股指期貨分解交易量影響波動性實證研究

林祥友，代宏霞

(1.成都理工大學 商學院，成都　610059； 2.西南財經大學 經濟數學學院，成都　611130)

?

股指期貨分解交易量影響波動性實證研究

林祥友1，代宏霞2

(1.成都理工大學 商學院，成都610059； 2.西南財經大學 經濟數學學院，成都611130)

摘要：基于滬深300股指期貨合約高頻數據，根據持倉量增量和交易量之間的內在關系，巧妙地將股指期貨合約交易量分解為開倉交易量、平倉交易量和換手交易量，利用EGARCH模型研究股指期貨不同分解交易量對股指期貨市場波動性影響的差異性，以及市場波動的非對稱性，得到的結論是：各類分解交易量比未分解交易量包含了更多能夠解釋市場波動性的增量信息，各類分解交易對波動性均存在正向影響，波動具有非對稱性，在交易數量相同的情況下，各類交易對市場波動性影響程度由強到弱的順序依次是開倉交易、換手交易、平倉交易，表明不同交易者結構對市場波動性的影響存在顯著差異。

關鍵詞：交易量；開倉交易量；平倉交易量；換手交易量；波動性

一、引言

2010年4月16日，我國資本市場正式推出滬深300股指期貨合約，時隔五年之后的2015年4月16日，上證50股指期貨合約與中證500股指期貨合約也正式推出，自此，3種不同標的指數的股指期貨合約并存于我國金融期貨市場。由于我國滬深300股指期貨合約推出的時間最長，積累的交易數據也最多，在股指期貨合約的相關研究命題中，滬深300股指期貨合約通常作為研究者的首選對象。為了更好地對股指期貨合約進行監管、改進和交易，研究者們從來就沒有停止過關于股指期貨合約價量之間復雜而動態的相互關系的研究，因而形成了大量研究成果。然而，已有研究文獻在研究對象、方法和結論等方面往往莫衷一是、相差甚遠。那么，究竟是什么因素導致了不同研究文獻相關研究結論的明顯差異？關于股指期貨價量關系的哪些研究結論更加接近事實的真相？還需要或可能對股指期貨價量關系做出怎樣深度的挖掘？還將可能出現關于股指期貨價量關系的什么新的研究結論？應當怎樣基于股指期貨價量關系的正確研究結論來進行有效的監管政策制定、交易規則完善以及交易策略選擇？對以上一系列問題的回答既有助于更深入把握股指期貨市場的價量關系，也有助于更精準理解股指期貨市場的微觀結構，還有助于更有效實施對股指期貨市場的監管、交易和研究，這無疑具有重要的理論價值與實踐意義。

關于各類金融資產價量之間的關系，國外學者已經取得了大量的研究成果，只是研究結論并不統一。第一類研究結論是金融資產價量之間存在確定性的關系，Karpoff[1]、Cornell[2]、Grammatikos和Saunders[3]、Foster[4]等研究期貨的價格波動與交易量之間的關系后，發現其價格波動與交易量之間存在確定的正相關關系。Lamoureux和Lastrapes則選擇交易量作為信息流的替代變量，實證研究了交易量與價格波動之間的關系，結果發現交易量對價格波動具有很強的解釋能力，兩者之間具有密切的相互關系[5]。Bessembinder和Seguin[6]、Ragunathan和Peker[7]則用特定方法，巧妙地將成交量分解為可預期成交量和不可預期成交量，研究這兩類成交量對價格波動性影響的方向、程度和差異性，結果發現可預期成交量和不可預期成交量對期貨價格波動均具有正向影響，不可預期成交量對期貨價格波動的影響明顯比可預期成交量對期貨價格波動的影響更加強烈。Girma等研究了期貨交易量、持倉量對價格波動的影響，發現期貨交易量和持倉量均對價格波動具有較強的解釋力[8]。Marsh和Wagner使用GARCH-M模型對國際資本市場量價關系進行分析，結果發現成交量能夠解釋市場價格波動的GARCH效應[9]。Mubarik和Javid進一步將成交量加入到GARCH-M模型，發現成交量、前期收益率這二者是當前收益率的解釋變量，能有效解釋當前收益率[10]。第二類研究結論表明期貨價量之間的關系不確定或者不顯著，McCarthy和Najand對外匯期貨市場的研究發現，期貨價格收益與交易量之間不存在顯著的相關關系[11]。Nowbutsing和Naregadu對成交量、收益率與波動率三者之間的關系研究后也發現，成交量與波動率之間不存在明顯關系[12]。總的看來，多數研究文獻支持金融資產價量之間存在顯著確定的相關關系這一結論。

