量价关系图解分析（精选7篇）
篇1：量价关系图解分析
实验六盘面与量价关系分析
一、实验概述
本实验主要通过证券分析软件，使学生掌握盘面分析方法，掌握大盘指数看盘技法，把握板块联动特征和龙头股操作策略。透过对成交量特征分析，了解量价关系的分析方法，用以指导证券交易。实验内容主要包括：大盘指数看盘技法、板块联动特征、成交量原理与特征、量价关系分析、成交量的微观数值分析。
二、实验目的1.通过证券软件观察指数分时开盘、盘中和尾盘价格运行特征。观察盘中指标股的表现，板块热点、个股涨跌幅和换手率排名、涨跌家数、盘中高低点等看盘要素，把握大盘的即时走势，提高看盘能力。
2.通过对分类指数与大盘指数的对比观察和分析，把握板块热点和板块联动特征。
3.通过观察个股与指数关系，个股与板块关系，个股走势与均价线关系，个股价格与成交量关系，发现和把握投资机会，提高看盘能力。
4.通过观察指数在牛市和熊市各个阶段的量价关系变化，加深对成交量原理的理解，把握量价分析方法。
5.通过观察个股阶段高点和阶段低点区域量价关系变化，加深对成交量特征的理解，把握个股量价分析方法。
6.观察涨幅前列与下跌前列个股成交量与价格的关系，提高预测个股短期走势成功概率。
三、实验步骤
1.通过证券软件观察指数分时开盘、盘中和尾盘价格运行特征。
2.观察盘中指标股的表现，板块热点，涨跌家数，指数盘中高低点等看盘要素。
2.通过对分类指数与大盘指数的对比观察，把握板块热点和板块联动特征。
3.选择个股涨跌幅和换手率排名前5名的个股，通过观察个股与指数关系，个股走势与均价线关系，个股价格与成交量关系，把握个股运行特征。
4.通过观察指数在牛市和熊市各个阶段的量价关系变化，把握指数量价分析方法。
5.通过观察个股在阶段高点和阶段低点区域量价关系变化，把握个股量价分析方法。
四、实验报告要求
1.在实验报告撰写时，按照实验报告模板格式，完成各项内容的填写。实验报告内容主要包括：实验名称、实验目的、实验内容、实验过程、结果分析、实验结论等。实验报告内容也可以根据具体实验特征灵活调整。
2.要求实验报告格式规范、内容详实、结论严谨、数据可靠、具有可验证性。
3.对指数在牛市和熊市各个阶段的量价关系变化进行分析。
4.对个股在阶段高点和阶段低点区域的量价关系变化进行分析。
5.对即日盘中涨幅和换手率排名前5名个选择2个股进行量价关系。
篇2：量价关系图解分析
入 党 申请 人 自愿 主 动递交《入党 申 请书》 起 起 点 点 2 1 个 个 月 月 2 个 个 月 月 两年两年 党支部委员会集体讨论将入党申请人确定为入党积极分子，并逐级报县委组织部预审，同时报上级党委备案。预审通过后，领取《入党积极分子培养考察登记表》，在入党培养联系人指导下，入党积极分子如实填好：封面和里面的1、2 页的全部内容。党小组、党支部负责填写 3 页的内容。
收到《申请书》后，一个月内，党支部派人同入党申请人谈话 起 起 点 点 1 党员联名推荐，或者党小组推荐，或者群团组织推优产生人选，并形成推荐材料。
党支部指定 2名正式党员，作为入党积极分子的培养联系人。个 个 月 月 6 个 个 月 月 8 个 个 月 月 10 个 个 月 月 一 一
年 年 14 个 个 月 月 16 个 个 月 月 18 个 个 月 月 20 个 个 月 月 22 个 个 月 月 3 个 个 月 月 5 个 个 月 月 7 个 个 月 月 9 个 个 月 月 11 个 个 月 月 13 个 个 月 月 15 个 个 月 月 17 个 个 月 月 19 个 个 月 月 21 个 个 月 月 23 个 个 月 月 党支部对拟确定为入党积极分 子 进 行 公示，时间为 5天及以上。
党支部、党小组、培养联系人对入党积极分子进行为期一年及其以上的培养、教育和考察，三者每季度填写一次培养考察意见。无党小组，党小组栏不填写。每次填写落款时间间隔 3 个月。
党支部、党小组、培 养 联系 人 对入 党 积极 分 子填 写 第一 次 考察意见。
党支部、党小组、培 养 联系 人 对入 党 积极 分 子填 写 第二 次 考察意见。
党支部、党小组、培 养 联系 人 对入 党 积极 分 子填 写 第三 次 考察意见。
党支部、党小组、培 养 联系 人 对入 党 积极 分 子填 写 第四 次 考察意见。
党支部委员会集体讨论将入党积极分子确定为发展对象，并逐级报 上 级 党 委 备党 支 部为 发 展对 象 确定 入 党介绍人。
进 行 政 治 审查，对象包括本人、家庭成员、主要社会关系人员，形成综合性政治审查报告。
参 加 上级 党 委举 办 为期 3 天的 发 展对 象 培训班。
