希腊股指期货市场交易量与回报之间的关系

希腊股指期货市场交易量与回报之间的关系：基于GARCH和GMM模型的研究摘要本文研究希腊股指期货市场交易量与回报之间的关系。，我们研究了雅典衍生工具交易所ADEX的两种期货合约的GARCH效应，并且检测了交易量是如何解释这些效应的。对于FTSE/ASE-20，交易量对于解释GARCH效应具有显著贡献。然而，GMM系统估计得出，滞后的交易量与绝对回报之间存在显著关系，并不存在正的同期关系。总体来说，这些发现表明，市场参与者将交易量作为价格的信号。对于FTSE/ASE40，实证研究结果得出了不同的结论。GARCH和GMM两种方法均得出结论，即交易量与回报之间不存在正的相关关系。这些发现能够帮助金融经理操作希腊股指期货。关键词：期货，交易量，MDH，ADEX，GARCH，GMM引言交易者对交易量的重视，原因是多方面的。理论上，低的交易量表明市场是缺乏流动性的。这也表明价格波动性较高。另一方面，高的交易量通常表明市场是高度流动的，同时价格变化较小。这也减少了大额交易的价格效应。通常，随着交易量的增加经纪人收入将增加，做市者通过提高交易量而拥有更大的获利机会。然而，对于希望参与市场变化的交易者来说，股指期货的操作比股票更为容易。指数期货的存在，使得套利和对冲风险成为可能。套利和对冲风险均可以增加交易量。多年来，金融经济学家、分析家对于回报与交易量之间的关系非常感兴趣。通常，以前的实证研究表明交易量与价格波动性（回报绝对值）之间存在较强的正相关关系。换言之，结论认为交易量是市场信息中非常重要的一部份。因此，交易量反映投资者预期变化和一致性的信息。以前的绝大多数研究是关于解释信息到达金融市场的过程的先导理论（假设）。竞争性假设是“分布假设混合”MDH和“序列信息到达假设”。根据MDH，信息传播是同时的。换句话说，期货价格（和交易量）只有在信息到达时发生变化，并以固定的速度演变。MDH认为，每日价格和交易量的变化是由同一潜在“新闻”、信息流、变量到达引起的。新到达的信息可以作为成交量的代理。在MDH下，每日回报和每日交易量是单个价格增量和交易量的随机数据的汇总。这一随机数据取决于当日信息到达的比率。MDH意味着，交易量和绝对回报之间只存在同期关系。Clark(1973)，Eppsandepps(1976)，TauchenandPitts，Harris都有研究。一个重要的假设是，每一交易的方差是仅仅与该交易的量有关。通常，根据Grammatikos和Saunders的研究，在MDH框架下，价格（回报）和交易量之间有关系应为正，这是由于联合依赖于普通方向变量或事件。MDH最初由Clark发展，他认为，信息到达的比率隐含了交易量与波动性之间同期的相关关系。Clark表示，交易量变化与随之而来的价格变化，在分布上是相互独立的。因此，每一个变量是独立的，相等地分布于一系列的信息到达。同样，每一时期到达的信息的数量是变化的。Tauchen和Pitts发展了一个模型，平均每日交易量和每日价格变化的方差是每日信息流的正的函数。Harris和Sutcliffe认为MDH模型有以下意义：若到达信息的数量足够大，中心限制理论可以用于论证价格和交易量变化服从常态分布；对于给定数量的信息到达，波动性与交易量之间为零相关。对于给定的时间段，波动性与交易量之间存在正的相关关系。这是因为两者均是时间段内到达信息比率的正的函数。相等时间段计算的价格变化的分布中有峰态。此外，根据MDH，测度信息到达市场比率的序列相关混合变量，可以解释回报的GARCH效应。Lamoureux和Lastrapes使用每日交易量作为混合变量的代理，在条件方差等式中引入交易量作为解释变量，以消除GARCH效应。Sharma等人拓展了Lamoureux和Lastrapes的研究，测度了市场回报中的GARCH效应。Sharma等人从以下两方面深化了Lamoureux和Lastrapes的研究：（1）每日交易量数据反映市场回报信息流效应的能力，部分取决于市场效率的程度，（2）波动性由企业特定因素和市场宽度因素产生（两者均影响交易量）。