國內研究者也相繼對金融資產價量關系進行了大量研究，華仁海等先后綜合利用相關分析、VAR模型和Granger因果檢驗等研究方法對我國期貨市場價格波動與成交量之間的關系進行了分析，研究發現交易量與絕對價格波動正相關，而與價格波動本身不相關[13-15]。周志明等對期銅和期鋁兩個期貨合約收益率波動的研究表明，交易量與收益率波動之間存在正相關關系，持倉量與收益率波動之間存在負相關關系[16]。華仁海和仲偉俊借助GARCH模型，對我國期貨市場期貨價格波動與成交量以及空盤量之間的動態關系進行了實證考察[17]。田新民等研究發現交易量與日內價格波動之間存在正相關關系，持倉量與日內價格波動之間存在負相關關系，未預期交易量對價格波動的影響比預期交易量更大，未預期持倉量對價格波動的影響比預期持倉量更大[18-19]。曾廷敏等將成交量分為預期成交量和非預期成交量，考察了預期成交量和非預期成交量這兩類成交量對市場價格波動的影響，得到了與田新民、沈小剛類似的研究結論[20]。翟光磊采用Granger因果檢驗方法對橡膠期貨量價關系實證分析發現，我國橡膠期貨收盤價是持倉量變化的格蘭杰原因，持倉量變化是成交量變化的格蘭杰原因，成交量變化是收盤價變化的格蘭杰原因[21]。代宏霞等、林祥友等將股指期貨交易劃分為開倉交易、平倉交易和換手交易3種類型，間接考察了不同交易類型對股指期貨市場波動性、有效性的影響及其差異性[22-23]。代宏霞和林祥友、張虹和林祥友直接將股指期貨合約的交易量進行分解，直接考察了各類分解交易量對已實現波動率以及定價效率的影響，發現不同類型分解交易量相關影響的顯著差異性[24-25]。

基于對現有研究文獻的梳理和總結，本文將具體分析股指期貨交易的參與者類型，以及不同交易類型對成交量和持倉量的不同影響，結合交易量細分的可行性和可靠性，創新性地將股指期貨1分鐘高頻數據中的交易量橫向分解為開倉交易量、平倉交易量、換手交易量，并基于各類有效分解交易量，采用EGARCH模型，實證考察股指期貨的原始交易量、開倉交易量、平倉交易量、換手交易量對市場波動性的不同影響，以便更加深入剖析股指期貨市場價量關系與市場微觀結構，揭示股指期貨市場投資者結構對市場波動性的不同影響，以為股指期貨市場監管者、規則制定者和投資交易者提供有益的借鑒和參考。