取得培训《结业证书》后，党支部委员会集体讨论拟定将发展对象吸收为预备党员，并逐级报县委组织部预审，同时报上级党委备案。预审通过后，领取《入党志愿书》，在入党介绍人指导下，发展对象如实填好：封面和里面 1-7 页的全部内容。入党介绍人填好8页的内容。
党支部召开全体党员大会讨论，投票表决。逐级报上级党组织，集体讨论、票决、签署意见。
具 有 审批 权 限的 党 组织 派 党委 成 员或 者 组织 员 进行谈话。
具有审批权限的党委集体讨论、票决、审批。并将结果逐级报县委组织部备案。
将新发展预备党员编入党支部和党小组。与其谈话，安排部分工作和活动。
在党支部党员大会上宣布。党委、党总支或者党支部统一组织预备党员宣誓。
预 备 期临近满 1年，提前10 左右，向 党 支部 递 交《 转 正申 请书》。
篇3：中国黄金期货量价关系分析
金融市场的量价关系一直吸引着研究者与投资者的目光。期货价格、成交量、持仓量反映出了期货交易中多空双方资金争夺的态势。一般来说, 期货价格的涨跌直接说明多空双方孰强孰弱的特征;成交量扩增抑或缩减显示了多空双方争夺趋于激烈抑或缓和;持仓量扩增抑或缩减则反映出多空双方外围增量资金进驻与场内沉淀资金平仓撤离的态势。2002年10月30日, 上海黄金交易所的开业标志着我国黄金交易逐步过渡到市场化的管理体制。2008年1月9日, 黄金期货交易在上海期货交易所正式开市, 从而推进了我国黄金现货市场与黄金期货市场共同发展的局面。由于我国黄金期货合约推出的时间较短, 关于该合约的研究比较少。针对这一现象, 黄金期货市场价格波动特征和规律的研究对市场的参与方以及市场的监管层来说, 都是具有较强的实践指导和借鉴意义。
二、文献综述
长期以来, 量价关系研究是金融市场领域的一个热点。许多学者对证券市场和期货市场的价格波动与成交量之间的相互作用关系进行了大量的研究。Clark (1973) 的混合分布假说理论模型认为, 进入市场的潜在信息流将会对市场产生冲击, 从而产生价格波动与交易量, 因此信息流可以作为一个影响同期资产价格变动与交易量的共同因素;日价格波动、日交易量与日信息流的大小正相关, 资产价格的分布是由潜在信息流决定的混合分布, 交易量或交易次数是信息流大小的代理变量。Epps (1976) 的混合分布模型认为, 投资者一般根据进入市场的新信息调整自己对资产的定价, 而交易量是一个测度投资者对新信息评价的代理变量。投资者对新信息的评价分歧愈大, 交易量的变动就会愈剧烈。Copeland (1976, 1977) 为代表的连续信息到达模型认为市场信息是分步逐渐向外扩散的, 随着信息的不断传播, 将引起一系列交易, 产生一系列的价格波动和成交量, 并随着新信息的不断增多, 价格波动和交易量同步增大, 交易量与价格波动呈现出正相关。DeLong, Shleifer, Summers, and Waldmann (1990) 的噪声交易模型认为股价的连续上涨或者连续下跌过程中, 噪声交易者的正反馈交易策略会放大交易量, 从而导致股价波动率和交易量之间的正向相关关系;实证研究方面的诸多分析得到股价波动和交易量之间具有正向同期相关关系的结果。Bessembinder和Seguin (1992, 1993) 研究结果表明市场价格收益率波动与当期市场的成交量之间存在显著的同向变动关系, 而市场当期的持仓量与收益波动之间不存在相关性;不可预期交易量大于零时, 它对价格波动的影响程度要大于不可预测成交量小于零时的影响;不可预期的持仓量小于零时对价格波动的影响要大于非预测持仓量大于零时的影响。Girma&Mougoue (2002) 研究了价差波动、交易量与持仓量量的关系, 发现交易量和持仓量对价差波动有较强的解释力。
华仁海, 仲伟俊 (2003) 以我国期货市场铜、铝、大豆期货为研究对象, 研究交易量对期货价格收益波动方差的影响, 得出铜和大豆的交易量对期货价格收益的波动方差有较强的解释能力, 而铝的交易量对期货价格收益的波动方差没有直接的影响。刘庆富, 仲伟俊, 梅姝娥 (2007) 以我国期货市场铜、铝、橡胶、大豆、小麦为研究对象, 对交易量、空盘量与期货价格收益之间动态关系进行实证研究, 研究发现空盘量的增加对期货价格收益波动性的影响小于空盘量的减少对期货价格收益波动性的影响;不可预期空盘量对期货价格收益的影响比可预期空盘量对价格收益的影响大。戴毓 (2009) 以我国燃料油期货为研究对象, 研究了价格波动与成交量和持仓量之间的关系, 得出成交量与价格波动具有很强的解释作用, 可以根据上一期成交量的变动, 预测下一期的价格波动;当期持仓量对价格波动具有很强的吸收作用, 但滞后期持仓量的变动对期货价格的波动性不具有解释作用;同时考虑成交量和持仓量时, 当期成交量表现出很强的解释作用。王兆才 (2012) 对我国黄金期货市场的量价关系进行实证研究, 得出期货市场的交易量与价格波动之间存在正相关关系, 而持仓量对价格波动有负相关的影响关系;期货市场非预期部分的交易量和持仓量对期货市场价格波动的解释能力都强于交易量和持仓量的预期部分。
