收益率的绝对值与成交量之间的正向关系。国外对于期货市场的实证研究 , Kocag il and Shachm urove (1998)发现期货收益和成交量之间并无显著的相关性。 国内期货市场的实证研究方面 ,我国学者吴冲锋等 ( 2000 )、华仁海 ( 2002 )、鲍建平 ( 2004 )在中国期 货市场的价格发现功能方面有一些重要发现。在我国期货市场和现货市场的波动性方面 ,张金清 ( 2006) —05— 3　陈星 :上海期货交易所结算部　上海　200122　电子信箱 : chenxing0117@gmail. com ;感谢匿名审稿人以及编辑部的建议 ,本文仅代表 个人观点。 南方经济 　2009年第 7期 建立了双变量 EC 2EGA RCH模型对期铜期铝市场进行了研究。期货市场量价关系方面的研究文献较少 , 且多采用 GA RCH模型研究因果关系。 本文采用 Koenker and B asse tt (1978)所提出的分位数回归来分析上海金属期货市场收益率和成交量 的关系 ,并与伦敦金属期货市场作了比较。众所周知 , OL S回归模型所关注的是因变量的条件均值 ,而条 件均值并不能代表整个条件分布 ,特别是当条件分布函数存在异质性的时候。分位数回归以加权的平均 绝对误差作为目标函数来估计回归系数 ,从而可以得到整个条件分布的形态 ,而不必局限于条件均值。 国内运用分位数回归研究金融市场的文献较少。管中闵 (2005) 采用分位数回归方法分析了台湾和美国 股市的收益率和成交量之间的关系。郭鹏辉 ( 2007 )采用分位数回归方法对上海股票市场的价量关系进 行研究。目前为止 ,笔者尚未发现采用分位数回归方法研究国内期货市场收益率和成交量的文献。 二 　Karpoff的不对称量价关系假说 对于量价关系的实证研究 ,概括起来有如下不同的结论 : ( 1 )量价之间稳定关系并不存在 ; ( 2 ) v与 |ΔP |之间存在相关关系 ; (3) v与ΔP之间存在相关关系 ; ( 4 )价格上涨时的成交量大于价格下降时的成 交量。 上述结论看似相互矛盾实则不然。Karpoff ( 1987 )认为是由于大多数检验都假设量价关系是一种单 纯的函数关系 ,并假设该函数关系是单调的。但当 v与ΔP之间的函数关系不是单调的 ,并且 v与 |ΔP |之 间不存在一对一的函数关系时 ,研究者就可能找到对上述任何一个结论的支持 ,虽然这样的实证支持并 不是很有说服力。 Karpoff (1987)在他的分析中定义了如下转换函数 : W = {w =w (ΔP ) |w′( |ΔP | ) > 0} X = { x = x (ΔP ) | x′(ΔP ) > 0} Y = { y = y ( v) | y′( v) > 0} 图 1　不对称量价关系假说 　　　图片来源 : Karpoff (1987)文献。 为了便于分析 , Ka rpoff假设 w (ΔP ) = |ΔP | , x (ΔP ) = ΔP, y ( v) = v。另外假设成交量与股价变 动呈线性关系 ,但不单调 ,在ΔP = 0处拐折。如图 1不对称量价关系假说所示 ,成交量和正的股价变 动的关系是 V + = f (ΔP |ΔP≥0) ,成交量和负的股 价变动的关系是 V - = g (ΔP |ΔP≤0)。 如果 f′> | g′| ,则对于任意给定水平的成交量 E (V ) = E (V + ) = E (V - ) ,有 E (V + /ΔP ) > E (V - /ΔP ) ,这与结论 (4)相一致。 对 v和 |ΔP |进行线性相关检验 ,会得出正相关 关系 ,即得出介于 f和 h之间的一条直线。对 v和ΔP进行相关检验也会得出正相关关系 ,即得出图 1不 对称量价关系假说中穿越一二象限的直线。这就是结论 (2)和 (3)同时出现的原因。 然而 ,注意到如果这两种特定的线性关系都是错误的 ,则可以预料到 ,针对其中一种线性关系的实证 检验会产生统计上并不显著的结论 ,这也能够说明为什么一小部分研究者发现并不存在显著的量价相关 —15— 期货市场量价关系 :基于分位数回归模型的实证研究 关系 ,即结论 (1)。 Karpoff (1987)认为根据他的不对称量价关系假设 ,可以说明四个经验命题 :第一 ,成交量与正的价格 变化之间存在正的相关关系 ;第二 ,成交量与负的价格变化之间存在负的相关关系 ;第三 ,用成交量与价 格变化的绝对值数据来检验 ,则会得到一个正的相关系数和带有异方差的残差项 ;第四 ,用成交量与价格 变化本身进行检验 ,则会得到一个正的相关系数 ,当以价格变化的大小排序的时候 ,则关于量价的线性回 归会产生一个有自相关的残差序列。 