二、交易量分解的基本規則

股指期貨交易可以根據交易雙方的地位和意圖劃分為開倉交易、平倉交易和換手交易3種類型。開倉交易類型是交易雙方都以開倉為意圖的交易，交易雙方的交易地位不同，一方是買入開倉，另一方是賣出開倉，這類交易的雙方可能都是初次介入某一特定股指期貨合約，他們對這一特定股指期貨合約可能并不太了解和熟悉，于是，我們不妨將這類交易界定為新手與新手之間的交易，只是交易雙方對這一特定期貨合約價格走勢的預期剛好相反，實現1個單位的開倉交易的結果將導致股指期貨的成交量和持倉量同時增加1個單位。平倉交易類型是買賣雙方都以平倉為意圖的交易，交易雙方的交易地位不同，一方是買入平倉，另一方是賣出平倉，這類交易的交易雙方可能都不是初次介入某一特定股指期貨合約，他們對這一特定股指期貨合約應當都比較了解和熟悉，于是，我們不妨將這類交易界定為老手與老手之間的交易，只是交易雙方對這一特定期貨合約價格走勢的預期剛好相反，實現1個單位的平倉交易的結果將導致股指期貨的成交量增加1個單位，持倉量減少1個單位。換手交易類型則包括多頭換手交易和空頭換手交易，多頭換手交易是原來持有多頭的投資者賣出平倉，新的投資者買入開倉；空頭換手交易是原來持有空頭的投資者買入平倉，新的投資者賣出開倉，這類交易的交易雙方一方可能是初次介入某一特定股指期貨合約，另一方可能不是初次介入某一特定股指期貨合約，他們一方對這一特定股指期貨合約不太了解和熟悉，另一方對這一特定股指期貨合約比較了解和熟悉，于是，我們不妨將這類交易界定為新手與老手之間的交易，只是交易雙方對這一特定期貨合約價格走勢的預期剛好相反，實現1個單位的多頭換手交易和空頭換手交易的結果將導致股指期貨的成交量增加1個單位，持倉量保持不變。

基于以上的分析，我們知道，股指期貨的開倉交易、平倉交易、換手交易等不同交易類型對成交量和持倉量將產生不同的影響，于是可以構造股指期貨分解交易量的分解規則如表1。在進行股指期貨交易量分解時，可按照表1的分解規則進行分解，由于股指期貨合約非主力合約期的1分鐘交易量絕大多數情況下都在5個交易單位以下，所以表1只列示了交易量為5個單位及5個單位以內的分解交易量的分解規則，交易量為5個單位以上的分解交易量的分解規則可依此類推。在交易量分解過程中，當某一交易量的分解結果有2種及2種以上可能而變得不唯一確定時，則需要將對應的數據進行刪除，最后剩下的則是對交易量進行可靠分解而形成的分解交易量數據。股指期貨交易量分解的基本規則如表1。

為了能夠更好地理解本文構建的股指期貨分解交易量的分解規則，我們對其分解規則舉例詳述如下。以股指期貨合約的交易量為2個單位為例，交易量為2個單位時，持倉量增量可能有2、1、0、-1、-2等5種情形，針對每種情形的分解結果為：第一，如果持倉量增量為2個單位，則這2個單位的交易量都是開倉交易形成的，交易量應分解為“2個開倉交易量+0個平倉交易量+0個換手交易量”，且分解結果是唯一確定的；第二，如果持倉量增量為1個單位，則這2個單位的交易量就可以分解為“1個開倉交易量+0個平倉交易量+1個換手交易量”，且分解結果是唯一確定的；第三，如果持倉量增量為0個單位，則這2個單位的交易量就可能有2種分解結果，即“1個開倉交易量+1個平倉交易量+0個換手交易量”，或者“0個開倉交易量+0個平倉交易量+2個換手交易量”，分解結果不是唯一確定的，無法準確判斷究竟是這2種分解結果的哪一種，此時，對應的數據就進行刪除；第四，如果持倉量增量為-1個單位，則這2個單位的交易量就可以分解為“0個開倉交易量+1個平倉交易量+1個換手交易量”，且分解結果是唯一確定的；第五，如果持倉量增量為-2個單位，則這2個單位的交易量就可以分解為“0個開倉交易量+2個平倉交易量+0個換手交易量”，且分解結果是唯一確定的。

依據以上股指期貨合約分解交易量的分解規則和分解流程，某一交易時段(如1分鐘交易量)的交易量數據就可靠地分解為開倉交易量、平倉交易量和換手交易量3類數據，為后文研究不同類型分解交易量對市場波動性的影響奠定數據基礎。

表1　交易量分解的基本規則

續表

序號交易量持倉量增量開倉交易量平倉交易量換手交易量分解結果的確定性55個單位543210-1-2-3-4-5500401410302311203104212320005113221014122230131023140032041050唯一確定唯一確定非唯一確定非唯一確定非唯一確定非唯一確定非唯一確定非唯一確定非唯一確定唯一確定唯一確定