量价关系研究的基础是波动测度。国内期货市场价格波动测度的方法主要有两种, 第一种是采用收益率公式测度期货价格日间波动。相当部分研究采用每个交易日的收盘价根据收益率公式计算期货价格日间波动, 部分研究如周志明, 唐元虎, 施丽华 (2004) , 刘智星 (2004) , 韩德宗, 林承松 (2009) , 王文婷 (2012) 等则采用每个交易日的结算价, 根据收益率公式计算期货价格日间波动;第二种是采用Gar man和Klass (1980) 方程或者采用R oger s和Satch ell (1991) 、R oger s, Satch ell和Yoon (1994) 的计算公式来测度日内价格波动, 使用的数据涉及到每个交易日的开盘价、最高价、最低价、收盘价。而成交量、持仓量的波动测度一般采用原始数据取对数后相减或者直接使用原始数据的方法。
上海期货交易所交易细则对开盘价、收盘价、成交量、持仓量和结算价等进行了界定。开盘价是指某一期货合约开市前五分钟内经集合竞价产生的成交价格。收盘价是指某一期货合约当日交易的最后一笔成交价格。成交量是指某一期货合约在当日交易期间所有成交合约的双边数量。持仓量是指期货交易者所持有的未平仓合约的双边数量。结算价是指某一期货合约当日成交价格按成交量的加权平均价。因此, 本文的期货价格序列以结算价序列来表示, 采用基于结算价的收益率反映我国黄金期货市场价格波动。研究的思路是先对期货价格收益率序列的统计特征进行分析, 然后从多个角度考察成交量、持仓量的变化对价格收益率波动的影响情况以及相互关系。
三、数据分析
由于期货合约将在一定时间到期, 所以会出现期货价格序列的不连续性。为此, 本文选择上海期货交易所在同时交易的不同交割月份黄金期货合约中成交量与持仓量最大的合约, 即交易最为活跃的主力合约作为黄金期货交易数据的来源, 以形成连续的价格序列和对应的成交量序列及持仓量序列数据, 时间跨度为2010年1月4日至2013年8月31日, 由于在某些交易日没有进行交易, 剔除这样的数据后样本数据量为887个。数据来源于上海期货交易所网站。本文将利用Eviews6.0软件对上述数据建立模型进行实证分析。
本文的期货价格序列以结算价序列来表示, 价格序列记为Pt, 成交量序列记为Vt, 持仓量序列记为OIt, 收益率记为Rt。价格波动以收益率Rt来表示:Rt=[ln (pt) -ln (pt-1) ]×100, 成交量的变化量和持仓量的变化量分别表示为:LVt=ln (Vt) -ln (Vt-1) , LOIt=ln (OIt) -ln (OIt-1) 。黄金期货收益率、成交量和持仓量变化量序列基本统计特征如表1所示。
注:括号内的数字表示概率值 (P值) ;Q (24) 表示残差滞后24阶的Ljung-Box的Q统计量。
从基本统计结果可以看出, 收益率、成交量的变化量和持仓量的变化量序列的Jarque-Bera检验结果的相伴概率为0, 表明各序列均不服从正态分布。各序列的峰度大于3, 也表明不服从正态分布。偏度数值表明黄金期货收益序列是左偏的, 成交量的变化量和持仓量的变化量序列是右偏。统计量检验结果表明, 在1%的置信水平下, 收益率序列和成交量变化量序列存在自相关。
四、黄金期货量价分析模型及其估计
(一) 收益率分析
采用自相关、偏自相关函数对黄金期货收益率序列进行检验, 结果表明自相关、偏自相关函数均存在拖尾。对黄金期货收益率序列进行单位根检验 (ADF检验) , 在1%的显著性水平下, ADF的临界值为-3.437516。黄金期货收益率序列的ADF检验结果为-28.47906, 小于临界值, 于是拒绝原假设, 得出收益率序列不存在单位根是平稳序列, 从而可以对收益率序列建立ARMA模型, 以刻画收益序列的波动特征。经过试算, 可以建立ARMA (3, 3) 模型, 模型残差序列的ARCHLM检验的结果如表2所示, 结果表明序列存在AR CH效应。
当采用ARCH (q) 模型进行试算的时, 发现阶数q需要取一个较大的值, 因此采用GARCH模型建模。经过试算, 建立ARMA (2, 2) -GAR CH (1, 1) 模型, 其均值方程和方差方程分别表示为:
AR MA (2, 2) -GAR CH (1, 1) 模型参数估计结果如表3所示。
