中國(guó)黃金期貨量?jī)r(jià)關(guān)系分析

郭樹(shù)華　袁天昂　何鎮(zhèn)宇

【摘要】本文采用基于結(jié)算價(jià)的收益率反映黃金期貨市場(chǎng)價(jià)格波動(dòng)，根據(jù)收益率序列的統(tǒng)計(jì)特征建立ARMA（2，2）-GARCH（1，1）模型，結(jié)果表明收益率的過(guò)去波動(dòng)對(duì)市場(chǎng)未來(lái)波動(dòng)有著正向而減緩的影響；然后采用ARMA（2，2）-GARCH（1，1）模型、VAR（2）模型等方法研究黃金期貨價(jià)格波動(dòng)與成交量、持倉(cāng)量的關(guān)系，結(jié)果表明當(dāng)期成交量對(duì)價(jià)格波動(dòng)具有較強(qiáng)的解釋作用，滯后1期成交量對(duì)于價(jià)格波動(dòng)沒(méi)有直接影響，當(dāng)期和滯后1期持倉(cāng)量對(duì)于價(jià)格波動(dòng)沒(méi)有直接影響；同時(shí)考慮當(dāng)期成交量和當(dāng)期持倉(cāng)量時(shí)，當(dāng)期成交量對(duì)價(jià)格波動(dòng)有明顯的解釋作用，而當(dāng)期持倉(cāng)量的增加會(huì)降低成交量對(duì)價(jià)格波動(dòng)的影響程度，滯后1期的成交量和滯后1期持倉(cāng)量對(duì)價(jià)格波動(dòng)沒(méi)有顯著的影響。脈沖響應(yīng)分析表明價(jià)格波動(dòng)、成交量和持倉(cāng)量的沖擊使其自身產(chǎn)生較強(qiáng)烈的反應(yīng)，價(jià)格波動(dòng)的沖擊對(duì)成交量和持倉(cāng)量的影響相對(duì)較弱；成交量和持倉(cāng)量的沖擊對(duì)彼此的影響比較明顯。方差分解表明價(jià)格波動(dòng)比成交量對(duì)持倉(cāng)量有更大的影響。

【關(guān)鍵詞】黃金期貨 價(jià)格波動(dòng) 成交量 持倉(cāng)量

一、引言

金融市場(chǎng)的量?jī)r(jià)關(guān)系一直吸引著研究者與投資者的目光。期貨價(jià)格、成交量、持倉(cāng)量反映出了期貨交易中多空雙方資金爭(zhēng)奪的態(tài)勢(shì)。一般來(lái)說(shuō)，期貨價(jià)格的漲跌直接說(shuō)明多空雙方孰強(qiáng)孰弱的特征；成交量擴(kuò)增抑或縮減顯示了多空雙方爭(zhēng)奪趨于激烈抑或緩和；持倉(cāng)量擴(kuò)增抑或縮減則反映出多空雙方外圍增量資金進(jìn)駐與場(chǎng)內(nèi)沉淀資金平倉(cāng)撤離的態(tài)勢(shì)。2002年10月30日，上海黃金交易所的開(kāi)業(yè)標(biāo)志著我國(guó)黃金交易逐步過(guò)渡到市場(chǎng)化的管理體制。2008年1月9日，黃金期貨交易在上海期貨交易所正式開(kāi)市，從而推進(jìn)了我國(guó)黃金現(xiàn)貨市場(chǎng)與黃金期貨市場(chǎng)共同發(fā)展的局面。由于我國(guó)黃金期貨合約推出的時(shí)間較短，關(guān)于該合約的研究比較少。針對(duì)這一現(xiàn)象，黃金期貨市場(chǎng)價(jià)格波動(dòng)特征和規(guī)律的研究對(duì)市場(chǎng)的參與方以及市場(chǎng)的監(jiān)管層來(lái)說(shuō)，都是具有較強(qiáng)的實(shí)踐指導(dǎo)和借鑒意義。