注：第1列為序號；第2列為某1分鐘內的交易量，可以是1、2、3、4、5，在1分鐘內交易數量超過5個單位的對應數據依次類推；第3列為持倉量增量，即本交易時段與前一交易時段相比，持倉量的變化量；第4、5、6列為根據交易量與持倉量增量的關系分解出來的開倉交易量、平倉交易量和換手交易量的分解結果；第7列為分解結果的唯一確定性，分解結果唯一確定的對應數據給予保留，分解結果非唯一確定的對應數據進行刪除。

三、各類分解交易量對波動性影響的研究設計

基于股指期貨合約交易量分解的結果，采用EGARCH模型分析不同類型分解交易量對市場波動性影響的差異性。

(一)變量定義

1.原始交易量

TV:TradingVolume

(1)

原始交易量，即獲取的股指期貨合約1分鐘交易量的原始數據時間序列，由于1分鐘交易量很小，直接采用交易量的原始數據，不必對其取自然對數。

2.開倉交易量

OPTV:OpenPositionTradingVolume

(2)

開倉交易量為按照本文的交易量分解規則分解出來的開倉交易量時間序列，1分鐘的開倉交易量很小，不必對其取自然對數。

3.平倉交易量

CLPTV:ClosePositionTradingVolume

(3)

平倉交易量為按照本文的交易量分解規則分解出來的平倉交易量時間序列，1分鐘的平倉交易量很小，不必對其取自然對數。

4.換手交易量

CHPTV:ChangePositionTradingVolume

(4)

換手交易量為按照本文的交易量分解規則分解出來的平倉交易量時間序列，1分鐘的換手交易量很小，不必對其取自然對數。

(二)模型設定

在資本市場上，一般采用波動率來衡量收益率的風險，由于收益率具有波動聚集性，一般采用GARCH類模型來進行研究。GARCH模型通常包括2部分，即均值方程和方差方程。

(5)

(6)

一般而言，GARCH(1，1)基本可以描述資本市場波動特征，根據式(5)和式(6)的基本原理，以及相關變量定義，本文設定模型1檢驗原始交易量對市場波動性的影響，模型2檢驗分解交易量包括開倉交易量、平倉交易量和換手交易量對市場波動性的影響。

模型1：

Rt=c+γ1Rt-1+γ2TVt+εt

(7)

(8)

模型2：

Rt=c+γ1Rt-1+γ2OPTVt+

γ3CLPTVt+γ4CHPTVt+εt

(9)

φ2OPTVt+φ3CLPTVt+φ4CHPTVt

(10)

在GARCH模型中，僅殘差的絕對值影響波動性，其符號對波動性沒有影響，GARCH模型無法反映好消息和壞消息引起的波動變化的差異性，因此，為了更深入分析原始交易量、開倉交易量、平倉交易量和換手交易量對波動性影響的差異，設定模型3的EGARCH(1，1)模型研究波動的非對稱性。

模型3：

Rt=c+γ1Rt-1+γ2OPTVt+

γ3CLPTVt+γ4CHPTVt+εt

(11)

φ3CLPTVt+φ4CHPTVt

(12)

四、各類分解交易量對波動性影響的實證分析

實證檢驗基于滬深300股指期貨合約IF1106自2010年10月18日至2010年12月8日期間的1分鐘高頻價量數據。原始數據中有5 000對數據，進行交易量分解，根據分解結果的唯一確定性判斷后，剩下的有效數據為4 488對，有效數據在原始數據的占比為89.76%，利用4 488對有效數據進行的實證分析不會對分析結果產生差異影響，得到的研究結論是可靠的。