注:括号内的数字表示概率值 (P值) ;Q (15) 表示残差滞后15阶的Ljung-Box的Q统计量, Q2 (15) 表示滞后15阶残差平方相关检验的Q统计量。LM (3) 表示滞后3阶的残差ARCH LM检验, 下同。
对ARMA (2, 2) -GARCH (1, 1) 模型进行条件异方差的AR CHLM检验, 滞后阶数取3时, 相伴概率为0.149, 得出残差序列不存在ARCH效应;对模型进行残差平方相关检验也得出残差序列不存在ARCH效应。残差序列的Q统计量检验表明残差序列不存在自相关。方程中的ARCH项和GARCH项的系数α和β都显著为正, α+β等于0.9613, 小于1, 满足参数约束条件。由于系数之和非常接近1, 表明条件方差所受的冲击是持久的, 过去的波动对市场未来波动有着正向而减缓的影响。
(二) 成交量变化与价格波动分析
成交量作为期货市场交易中的重要变量, 反映了交易者对新信息认同的差异程度和交易的参与程度, 为了反映信息流对期货价格波动的影响, 将成交量波动情况引入ARMA (2, 2) -GARCH (1, 1) 模型的方差方程, 可以得到如下方差方程:
其中分别对应当期成交量和滞后1期成交量的变化情况, 参数γ1反映成交量对期货价格收益波动方差的影响。模型参数估计结果如表4所示。
AR CH LM检验和残差平方相关检验得出残差序列不存在AR CH效应。残差序列的Q统计量检验表明残差序列不存在自相关。根据估计结果可以发现当方差方程引入当期成交量时, 对应的系数γ1>0, 而且统计显著, 这说明当期成交量对价格波动具有较强的解释作用, 当期成交量增大则价格波动增大, 当期成交量减小则价格波动减小。α1和β1统计显著, α1+β1<1, 满足参数约束条件, 由于α1+β1非常接近1, 表明条件方差所受的冲击是持久的。方差方程引入滞后1期成交量时, 模型系数γ1统计不显著, 说明滞后1期成交量变化情况对于价格波动没有直接影响, 无法根据上一期成交量的变化预测下一期黄金期货价格的波动。
(三) 持仓量变化与价格波动分析
持仓量是期货市场交易中既没有对冲了结又没有到期交割的某种商品期货合约量。持仓量反映了投资者对该合约的认同程度, 是期货市场特有的统计量。如果当期市场持仓量越大, 那么未来该期货合约对冲和实物交割所对应的成交量也就越大, 因此持仓量可以作为期货市场深度指标。为了考虑持仓量对期货价格波动的影响, 将持仓量波动情况引入ARMA (2, 2) -GARCH (1, 1) 模型的方差方程, 即得如下方差方程:
其中分别对应当期和滞后1期成交量的变动情况, 参数反映持仓量对期货价格收益波动方差的影响。模型参数估计结果如表5所示。
AR CHLM检验和残差平方相关检验得出残差序列不存在AR CH效应。残差序列的Q统计量检验表明残差序列不存在自相关。由表5的估计结果可以发现, 在方差方程中引入当期持仓量时, 对应的系数γ2统计上不显著, 这说明当期持仓量对价格波动没有直接影响, 不具有解释作用。当方差方程中引入滞后1期持仓量时, 对应的系数γ2统计上也不显著, 说明滞后期持仓量的变动, 对价格波动也不具有解释作用。因此, 在黄金期货市场上, 单独考虑持仓量对价格波动的影响是没有意义的。
(四) 成交量、持仓量变化与价格波动分析
成交量、持仓量作为期货市场中的重要变量, 为了进一步研究二者对价格波动的影响, 在ARMA (2, 2) -GARCH (1, 1) 模型的方差方程中同时引入成交量和持仓量两个变量, 得到如下方差方程:
其中i=0, 1分别对应当期和滞后1期成交量的变动, 参数γ1、γ2分别反映成交量、持仓量对期货价格收益方差波动的影响。模型参数估计结果如表6所示。
AR CHLM检验和残差平方相关检验得出残差序列不存在AR CH效应。残差序列的Q统计量检验表明残差序列不存在自相关。方差方程中同时引入当期成交量和当期持仓量后的估计结果表明成交量前的系数γ1>0, 持仓量前的系数γ2<0, 统计上均显著。γ1>0说明同时考虑当期成交量和当期持仓量对期货价格方差波动的影响时, 当期成交量对方差波动具有明显的解释作用, 若当期成交量增大则当期期货价格的价格波动也将增大;若成交量减小则价格波动也随之减小。γ2<0, 这说明当期持仓量的增加会降低成交量对价格波动的影响程度。方差方程中同时引入滞后1期成交量和滞后1期持仓量后的估计结果表明成交量前的系数γ1、持仓量前的系数γ2统计上均不显著。滞后1期的成交量和滞后1期的持仓量对价格波动没有显著的影响。
(五) 向量自回归模型分析
