大規模交易推動股價上漲

梁靜雅

摘要：我國的股市從2005年6月到2007年10月經歷了一個大的牛市行情，回朔這段歷史，在牛市的初期，也就是2005年6月6日至2006年1月25日這段時間里，是何種行為推動了行情的發展。本文通過對上證50的全部指標股進行分析，實證結果表明：（1）300,000股以上的交易推動了股價的上漲，是牛市啟動的主要推手，而在股價下跌過程中，中小規模交易是主要的推動力量。（2）本文的研究不支持隱蔽交易信息假說、公開信息假說及成交量假設。

關鍵詞：牛市；交易規模；300000股；大規模交易

一 、引言

今年以來，我國股市一直在低位徘徊，是否有牛市啟動的跡象，從哪些特征可以考察牛市啟動特征？本文以上證綜合指數上次牛市行情為研究對象，分析牛市啟動的推手。上證綜合指數從2005年6月6日股市最低時的998.23點上升到2007年10月16日最高時的6,124.04點，整整翻了6倍多。隨著指數的一路上揚，股票流通市值從最低時不足1萬億到達最高時的8萬多億。成交量從最低時的982.2萬手達到最高時的21,856.3萬手；與之相伴隨，成交金額也從最低時的37.65億元，最高達到2,572.33億元。在短短兩年多的時間里，無論從成交量、成交金額、還是從價格方面看，我國股市都經歷了一個從低點迅速走上高點的過程。那么，是何種因素啟動了這樣一個牛市行情？特別地，在牛市行情的初期，是哪些類型的交易在推動整個股市的啟動？本文目的就是試圖尋找這方面的答案，為目前股市的發展趨勢提供參考。

最近，使用非美國市場數據的研究也有了一些發現。Ascioglu，Forde and McInish(2005)使用日本證券交易所的數據進行了研究，Chakravarty，Kalev and Pham(2005)則使用澳大利亞交易所的數據進行了驗證。雖然他們使用的交易數據都是指令驅動市場數據，但得出的結論卻與Barclay and Warner(1993)等不相同。前者發現，信息優勢的投資者在日本市場傾向于使用小規模的交易；而后者則發現，在牛市中，與成交量相比，不同規模的交易所引致的累計股票價格變化均較小。實質上，這一發現是對隱蔽交易假說的一種削弱。

Cornell and Sirri(1992)通過一個關于內幕交易被起訴的案例分析認為，內幕交易者似乎更傾向于應用中等規模交易。而Easley and O`Hara(1987)直接把交易規模模型引入分析的結果表明，內幕交易者會選擇大規模交易。

值得注意的是，上述絕大部分研究中應用的是牛市繁榮期和熊市的樣本。至于從熊市到牛市轉換期的交易類型的影響力問題則缺乏研究。

國內方面，才靜涵、歐陽紅兵、柴俊（2007）對2004年到2005年的熊市行情中的交易類型進行了分析，結果認為，中等規模交易是推動熊市股價下挫的主要力量。國內學者的研究還表明，機構投資者和莊家在我國股市上具有明顯的信息優勢和主導作用。但沒有人研究從熊市向牛市轉換過程中的市場推動力。

基于此，本文試圖用實證的方法研究我國在從熊市轉為牛市的過渡階段的市場交易行為對市場價格的推動作用，看看究竟是哪種行為對熊市——牛市的轉換起了最為關鍵的作用。與NYSE和許多其他國家交易制度不同的是，我國的證券市場是一個純限價指令驅動的市場，目前的文獻主要是基于報價驅動的市場。那么，做市商的缺失是否會讓市場的交易行為產生不同的表現？牛市啟動階段的交易行為與其它市場狀態下的交易行為是否有所不同？再加上我國目前還缺乏衍生品市場，因此，投資者只能在股票市場中交易，投資者也只能通過拉升股價來獲取利潤，那么這種行為是否會加劇其拉升股價的動能？對于這些問題的答案，能極大地豐富這一領域的研究成果。