二、文獻(xiàn)綜述

長(zhǎng)期以來(lái)，量?jī)r(jià)關(guān)系研究是金融市場(chǎng)領(lǐng)域的一個(gè)熱點(diǎn)。許多學(xué)者對(duì)證券市場(chǎng)和期貨市場(chǎng)的價(jià)格波動(dòng)與成交量之間的相互作用關(guān)系進(jìn)行了大量的研究。Clark（1973）的混合分布假說(shuō)理論模型認(rèn)為，進(jìn)入市場(chǎng)的潛在信息流將會(huì)對(duì)市場(chǎng)產(chǎn)生沖擊，從而產(chǎn)生價(jià)格波動(dòng)與交易量，因此信息流可以作為一個(gè)影響同期資產(chǎn)價(jià)格變動(dòng)與交易量的共同因素；日價(jià)格波動(dòng)、日交易量與日信息流的大小正相關(guān)，資產(chǎn)價(jià)格的分布是由潛在信息流決定的混合分布，交易量或交易次數(shù)是信息流大小的代理變量。Epps（1976）的混合分布模型認(rèn)為，投資者一般根據(jù)進(jìn)入市場(chǎng)的新信息調(diào)整自己對(duì)資產(chǎn)的定價(jià)，而交易量是一個(gè)測(cè)度投資者對(duì)新信息評(píng)價(jià)的代理變量。投資者對(duì)新信息的評(píng)價(jià)分歧愈大，交易量的變動(dòng)就會(huì)愈劇烈。Copeland（1976，1977）為代表的連續(xù)信息到達(dá)模型認(rèn)為市場(chǎng)信息是分步逐漸向外擴(kuò)散的，隨著信息的不斷傳播，將引起一系列交易，產(chǎn)生一系列的價(jià)格波動(dòng)和成交量，并隨著新信息的不斷增多，價(jià)格波動(dòng)和交易量同步增大，交易量與價(jià)格波動(dòng)呈現(xiàn)出正相關(guān)。De Long，Shleifer，Summers，and Waldmann（1990）的噪聲交易模型認(rèn)為股價(jià)的連續(xù)上漲或者連續(xù)下跌過(guò)程中，噪聲交易者的正反饋交易策略會(huì)放大交易量，從而導(dǎo)致股價(jià)波動(dòng)率和交易量之間的正向相關(guān)關(guān)系；實(shí)證研究方面的諸多分析得到股價(jià)波動(dòng)和交易量之間具有正向同期相關(guān)關(guān)系的結(jié)果。Bessembinder和Seguin（1992，1993）研究結(jié)果表明市場(chǎng)價(jià)格收益率波動(dòng)與當(dāng)期市場(chǎng)的成交量之間存在顯著的同向變動(dòng)關(guān)系，而市場(chǎng)當(dāng)期的持倉(cāng)量與收益波動(dòng)之間不存在相關(guān)性；不可預(yù)期交易量大于零時(shí)，它對(duì)價(jià)格波動(dòng)的影響程度要大于不可預(yù)測(cè)成交量小于零時(shí)的影響；不可預(yù)期的持倉(cāng)量小于零時(shí)對(duì)價(jià)格波動(dòng)的影響要大于非預(yù)測(cè)持倉(cāng)量大于零時(shí)的影響。Girma & Mougoue（2002）研究了價(jià)差波動(dòng)、交易量與持倉(cāng)量量的關(guān)系，發(fā)現(xiàn)交易量和持倉(cāng)量對(duì)價(jià)差波動(dòng)有較強(qiáng)的解釋力。