向量自回归 (VAR) 模型通常用于相关时间序列系统的预测和随机扰动对变量系统的动态影响分析。在建立VAR模型过程中, 一个关键因素就是滞后阶数的选取。为确定本文中建立滞后期为多少阶的VAR模型最为合理, 使用滞后长度准则 (LagLength Cr eter ia) 来进行判断, 结果如表7所示。
从上表可以看出中, *标识出了五个评价统计量各自的最小滞后期。其中, SC和HQ信息统计量在滞后期为2阶时出现*, 根据简约原则选择滞后2阶, 建立VAR (2) 模型, 然后进行平稳性检验, 结果如图1所示。平稳性检验结果表明模型特征根的倒数全部小于1, 是一个平稳系统, 可以做脉冲函数分析和方差分解。
VAR模型可以通过脉冲响应函数描述每个内生变量的变动或者冲击对它自己及所有其他内生变量产生的影响作用。对价格波动、成交量变化量、持仓量变化量各施加一个冲击, 来进一步研究黄金期货的成交量和持仓量对价格变动的影响程度以及作用时间, 结果如图2所示。
由脉冲响应曲线可以看出, 价格波动对自身的一个标准新息的到达有强烈的反应, 价格波动性当期增加至1.11%, 但在第2期效果迅速衰减至0.05%, 其持续期超过了5期;成交量对价格波动的一个标准新息在第3期有正向较弱的反应, 持仓量对价格波动的一个标准新息当期有负向较弱的反应, 在第5期成交量和持仓量的反应基本消失。成交量对自身的一个标准新息的到达立刻有较强烈的正向反应, 当期增加至0.316%, 但在第2期迅速减弱至-0.14%, 在第8期消失;价格波动对成交量的一个标准新息的反应较弱, 第2期达到0.067%;持仓量对成交量的一个标准新息的冲击有正向反应, 在第5期消失。持仓量对自身的一个标准新息的到达自身立刻有正向反应并迅速衰减, 在第5期反应几乎消失;价格波动对持仓量的一个标准新息的冲击在第2期有着微弱的负向反应-0.012%, 并在第7期衰减为零;成交量对持仓量的一个标准新息的冲击第2期为正, 至第6期逐渐消失。
VAR模型可以通过方差分解把系统中的每个内生变量的波动按其成因分解为与各方程新息相关联的组成部分, 从而了解各新息对模型内生变量的相对重要性。方差分解的结果如图3所示。
方差分解结果表明价格波动对自身贡献很大为99.56%, 成交量解释了0.37%, 持仓量解释了0.07%, 这表明价格波动大部分是由自身造成的;成交量也对自身贡献较大, 滞后10阶时为96.75%, 价格波动解释了0.77%, 持仓量解释了2.48%, 这说明持仓量比价格波动对成交量有比较显著的影响;持仓量对自身贡献较大, 滞后10阶时为91.73%, 价格波动解释了5.7%, 成交量解释了2.57%, 这说明价格波动比成交量对持仓量有比较显著的影响。
五、结论
本文采用基于结算价的收益率反映黄金期货市场价格波动, 根据收益率序列的统计特征建立ARMA (2, 2) -GARCH (1, 1) 模型, 模型中的ARCH项和GARCH项的系数α和β都显著为正, 等于0.961, 小于1, 满足参数约束条件。由于系数之和非常接近1, 表明条件方差所受的冲击是持久的, 过去的波动对市场未来波动有着正向而减缓的影响。为了反映信息流对期货价格波动的影响, 将当期成交量和持仓量以及滞后1期成交量和持仓量波动情况依次引入AR MA (2, 2) -GAR CH (1, 1) 模型的方差方程, 结果表明如果分别引入当期和滞后1期成交量和持仓量时, 当期成交量变化对价格波动具有较强的解释作用, 滞后1期成交量变化情况对于价格波动没有直接影响, 当期和滞后期持仓量变化情况对于价格波动没有直接影响;如果同时引入当期成交量和当期持仓量或者滞后1期成交量和滞后1期持仓量时, 当期成交量对价格波动具有明显的解释作用, 当期持仓量的增加会降低成交量对价格波动的影响程度, 滞后1期的成交量和滞后1期持仓量对价格波动方差没有显著的影响。脉冲响应分析表明价格波动、成交量和持仓量的冲击使其自身产生较强烈的反应, 价格波动的冲击对成交量和持仓量的影响相对较弱;成交量和持仓量的冲击对彼此的影响比较明显;三者之间的相互影响比较短暂。方差分解表明黄金期货价格波动、成交量以及持仓量波动对自身波动贡献较大, 持仓量比价格波动对成交量有比较显著的影响;价格波动比成交量对持仓量有比较强烈的影响。
摘要：本文采用基于结算价的收益率反映黄金期货市场价格波动, 根据收益率序列的统计特征建立ARMA (2, 2) -GARCH (1, 1) 模型, 结果表明收益率的过去波动对市场未来波动有着正向而减缓的影响;然后采用ARMA (2, 2) -GARCH (1, 1) 模型、VAR (2) 模型等方法研究黄金期货价格波动与成交量、持仓量的关系, 结果表明当期成交量对价格波动具有较强的解释作用, 滞后1期成交量对于价格波动没有直接影响, 当期和滞后1期持仓量对于价格波动没有直接影响;同时考虑当期成交量和当期持仓量时, 当期成交量对价格波动有明显的解释作用, 而当期持仓量的增加会降低成交量对价格波动的影响程度, 滞后1期的成交量和滞后1期持仓量对价格波动没有显著的影响。脉冲响应分析表明价格波动、成交量和持仓量的冲击使其自身产生较强烈的反应, 价格波动的冲击对成交量和持仓量的影响相对较弱;成交量和持仓量的冲击对彼此的影响比较明显。方差分解表明价格波动比成交量对持仓量有更大的影响。