这使得交易量成为信息的好的或差的代理，新信息的到达对于条件异方差有贡献。然而，Najand和Yung(1991)的实证研究和Bessembinder和Seguin的实证研究与MDH对立。此外，Bessembinder和Seguin认为，金融市场中交易量与波动性之间的关系取决于交易者的类型。另一方面，信息到达的序列假设认为，信息的传播是逐步，存在一系列中间平衡。COPLAND发展了单一信息到达对于价格和交易量的影响的模型，CLARK认为，交易量是交易者数量的对数的正函数，是信息强度的正函数。他认为，如果信息是同时被所有交易者接收，那么，交易量和价格变化的绝对值之间存在负的相关关系。换言之，信息的序列到达导致交易量和价值变化（波动性）之间存在正的相关关系。此外，模型的含义是，最初信息震荡之后，而不是波峰之后将会有更高的波动性继续。同时，根据Grammatikos和Saunders，“序列信息到达模型暗示观察每日合约价格变化性和交易量之间的先导关系的可能性”。序列信息达到模型认为，每一交易者会连续地观察信息。此外，McMillan和Speight认为，序列到达假设支持一种动态关系，即过去的交易量为当前绝对回报提供信息，过去的绝对回报包含当前交易量的信息。换言之，动态关系是非常重要的，因为它给出了关于交易量、回报预测、波动性的有用信息。最新实证研究调查了交易量和回报之间的动态关系。有的理论认为，波动性的变化与交易量的变化之间存在“因果关系”。这是由于新的（非公开）信息的到达。通常，MDH和序列信息到达假设支持交易量与回报绝对值之间存在正的同期关系，即假定期货合约价格上升与下降存在对称效应。注意到，在有效的（期货）市场上，既不存在同期的关系，也不存在动态的关系。价格（回报）-交易量关系对于期货市场有显著作用。价格变化影响期货合约的交易量。特别是，期货合约的交割时间不但影响交易量，而且可能影响价格的变化。以前的研究表明，期货交易量与期货价格波动性之间存在很强的正的关系。他们使用GARCH模型或GMM等式检验了MDH。本文中，我们从一个方向研究了波动性（回报）-交易量之间的关系：ADEX的期货市场的同期关系。我们视价格-交易量之间的关系为“与信息在价格形成中的作用有关，波动性与交易量提供了市场上反映的信息的显著程序的测度。”Karpoff将价格-产易量之间的关系解释如下：“模型预测了不同价格-交易量关系，这些关系取决于流向市场的信息比率。使用价格与交易量数据的组合对于事件研究很重要。价格-交易量关系对于投机价格的实证分布的讨论极为重要。价格-交易量关系对于研究期货市场具有显著的意义。价格变化性影响期货合约的交易量。这与投机对于期货价格是一个稳定的作用还是破坏稳定的作用这一问题有关。根据Sutcliffe，“如果价格波动性随交割方式、交易量增加而增加，则表明交易量随交割方式增加而增加。”本文借鉴了Sharma，Gwilym等人的研究。我们研究了ADEX期货合约价格变化与交易量之间的关系。我们在数据中研究了GARCH效应，并且检验了交易量是如何解释这些效应的。我们提供了测试GARCH效应是否从信息到达的时间变化中产生的。我们将交易量作为信息到达的一个代理，解释市场回报的条件方差。另外，我们用GMM等到式，研究了与希腊期货价格（回报）有关的信息到达变量的比率。注意到以前的论文没有研究希腊价格变化与交易量之间的关系。本文的结构如下。第二部门是文献综述，第三部分我们列出了方法。第四部分是数据来源。实证结果和讨论在第部分。最后，第六部分是结论。第二部分文献综述我们研究回报（波动性）与交易量之间的实证关系。MDH建议，价格变化性与交易量之间存在正的相关关系。以前的实证研究得出了强的正相关关系。首先，CLARK和EPPS论证了期货价格的分布可以用MDH来解释。EPPS建立了一个模型描述了交易者之间的分歧的总量，交易量与绝对回报之间是正的函数。