大规模交易推动股价上涨

梁静雅

摘要：我国的股市从2005年6月到2007年10月经历了一个大的牛市行情，回朔这段历史，在牛市的初期，也就是2005年6月6日至2006年1月25日这段时间里，是何种行为推动了行情的发展。本文通过对上证50的全部指标股进行分析，实证结果表明：（1）300,000股以上的交易推动了股价的上涨，是牛市启动的主要推手，而在股价下跌过程中，中小规模交易是主要的推动力量。（2）本文的研究不支持隐蔽交易信息假说、公开信息假说及成交量假设。

关键词：牛市；交易规模；300000股；大规模交易

一 、引言

今年以来，我国股市一直在低位徘徊，是否有牛市启动的迹象，从哪些特征可以考察牛市启动特征？本文以上证综合指数上次牛市行情为研究对象，分析牛市启动的推手。上证综合指数从2005年6月6日股市最低时的998.23点上升到2007年10月16日最高时的6,124.04点，整整翻了6倍多。随着指数的一路上扬，股票流通市值从最低时不足1万亿到达最高时的8万多亿。成交量从最低时的982.2万手达到最高时的21,856.3万手；与之相伴随，成交金额也从最低时的37.65亿元，最高达到2,572.33亿元。在短短两年多的时间里，无论从成交量、成交金额、还是从价格方面看，我国股市都经历了一个从低点迅速走上高点的过程。那么，是何种因素启动了这样一个牛市行情？特别地，在牛市行情的初期，是哪些类型的交易在推动整个股市的启动？本文目的就是试图寻找这方面的答案，为目前股市的发展趋势提供参考。

最近，使用非美国市场数据的研究也有了一些发现。Ascioglu，Forde and McInish(2005)使用日本证券交易所的数据进行了研究，Chakravarty，Kalev and Pham(2005)则使用澳大利亚交易所的数据进行了验证。虽然他们使用的交易数据都是指令驱动市场数据，但得出的结论却与Barclay and Warner(1993)等不相同。前者发现，信息优势的投资者在日本市场倾向于使用小规模的交易；而后者则发现，在牛市中，与成交量相比，不同规模的交易所引致的累计股票价格变化均较小。实质上，这一发现是对隐蔽交易假说的一种削弱。

Cornell and Sirri(1992)通过一个关于内幕交易被起诉的案例分析认为，内幕交易者似乎更倾向于应用中等规模交易。而Easley and O`Hara(1987)直接把交易规模模型引入分析的结果表明，内幕交易者会选择大规模交易。

值得注意的是，上述绝大部分研究中应用的是牛市繁荣期和熊市的样本。至于从熊市到牛市转换期的交易类型的影响力问题则缺乏研究。

国内方面，才静涵、欧阳红兵、柴俊（2007）对2004年到2005年的熊市行情中的交易类型进行了分析，结果认为，中等规模交易是推动熊市股价下挫的主要力量。国内学者的研究还表明，机构投资者和庄家在我国股市上具有明显的信息优势和主导作用。但没有人研究从熊市向牛市转换过程中的市场推动力。

基于此，本文试图用实证的方法研究我国在从熊市转为牛市的过渡阶段的市场交易行为对市场价格的推动作用，看看究竟是哪种行为对熊市——牛市的转换起了最为关键的作用。与NYSE和许多其他国家交易制度不同的是，我国的证券市场是一个纯限价指令驱动的市场，目前的文献主要是基于报价驱动的市场。那么，做市商的缺失是否会让市场的交易行为产生不同的表现？牛市启动阶段的交易行为与其它市场状态下的交易行为是否有所不同？再加上我国目前还缺乏衍生品市场，因此，投资者只能在股票市场中交易，投资者也只能通过拉升股价来获取利润，那么这种行为是否会加剧其拉升股价的动能？对于这些问题的答案，能极大地丰富这一领域的研究成果。

二 、样本与数据

本文以上证50指數为基准进行研究。在2005年6月6日至2006年1月25日这半年多的时间里，上证50指数处于熊市到牛市的转换阶段，也就是牛市的启动阶段。本文选取这段时间作为研究期间，主要是基于三点考虑：第一，在2005年6月6日，上证50指数触及2000年以来的历史最低点998.23点，此后一路上扬；第二，2006年1月25日，该指数是1258.05点，指数收益率为21.6%，有明显的牛市启动态势（见图1）。第三，由于传统农历新年的原因，股市从2006年1月26日到2006年2月5日停牌，使得本文考察的样本期成为一个相对独立的阶段，也就是牛市的启动阶段。

本文应用的数据是上海证券交易所50指数股在2005年6月6日至2006年1月25日之间的逐笔交易数据，上证50在整个样本期间的数据量大约为1500万条。本文对数据的预处理包括：

（1）由于上海证券交易所的连续竞价交易时间为周一至周五的上午9:30到11:30和下午的13:00至15:00（节假日不包括在内）。在本文的研究过程中，本文只保留了所有连续竞价的交易数据。即开盘前的集合竞价的交易数据不包含在本文的研究样本数据之中。