二 、樣本與數據

本文以上證50指數為基準進行研究。在2005年6月6日至2006年1月25日這半年多的時間里，上證50指數處于熊市到牛市的轉換階段，也就是牛市的啟動階段。本文選取這段時間作為研究期間，主要是基于三點考慮：第一，在2005年6月6日，上證50指數觸及2000年以來的歷史最低點998.23點，此后一路上揚；第二，2006年1月25日，該指數是1258.05點，指數收益率為21.6%，有明顯的牛市啟動態勢（見圖1）。第三，由于傳統農歷新年的原因，股市從2006年1月26日到2006年2月5日停牌，使得本文考察的樣本期成為一個相對獨立的階段，也就是牛市的啟動階段。

本文應用的數據是上海證券交易所50指數股在2005年6月6日至2006年1月25日之間的逐筆交易數據，上證50在整個樣本期間的數據量大約為1500萬條。本文對數據的預處理包括：

（1）由于上海證券交易所的連續競價交易時間為周一至周五的上午9:30到11:30和下午的13:00至15:00（節假日不包括在內）。在本文的研究過程中，本文只保留了所有連續競價的交易數據。即開盤前的集合競價的交易數據不包含在本文的研究樣本數據之中。

（2）有一類觀測值的成交量為0，這類記錄表示只有買賣報單變化，而沒有實際交易。凡屬這種情況的記錄均被刪除。

（3）刪除了所有零股。所謂“零股”，是指不足100股（最小交易單位）的交易記錄。交易規則規定：在每個交易日的正常交易時間內，投資者可以委托賣出零股，但不能委托買入零股。零股可能是由于送股、配股、轉配股而產生，也可能由于零股委托賣出而產生。

（4）和其他文獻的處理方法相同，本文在樣本中只保留了價格顯著上升的股票。所有在樣本期間內漲幅低于5%的股票都沒有納入樣本。這樣，最終的樣本中只包含16只股票在2005年6月6日到2006年1月25日內的逐筆交易數據。

（5）本文將在時間t發生的交易所帶來的價格變化定義為t時刻交易價格減去前一筆交易的價格，即第t時刻交易價格與第t-1時刻交易價格之差，因此，由于t時刻的交易所引起的價格變化即為Pt-Pt-1。過夜價格變化，即第N天的收盤價與第N+1天的開盤價之間的價格變化不算在內。

本文的樣本數據全部來自天軟數據庫中的高頻交易數據，時間精確度為0.01秒。

三 、研究方法及實證結果

根據單筆交易的不同成交量規模本文將所有數據進行分組，結果如表1所示。

本文進一步將成交量小于10,000股的稱為小規模交易；成交量大于300,000萬股的稱為大規模交易；成交量介于兩者之間的稱為中等規模交易。

前述文獻的研究結果表明，在不存在內幕交易的前提下，各個組別中每筆交易平均價格變化應相同，且均與市場趨勢一致。而按照隱蔽交易假說，中等交易規模導致的價格變化將遠大于其他組別，且會與市場趨勢一致。

（一）描述性統計

為了研究各組每筆交易的平均價格變化，本文將每筆交易平均價格變化定義為：

每筆交易平均價格變化=■（1）

各組中每筆交易平均價格變化表示的是在某一特定組別內平均每筆交易所引致的股票價格變化。根據表1與式（1），本文計算出各組的一些描述性統計指標，結果如表2所示。

注：（1）累計交易數量和累計成交量均指某組中所有樣本的交易數量和成交量之和。

（2）表中的三項指標均為樣本股票的橫截面數據。

從表2可以看到，各組的每筆交易平均價格變化為先正后負再為正。自d100組到d1000組的每筆交易平均價格變化都為正；d100組的每筆交易價格變化最高，為0.000183701元；d1000組的每筆交易價格變化最低，為4.3321E-06元。除d5w組外，自d2000組到d10w組的每筆交易平均價格變化均為負，且其絕對值越來越大。從d20w組到d50w組的每筆交易平均價格變化又回歸正值，在d50w組內達到正的最大值0.001970327。由此本文觀察到大額交易對于推動股價上升的影響。從交易筆數來看，交易筆數較大者主要集中在d500組到d2w組，而交易筆數最多的組是d2000，但此時的每筆交易價格變化為負，因此本文認為，股市啟動與交易筆數關系不是很大。從成交量來看，最小值為d100組的4,664,406股，最大值為d50w組的6,328,419,029股，但成交量最大的d50w組中，交易筆數只有7,487筆，這也說明了少量大單對于這輪行情啟動的作用。