(一)變量的描述性統計

在進行實證分析之前，首先對股指期貨合約IF1106的收益率、原始交易量、開倉交易量、平倉交易量、換手交易量的數據進行描述性統計如表2。

由表2可知，從偏度分析，收益率的偏度為負，存在一個左尾。原始交易量、開倉交易量、平倉交易量、換手交易量的偏度都為正，存在一個右尾。從峰度分析，收益率、原始交易量、開倉交易量、平倉交易量、換手交易量所有數據的峰度都顯著大于3，呈現明顯的尖峰特征。從正態性分析，所有數據的JB統計量都很大，數據不服從正態分布。從平穩性分析，采用ADF方法對數據進行平穩性檢驗的結果表明，所有的數據都在0.01的顯著性水平下平穩。描述性統計的結果表明，相關數據具有一般金融時間序列數據的尖峰厚尾非正態的典型特征，且所有數據具有顯著的平穩性。

(二)參數估計及結果分析

利用股指期貨合約1分鐘原始交易量TV以及分解出來的1分鐘分解交易量包括1分鐘開倉交易量OPTV、1分鐘平倉交易量CLPTV、1分鐘換手交易量CHPTV的有效數據，以及股指期貨的收益率Rt數據，GARCH模型1、GARCH模型2和EGARCH模型3的估計結果分別如表3、表4、表5所示。

表2　股指期貨合約價量數據的描述性統計

注：***為0.01的顯著性水平下顯著，**為0.05的顯著性水平下顯著，*為0.1的顯著性水平下顯著。

表3　GARCH模型1的均值方程和方差方程的估計結果

注：***為0.01的顯著性水平下顯著，**為0.05的顯著性水平下顯著，*為0.1的顯著性水平下顯著。

表4　GARCH模型2的均值方程和方差方程的估計結果

注：***為0.01的顯著性水平下顯著，**為0.05的顯著性水平下顯著，*為0.1的顯著性水平下顯著。

表5　EGARCH模型3的均值方程和方差方程的估計結果

注：***為0.01的顯著性水平下顯著，**為0.05的顯著性水平下顯著，*為0.1的顯著性水平下顯著。

從表3的均值方程看，γ2的值為-4.82E-05，股指期貨交易量對收益率存在負向影響，但不顯著。從表3的方差方程看，φ2的值為5.67E-07，且在1%的顯著性水平上顯著，表明股指期貨的交易量對波動性存在顯著的正向影響，即交易量越大，波動性越強。

從表4的均值方程看，γ2的值為-9.49E-05，且在1%的顯著性水平上顯著，表明股指期貨的開倉交易量對收益率存在顯著負向影響；γ3的值為5.77E-05，不顯著，表明平倉交易量對收益率存在正向影響，但不顯著；γ4的值為6.91E-06，不顯著，表明換手交易量對收益率存在正向影響，但不顯著。從表4的方差方程看，φ2的值為8.36E-07，且在1%的顯著性水平上顯著，表明開倉交易量對波動性存在顯著的正向影響；φ3的值為4.08E-07，且在1%的顯著性水平上顯著，表明平倉交易量對波動性存在顯著的正向影響；φ4的值為7.55E-07，且在1%的顯著性水平上顯著，表明換手交易量對波動性存在顯著的正向影響。比較φ2值、φ3值和φ4值，可知開倉交易量對市場波動性的影響最強，換手交易量對市場波動性的影響次之，平倉交易量對市場波動性的影響最弱。

從表5的均值方程看，γ2的值為-0.000 164，且在1%的顯著性水平上顯著，表明股指期貨的開倉交易量對收益率存在負向影響；γ3的值為5.91E-05，且在10%的顯著性水平上顯著，表明平倉交易量對收益率存在正向影響；γ4的值為-7.36E-05，不顯著，表明換手交易量對收益率存在負向影響，但顯著性水平不高。從表5的方差方程看，φ2的值為0.104 637，且在1%的顯著性水平上顯著，表明開倉交易量對波動性存在顯著的正向影響；φ3的值為0.055 182，且在5%的顯著性水平上顯著，表明平倉交易量對波動性存在顯著的正向影響；φ4的值為0.100 752，且在1%的顯著性水平上顯著，表明換手交易量對波動性存在顯著的正向影響。比較φ2值、φ3值和φ4值，可知開倉交易量對市場波動性的影響最強，換手交易量對市場波動性的影響次之，平倉交易量對市場波動性的影響最弱。由于β1的值為-0.474 423，為負值，表明股指期貨的波動呈現非對稱性特征，利空消息比利好消息影響的波動變化幅度更大。