三 　分位数回归 分位数回归模型最早由 Koenker and B asse t提出。它采用最小绝对偏差的概念 ,而传统的相关和回归 统计理论采用的是最小平方差的概念。分位数方法假定了模型确定项的形式 ,而未对误差项的分布作出 假定 ,故属于半参数估计法。 令 yi 表示因变量 , xi 表示自变量 , T为样本观测值的个数。给定权重θ,则对θ分位数的估计可以转 换为如下目标函数的求解 : m in 1 T ∑( y iΕ x′iβ) θ yi - x′iβ + ∑( y iΕ x′iβ) (1 - θ) yi - x′iβ (1) 上面的目标函数其实为加权的平均绝对误差。当θ大于 015时 ,目标函数正误差的权数较大 ,负误差 的权数较小 ;当θ小于 015时 ,目标函数正误差的权数较小 ,负误差的权数较大。当θ等于 015时 ,正负误 差权重相同 ,此时分位数回归即中位数回归模型。 在此模型下 ,给定 x的θ条件分位数即为 : Q y (θ/ x) = x′β,θ∈ (0, 1) (2) 在不同的θ下 ,可以得到不同的分位数 ,随着θ在 [ 0, 1 ]区间的变化 ,可以得到整个 y在 x处的条件分 布的轨迹。 (1)式求解的一阶条件为 : 1 T ∑i =1... T (θ - 1{ y i- x′iβ<0} ) = 0 (3) 其中 1A 是事件 A的指示函数 ,最优解β ～ (θ)即为第θ分位数的估计系数。由于式并无解析解 ,必须通 过其他方法来计算 ,又因为指示函数在最优解处不可微 ,无法采用传统的非线性优化方法来求解 ,一般采 用线性规划的方法来求解。Koenker and M achado (1999)指出 ,上述参数估计式也是以非对称的拉普拉斯 分布为基础的拟极大似然估计式。 在一定的条件下 ,β ～ (θ)是参数β(θ)的一致估计量。经过标准化后渐进正态分布 : T (β ～ (θ) - β(θ) ) ≈ N (0, G (θ) - 1 ∑(θ) G (θ) ) (4) 其中 G (θ) = - E [ xt x′t fε(θ) x (0) ] , ∑ (θ) =θ( 1 -θ) E ( xt x′t ) , fε(θ) x是误差项ε(θ)的条件概率密度 函数。如 fε(θ) x与无条件概率密度函数 fε(θ)相同 ,则上式可以简化为 : —25— 南方经济 　2009年第 7期 T (β ～ (θ) - β(θ) )≈N 0,θ(1 -θ) fε(θ) (0) 2 , E ( xt x′t ) - 1 (5) 式中包含概率密度函数的部分较难估计。 在估计概率密度函数时 ,最标准的方法是采用非参数的方法 ,但这种方法较为复杂。另一种方法即 B oo tstrapp ing方法较为方便 ,当传统方法不易使用时 , B oo ts trapp ing方法估计结果通常很好 ,精确度甚至 超过大样本的结果。一旦估计出密度函数 ,便可以采用这些结果构建估计系数的置信区间并可进行假设 检验。 四 　数据预处理以及基本统计量分析 以上海期货交易所 (SH FE)和伦敦金属交易所 (LM E) 3个月到期的沪铜、沪铝以及 LM E铜、LM E铝 的日交易数据为研究对象。其中由于数据所限 , LM E期铝合约选取 2001年 6月 5日至 2005年 6月 30日 的交易数据。其他合约均选取 2000年 1月 5日至 2005年 6月 30日的交易数据。这里需要说明的是 , SH FE和 LM E期货合约的设计是不同的。SH FE的合约是按照到期的交割月来设计的 ,每年有 1月到 12 月共 12种合约。比如其中的 3月合约是指每年 3月份交割的合约。而 LM E则是按照距离到期日的时间 来设计的。3月合约指的是交易当日距离交割月还有 3个月的合约。为使数据具有可比性 ,我们按照 LM E的合约规则对 SH FE的期货交易数据进行调整 ,即 1月份的数据取 4月份合约的交易价格 , 3月份数 据取 6月份的交易价格 ,依次类推将合约调整成距离交割还有 3个月的数据 ,以便减少合约设计的不同对 实证结果的影响。 实证中分析的收益率变量是将每日收盘价取对数后 ,前后两期相减得到的 ;参照管中闵 ( 2005)对股 票市场量价关系的研究 ,我们也将成交量原始数据取对数。SH FE以及 LM E期铜、期铝交易数据基本统 计量以及 AD F检验结果见表 1。可以看出 ,收益率、成交量的分布多有轻微左偏的现象 (除了沪铜的成交 量之外 ) ,其中 SH FE期铜期铝收益率以及成交量的标准差较小 ,偏度以及峰度值也较小 ;而 LM E期铜期 铝收益率以及成交量的标准差较大 ,偏度以及峰度值也较大。