華仁海，仲偉俊（2003）以我國(guó)期貨市場(chǎng)銅、鋁、大豆期貨為研究對(duì)象，研究交易量對(duì)期貨價(jià)格收益波動(dòng)方差的影響，得出銅和大豆的交易量對(duì)期貨價(jià)格收益的波動(dòng)方差有較強(qiáng)的解釋能力，而鋁的交易量對(duì)期貨價(jià)格收益的波動(dòng)方差沒(méi)有直接的影響。劉慶富，仲偉俊，梅姝娥（2007）以我國(guó)期貨市場(chǎng)銅、鋁、橡膠、大豆、小麥為研究對(duì)象，對(duì)交易量、空盤(pán)量與期貨價(jià)格收益之間動(dòng)態(tài)關(guān)系進(jìn)行實(shí)證研究，研究發(fā)現(xiàn)空盤(pán)量的增加對(duì)期貨價(jià)格收益波動(dòng)性的影響小于空盤(pán)量的減少對(duì)期貨價(jià)格收益波動(dòng)性的影響；不可預(yù)期空盤(pán)量對(duì)期貨價(jià)格收益的影響比可預(yù)期空盤(pán)量對(duì)價(jià)格收益的影響大。戴毓（2009）以我國(guó)燃料油期貨為研究對(duì)象，研究了價(jià)格波動(dòng)與成交量和持倉(cāng)量之間的關(guān)系，得出成交量與價(jià)格波動(dòng)具有很強(qiáng)的解釋作用，可以根據(jù)上一期成交量的變動(dòng)，預(yù)測(cè)下一期的價(jià)格波動(dòng)；當(dāng)期持倉(cāng)量對(duì)價(jià)格波動(dòng)具有很強(qiáng)的吸收作用，但滯后期持倉(cāng)量的變動(dòng)對(duì)期貨價(jià)格的波動(dòng)性不具有解釋作用；同時(shí)考慮成交量和持倉(cāng)量時(shí)，當(dāng)期成交量表現(xiàn)出很強(qiáng)的解釋作用。王兆才（2012）對(duì)我國(guó)黃金期貨市場(chǎng)的量?jī)r(jià)關(guān)系進(jìn)行實(shí)證研究，得出期貨市場(chǎng)的交易量與價(jià)格波動(dòng)之間存在正相關(guān)關(guān)系，而持倉(cāng)量對(duì)價(jià)格波動(dòng)有負(fù)相關(guān)的影響關(guān)系；期貨市場(chǎng)非預(yù)期部分的交易量和持倉(cāng)量對(duì)期貨市場(chǎng)價(jià)格波動(dòng)的解釋能力都強(qiáng)于交易量和持倉(cāng)量的預(yù)期部分。

量?jī)r(jià)關(guān)系研究的基礎(chǔ)是波動(dòng)測(cè)度。國(guó)內(nèi)期貨市場(chǎng)價(jià)格波動(dòng)測(cè)度的方法主要有兩種，第一種是采用收益率公式測(cè)度期貨價(jià)格日間波動(dòng)。相當(dāng)部分研究采用每個(gè)交易日的收盤(pán)價(jià)根據(jù)收益率公式計(jì)算期貨價(jià)格日間波動(dòng)，部分研究如周志明，唐元虎，施麗華（2004），劉智星（2004），韓德宗，林承松（2009），王文婷（2012）等則采用每個(gè)交易日的結(jié)算價(jià)，根據(jù)收益率公式計(jì)算期貨價(jià)格日間波動(dòng)；第二種是采用Garman和Klass（1980）方程或者采用Rogers和Satchell（1991）、Rogers，Satchell和Yoon（1994）的計(jì)算公式來(lái)測(cè)度日內(nèi)價(jià)格波動(dòng)，使用的數(shù)據(jù)涉及到每個(gè)交易日的開(kāi)盤(pán)價(jià)、最高價(jià)、最低價(jià)、收盤(pán)價(jià)。而成交量、持倉(cāng)量的波動(dòng)測(cè)度一般采用原始數(shù)據(jù)取對(duì)數(shù)后相減或者直接使用原始數(shù)據(jù)的方法。

上海期貨交易所交易細(xì)則對(duì)開(kāi)盤(pán)價(jià)、收盤(pán)價(jià)、成交量、持倉(cāng)量和結(jié)算價(jià)等進(jìn)行了界定。開(kāi)盤(pán)價(jià)是指某一期貨合約開(kāi)市前五分鐘內(nèi)經(jīng)集合競(jìng)價(jià)產(chǎn)生的成交價(jià)格。收盤(pán)價(jià)是指某一期貨合約當(dāng)日交易的最后一筆成交價(jià)格。成交量是指某一期貨合約在當(dāng)日交易期間所有成交合約的雙邊數(shù)量。持倉(cāng)量是指期貨交易者所持有的未平倉(cāng)合約的雙邊數(shù)量。結(jié)算價(jià)是指某一期貨合約當(dāng)日成交價(jià)格按成交量的加權(quán)平均價(jià)。因此，本文的期貨價(jià)格序列以結(jié)算價(jià)序列來(lái)表示，采用基于結(jié)算價(jià)的收益率反映我國(guó)黃金期貨市場(chǎng)價(jià)格波動(dòng)。研究的思路是先對(duì)期貨價(jià)格收益率序列的統(tǒng)計(jì)特征進(jìn)行分析，然后從多個(gè)角度考察成交量、持倉(cāng)量的變化對(duì)價(jià)格收益率波動(dòng)的影響情況以及相互關(guān)系。