篇4：智慧交易系统核心量价关系（二）
一、成功抄底并持有的东华软件（002065）
东华软件（002065）是我和我的团队交易的一个经典案例。截至2015年3月19日，仍有较大的交易价值，判断的理由仍是量价关系。该股除权伊始，价格稳步攀升，但幅度不大，可以说是窄幅波动，但成交放大，当价格随着成交量的放大而不能成正比时，在价平量增时，则变盘概率较大，只是此时背离后，价格选择了下行，后市跌幅巨大。至15.55元附近止跌反弹后回抽被突破的下降趋势中，价格又持续稳定在17-18元之间波动，与此同时成交持续性放大，此阶段属于多方缓慢吸筹，但不肯付出较大的代价，于是僵持一段时间，随着成交越来越大，多头最终反击，此阶段是八边形中的8至1，明显为买点，而也就是在此时，我们的客户大量开始建仓；此后量增价升，趋势持续，八边形的1-2，买入加码阶段。随后攻击至21.5元后，成交较之此前20元附近的量能不足，缩量后成呈现量价背离，股价出现回调，直至成交重新放大，继续演绎量增价平后，价格再度启动，此后出现八边形中的2到3阶段，直至27.73元附近，价涨量缩出现，则表明股价盘整，投资者可以退出观望。从27.73元直至2015年3月19日，整个区间有事价平量增，则可能向上变盘，也就是后市可能仍存在较大的买入机会，一旦技术盘口语言给出买入信号，则可大胆跟进。
本周该股再度大幅上涨，符合图中提前标记的量增价升买入的观点。
二、盘中敢于实盘交易的均胜电子（600699）
在大盘连续快速上攻中，个股轮番普涨，但如何把握既不盲目追高，又能稳健获利且空间巨大的潜力品种，除了处于风口外，还要有良好的量价关系。譬如，本周一我在北京实战演练中重点出击的就是均胜电子（600699）。为何选择它？请看图。
篇5：探讨量价时空关系式的经济应用
首先, 要对上述四个要素进行分解, 数量分商品的供应数量和需求数量;价格分商品提供者能够承受的最低价格和商品使用者的接收价格;时间分商品储存寿命、生产寿命和商品消费寿命, 因为, 时间概念对于本文来说是个新的概念不同于传统意义上的商品使用寿命, 所以在此需要解释的详细一些, 商品储存寿命指商品生产出来后储存的时间, 商品的生产寿命指商品生产的周期, 商品消费寿命指消费者购买商品从开始起到商品损坏或消耗掉的时间, 一般情况下是平均使用寿命;空间范围指商品的潜在使用范围和使用范围, 潜在范围指商品未来的范围趋势, 它可以增大也可以减少是一个预测范围, 使用范围指过去的或当前的适用范围是一个确定量。
一、量价时空关系式的建立
传统的收入是用销售价格与销售数量的乘积来表示的[1], 用公式表示是:
收入=销售数量×销售价格
传统的成本是用单位成本和生产数量的乘积来表示的, 用公式表示是:
成本=生产数量×单位成本
传统的收益用收入和成本之差表示[2], 用公式表示是:
收益=收入-成本
为了探讨量价时空之间的关系, 本文引进广义收入、广义成本和广义收益的概念。
定义1:广义收入是用商品的需求数量和商品使用者的接收价格与商品储存寿命以及商品的需求范围系数的乘积。用公式表示是:
广义收入=需求数量×接收价格×储存寿命×需求范围系数
需求范围=需求范围系数×需求数量=潜在使用范围+使用范围
定义2:广义成本是用商品的供应数量和商品提供者能够承受的最低价格与商品生产寿命加商品消费寿命之和以及商品的使用范围系数的乘积。用公式表示是:
广义成本=供应数量×最低价格× (生产寿命+消费寿命) ×使用范围系数
使用范围=使用范围系数×供应数量
广义收益=广义收入-广义成本
对比各个关系公式以及各个名词解释可以看出量价时空关系式存在以下特征:
1.如果未来市场商品的需求数量大、消费者能够接受的价格高、产品储存的寿命 (或者说产品生产出来以后能够供应的寿命) 长、商品的潜在范围大, 未来商品的收益就大。
2.最低价格通常是单位成本, 有时也可能是企业预期的最低价格或能够承受的最低价格。
3.如果当前市场商品的供应数量大、单位成本高 (或者说最低价格高) 、使用范围在缩减、商品的消费寿命长, 未来商品的成本增大或者收益减少。
4.通常情况下需求范围与使用范围相等, 企业要获得更大的收益, 必须要找到更多的潜在范围。