為了更加清楚地分析各組每筆交易平均價格變化對于總體價格變化的影響，本文用某一組別的每筆交易平均價格變化除以所有組別每筆交易平均價格變化之和，并將這一指標命名為市場相對趨勢指標。其實質是某組的每筆交易平均價格變化占所有組別價格總變化的百分比。值得注意的是，根據表2數據計算的結果，每筆交易平均價格變化之和為-0.0003606，但在這一期間，市場的總體趨勢是價格明顯上揚，即價格變化為正。因此，如果市場相對指標為負（一個正數比上一個負數），則表示它與總體價格變化是同方向的，指標數值越大，影響越明顯。反之則反是。本文將市場相對趨勢指標與每筆交易平均價格變化指標繪制成圖，如圖2所示。

從圖2看到，只有d20w,d30w,d50w組的市場相對趨勢明顯為負。說明其價格變化與總體市場趨勢相同，也即由大規模交易引致的價格變化與市場整體的上升趨勢相同。

在表2資料的基礎上，進一步按前面定義的小、中、大交易規模，計算其累計股票價格變化百分比、每筆交易平均價格變化百分比、成交量百分比和交易數量百分比等四項指標。各項指標的計算方法如下：（1）累計股票價格變化百分比。將各組中的所有股票在樣本期間內的股價變化加總，除以所有各組股價變動總和。這個變量表示某一組交易引致的價格變化占全部價格變化的百分比，也即不同規模交易所引致的價格變化在全部價格變化中所產生的影響。（2）每筆交易平均價格變化百分比、成交量百分比和交易筆數百分比：首先計算按照交易規模分組的平均每只股票的每筆交易平均價格變化（成交量、成交筆數），再除以各組的每筆交易平均價格變化（成交量、成交筆數）之和。

從表3可以看出，大規模交易從成交筆數來看只占0.41%，成交量也只占9.503%，但是累計股票價格變化達到了14.1%，而每筆交易平均價格變化百分比則達到了-700.3%，所有這些指標都說明了少量大單對股價上漲的推動作用。同樣值得注意的是中等規模交易的每筆交易平均價格變化百分比為902.46%，這是一個與市場整體變化方向相反、但絕對值很大的值，說明中等規模交易在牛市的啟動期與市場整體價格變動方向相反，對股價上升有抑制作用。

注：表中黑體數字表示各種交易規模的百分比之和。

（二）WLS回歸分析

本文應用加權最小二乘法檢驗不同的交易規模與成交量對股價變動的影響。其理論依據分別是隱蔽交易假說、公開信息假說和成交量假說。

隱蔽交易假說認為，內幕交易者會選用中等規模交易，而股票價格變化主要是由于交易過程中泄露出的私人信息造成，因此，股票的累計價格變化主要發生在中等規模交易中。公開信息假說認為股票價格變化是由于公開信息的透露而引起的，由于公開信息會以相同的可能性分布于各個投資者的不同規模的交易中，因此某一交易規模所引起的股價變化應該相同。而成交量假說認為，交易量越大，所引起的股票價格變動就越大，按照這一思路，累計股票價格變化（或每筆交易平均價格變化）應該與成交量（或每筆交易平均成交量）成正比。

通過下述回歸模型，本文可以直接檢驗這三個假說。

tranpcij=α1*DSi+α2*DMi+α3*DLi+εij（1）

tranpcij=α1*DSi+α2*DMi+α3*DLi+β1*TranVolumeij+εij（2）

其中，tranpcij是股票i的j類型交易（j=小規模、中等規模或大規模）在樣本期間內所引致的每筆交易平均價格變化。該變量經過加權調整，其權數等于股票i的j類型交易在全部樣本期間內的累計價格變化的百分比。DSi、DMi和DLi分別是股票i的小規模交易、中等規模交易和大規模交易的虛擬變量，TranVolumeij是股票i的j類型交易的每筆交易平均成交量。