AD F检验结果表明 ,各合约收益率在 1% 的水平下均拒绝了单位根的假设。 　　表 1　 SH FE以及 LM E期铜基本统计量以及 AD F检验 沪铜 LM E铜 基本统计量 收益率 成交量 收益率 成交量 观测值个数 1307 1307 1306 1306 均值 0. 0004 7. 93 0. 0004 10. 80 中位数 0 7. 59 0. 0004 11. 02 最大值 0. 041 12. 06 0. 056 12. 07 最小值 - 0. 068 1. 79 - 0. 104 1. 61 标准差 0. 01 1. 61 0. 01 0. 94 偏度 - 0. 34 0. 76 - 0. 66 - 3. 40 峰度 5. 41 3. 33 9. 22 18. 54 AD F统计量 - 35. 84 - 4. 50 - 37. 89 - 2. 42 —35— 期货市场量价关系 :基于分位数回归模型的实证研究 　　表 2　 SH FE以及 LM E期铝基本统计量以及 AD F检验 沪铜 LM E铜 基本统计量 收益率 成交量 收益率 成交量 观测值个数 1280 1280 1275 1275 均值 0 7. 52 0 9. 62 中位数 0 7. 74 0 11. 26 最大值 0. 031 11. 14 0. 048 12. 67 最小值 - 0. 036 0. 69 - 0. 081 1. 61 标准差 0. 007 1. 29 0. 010 3. 13 偏度 - 0. 252 - 0. 49 - 0. 789 - 1. 14 峰度 8. 03 4. 13 9. 48 2. 37 AD F统计量 - 36. 60 - 4. 95 - 37. 77 - 2. 11 五 　实证研究 我们以收益率为被解释变量 ,成交量为解释变量 ,采用 STA TA 分别估计 SH FE以及 LM E期铜期铝 分位数回归值。分位数 θ= 0105, 0110, ⋯, 0190, 0195。为显示涨跌幅板限制的效应 ,我们也对尾部的 0101和 0199分位数作了回归 ,故每一组数据有 21个分位数回归估计结果。在进行统计检验以及构建置 信区间时 ,我们将重复抽样次数设为 100。由于篇幅所限 ,表 3和表 4列出了沪铜的 OLS以及分位数回归 结果。为了更加清楚的比较各分位数回归的估计与检验结果 ,我们在图 2给出了前述各分位数回归斜率 估计值与其 95%的置信区间。此外 ,我们也对收益率和成交量作了 OL S回归估计。 从 SH FE期铜收益率和成交量的回归结果可以看出 , OL S法的斜率估计值很小 ,且在 5%的水平下不 显著 ,仅在 10%的水平下为显著的正值。而分位数回归部分 ,斜率系数估计值大多数在 1%或 5%水平下 显著不为零。其中 0105 - 0125分位数的斜率估计值显著为负 ,而 0130 - 0145分位数的斜率估计系数不 显著异于零 , 0150 - 0195的分位数的斜率估计值显著为正。而在涨跌停板附近 (即 0101和 0199分位数 ) 斜率估计值不显著异于零。 从前面的简单统计量可知 ,沪铜收益率的中位数为零。而 0130 - 0145分位数的斜率估计系数绝对值 非常小 ,其余分位数斜率估计系数绝对值要大很多。所以除了在收益率略低于零时 ,“量价齐扬 ”与“价跌 量亦涨 ”的现象并存 ,即收益率的绝对值越大 ,成交量越大。但是“量价齐扬 ”的效果更加明显 ,这可以从 斜率估计值系数的绝对值以及 P值可以看出来。另外 ,θ分位数与 1 -θ分位数的斜率估计值的绝对值大 小也是不一样。所以 ,成交量对正负收益率的解释能力也是不同 ,而“量价齐扬 ”的情形要强于“价跌量亦 涨”的情形。而在涨跌停板附近 , 0101分位数斜率估计值的绝对值要小于 0199分位数斜率估计值 ,这说 明在跌停板附近的“价跌亦量涨 ”效应也要弱于在涨跌停板附近的“量价齐扬 ”效应。即“无量涨停 ”和 “巨量跌停 ”的现象更容易出现。 　　表 3　 沪铜收益率与成交量关系 OLS回归结果 估计值 P值 斜率项 0. 0004 0. 054 常数项 - 0. 0025 0. 106 —45— 南方经济 　2009年第 7期 　　表 4　 沪铜收益率与成交量关系分位数回归结果 沪铜分位数回归估计结果 分位数 ( % ) 系数估计值 P值 常数项估计值 P值 1 - 0. 0005 0. 64 - 0. 02663 3 3 0. 00 5 - 0. 00203 3 3 0. 00 - 0. 0008 0. 85 10 - 0. 00193 3 3 0. 00 0. 0033 0. 42 15 - 0. 