5.当不考虑时间和空间范围时, 即供应寿命、潜在范围、生产寿命加消费寿命之和以及使用范围都等于1时, 广义收入、广义成本与传统收入、传统成本的意义相同。
二、量价时空关系式的应用
量价时空关系式的应用的分类按照相对性可以分为绝对量应用和相对量应用, 按照范围分可以分为宏观应用和微观应用。
1.绝对量的应用分析
通过量价时空关系式的特征可以看出计算广义收入和广义成本的具体数值没有多大的现实意义, 但是, 可以看出与传统的收益比较可以得到启示, 企业在考虑未来收益时至少要考虑需求数量、接收价格、储存寿命、潜在使用范围、使用范围、供应数量、最低价格、生产寿命、消费寿命9个因素, 在这9个因素中除了消费寿命不好控制以外, 其它8个因素都可以通过企业的努力来达到最佳的效果。
结合绝对量先对微观进行应用分析, 传统的情况下, 市场发生了突发事件时企业的应对措施一般首先考虑的是限产压价, 在量价时空关系式下, 我们将广义收入进行合并得出如下公式:
广义收入= (潜在使用范围+使用范围) ×接收价格×储存寿命
在这个公式中可以看出, 企业在应对突发事件时, 首先是应当想办法延长储存寿命和寻找到新的潜在使用范围。以2007年南方发生的香蕉突变事件为例, 当时出现误传吃香蕉能引起癌症, 虽然从香蕉的历史来看这种误传纯属胡说八道, 但是由于突发事件的发生, 大量香蕉不能运出生产地, 此时限产已经不可能了, 当地蕉农采取的是压价销售[3], 很显然这种方式不是解决方法, 结果可想而知, 当地蕉农损失惨重, 许多蕉农面临破产。设想一下, 如果蕉农改变思路首先想办法延长香蕉的储存时间, 比如说:将香蕉蒸熟晒干或直接晒干, 然后将其使用范围由水果扩展到果脯、饲料等使用范围, 蕉农的损失将会大大地减少。此种思路可以运用到任何一个商品制造企业和商品流通企业。
再来看绝对量对宏观进行分析的应用, 以企业选择行业投资为例, 根据上述合并后的广义收入公式以及广义成本可以看出, 企业选择行业投资, 如果想获得更好的收益必须寻找那些潜在使用范围大、接受价格高、储存寿命长、最低价格 (单位成本) 低、生产寿命短、消费寿命完结快的行业, 很显然要使上述因素都对企业有利是非常困难的, 但是可以根据上述各种因素进行比较, 选择比重高含量高的因素进行投资。下面对一些热门行业的未来进行预测:
首先看网络行业, 对于网络行业最大的优势是它的潜在范围是巨大的, 可以说其潜在的空间范围包括全世界的范围, 将其巨大的空间范围代入前述公式可以看出广义收入是巨大的一个数值, 因此, 是一个非常值得投资的行业;其次分析一下农业, 农业的优势在于未来的潜在使用范围越来越大, 很显然随着石油煤炭资源的不断减少, 未来农产品将在能源、燃料、化工原料等方面越来越多的替代石油煤炭等资源, 另外, 农产品有生产寿命短、消费寿命完结快的特点, 如果能够进一步延长其储存寿命, 农产品行业的潜力是巨大的。利用广义收入和广义成本的关系可以对多种行业在定量的基础上进行定性分析, 要注意的是替代产品的问题, 如果某个行业替代产品势头发展强劲, 就意味着该行业的主流产品的潜在使用范围可能出现负值, 这时广义收入就会出现减少, 一般来说这个行业主流产品进一步挖潜的可能性将减少, 也可能是该行业主流产品出现衰退的前期征兆。
2.相对量的应用分析
在进行相对量分析前先作一些假设, 假设一:广义收入是相对量的分析基础, 相对量分析只要对广义收入的相对量进行分析就可以得出正确的结果;假设二:两种不同的广义收入之比通常情况下趋于一个常数。同时对广义收入公式进行简化如下:
广义收入=使用范围×储存寿命×接受价格
如果上述假设成立会得出以下结论:如果同一种商品在不同地区, 但是两个地区的空间范围基本相同, 同时在相同的时间内价格不同, 价格高的商品有价格下降的趋势, 价格低的商品有价格上升的趋势。这样就可以简单的判断许多商品的相对趋势。例如:判断我国农产品价格未来的趋势, 与国际比较我国农产品多数的品种价格都是偏低的[4], 因此, 可以推论我国的农产品将会有一个长期的上涨趋势。
综上所述, 量价时空关系式无论是其绝对量应用还是相对量应用, 对经济未来的趋势都能有较好的预测功能和给出应对策略的功能, 但是, 它也存在明显的不足, 这主要表现在绝对量的计算数值与传统的绝对量计算之间的关系还需要进一步研究, 相对量分析的假设主要靠笔者直观的观察和一些简单的归纳得出, 理论依据不是十分充足。尽管量价时空关系式还存在许多不足, 但笔者认为通过在实践中的不断运用, 量价时空关系式将会越来越完善, 其运用也会越来越广泛。
参考文献
[1]黄良文编著.统计学原理.中央广播电视大学出版社, 1996.1.10.