三、數(shù)據(jù)分析

由于期貨合約將在一定時(shí)間到期，所以會(huì)出現(xiàn)期貨價(jià)格序列的不連續(xù)性。為此，本文選擇上海期貨交易所在同時(shí)交易的不同交割月份黃金期貨合約中成交量與持倉(cāng)量最大的合約，即交易最為活躍的主力合約作為黃金期貨交易數(shù)據(jù)的來(lái)源，以形成連續(xù)的價(jià)格序列和對(duì)應(yīng)的成交量序列及持倉(cāng)量序列數(shù)據(jù)，時(shí)間跨度為2010年1月4日至2013年8月31日，由于在某些交易日沒(méi)有進(jìn)行交易，剔除這樣的數(shù)據(jù)后樣本數(shù)據(jù)量為887個(gè)。數(shù)據(jù)來(lái)源于上海期貨交易所網(wǎng)站。本文將利用Eviews6.0軟件對(duì)上述數(shù)據(jù)建立模型進(jìn)行實(shí)證分析。

本文的期貨價(jià)格序列以結(jié)算價(jià)序列來(lái)表示，價(jià)格序列記為Pt，成交量序列記為Vt，持倉(cāng)量序列記為OIt，收益率記為Rt。價(jià)格波動(dòng)以收益率Rt來(lái)表示：Rt=[ln（pt）-ln（pt-1）]×100，成交量的變化量和持倉(cāng)量的變化量分別表示為：LVt=ln（Vt）-ln（Vt-1），LOIt=ln（OIt）-ln（OIt-1）。黃金期貨收益率、成交量和持倉(cāng)量變化量序列基本統(tǒng)計(jì)特征如表1所示。

從基本統(tǒng)計(jì)結(jié)果可以看出，收益率、成交量的變化量和持倉(cāng)量的變化量序列的Jarque-Bera檢驗(yàn)結(jié)果的相伴概率為0，表明各序列均不服從正態(tài)分布。各序列的峰度大于3，也表明不服從正態(tài)分布。偏度數(shù)值表明黃金期貨收益序列是左偏的，成交量的變化量和持倉(cāng)量的變化量序列是右偏。統(tǒng)計(jì)量檢驗(yàn)結(jié)果表明，在1%的置信水平下，收益率序列和成交量變化量序列存在自相關(guān)。

四、黃金期貨量?jī)r(jià)分析模型及其估計(jì)

（一）收益率分析

采用自相關(guān)、偏自相關(guān)函數(shù)對(duì)黃金期貨收益率序列進(jìn)行檢驗(yàn)，結(jié)果表明自相關(guān)、偏自相關(guān)函數(shù)均存在拖尾。對(duì)黃金期貨收益率序列進(jìn)行單位根檢驗(yàn)（ADF檢驗(yàn)），在1%的顯著性水平下，ADF 的臨界值為-3.437516。黃金期貨收益率序列的ADF檢驗(yàn)結(jié)果為-28.47906，小于臨界值，于是拒絕原假設(shè)，得出收益率序列不存在單位根是平穩(wěn)序列，從而可以對(duì)收益率序列建立ARMA模型，以刻畫(huà)收益序列的波動(dòng)特征。經(jīng)過(guò)試算，可以建立ARMA（3，3）模型，模型殘差序列的ARCH LM檢驗(yàn)的結(jié)果如表2所示，結(jié)果表明序列存在ARCH效應(yīng)。

對(duì)ARMA（2，2）-GARCH（1，1）模型進(jìn)行條件異方差的ARCH LM檢驗(yàn)，滯后階數(shù)取3時(shí)，相伴概率為0.149，得出殘差序列不存在ARCH效應(yīng)；對(duì)模型進(jìn)行殘差平方相關(guān)檢驗(yàn)也得出殘差序列不存在ARCH效應(yīng)。殘差序列的Q統(tǒng)計(jì)量檢驗(yàn)表明殘差序列不存在自相關(guān)。方程中的ARCH項(xiàng)和GARCH項(xiàng)的系數(shù)α和β都顯著為正，α+β等于0.9613，小于1，滿(mǎn)足參數(shù)約束條件。由于系數(shù)之和非常接近1，表明條件方差所受的沖擊是持久的，過(guò)去的波動(dòng)對(duì)市場(chǎng)未來(lái)波動(dòng)有著正向而減緩的影響。