00163 3 3 0. 00 0. 0038 0. 19 20 - 0. 00113 3 3 0. 00 0. 0020 0. 37 25 - 0. 00083 3 0. 01 0. 0009 0. 67 30 - 0. 0004 0. 15 - 0. 0007 0. 73 35 - 0. 00043 0. 06 0. 0003 0. 83 40 - 0. 0002 0. 51 - 0. 0003 0. 85 45 0. 0001 0. 85 - 0. 0011 0. 65 50 0. 00063 3 0. 03 - 0. 00383 3 0. 04 55 0. 00073 3 3 0. 00 - 0. 00403 3 0. 02 60 0. 00093 3 3 0. 00 - 0. 00423 3 3 0. 01 65 0. 00123 3 3 0. 00 - 0. 00593 3 3 0. 00 70 0. 00143 3 3 0. 00 - 0. 00563 3 3 0. 00 75 0. 00163 3 3 0. 00 - 0. 00613 3 3 0. 00 80 0. 00183 3 3 0. 00 - 0. 00623 3 3 0. 00 85 0. 00193 3 3 0. 00 - 0. 00523 3 3 0. 00 90 0. 00163 3 3 0. 00 - 0. 0003 0. 91 95 0. 00123 3 3 0. 02 0. 0077 0. 12 99 0. 0012 0. 31 0. 01883 3 0. 04 　　注 : 3 3 3 表示在 1%的水平下显著异于 0; 3 3 表示在 5%的水平下显著异于 0; 3 表示在 10%的水平下显著异于 0。 图 2　上海期铜收益率与成交量斜率估计值以及 95%的置信区间 　　注 :纵轴表示收益率 ,横轴表示回归分位数 ,图中每个点表示不同分位数回归下的斜率估计值。 另外值得注意的是 ,比较表 3和表 4的斜率估计值可以看出 ,除了 0140和 0145分位数之外 , OL S方 法斜率估计值的绝对值都小于分位数回归的斜率估计值。因此 , OL S方法所估计的回归模型可能低估成 交量的效果 ,也无法完整的呈现整个条件分布的量价关系以及涨跌停板的效应。 —55— 期货市场量价关系 :基于分位数回归模型的实证研究 图 3　LM E期铜收益率与成交量斜率估计值以及 95%的置信区间 图 3、图 4分别为 LM E期铜和 SH FE期铝收益率对成交量的分位数回归结果。由于篇幅所限 ,我们 未给出 LM E期铜的分位数回归具体 表格 关于规范使用各类表格的通知入职表格免费下载关于主播时间做一个表格详细英语字母大小写表格下载简历表格模板下载 。与 SH FE期铜不同 , LM E期铜合约的量价关系并不明显 ,各分 位数回归的斜率估计值均不显著异于零。另外 ,分位数斜率估计值也没有随着θ的增加而变大。 　　表 5　 沪铝收益率与成交量关系分位数回归以及 OLS结果 沪铜分位数回归估计结果 分量 ( % ) 系数估计值 P值 常数项估计值 P值 1 - 0. 0023 0. 09 - 0. 0068 0. 55 5 - 0. 00083 3 0. 05 - 0. 00463 0. 09 10 - 0. 0003 0. 37 - 0. 00493 3 0. 02 15 - 0. 0002 0. 13 - 0. 00323 3 3 0. 00 20 - 0. 0001 0. 68 - 0. 00333 3 0. 02 25 0. 0000 0. 88 - 0. 00273 3 0. 03 30 0. 0000 0. 90 - 0. 00213 0. 08 35 0. 0001 0. 37 - 0. 00243 3 3 0. 01 40 0. 0002 0. 12 - 0. 00263 3 3 0. 01 45 0. 0002 0. 19 - 0. 00183 0. 06 50 0. 0002 0. 32 - 0. 0012 0. 31 55 0. 0002 0. 26 - 0. 0010 0. 47 60 0. 0000 0. 81 0. 0004 0. 77 65 0. 0002 0. 22 - 0. 0001 0. 93 70 0. 0003 0. 11 - 0. 0001 0. 93 75 0. 00053 3 0. 05 - 0. 0002 0. 92 80 0. 00053 3 3 0. 00 0. 0003 0. 83 85 0. 00043 0. 09 0. 0025 0. 16 90 0. 00043 0. 10 0. 00393 3 0. 