（2）有一类观测值的成交量为0，这类记录表示只有买卖报单变化，而没有实际交易。凡属这种情况的记录均被删除。

（3）删除了所有零股。所谓“零股”，是指不足100股（最小交易单位）的交易记录。交易规则规定：在每个交易日的正常交易时间内，投资者可以委托卖出零股，但不能委托买入零股。零股可能是由于送股、配股、转配股而产生，也可能由于零股委托卖出而产生。

（4）和其他文献的处理方法相同，本文在样本中只保留了价格显著上升的股票。所有在样本期间内涨幅低于5%的股票都没有纳入样本。这样，最终的样本中只包含16只股票在2005年6月6日到2006年1月25日内的逐笔交易数据。

（5）本文将在时间t发生的交易所带来的价格变化定义为t时刻交易价格减去前一笔交易的价格，即第t时刻交易价格与第t-1时刻交易价格之差，因此，由于t时刻的交易所引起的价格变化即为Pt-Pt-1。过夜价格变化，即第N天的收盘价与第N+1天的开盘价之间的价格变化不算在内。

本文的样本数据全部来自天软数据库中的高频交易数据，时间精确度为0.01秒。

三 、研究方法及实证结果

根据单笔交易的不同成交量规模本文将所有数据进行分组，结果如表1所示。

本文进一步将成交量小于10,000股的称为小规模交易；成交量大于300,000万股的称为大规模交易；成交量介于两者之间的称为中等规模交易。

前述文献的研究结果表明，在不存在内幕交易的前提下，各个组别中每笔交易平均价格变化应相同，且均与市场趋势一致。而按照隐蔽交易假说，中等交易规模导致的价格变化将远大于其他组别，且会与市场趋势一致。

（一）描述性统计

为了研究各组每笔交易的平均价格变化，本文将每笔交易平均价格变化定义为：

每笔交易平均价格变化=■（1）

各组中每笔交易平均价格变化表示的是在某一特定组别内平均每笔交易所引致的股票价格变化。根据表1与式（1），本文计算出各组的一些描述性统计指标，结果如表2所示。

注：（1）累计交易数量和累计成交量均指某组中所有样本的交易数量和成交量之和。

（2）表中的三项指标均为样本股票的横截面数据。

从表2可以看到，各组的每笔交易平均价格变化为先正后负再为正。自d100组到d1000组的每笔交易平均价格变化都为正；d100组的每笔交易价格变化最高，为0.000183701元；d1000组的每笔交易价格变化最低，为4.3321E-06元。除d5w组外，自d2000组到d10w组的每笔交易平均价格变化均为负，且其绝对值越来越大。从d20w组到d50w组的每笔交易平均价格变化又回归正值，在d50w组内达到正的最大值0.001970327。由此本文观察到大额交易对于推动股价上升的影响。从交易笔数来看，交易笔数较大者主要集中在d500组到d2w组，而交易笔数最多的组是d2000，但此时的每笔交易价格变化为负，因此本文認为，股市启动与交易笔数关系不是很大。从成交量来看，最小值为d100组的4,664,406股，最大值为d50w组的6,328,419,029股，但成交量最大的d50w组中，交易笔数只有7,487笔，这也说明了少量大单对于这轮行情启动的作用。

为了更加清楚地分析各组每笔交易平均价格变化对于总体价格变化的影响，本文用某一组别的每笔交易平均价格变化除以所有组别每笔交易平均价格变化之和，并将这一指标命名为市场相对趋势指标。其实质是某组的每笔交易平均价格变化占所有组别价格总变化的百分比。值得注意的是，根据表2数据计算的结果，每笔交易平均价格变化之和为-0.0003606，但在这一期间，市场的总体趋势是价格明显上扬，即价格变化为正。因此，如果市场相对指标为负（一个正数比上一个负数），则表示它与总体价格变化是同方向的，指标数值越大，影响越明显。反之则反是。本文将市场相对趋势指标与每笔交易平均价格变化指标绘制成图，如图2所示。

从图2看到，只有d20w,d30w,d50w组的市场相对趋势明显为负。说明其价格变化与总体市场趋势相同，也即由大规模交易引致的价格变化与市场整体的上升趋势相同。

在表2资料的基础上，进一步按前面定义的小、中、大交易规模，计算其累计股票价格变化百分比、每笔交易平均价格变化百分比、成交量百分比和交易数量百分比等四项指标。各项指标的计算方法如下：（1）累计股票价格变化百分比。将各组中的所有股票在样本期间内的股价变化加总，除以所有各组股价变动总和。这个变量表示某一组交易引致的价格变化占全部价格变化的百分比，也即不同规模交易所引致的价格变化在全部价格变化中所产生的影响。（2）每笔交易平均价格变化百分比、成交量百分比和交易笔数百分比：首先计算按照交易规模分组的平均每只股票的每笔交易平均价格变化（成交量、成交笔数），再除以各组的每笔交易平均价格变化（成交量、成交笔数）之和。