比較模型1和模型2的估計結果，模型1的可決系數R2值為0.195 02，模型2的可決系數R2值為0.224 46，表明將交易量分解為開倉交易量、平倉交易量和換手交易量對收益率和波動率的解釋能力強于未分解交易量單獨對收益率和波動率的解釋能力。從這個意義上講，將交易量分解為開倉交易量、平倉交易量和換手交易量，并分析各分解交易量對市場波動性的影響不僅是可行的，而且是有意義的。由模型3的估計結果可知，股指期貨的波動呈現非對稱性特征，表明將股指期貨的原始交易量分解為開倉交易量、平倉交易量和換手交易量情況下，各類分解交易都表現為利空消息比利好消息對波動的影響更大。

(三)穩健性檢驗

為了確保研究結論的穩健性，本文還分別利用滬深300股指期貨合約IF1206、IF1306、IF1406的1分鐘高頻數據的分解交易量數據以及EGARCH模型進行了實證檢驗，這一方面利用不同時期的股指期貨合約數據動態考察了各類分解交易量對波動性的影響，另一方面也為了證實研究結論在更大范圍內的可靠性。穩健性檢驗的結果顯示，基于股指期貨合約IF1206、IF1306、IF1406的分解交易量數據得出和股指期貨合約IF1106類似的研究結論，表明本文的研究結論是穩健的。限于篇幅，本文在此未對穩健性檢驗的結果進行詳細報告。

五、研究結論

以我國資本市場滬深300股指期貨合約IF1106在考察期間2010年10月18日—12月8日的1分鐘高頻交易數據作為數據基礎，按照本文構造的交易量分解規則，將每個交易單位即1分鐘內的原始交易量分解為開倉交易量、平倉交易量和換手交易量，采用GARCH模型研究股指期貨的原始交易量和各類分解交易量對市場波動性影響的差異性，采用EGARCH模型研究股指期貨波動的非對稱性，并利用滬深300股指期貨合約IF1206、IF1306、IF1406的1分鐘高頻數據對相關研究結論進行穩健性檢驗，得到以下主要結論和啟示：

第一，滬深300股指期貨合約的各類分解交易量之間存在明顯差異。以滬深300股指期貨合約IF1106的1分鐘高頻交易數據為研究對象，根據成交量和持倉量增量之間的關系，構建交易量分解規則得到各類分解交易量，對分解交易量包括開倉交易量、平倉交易量、換手交易量進行觀察和分析，發現各類分解交易量的具體數量和變動規律存在很大差異性，三者此消彼長，不斷變化，表明在股指期貨合約的存續中，交易類型和交易者結構也在發生變化。

第二，滬深300股指期貨合約各類分解交易量對市場波動性的影響存在明顯差異。將股指期貨合約的各類分解交易量引入GARCH模型，實證檢驗其對市場波動性的影響及其差異性，結果顯示，各類分解交易量對波動性均存在正向影響，而且各類分解交易量對波動性影響的程度也存在較大差異，影響程度由強到弱的順序依次是開倉交易量、換手交易量、平倉交易量，這一研究結論與各分解交易量的參與者的特征相吻合，即相對于交易老手而言，交易新手對市場波動性的影響更加強烈。

第三，滬深300股指期貨合約各類分解交易量共同對波動性的解釋能力強于原始交易量單獨對波動性的解釋能力。在本文的研究中，基于完全相同的研究期間各交易日的1分鐘高頻交易數據，將原始交易量和分解交易量分別引入GARCH模型，考察其對市場波動性的影響能力及解釋能力，比較模型1和模型2的估計結果可知，模型2的可決系數明顯大于模型1的可決系數，表明從原始交易量分解出來的各類分解交易量共同對波動性的解釋力強于原始交易量單獨對波動性的解釋力，這為本文的交易量分解的有用性提供了經驗證據的支持。