02 95 0. 00113 3 3 0. 00 0. 0024 0. 39 99 0. 00233 3 3 0. 00 0. 0041 0. 46 OLS估计 0. 00033 0. 10 - 0. 00203 0. 09 　　注 : 3 3 3 表示在 1%的水平下显著异于 0; 3 3 表示在 5%的水平下显著异于 0; 3 表示在 10%的水平下显著异于 0。 —65— 南方经济 　2009年第 7期 图 4　上海期铝收益率与成交量斜率估计值以及 95%的置信区间 SH FE期铝的表现也不同于 SH FE期铜。从表 5可以看出 ,除了 0175 - 0199分位数 ,其它各分位数回 归斜率估计值均不显著异于零 ,而且估计值的绝对值也是非常的小 ,几乎都小于 01001。而 0195和 0199 分位数回归斜率估计值明显大于其它分位数估计值。这说明期铝存在“量价齐涨 ”的现象 ,但是在价格下 跌时 ,量价关系并不明显。而且 ,涨停板和跌停板的量价效应并不对称 ,在涨停板附近存在明显的“量价 齐涨 ”的现象 ,而在跌停板附近量价关系并不明显。 另外值得注意的是 ,比较表 5中分位数回归和 OLS的斜率估计值可以看出 , OL S方法斜率估计值的 绝对值小于上分位数 (0175 - 0199)回归的斜率估计值。因此 , OL S方法所估计的回归模型可能低估成交 量的效果 ,也无法完整的呈现整个条件分布的量价关系以及涨跌停板的效应。 在图 5和图 6中 ,我们将收益率作为横轴 ,成交量作为纵轴 ,然后绘出了 0101, 0105, 0125, 0150, 0175, 0190, 0199的分位数回归线。可以看出上海期铜收益率和成交量呈现明显的“V ”字型关系。而 LM E期 铜收益率和成交量的关系并不明显 ,分位数回归线几乎都为垂直线。这些图片所描述的现象较传统 OL S 方法所得到的平均关系更加完整。 图 5　沪铜收益率 -成交量散点图以及回归线 　　注 :纵轴表示成交量 ,横轴表示收益率 ,图中 7条线分别是 0101, 0105, 0125, 0150, 0175, 0190, 0199的分位数回归线。 —75— 期货市场量价关系 :基于分位数回归模型的实证研究 图 6　LM E铜收益率 -成交量散点图以及回归线 　　注 :纵轴表示成交量 ,横轴表示收益率。 六 　实证结果分析 上海期铜、期铝收益率和成交量都呈现非对称的“V ”字型关系。而 LM E期铜、期铝收益率和成交量 的关系并不明显。是什么因素导致上海和伦敦期市量价关系不同呢 ? Karpoff (1988)以及 Kocag il and Shachm u rove (1998)认为 ,如果做空和做多的成本相同 ,收益率与成 交量之间的相关系数会不显著异于零 ,即量价关系不明显。如果期货市场做多和做空的成本是相同的 , 量价关系应该不显著。而股票市场由于存在卖空限制 ,量价关系会符合 Karp off ( 1987 )提出的非对称性 量价关系假说。钱争鸣、郭鹏辉 (2007)采用分位数回归的方法对我国上海股票市场量价关系进行了实证 研究。结果表明 ,我国股票市场符合 Karpoff (1987)提出的非对称性量价关系假说。 庄家彰、管中闵 (2005)采用分位数回归方法分析了台湾和美国股市的收益率和成交量之间的关系。 他们认为 ,导致台湾和美国股市量价关系不同的原因之一可能是台湾股市较美国股市多了许多限制。台 湾股市对卖空存在较多的限制 ,融券成本 (保证金比率 )远高于融资成本 ,这些限制妨碍乃至扭曲了市场 信息的传递 ,导致两地股市投资者对市场信息的反应不同。 在涨跌停板制度、保证金制度以及投资者结构等方面 ,上海和伦敦金属期货市场均存在差异。上海 期货市场实行对称的涨跌停板制度 ,而伦敦金属期货市场则不存在涨跌停板的限制。但是上海市场的涨 停板和跌停板的幅度是相同的 ,从而在价格上涨和下跌过程中对交易量的影响是对称的 ,所以涨跌停板 制度并不是导致两地量价关系存在差异的因素。在保证金制度方面 ,伦敦市场以持仓净头寸为基础收取 保证金 ;而上海市场则以总头寸为基础收取保证金 ,不允许多空头寸的相互抵冲。但是两市场对多空双 方收取的保证金是对称的 ,即对做空和做多的成本是相同的 ,所以保证金制度也不会导致两市场量价关 系的不同。 因此 ,从制度性因素来讲 ,上海和伦敦期货市场都不存在卖空的限制 ,不存在扭曲市场信息传递的 因素 ,制度性因素不会导致两地量价关系的差异。两地在投资者结构以及投资者交易策略方面存在明 显差异。 —85— 南方经济 　2009年第 7期 在投资者结构方面 ,上海期货市场 95%的参与者为散户 ,即个人投资者 ,而 LM E市场以机构投资者 为主。