从表3可以看出，大规模交易从成交笔数来看只占0.41%，成交量也只占9.503%，但是累计股票价格变化达到了14.1%，而每笔交易平均价格变化百分比则达到了-700.3%，所有这些指标都说明了少量大单对股价上涨的推动作用。同样值得注意的是中等规模交易的每笔交易平均价格变化百分比为902.46%，这是一个与市场整体变化方向相反、但绝对值很大的值，说明中等规模交易在牛市的启动期与市场整体价格变动方向相反，对股价上升有抑制作用。

注：表中黑体数字表示各种交易规模的百分比之和。

（二）WLS回归分析

本文应用加权最小二乘法检验不同的交易规模与成交量对股价变动的影响。其理论依据分别是隐蔽交易假说、公开信息假说和成交量假说。

隐蔽交易假说认为，内幕交易者会选用中等规模交易，而股票价格变化主要是由于交易过程中泄露出的私人信息造成，因此，股票的累计价格变化主要发生在中等规模交易中。公开信息假说认为股票价格变化是由于公开信息的透露而引起的，由于公开信息会以相同的可能性分布于各个投资者的不同规模的交易中，因此某一交易规模所引起的股价变化应该相同。而成交量假说认为，交易量越大，所引起的股票价格变动就越大，按照这一思路，累计股票价格变化（或每笔交易平均价格变化）应该与成交量（或每笔交易平均成交量）成正比。

通过下述回归模型，本文可以直接检验这三个假说。

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类型交易（j=小规模、中等规模或大规模）在样本期间内所引致的每笔交易平均价格变化。该变量经过加权调整，其权数等于股票i的j类型交易在全部样本期间内的累计价格变化的百分比。DSi、DMi和DLi分别是股票i的小规模交易、中等规模交易和大规模交易的虚拟变量，TranVolumeij是股票i的j类型交易的每笔交易平均成交量。

模型运行的结果如表4所示。

注：***表示在1%水平上显著，**表示在5%水平上显著；括号中表示的是变量对应的t统计量。

从表4所示的回归模型（1）的拟合结果发现，在三个虚拟变量中，有且仅有大规模交易虚拟变量的参数在统计上显著。其值为0.000365，在1%的水平上显著。由于在本模型中，被解释变量是实际的股票价格变化，因此，大规模交易的正系数表明：只有大规模交易所引致的每笔交易平均价格变化与市场趋势（上涨）相一致。同时，Wald检验也在1%的水平上拒绝了三个虚拟变量系数相等的假设。也就是说，这一结果不支持隐蔽交易假说和公开信息假说。如果隐蔽交易假说成立，则中等规模交易的系数应该显著，且和市场价格变化相同；如果公开信息假说成立，那么在模型（1）和（2）中，三个虚拟变量的系数应该没有显著差异。

回归模型(2)的参数估计结果与模型(1)的结果相同，三个虚拟变量中，只有大规模交易的虚拟变量系数在5%的水平上显著，其值为0.000526。Wald检验也在1%的水平上拒绝了三个虚拟变量系数相等的假设。模型（2）比模型（1）增加了一个解释变量——TranVolume，但此变量的系数并不显著。这一结果表明，公开信息假说和成交量假说都不成立，因为如果成交量假说成立，那么在模型（2）中，每笔交易平均价格变化将仅与每笔交易平均成交量有关，估计出的每笔交易平均成交量的系数应该是所有系数中唯一一个显著的变量。

因此本文可以得出结论：在股市从熊市转为牛市的起步阶段，只有大规模交易才能推动股票价格的上涨。这与已有文献研究的结论都不太一样。表4的结论表明：只有大规模交易所引致的股票价格变化表现出了与市场变化的显著一致性。同时也说明成交量的大小不能解释价格的变化。在熊市转换为牛市的过程中，只有少量的大单推动价格的上涨。

四 、結论

本文应用上证50指数股在2005年6月6日至2006年1月25日的分笔交易数据，研究了在我国股票市场在从熊市转换为牛市的过程中市场交易类型。本文采用实证研究方法，得到在此轮从熊市转换为牛市的过程中，是300,000股以上的交易推动了股价的上涨，是牛市启动的主要推手，而在股价下跌过程中，中小规模交易是主要的推动力量。

这一研究结论与之前的研究结论都有所不同，同时也不支持隐蔽交易信息假说、公开信息假说及成交量假设。

为什么投资者会选择大规模交易来启动牛市行情呢？本文分析认为，只有大规模交易才能在熊市的末端重新带动投资者的信心和整个市场的人气，而小规模交易和中等规模交易都不能达到这个效果。

参考文献：

才静涵、欧阳红兵、柴俊（2007）：《谁在拉底股价？——中国股市上的隐蔽交易》，《金融学季刊》第3卷第1期。

汪昌云、孙谦（2007）：《中国个人投资者行为偏差实证研究》，《金融学季刊》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.