第四，將股指期貨合約原始交易量分解為各類分解交易量的處理方法和相關分析對股指期貨市場的監管、交易以及研究具有重要的理論價值和現實意義。研究結果表明，股指期貨合約各類分解交易量對市場波動性的解釋具有信息增量，原因可能是開倉交易通常發生在某一股指期貨合約的新手與新手之間，換手交易通常發生在新手與老手之間，平倉交易通常發生在老手與老手之間，新手對某股指期貨合約的了解程度不如老手，在有新手參與的交易中，交易雙方出價會比較謹慎，交易雙方的價格分歧比較大，成交結果往往會導致更大的價格波動，各類分解交易量對波動性的影響程度強弱的順序便呈現為開倉交易、換手交易、平倉交易。當然，市場參與者也可以根據市場波動性的大小及其變化情況反推交易者類型的構成情況，市場波動性增強，意味著開倉交易在增加，也即更多新手在參與交易；波動性減弱，意味著平倉交易在增加，也即更多老手在參與交易，據此對股指期貨市場狀態做出更準確的判斷。本文的研究結論可以為考察股指期貨市場的交易者結構提供有效方法，為研究股指期貨交易者結構對市場的影響提供合理途徑，為分析股指期貨市場微觀結構提供嶄新視角，還可以為股指期貨市場的監管者制定監管政策和交易者實施交易策略提供有益的借鑒與參考。

參考文獻：

[1]KARPOFF J M.The relationship between price changes and trading volume: a survey[J].Journal of financial and quantitative analysis,1987(22):109-126.

[2]CORNELL B.The relation between volume and price variability in futures markets[J].Journal of futures markets,1981(1):302-316.

[3]GRAMMATIKOS T,SAUDERS A.Futures price variability: a test of maturity and volume effect[J].Journal of business,1986(59):319-330.

[4]FOSTER A J.Volume-volatility relation for crude oil futures markets[J].Journal of futures markets,1995(15):929-951.

[5]LAMOUREUX C,LASTRAPES W.Heteroskedasticity in stock return data: volume versus GARCH effect.[J].Journal of finance,1990(45):221-229.

[6]BESSEMBINDER H,SEGUIN P J.Price volatility,trading volume,and market depth: evidence from futures market[J].Journal of financial and quantitative analysis,1993(28):21-39.

[7]RAGUNATHAN V,PEKER A.Price volatility,trading volume,and market depth: evidence from the australia future markets[J].Applied financial economics,1997(7):447-454.

[8]GIRMA P B,MOUGOUE M.An empirical examination of the relation between futures spreads volatility,volume,and open interest[J].Journal of futures markets,2002，22:1083-1102.

[9]TERRY A M,NIKLAS W.Return-volume dependence and extremes in international equity markets[R].Haas school of business,UC berkeley,2004:RPF-293.

[10]MUBARIK,JAVID.Relationship between stock return,trading volume and volatility: evidence from pakistani stock market[J].Asia pacific journal of finance and banking research,2009,3(3):1-17.

[11]MCCARTHY J,NAJAND M.State space modeling of price and volume dependence: evidence from currency futures[J].Journal of futures markets,1993(13):335-344.

[12]NOWBUSTSING,NAREGADU.Returns,trading volume and the volatility in the stock market of mauritius[J].African journal of accounting,economics,finance and banking research.2009,5(5):1-36.

[13]華仁海，仲偉俊.對上海期貨交易所金屬銅量價關系的實證分析[J].統計研究，2002(8)：71-73.

[14]華仁海，仲偉俊.對我國期貨市場價量關系的實證研究[J].數量經濟技術經濟研究，2002(6)：119-121.

[15]華仁海，仲偉俊.我國期貨市場期貨價格收益、交易量、波動性關系的動態分析[J].統計研究，2003(7)：25-30.

[16]周志明，唐元虎，施麗華.中國期市收益率波動與交易量和持倉量關系的實證研究[J].上海交通大學學報，2004(3)：368-372.