（二）成交量變化與價(jià)格波動(dòng)分析

成交量作為期貨市場(chǎng)交易中的重要變量，反映了交易者對(duì)新信息認(rèn)同的差異程度和交易的參與程度，為了反映信息流對(duì)期貨價(jià)格波動(dòng)的影響，將成交量波動(dòng)情況引入ARMA（2，2）-GARCH（1，1）模型的方差方程，可以得到如下方差方程：

ARCH LM檢驗(yàn)和殘差平方相關(guān)檢驗(yàn)得出殘差序列不存在ARCH效應(yīng)。殘差序列的Q統(tǒng)計(jì)量檢驗(yàn)表明殘差序列不存在自相關(guān)。根據(jù)估計(jì)結(jié)果可以發(fā)現(xiàn)當(dāng)方差方程引入當(dāng)期成交量時(shí)，對(duì)應(yīng)的系數(shù)γ1>0，而且統(tǒng)計(jì)顯著，這說(shuō)明當(dāng)期成交量對(duì)價(jià)格波動(dòng)具有較強(qiáng)的解釋作用，當(dāng)期成交量增大則價(jià)格波動(dòng)增大，當(dāng)期成交量減小則價(jià)格波動(dòng)減小。α1和β1統(tǒng)計(jì)顯著，α1+β1<1，滿(mǎn)足參數(shù)約束條件，由于α1+β1非常接近1，表明條件方差所受的沖擊是持久的。方差方程引入滯后1期成交量時(shí)，模型系數(shù)γ1統(tǒng)計(jì)不顯著，說(shuō)明滯后1期成交量變化情況對(duì)于價(jià)格波動(dòng)沒(méi)有直接影響，無(wú)法根據(jù)上一期成交量的變化預(yù)測(cè)下一期黃金期貨價(jià)格的波動(dòng)。

（三）持倉(cāng)量變化與價(jià)格波動(dòng)分析

持倉(cāng)量是期貨市場(chǎng)交易中既沒(méi)有對(duì)沖了結(jié)又沒(méi)有到期交割的某種商品期貨合約量。持倉(cāng)量反映了投資者對(duì)該合約的認(rèn)同程度，是期貨市場(chǎng)特有的統(tǒng)計(jì)量。如果當(dāng)期市場(chǎng)持倉(cāng)量越大，那么未來(lái)該期貨合約對(duì)沖和實(shí)物交割所對(duì)應(yīng)的成交量也就越大，因此持倉(cāng)量可以作為期貨市場(chǎng)深度指標(biāo)。為了考慮持倉(cāng)量對(duì)期貨價(jià)格波動(dòng)的影響，將持倉(cāng)量波動(dòng)情況引入ARMA（2，2）-GARCH（1，1）模型的方差方程，即得如下方差方程：

ARCH LM檢驗(yàn)和殘差平方相關(guān)檢驗(yàn)得出殘差序列不存在ARCH效應(yīng)。殘差序列的Q統(tǒng)計(jì)量檢驗(yàn)表明殘差序列不存在自相關(guān)。方差方程中同時(shí)引入當(dāng)期成交量和當(dāng)期持倉(cāng)量后的估計(jì)結(jié)果表明成交量前的系數(shù)γ1>0，持倉(cāng)量前的系數(shù)γ2<0，統(tǒng)計(jì)上均顯著。γ1>0說(shuō)明同時(shí)考慮當(dāng)期成交量和當(dāng)期持倉(cāng)量對(duì)期貨價(jià)格方差波動(dòng)的影響時(shí)，當(dāng)期成交量對(duì)方差波動(dòng)具有明顯的解釋作用，若當(dāng)期成交量增大則當(dāng)期期貨價(jià)格的價(jià)格波動(dòng)也將增大；若成交量減小則價(jià)格波動(dòng)也隨之減小。γ2<0，這說(shuō)明當(dāng)期持倉(cāng)量的增加會(huì)降低成交量對(duì)價(jià)格波動(dòng)的影響程度。方差方程中同時(shí)引入滯后1期成交量和滯后1期持倉(cāng)量后的估計(jì)結(jié)果表明成交量前的系數(shù)γ1、持倉(cāng)量前的系數(shù)γ2統(tǒng)計(jì)上均不顯著。滯后1期的成交量和滯后1期的持倉(cāng)量對(duì)價(jià)格波動(dòng)沒(méi)有顯著的影響。