COPELAND也发展了一个简单的序列信息到达模型，信息每一时间由一个交易者接收，这一信息上的每一交易。然而，主要的实证研究由KARPOFF进行了总结。特别是，本文引证了价格—交易量关系为正的几个原因。其他研究包括CORNELL和TAUCHEN和PITTS。CORNELL研究的18种品种中，有14种的每日平均交易量与每日价格对数的标准差之间存在正的相关关系。同时，TAUCHEN和PITTS支持了MDH，并显示，价格和交易量之间的变化的联合分布，用BIVARIATE一般分布来模拟。下一次，我们回顾了以前的关于回报与交易量之间的即时关系的实证研究。YING认为，小的交易量通常伴随着价格的升（降）。CORNELL研究的17个合约品种交易量与价格波动性之间存在正的相关关系。此外，HARIIS，GRAMMATIKOS和SAUNDERS，KARPOFF，发现交易量与价格之间存在正的即时的相关关系。这种关系与MDH相符。同时，HARRIS报告了信息流动比率是直接变量，导致针对新信息正的即时的变化。大多数的论文利用GARCH模型，研究交易量与市场回报之间效应，扩展了LAMOUREUX和LASTRAPES的研究。他们发现交易量对于条件波动性存在正的效应。尽管以前的研究认为，交易量是信息到达的好的代表，而在市场上，则是相反的。SHARMA等人研究了NYSE的GARCH效应。该文拓展了LAMOUREUX和LASTRAPES的研究，研究结果表明市场回报的GARCH效应可以用市场交易量来解释。为了达到此目的，可以用一个简单的GARCH模型，可以考虑也可以不考虑每日交易量。同时，SHARMA等到人，考虑了条件普遍性和条件T分布。包括了1986至1989年的数据。结果显示，交易量在解释GARCH效应时，贡献显著。换句话说，引入交易量并不能完全排除GARCH效应。然而，交易量的系数为正，并统计学显著。如前所述，KARPOFF回顾了前面的减地价格—交易量关系的研究，并得出结论，波动性与交易量之间存在正的相关关系。LAMOUREUXA和LASTRAPES显示，在条件方差等式中引入交易量，可以消除GARCH效应。他们发现，引入交易量后，条件方式等式中所有其他系数在统计上不显著。此外，他们认为交易量对于条件波动性存在正的影响。然而，当引入交易量后，过去的残差并不能提供关于方差的太多信息。同时，KAWALLER，KOCH，发现，SP500期货合约的交易量对于波动性有显著的正的效应。在另一个研究中，BOARD和SUTCLIFFE的发现，也支持了FTSE-100指数的波动性与交易量之间存在正的相关关系的假设。而且，BESSEMBINDER和SEGUIN将交易量分为预期和的非预期的成分，以研究价格波动性与交易量之间的关系。他们使用了八个期货市场从1982年5月至1990年3月的每日收盘价格与交易量的数据。通常，AR和ARMA模型得出的结果，显示交易量与波动性之间存在正的关系。同时，BESSEMBINDER和SEGWUIN，认为，“非预期的交易量震动对于波动性的效应是非对称的”；他们得出结论，他们的发现与波动性受当前市场深度影响的假设一致。利用VAR，格兰杰检验和GARCH模型，HIEMSTRA和JONES，GALLANT等人和TAUCHEN等人得出交易量与波动性之间存在正的相关关系。BRAILSFORD使用了澳大利亚股票市场的数据，以研究交易量与股票回报波动性及交易量，条件波动性之间的关系。当考虑交易时，GARCH得出的结果不显著。RAGUNATHAN和PECKER集中研究了澳大利亚期货市场交易量与价格波动性之间的关系。他们考虑了从1992年1月至1994年12月的合约序列回报。使用SCHWERT，BESSEMBINDER和SEGUIN发展的模型，他们发现了非预期交易量对于波动性的影响要大于预期交易量对于波动性的影响。HOGAN等人使用BIVARIATEGARCH模型，检验了程序交易量与市场波动性之