LM E市场的参与者主要是 :金属生产商、消费商、产品贸易商、共同基金、对冲基金和投资银行等。 与个人投资者相比 ,这些机构投资者具有资金以及信息等方面的优势 ,并且交易策略更为成熟。个人投 资者在资金方面存在劣势 ,“多逼空 ”风险的存在也会使交易者从心理上产生“卖空 ”顾虑。因此上海期货 市场与伦敦金属期货市场在投资者结构方面存在差异 ,并且交易主体的投资策略也不相同 ,市场信息传 递的方式也不相同。根据 Karp off (1988)的理论模型 ,这导致了两市场量价关系的不同。笔者在另外一 篇文章中建立了理论模型 ,详细分析了存在涨跌停板限制下的金融市场量价关系 ,本文实证研究的结论 与笔者的理论模型相符。 七 　结论 本文是国内文献中首次尝试以分位数回归来分析期货市场收益率和成交量关系的研究。我们通过 分位数回归可以完整的呈现成交量对不同收益率的影响 ,而不必依赖于传统的 OL S方法所提供的平均化 的统计指标。实证结果发现上海金属期货市场具有“量价齐扬 ”的现象 ,对期铜市场来讲 ,还存在“价跌量 亦涨 ”的现象。但是“量价齐扬 ”的现象要强于“价跌量亦涨 ”;此外 ,在跌停板附近的“价跌亦量涨 ”效应 也要弱于在涨跌停板附近的“量价齐扬 ”效应。期铝市场则不存在“价跌量亦涨 ”的现象。涨停板和跌停 板的量价效应并不对称 ,在涨停板附近存在明显的“量价齐涨 ”的现象 ,而在跌停板附近量价关系并不明 显。与上海市场不同 , LM E市场的量价关系不明显。上海金属期货市场的实证结论符合 Karp off的不对 称量价关系假说。国内外期货市场量价关系的差异并不是由于制度性因素导致的 ,而是因为投资者结构 不同引起的。 笔者认为 ,要提高期货市场运行效率 ,充分发挥期货市场的功能 ,使我国期货市场进一步与国际接 轨 ,应该积极引入机构投资者 ,培育期货市场投资基金 ,优化投资者结构。 参考文献 : A ne, T. , U reche2Rangau, L , 2006, D oes trad ing volum e really exp lain stock returns volatility. J ourna l of In terna tiona l F inancia l M a rkets, Institu2 tions and M oney. Campbell, J. Y. , G rossm an, S. J. , W ang, J. , 1993, Trading volum e and serial correlation in stock returns. Q ua rterly J ourna l of Econom ics, 108 (4) : 905 - 939. Cap lin, A. , L eahy, J. , 1996, T rad ing costs, p rice, and volum e in asset m arkets. The American Econom ic Review, 86 (2) : 192 - 196. Chan, C. C. , Fong, W. M. 2006, Realized volatility and transactions. J ourna l of B anking and F inance, 30 (7) : 2063 - 2085. Chan, K. , M enkveld, A. J. , Yang, Z. 2007, The inform ativeness of dom estic and foreign investorspi stock trades: Evidence from the perfectly seg2 m ented Chinese m arket. J ourna l of F inancia l M a rkets, 10 (4) : 391 - 415. Karpoff, J. M. 1987, The relation betw een p rice changes and trad ing volum e: A survey. J ourna l of F inancia l and Q uantita tive Ana lysis, 22 (1) : 109 - 126. Karpoff, J. M. 1988, Costly Short Sales and the Correlation of Returns w ith V olum e. J ourna l of F inancia l Resea rch, V ol. X I, N