等交易量信息交易概率對股指期貨收益率的影響研究

(同濟大學(xué)經(jīng)濟與管理學(xué)院　上?！?00000)

一、引言

隨著高頻交易的盛行，國內(nèi)外學(xué)者們開始更多地關(guān)注和發(fā)展完善金融市場微觀結(jié)構(gòu)理論，市場微觀結(jié)構(gòu)理論研究的本質(zhì)問題為金融資產(chǎn)交易及其價格形成過程和原因的分析。市場微觀結(jié)構(gòu)發(fā)展的第二階段為信息模型，其突出特征是用信息不對稱產(chǎn)生的信息成本來解釋證券市場的買賣價差。

在信息模型的理論基礎(chǔ)下，Easley、Lopez和O’Hara(2011)進(jìn)行了深入的探究并建立了等交易量信息交易概率(Volume-Synchronized Probability of Informed Trading，VPIN)模型來描述信息交易概率，VPIN模型參數(shù)估計簡單，以交易量時間代替物理量時間，適用于高頻環(huán)境。

信息不對稱作為一種風(fēng)險要求一定的風(fēng)險溢價作為補償，信息不對稱程度越高，市場上的知情交易越多，知情交易概率相應(yīng)越高，非知情交易者意識到自己暴露在信息風(fēng)險之中，因此會要求更高的收益率來補償自己所承擔(dān)的信息風(fēng)險。目前國內(nèi)市場對于VPIN作為度量信息不對稱程度的有效指標(biāo)的理論研究和實踐運用都不充分，基于此，本文將利用VPIN模型作為衡量信息不對稱的指標(biāo)，運用股指期貨的高頻數(shù)據(jù)來探索知情交易概率和股指期貨收益率之間的關(guān)系。

二、VPIN模型

VPIN的本質(zhì)主要是抓住市場買賣中存在的不平衡推測市場中知情交易者的比例。以下為模型假設(shè)：

(1)做市商的最主要特征就是自有資金與資產(chǎn)，在不斷的交易中學(xué)習(xí)并獲得一定的經(jīng)驗，結(jié)合貝葉斯法則對信息事件進(jìn)行分析，得出發(fā)生概率，依據(jù)此得出買賣價格后向市場投資者報出。

(2)知情交易者在市場中擁有足夠的經(jīng)驗，既專業(yè)又成熟，所以他們在大部分情況下都是十分理性的。他們能提前知道相關(guān)信息，利好消息出現(xiàn)時，會進(jìn)入市場買入從中獲利，而利空消息時，會適時調(diào)整策略，進(jìn)入市場賣出避免為自己帶來損失；當(dāng)無消息時，知情交易者則不會采任何行動。

(3)非知情交易者在市場中是非常主觀的存在，他們不能提前獲取信息，因此不能將知情交易者的三種情況代入進(jìn)行分析，非知情交易者進(jìn)行市場帶有自發(fā)性，受心理等因素影響，無論何時均可進(jìn)入市場，沒有明確的買賣方向，買入賣空量相等。

(4)每個交易日知情交易者與非知情交易者的進(jìn)場次數(shù)都必須服從一定的標(biāo)準(zhǔn)泊松分布，將兩者分別用μ和ε表示。

(5)每個交易日，與知情交易者相關(guān)的信息發(fā)生概率視為α，那么對應(yīng)的沒有信息發(fā)生的概率則可用1-α來表示；同時有信息發(fā)生時還分不同的情況，以好壞為依據(jù)進(jìn)行分類，兩者分別采用1-δ和δ來表示。

在VPIN的計算步驟中，采用量鐘法進(jìn)行交易時間間隔的考察。量鐘法是與風(fēng)險資產(chǎn)連續(xù)交易相掛鉤的，以籃子為標(biāo)準(zhǔn)，類似于先規(guī)定一天的交易量，再規(guī)定每個籃子的交易量，根據(jù)這兩者再算出一共需要多少籃子。在交易期間可能會存在一筆很大的交易，超過了籃子原先的需求，那么就要將超過的部分劃分到下一個籃子，最本質(zhì)的要求是必須等量，它在一定程度上能夠反映信息與證券價格存在的聯(lián)系。

對于某一“交易籃子”,可以按照以下方法劃分：

(2.1)

(2.2)

根據(jù)上述模型的假定，求解的VPIN為

(2.3)

新模型在很多方面存在著優(yōu)勢，沒有參數(shù)估計問題，沒有冗雜的數(shù)據(jù)分析，同時實用性也得到了增強。

三、等交易量信息交易概率與股指期貨收益率關(guān)系的實證研究

本文選取滬深300股期貨收益率為被解釋變量，下面以公示來闡述：

(3.1)

本文選擇的特定時間區(qū)間為2015年6月，2015年6月19日，滬指重挫6.42%，下破4500點整數(shù)關(guān)口。兩市近千股跌停，題材股掀跌停潮，滬指周跌幅達(dá)13%，創(chuàng)7年來最大單周跌幅，隨后拉開了熊市的序幕。分析市場劇烈震蕩期間VPIN與股指期貨收益率的關(guān)系更具有針對性和價值性，因此我們從2015年6月的每筆交易數(shù)據(jù)得到了1,000個股指期貨收益率觀測值。

本文選取等交易量信息交易概率(VPIN)為解釋變量。首先確定交易量時間的劃分是否符合要求，最終基本單位V是否符合樣本規(guī)定范圍，其次是否是日均成交量的五十分之一，最后要進(jìn)行等量劃分，通過相關(guān)公式進(jìn)行計算，得出交易籃子的個數(shù)為n=每天的交易總量/V，最后從2015年6月每筆高頻交易數(shù)據(jù)中分析得出1,000個VPIN觀測值。