（五）向量自回歸模型分析

向量自回歸（VAR）模型通常用于相關(guān)時(shí)間序列系統(tǒng)的預(yù)測(cè)和隨機(jī)擾動(dòng)對(duì)變量系統(tǒng)的動(dòng)態(tài)影響分析。在建立VAR模型過(guò)程中，一個(gè)關(guān)鍵因素就是滯后階數(shù)的選取。為確定本文中建立滯后期為多少階的VAR模型最為合理，使用滯后長(zhǎng)度準(zhǔn)則（Lag Length Creteria）來(lái)進(jìn)行判斷，結(jié)果如表7所示。

從上表可以看出中，*標(biāo)識(shí)出了五個(gè)評(píng)價(jià)統(tǒng)計(jì)量各自的最小滯后期。其中，SC和HQ信息統(tǒng)計(jì)量在滯后期為2階時(shí)出現(xiàn)*，根據(jù)簡(jiǎn)約原則選擇滯后2階，建立VAR（2）模型，然后進(jìn)行平穩(wěn)性檢驗(yàn)，結(jié)果如圖1所示。平穩(wěn)性檢驗(yàn)結(jié)果表明模型特征根的倒數(shù)全部小于1，是一個(gè)平穩(wěn)系統(tǒng)，可以做脈沖函數(shù)分析和方差分解。

VAR模型可以通過(guò)脈沖響應(yīng)函數(shù)描述每個(gè)內(nèi)生變量的變動(dòng)或者沖擊對(duì)它自己及所有其他內(nèi)生變量產(chǎn)生的影響作用。對(duì)價(jià)格波動(dòng)、成交量變化量、持倉(cāng)量變化量各施加一個(gè)沖擊，來(lái)進(jìn)一步研究黃金期貨的成交量和持倉(cāng)量對(duì)價(jià)格變動(dòng)的影響程度以及作用時(shí)間，結(jié)果如圖2所示。

由脈沖響應(yīng)曲線(xiàn)可以看出，價(jià)格波動(dòng)對(duì)自身的一個(gè)標(biāo)準(zhǔn)新息的到達(dá)有強(qiáng)烈的反應(yīng)，價(jià)格波動(dòng)性當(dāng)期增加至1.11%，但在第2期效果迅速衰減至0.05%，其持續(xù)期超過(guò)了5期；成交量對(duì)價(jià)格波動(dòng)的一個(gè)標(biāo)準(zhǔn)新息在第3期有正向較弱的反應(yīng)，持倉(cāng)量對(duì)價(jià)格波動(dòng)的一個(gè)標(biāo)準(zhǔn)新息當(dāng)期有負(fù)向較弱的反應(yīng)，在第5期成交量和持倉(cāng)量的反應(yīng)基本消失。成交量對(duì)自身的一個(gè)標(biāo)準(zhǔn)新息的到達(dá)立刻有較強(qiáng)烈的正向反應(yīng)，當(dāng)期增加至0.316%，但在第2期迅速減弱至-0.14%，在第8期消失；價(jià)格波動(dòng)對(duì)成交量的一個(gè)標(biāo)準(zhǔn)新息的反應(yīng)較弱，第2期達(dá)到0.067%；持倉(cāng)量對(duì)成交量的一個(gè)標(biāo)準(zhǔn)新息的沖擊有正向反應(yīng)，在第5期消失。持倉(cāng)量對(duì)自身的一個(gè)標(biāo)準(zhǔn)新息的到達(dá)自身立刻有正向反應(yīng)并迅速衰減，在第5期反應(yīng)幾乎消失；價(jià)格波動(dòng)對(duì)持倉(cāng)量的一個(gè)標(biāo)準(zhǔn)新息的沖擊在第2期有著微弱的負(fù)向反應(yīng)-0.012%，并在第7期衰減為零；成交量對(duì)持倉(cāng)量的一個(gè)標(biāo)準(zhǔn)新息的沖擊第2期為正，至第6期逐漸消失。