[17]華仁海，仲偉俊.我國期貨市場期貨價格波動與成交量和空盤量動態關系的實證分析[J].數量經濟技術經濟研究，2004(7)：123-132.

[18]田新民，沈小剛.基于交易量和持倉量的期貨日內價格波動研究[J].經濟與管理研究，2005(7)：78-80.

[19]邱冬陽，杜詩茗.IPO抑價存在星期效應嗎？——基于深圳創業板的實證[J].重慶理工大學學報(社會科學)，2015(5)：38-46.

[20]曾廷敏，林祥友，王勇.滬深300股指期貨動態價量關系研究[J].西部論壇，2013(6)：96-102.

[21]翟光磊.橡膠期貨價格和交易量、持倉量的相關性分析[J].金融經濟，2011(18)：75-77.

[22]代宏霞，臧旻，林祥友.股指期貨不同交易類型對價格波動影響的差異性研究[J].投資研究，2013(6)：105-114.

[23]林祥友，代宏霞.股指期貨主力合約轉換前后的市場有效性研究[J].重慶工商大學學報(社會科學版)，2013(5)：9-15.

[24]代宏霞，林祥友.股指期貨分解交易量對市場波動影響的差異性研究[J].重慶工商大學學報(社會科學版)，2014(3)：53-60.

[25]張虹，林祥友.股指期貨分解交易量對定價效率的影響[J].首都經濟貿易大學學報，2014(4)：24-31.

(責任編輯許若茜)

Empirical Study on the Different Impacts of the Decomposition Trading Volume on the Volatility of the Stock Index Futures Market

LIN Xiang-you1, DAI Hong-xia2

(1.Commercial College, Chengdu University of Technology, Chengdu 610059, China;2.College of Mathmatic Economics, Southwestem University of Finance & Economics, Chengdu 611130, China)

Abstract:Based on the high frequency data of Shanghai-Shenzhen 300 index futures contracts and according to the relationship between open interest and trading volume, the trading volume of stock index futures contracts was decomposed into open position transaction, close position transaction and change position transaction skillfuly. With the EGARCH model, the different impact and asymmetry of fluctuating of the decomposition trading volume on the market volatility was studied. The conclusion is drawn that the decomposition volumes have incremental information to explain the market volatility than non-decomposition volume, and all of the decomposition trading volumes have significantly positive effects on the volatility, but the impact degree is different, the impact of open position trading is the strongest, the stronger influence factor is the change position trading, and the weakest influence factor is the close position trading when the trading volume is certain, which shows that different trading structure has different impacts on the volatility of market.

Key words:trading volume; open position trading volume; close position trading volume; change position trading volume; volatility

文章編號：1674-8425(2016)04-0047-10

中圖分類號：F830.9

文獻標識碼：A

doi:10.3969/j.issn.1674-8425(s).2016.04.008

作者簡介：林祥友(1973—)，男，四川資中人，副教授，博士，碩士生導師，研究方向：公司金融、金融衍生品。

基金項目：四川省軟科學計劃項目 “融資融券交易制度對證券市場質量的影響研究”(2014ZR0211)；四川省軟科學計劃項目“滬港通對A+H交叉上市公司股價同步性的影響研究”(2015ZR0228)；四川省教育廳人文社會科學重點項目 “股指期貨主力合約轉換的判別法則優化研究” (14SA0036)；成都理工大學“金融與投資優秀科研創新團隊培育”資助項目(KYTD201303)；四川省大學生創新創業訓練計劃項目“XBRL財務報告的信息效率研究”(201510616070)

收稿日期：2015-04-21

引用格式：林祥友，代宏霞.股指期貨分解交易量影響波動性實證研究[J].重慶理工大學學報(社會科學)，2016(4):47-56.

Citation format：LIN Xiang-you, DAI Hong-xia.Empirical Study on the Different Impacts of the Decomposition Trading Volume on the Volatility of the Stock Index Futures Market[J].Journal of Chongqing University of Technology(Social Science)，2016(4):47-56.