股票市场投资者异质信念：基于未预期交易量的检验

本书的第五章第一节对交易量进行了更精确的细分，将交易量区分为预期交易量和未预期交易量，认为真正基于异质信念的交易量是交易量中不能被预知的成分，因此基于未预期交易量构造了投资者异质信念代理变量。与本章第二节一大点类似，本节将对预期交易量和未预期交易量进行实证检验，同时与本章第一节中基于总体交易量的检验结果进行对比分析，分析在投资者异质信念的假设前提下，总体交易量、预期交易量、未预期交易量中的哪个变量作为信息流的替代变量更为合理？

首先，将预期交易量（EVt）和未预期交易量（UVt）分别加入到GARCH模型的条件方差方程中，观察价格波动的持续性变化情况，模型定义如下：

其中，虚拟变量dum1t与dum2t的定义与本章第一节中的定义相同。

表6.15 道琼斯指数信息流替代变量检验结果——基于未预期交易量

注：表中，***表示1%的显著性水平，括号内数值为相应参数估计的t值。

美洲股票市场上，表6.15 的检验结果表明，对于道琼斯指数，在GARCH模型的条件方差方程中加入预期交易量和未预期交易量以后发现，加入预期交易量时持续性参数（α1+α2）为0.992，而加入未预期交易量后持续性参数降低为0.776。与本章第一节中加入总体交易量时（α1+α2）为0.874 的情况相比，本书在构造异质信念变量过程中从总体交易量中分离出的未预期交易量能够更大程度的吸收价格波动的持续性。此外，预期交易量的系数估计值显著为负，说明预期交易量的增加能够降低市场上的收益波动。而未预期交易量的情况则相反，未预期交易量的增加能够加剧收益的波动。

表6.16 富时100 指数信息流替代变量检验结果——基于未预期交易量

注：表中，***、*分别表示1%、10%的显著性水平，括号内数值为相应参数估计的t值。

表6.17 CAC40 指数信息流替代变量检验结果——基于未预期交易量

注：表中，***、*分别表示1%|10%的显著性水平，括号内数值为相应参数估计的t值。

表6.18 DAX指数信息流替代变量检验结果——基于未预期交易量

(www.xing528.com)

注：表中，***表示1%的显著性水平，括号内数值为相应参数估计的t值。

欧洲股票市场上，对于富时100 指数，表6.16 中的检验结果表明，在GARCH模型的条件方差方程中加入预期交易量时，持续性参数（α1+α2）为0.990，仍然非常接近于1。加入未预期交易量后，（α1+α2）变为0.746，有一定程度的降低，并且与6.1 节中加入总体交易量时（α1+α2）为0.836 的情况进行比较后发现，相对于总体交易量和预期交易量，未预期交易量作为无法被观测的信息流的代理变量更为合理。同样，对于CAC40 和DAX指数，表6.17 和表6.18 中的检验结果表明，与总体交易量和预期交易量相比，加入未预期交易量时持续性参数也有较大程度的降低。同时，对于欧洲股票市场上的富时100 指数和CAC40 指数、DAX指数，上述检验结果表明，预期交易量的增加能够降低市场上的收益波动。而未预期交易量的增加则能够加剧股票市场上的收益波动。

表6.19 上证综指信息流替代变量检验结果——基于未预期交易量

注：表中，***，**分别表示1%，5%的显著性水平，括号内数值为相应参数估计的t值。

表6.20 恒生指数信息流替代变量检验结果——基于未预期交易量

注：表中，***表示1%的显著性水平，括号内数值为相应参数估计的t值。

表6.21日经225 指数信息流替代变量检验结果——基于未预期交易量

注：表中，***表示1%的显著性水平，括号内数值为相应参数估计的t值。

表6.19、表6.20 和表6.21 中的检验结果表明，亚洲股票市场上也表现出了与美洲和欧洲股票市场上相似的结论。对于上证综指、恒生指数和日经225 指数，与在GARCH模型的条件方差方程中加入总体交易量和预期交易量时的情况进行对比后发现，加入未预期交易时持续性参数降低幅度较大。并且检验结果表明，预期交易量与收益波动显著负相关，未预期交易量与收益波动显著正相关。

通过前面的分析我们发现，由于异质信念的存在使得交易量中出现了不能被预期的成分即未预期交易量。在总体交易量中，由于盈利公告信息和流动性需求等原因产生的交易量是总体交易中可以被预期的成分，本书称之为预期交易量。预期交易量的增加能够扩大市场上的流动性，进而降低股票的收益波动，因此预期交易量与收益波动之间存在显著的负相关关系。而未预期交易量是总体交易量中由于投资者异质信念的存在而产生的交易量，这部分交易量是总体交易量中不能被预期的部分，因此未预期交易量与收益波动正相关。本书在第四章第二节的实证分析中已经指出，异质信念与收益波动也是正相关的关系，因此，由于异质信念而产生的交易量应该随着异质信念的增强而增大。或者可以说，未预期交易量实际上也可以作为异质信念的替代变量。

通过对美洲、欧洲、亚洲股票市场上的七个全球重要指数进行分析可以得出结论：异质信念的假设前提下，资产价格服从以未预期交易量为混合变量的混合分布。未预期交易量为一个混合变量，可以作为信息流的替代变量。虽然国内外的诸多研究认为，交易量作为信息流替代变量是合理的。但本节基于总体交易量、未预期交易量、预期交易量的对比分析结果表明，与总体交易量和预期交易量相比，未预期交易量能够在更大程度上降低价格的持续性波动。真正引起股票价格持续波动的是未预期交易量，用未预期交易量作为无法被观测信息流的代理变量是更精确又合理的选择。

具体的原因还应追溯到混合分布假说理论关于投资者信念的假设前提。传统混合分布假说理论在投资者同质信念的假设条件下提出。自从Clark 提出混合分布假说理论之后，许多学者都在努力寻找真正引起价格持续性波动的根源。本书在投资者异质信念的假设前提对股票价格持续波动的原因进行分析，认为异质信念的情况下，信息流真正带来的是未预期交易量与价格波动。由于异质信念的存在，使得交易量中出现了不可预期的成分（本书称之为未预期交易量）。异质信念的假设前提下，股票价格变化的分布是以未预期交易量为混合变量的混合分布。收益率序列的分布从属于未预期交易量，服从以未预期交易量为混合变量的混合分布。因此，本书3.2 节中构造的包含异质信念的GARCH-M模型实际上是一个以未预期交易量为混合变量的混合GARCH-M模型。