o. 3: 173 - 187. Koenker R, B assett G. , 1978, Regression Q uantile. Econometrica, (46) : 33 - 50. Koenker. R, Hallock K F. , 2001, Q uantile Regression. J ourna l of Econom ic Perspectives, (15) : 143 - 156. L ee, B. S. , Rui, O. M , 2002, The dynam ic relationsh ip betw een stock returns and trad ing volum e: D om estic and cross2country evidence. J ourna l of B anking and F inance, 26 (1) : 51 - 78. L i, T. , 2007, Heterogeneous beliefs, asset p rices, and volatility in a pure exchange econom y. J ourna l of Econom ic D ynam ics and Contro l, 31 (5) : —95— 期货市场量价关系 :基于分位数回归模型的实证研究 1697 - 1727. L o, A. W. , M am aysky, H. , W ang, J. , 2004, A sset p rices and trad ing volum e under fixed transactions costs. J ourna l of Politica l Economy, 112 (5) : 1054 - 1090. 华仁海、仲伟俊 ,《对上海期货交易所金属铜量价关系的实证分析》.《统计研究》, 2002, (8) : 71 - 73。 华仁海、仲伟俊 ,《我国期货市场期货价格波动与成交量和空盘量动态关系的实证分析》.《数量经济技术经济研究》, 2004, (7) : 123 - 132。 李双成、赵长城 ,《证券市场量价关系研究评述》.《经济与管理》, 2004, (12) : 74 - 75。 钱争鸣、郭鹏辉 ,《中国股票市场量价关系研究———基于沪市日数据的分位回归分析 》.《厦门大学学报 (哲学社会科学版 ) 》, 2007, ( 4 ) : 44 - 51。 张金清、刘庆富 ,《中国金属期货市场与现货市场之间的波动性研究》.《金融研究》, 2006年第 7期。 庄家彰、管中闵 ,《台湾与美国股市价量关系的分量回归分析》.《经济论文 (2005) 》: 379 - 404。 Rela tion sh ip Between Return s and Volum e in Future M arkets — An Em p ir ica l Test w ith Quan tile Regression X ing Chen Abstract: This paper tests the relationsh ip betw een re tu rns and volum e in SH FE and LM E m arkets w ith quan tile regress ion. The result show s tha t relationsh ips betw een y ie ld and vo lum e are different. In Shanghai m arke t, pos itive yie lds usually com e w ith la rge vo lum es and also fo r negative y ie lds. O n con tra ry, re la tionships be tw een y ie ld and vo lum e in LM E m arke t a re no t so s ignif icant. T raditional OLS m ethod can not ge t such resu lts. The“V ”shaped re la tionship be tw een y ie ld and volum e in SHFE m arkets m ay be caused by the investo r s tructure. Keywords: Q uantile Regress ion; Y ield and V olum e; Fu ture M arkets (责任编辑 :李捷瑜 ) —06—