將2015年6月每筆交易數(shù)據(jù)進(jìn)行測算，得出知情交易概率與股指期貨收益率，再將兩者與門限回歸模型相結(jié)合，得出與非線性回歸相關(guān)的函數(shù)公式：

表1　門限回歸模型參數(shù)表

表1針對上述兩個公式做了解析，闡述等交易量信息交易概率與股指期貨收益率的關(guān)系。以0.3953為基準(zhǔn)，VPIN值處在基準(zhǔn)之內(nèi)或者之外，對應(yīng)的結(jié)果都不一樣。超過基準(zhǔn)值兩者則呈正向關(guān)系，反之，則呈反向關(guān)系。

結(jié)合以上實證分析可以看出，門檻效應(yīng)在知情交易概率與股指期貨收益率之間是存在的，股指期貨收益率是隨知情交易概率變動而變動的。同時信息不對稱在我國股指期貨市場也是十分關(guān)鍵的存在，與閥值存在著密切的聯(lián)系。信息不對稱的存在在特定的條件下會要求更高的風(fēng)險溢價。

以0.3953為基準(zhǔn)值，知情交易概率(VPIN值)超過此基準(zhǔn)值存在固定系數(shù)0.0370，VPIN值增加一個百分點，股指期貨收益率就相應(yīng)增加0.0370個百分點。而當(dāng)VPIN值低于基準(zhǔn)值時，會出現(xiàn)新的系數(shù)-0.3540，VPIN值增加一個百分點，股指期貨收益率就相應(yīng)降低0.3540個百分點。

四、結(jié)論

本文將VPIN模型測量方法運用到實際中，研究一定時間內(nèi)的滬深300股指期貨主力合約，通過深入分析最終得出VPIN測量方法與國內(nèi)的股指期貨市場是相匹配的，它能夠很好的解釋股指期貨收益率。

本文通過相關(guān)實證，了解到知情交易概率與股指期貨收益率之間存在的聯(lián)系，同時發(fā)現(xiàn)了兩者之間存在的門檻現(xiàn)象，知情交易概率的變動與股指期貨收益率的變動直接相關(guān)，稍有變動都會隨之發(fā)生變化，一個百分點對應(yīng)-0.3540(或0.0370)個百分點。風(fēng)險溢價的出現(xiàn)必將面臨著風(fēng)險補貼，這是不變的經(jīng)濟學(xué)原理。通常信息交易概率越高那么風(fēng)險補償也會隨之升高。知情交易概率是與信息不對稱相聯(lián)系的，信息不對稱程度越高，隨之的風(fēng)險補償會變高，在國內(nèi)股指期貨市場也存在這樣的規(guī)律。

當(dāng)信息不對稱的程度達(dá)到一定程度，風(fēng)險溢價及斜率都會發(fā)生變化。通過上文對門限回歸模型的分析，可以了解到以VPIN值為0.3953為基準(zhǔn)，大于此基準(zhǔn)，VPIN與股指期貨收益率呈正比關(guān)系，知情交易概率每增加一個百分點，股指期貨收益率就相應(yīng)增加0.0370個百分點。也就說，知情交易概率的提升代表著信息不對稱程度的提升，同時要求的風(fēng)險溢價也會隨之上升。

【參考文獻(xiàn)】

[1]Demsetz H.The Cost of Transacting[J].Quarterly Journal of Economics,1968,82(1):33-53.

[2]Easley D,Kiefer N M,O’Hara M,et al.Liquidity,Information,and Infrequently Traded Stocks[J].Journal of Finance,1996,51(4):1405-1436.

[3]Easley D,Marcos L D P,O’Hara M.The Microstructure of the‘Flash Crash’:Flow Toxicity,Liquidity Crashes and the Probability of Informed Trading[J].Social Science Electronic Publishing,2011,37(2):118-130.

[4]Easley D,Marcos L D P,O’Hara M.The Volume Clock:Insights into the High Frequency Paradigm[J].Social Science Electronic Publishing,2012,39(1):19-29.

[5]Easley D,O’Hara M.Price,trade size,and information in securities markets[J].Journal of Financial Economics,1987,19(1):69-90.

[6]Easley D,Prado M L D,O’Hara M.Discerning information from trade data ☆[J].Journal of Financial Economics,2016,120(2):269-285.

[7]Easley D,Prado M M L D,Hara M O.Flow toxicity and volatility in a high frequency world[J].Social Science Electronic Publishing,2011,25(5):1457-1493.

[8]Easley D,Prado M M L D,O’Hara M.VPIN and the Flash Crash:A rejoinder[J].Journal of Financial Markets,2014,17(1):47-52.

[9]李朋,劉善存.信息性交易概率分解與買賣價差研究[J].南方經(jīng)濟,2006(2):13-22.

[10]劉文文,張合金.測量高頻交易領(lǐng)域中的指令流毒性——基于我國滬深300指數(shù)期貨的實證研究[J].中國經(jīng)濟問題,2013(1):81-91.

[11]呂慧敏.信息交易概率對股指期貨收益率的影響研究[D].湖南大學(xué),2016.

[12]湯敏.上證股票市場中非對稱信息的預(yù)警作用及其對資產(chǎn)價格的影響分析[D].東北財經(jīng)大學(xué),2014.