模型運行的結果如表4所示。

注：***表示在1%水平上顯著，**表示在5%水平上顯著；括號中表示的是變量對應的t統計量。

從表4所示的回歸模型（1）的擬合結果發現，在三個虛擬變量中，有且僅有大規模交易虛擬變量的參數在統計上顯著。其值為0.000365，在1%的水平上顯著。由于在本模型中，被解釋變量是實際的股票價格變化，因此，大規模交易的正系數表明：只有大規模交易所引致的每筆交易平均價格變化與市場趨勢（上漲）相一致。同時，Wald檢驗也在1%的水平上拒絕了三個虛擬變量系數相等的假設。也就是說，這一結果不支持隱蔽交易假說和公開信息假說。如果隱蔽交易假說成立，則中等規模交易的系數應該顯著，且和市場價格變化相同；如果公開信息假說成立，那么在模型（1）和（2）中，三個虛擬變量的系數應該沒有顯著差異。

回歸模型(2)的參數估計結果與模型(1)的結果相同，三個虛擬變量中，只有大規模交易的虛擬變量系數在5%的水平上顯著，其值為0.000526。Wald檢驗也在1%的水平上拒絕了三個虛擬變量系數相等的假設。模型（2）比模型（1）增加了一個解釋變量——TranVolume，但此變量的系數并不顯著。這一結果表明，公開信息假說和成交量假說都不成立，因為如果成交量假說成立，那么在模型（2）中，每筆交易平均價格變化將僅與每筆交易平均成交量有關，估計出的每筆交易平均成交量的系數應該是所有系數中唯一一個顯著的變量。

因此本文可以得出結論：在股市從熊市轉為牛市的起步階段，只有大規模交易才能推動股票價格的上漲。這與已有文獻研究的結論都不太一樣。表4的結論表明：只有大規模交易所引致的股票價格變化表現出了與市場變化的顯著一致性。同時也說明成交量的大小不能解釋價格的變化。在熊市轉換為牛市的過程中，只有少量的大單推動價格的上漲。

四 、結論

本文應用上證50指數股在2005年6月6日至2006年1月25日的分筆交易數據，研究了在我國股票市場在從熊市轉換為牛市的過程中市場交易類型。本文采用實證研究方法，得到在此輪從熊市轉換為牛市的過程中，是300,000股以上的交易推動了股價的上漲，是牛市啟動的主要推手，而在股價下跌過程中，中小規模交易是主要的推動力量。

這一研究結論與之前的研究結論都有所不同，同時也不支持隱蔽交易信息假說、公開信息假說及成交量假設。

為什么投資者會選擇大規模交易來啟動牛市行情呢？本文分析認為，只有大規模交易才能在熊市的末端重新帶動投資者的信心和整個市場的人氣，而小規模交易和中等規模交易都不能達到這個效果。

參考文獻：

才靜涵、歐陽紅兵、柴俊（2007）：《誰在拉底股價？——中國股市上的隱蔽交易》，《金融學季刊》第3卷第1期。

汪昌云、孫謙（2007）：《中國個人投資者行為偏差實證研究》，《金融學季刊》第3卷第1期。

Barclay, M.J.,R. Litzenberger and J.Warner. “Private information, trading volume and stock return variance” Review of Financial Studies,1990,3,233-253.

Barclay, M.J. and J. “Warner.Stealth trading and volatility: which trades move price?” Journal of Financial Economics, 1993,34,281-305.

French, K., and M.O'Hara. “ Price, trade size, and information in securities markets” Journal of Financial Economics, 1987,19,113-138.

Admati, A.and P.Pfeiderer. “A theory of intraday trading patterns: Volume and price variability” Review of Financial Studies,1988 ,1,3-40.

Ascioglu, A.,C.C.Forde and T.McInish. “Stealth trading: The case of the Tokyo Stock Exchange” working paper,2005.

Chakravarty,S., P. Kalev and L.S.Pham,. “Stealth trading in volatile markets” working paper, 2005,Monash University, Australia.

Cornell, B. and E.R. Sirri. “The reaction of investors and stock prices to insider trading” Journal of Finance ,1992,47(3),1031-1059.

Easley, D. and M.O'Hara. “Price,trade size, and information in securities markets” Journal of Financial Economics ,1987,19,113-138.