VAR模型可以通過(guò)方差分解把系統(tǒng)中的每個(gè)內(nèi)生變量的波動(dòng)按其成因分解為與各方程新息相關(guān)聯(lián)的組成部分，從而了解各新息對(duì)模型內(nèi)生變量的相對(duì)重要性。方差分解的結(jié)果如圖3所示。

方差分解結(jié)果表明價(jià)格波動(dòng)對(duì)自身貢獻(xiàn)很大為99.56%，成交量解釋了0.37%，持倉(cāng)量解釋了0.07%，這表明價(jià)格波動(dòng)大部分是由自身造成的；成交量也對(duì)自身貢獻(xiàn)較大，滯后10階時(shí)為96.75%，價(jià)格波動(dòng)解釋了0.77%，持倉(cāng)量解釋了2.48%，這說(shuō)明持倉(cāng)量比價(jià)格波動(dòng)對(duì)成交量有比較顯著的影響；持倉(cāng)量對(duì)自身貢獻(xiàn)較大，滯后10階時(shí)為91.73%，價(jià)格波動(dòng)解釋了5.7%，成交量解釋了2.57%，這說(shuō)明價(jià)格波動(dòng)比成交量對(duì)持倉(cāng)量有比較顯著的影響。

五、結(jié)論

本文采用基于結(jié)算價(jià)的收益率反映黃金期貨市場(chǎng)價(jià)格波動(dòng)，根據(jù)收益率序列的統(tǒng)計(jì)特征建立ARMA（2，2）-GARCH（1，1）模型，模型中的ARCH項(xiàng)和GARCH項(xiàng)的系數(shù)α和β都顯著為正，等于0.961，小于1，滿(mǎn)足參數(shù)約束條件。由于系數(shù)之和非常接近1，表明條件方差所受的沖擊是持久的，過(guò)去的波動(dòng)對(duì)市場(chǎng)未來(lái)波動(dòng)有著正向而減緩的影響。為了反映信息流對(duì)期貨價(jià)格波動(dòng)的影響，將當(dāng)期成交量和持倉(cāng)量以及滯后1期成交量和持倉(cāng)量波動(dòng)情況依次引入ARMA（2，2）-GARCH（1，1）模型的方差方程，結(jié)果表明如果分別引入當(dāng)期和滯后1期成交量和持倉(cāng)量時(shí)，當(dāng)期成交量變化對(duì)價(jià)格波動(dòng)具有較強(qiáng)的解釋作用，滯后1期成交量變化情況對(duì)于價(jià)格波動(dòng)沒(méi)有直接影響，當(dāng)期和滯后期持倉(cāng)量變化情況對(duì)于價(jià)格波動(dòng)沒(méi)有直接影響；如果同時(shí)引入當(dāng)期成交量和當(dāng)期持倉(cāng)量或者滯后1期成交量和滯后1期持倉(cāng)量時(shí)，當(dāng)期成交量對(duì)價(jià)格波動(dòng)具有明顯的解釋作用，當(dāng)期持倉(cāng)量的增加會(huì)降低成交量對(duì)價(jià)格波動(dòng)的影響程度，滯后1期的成交量和滯后1期持倉(cāng)量對(duì)價(jià)格波動(dòng)方差沒(méi)有顯著的影響。脈沖響應(yīng)分析表明價(jià)格波動(dòng)、成交量和持倉(cāng)量的沖擊使其自身產(chǎn)生較強(qiáng)烈的反應(yīng)， 價(jià)格波動(dòng)的沖擊對(duì)成交量和持倉(cāng)量的影響相對(duì)較弱；成交量和持倉(cāng)量的沖擊對(duì)彼此的影響比較明顯；三者之間的相互影響比較短暫。方差分解表明黃金期貨價(jià)格波動(dòng)、成交量以及持倉(cāng)量波動(dòng)對(duì)自身波動(dòng)貢獻(xiàn)較大，持倉(cāng)量比價(jià)格波動(dòng)對(duì)成交量有比較顯著的影響；價(jià)格波動(dòng)比成交量對(duì)持倉(cāng)量有比較強(qiáng)烈的影響。

參考文獻(xiàn)

[1]Clark，P.K.A，1973，Subordinated Stochastic Process Model with Finite Variance for Speculative Prices，Econometrica，41（1），pp.135-155.

[2]Epps，T.W.and Epps，M.L，1976，The stochastic dependence of Security Price Changes and Transaction Volumes：Implications for the Mixture of Distributions Hypothesis，Econometrica，44（2），pp305-321.

[3]Copeland，T.E，1976，A Model of Asset Trading Under the Assumption of Sequential Information Arrival，The Journal of Finance，31（4），pp.1149-1168.

[4]Copeland，T.E，1977，A Probability Model of Asset Trading，The Journal of Financial and Quantitative Analysis，12（4），pp.563-578.

[5]De Long，J Bradford，Andrei Shleifer，Lawrence H.Summers，Robert J.Waldmann，1990，Noise Trader Risk in Financial Markets.Journal of Political Economy，98（4），pp.703-738.

[6]Hendrik Bessembinder，Paul J.Seguin，1992，F(xiàn)utures trading activity and stock price volatility.Journal of Finance，47（5）：pp.2015-2034.

[7]Hendrik Bessembinder，Paul J.Seguin，1993，Price volatility，trading volume and market depth：evidence from futures markets.Journal of Financial and Quantitative Analysis，28（1），pp.21-39.

[8]Girma P B，Mougoue.M，2002，An empirieal examination of the relation between futures spreads volatility volume and open interest.Journal of Futures Markets，11（22），pp.1083-1102.

[9]華仁海，仲偉俊.《我國(guó)期貨市場(chǎng)期貨價(jià)格收益、交易量、波動(dòng)性關(guān)系的動(dòng)態(tài)分析》.《統(tǒng)計(jì)研究》，2003，第7期25-30頁(yè).

[10]劉慶富，仲偉俊，梅妹峨.《空盤(pán)量變動(dòng)對(duì)我國(guó)期貨市場(chǎng)期貨價(jià)格收益波動(dòng)性的影響》.《系統(tǒng)工程理論方法應(yīng)用》，2005，第1期28-32頁(yè).

[11]戴毓.《石油期貨市場(chǎng)波動(dòng)性與風(fēng)險(xiǎn)管理研究》.南京航空航天大學(xué)博士論文，2009.

[12]王兆才.《中國(guó)黃金期貨市場(chǎng)波動(dòng)特征及風(fēng)險(xiǎn)研究》.復(fù)旦大學(xué)博士論文，2012.

[13]周志明，唐元虎，施麗華.《中國(guó)期市收益率波動(dòng)與交易量和持倉(cāng)量關(guān)系的實(shí)證研究》.《上海交通大學(xué)學(xué)報(bào)》，2004，第3期第368-372頁(yè).

[14]劉智星.《基于行為金融理論的期貨價(jià)格波動(dòng)非對(duì)稱(chēng)性研究》.中南大學(xué)碩士論文，2004.

[15]韓德宗，林承松.《期貨收益率極端波動(dòng)離散間隔的實(shí)證研究》.《浙江工商大學(xué)學(xué)報(bào)》，2009，第5期第63-69頁(yè).

[16]王文婷.《歐盟碳排放權(quán)交易市場(chǎng)價(jià)格發(fā)現(xiàn)與量?jī)r(jià)關(guān)系研究》.南京航空航天大學(xué)碩士論文，2012.

[17]Garman M.and Klass M.J.1980，On the estimation of Security Price Volatilities from Historical Data.Journal of Business，53（1），pp.67-78.

[18]Rogers L.C.G.，Satchell S.E.1991，Estimating Variance from High，Low and Closing prices.Annals of Applied Probability，1（4），pp.504-512.

[19]Rogers L.C.G.，Satchell S.E.and Yoon Y.1994，Estimating the Volatility of Stock Prices：A Comparison of Methods that use High and Low Prices.Applied Financial Economics，4（3），pp.241—247.

作者簡(jiǎn)介：郭樹(shù)華，經(jīng)濟(jì)學(xué)博士，云南大學(xué)經(jīng)濟(jì)學(xué)院教授，博士生導(dǎo)師；袁天昂，《時(shí)代金融》編輯，中國(guó)人民銀行昆明中心支行高級(jí)經(jīng)濟(jì)師；何鎮(zhèn)宇，經(jīng)濟(jì)學(xué)博士，云南開(kāi)放大學(xué)經(jīng)濟(jì)與管理學(xué)院副教授。