[2]金中泉主编.基础会计.中央广播电视大学出版社, 2002.4.1.
[3]广东、海南蕉农损失7亿元.搜狐网, 2007-5-8.
篇6：量价关系图解分析
1992年, 我国期货市场正处于建立初期, 期货商品的发展不甚明了, 如今, 经过多年的发展, 无论从宏观的经济环境下, 还是从当前的期货行业的内部发展, 其市场环境都已经得到了明显的提高和改善。期货市场成为重要的研究对象。但国内外对期货市场的研究主要集中在法律法规、交易机制等方面, 而并没有十分强调对于期货市场量价关系的研究, 此外, 参与调研相关内容的专家学者多数是通过数理统计的方法进行分析, 本文采用了数据挖掘的方法, 运用SPSS统计分析方法, 从期货市场最为活跃的铜以及白糖入手研究其成交量、持仓量与价格的关系及其波动性, 进而验证当下期货市场结论的可靠性。
2 研究方法
在证券、期货及金融衍生品的波动特征研究方面, 国内外专家已做过多项相关研究, 并得出了期货市场普遍接受的结论。通常研究者会从固有数据入手, 对一些已有模型 (GARCH、ARIMA等) 进行分析与扩展。因此, 本文将现下期货市场普遍接受的结论——量价之间存在正相关关系作为假设, 以全新的角度和方法对于已有的结论进行了研究, 即采取了基于数据挖掘的SPSS软件分析方法。
3 相关理论
1963年, Granger等通过对每周数据的分析, 最早开始了对交易量之间关系的研究, 他们采取了谱分析方法, 发现了交易量与价格指数之间并没有存在必然的联系;1970年, Crouth等展开了市场个股的研究, 通过一段时间的调查, 他发现价格变化的绝对值与交易量之间存在正相关关系;1966年, Ying使用方差分析等方法, 发现小额的交易量通常会伴随着价格同步下跌, 而大份额的交易量也会伴随着价格的上升, 但是交易量幅度的增加与减少却与之相反;1973年, Clark首先开始针对价格变动与交易量的关系的调研, 特别对于期货品种棉花的价格变动的平方与累计交易量之间进行了研究, 研究表明, 两者之间存在正相关关系;1986年, Carcia验证了价格变动与交易量之间的引导关系;1988年, Liewl利用GRACH模型得出了针对棕榈油的价格波动与交易量之间的相互关系。
4 对国内白糖、铜期货市场量价关系的实证研究
研究的基本假设:本文以期货市场普遍认可的结论——量价之间存在正相关关系作为研究假设。研究对象:本文选取国内白糖、铜两类期货品种的量价关系作为研究对象, 分别利用白糖以及铜期货合约的日收盘价格和每日的成交量、持仓量, 借助SPSS软件的一些模型对国内白糖、铜期货市场的量价关系进行对比研究。
4.1 指标选择与样本数据
本文选择上海期货交易所合约白糖和合约铜作为市政研究对象, 并且选取每日数据作为分析样本。本文期货数据均来源于南华期货经纪有限公司。本文选取的样本期间为2007年1月1日至2012年4月5日, 样本总数为1258个。在本文中, 选取的每一组数据均为后一天的数据减去前一天的数据所得到的数据取绝对值, 且删除其中含有零值的数据组 (含零值的数据组一般代表当天没有交易的情况) 。其中, 本文用PRICE表示收盘价, 用VOLUME表示成交量, 用OPENINT表示持仓量, 用C表示铜, 用S表示白糖。
4.2 国内白糖期货市场的量价关系的研究
(1) 相关性分析
为研究量价之间的关系, 本文分别比较了期货品种白糖的收盘价的绝对差值S-PRICE与成交量的绝对差值S-VOLUME、收盘价的绝对差值S-PRICE与持仓量的绝对差值S-OPENINT的相关性, 并计算出了两者的相关系数, 结果见表1。
从表1中不难得出如下结论:期货商品白糖, 其收盘价的绝对差值与成交量、持仓量的绝对差值存在显著的正相关关系。
(2) 非线性拟合检验
为了对期货市场的相关商品做出预测, 将所得数据进行了非线性拟合分析。其中X代表S的成交量的绝对差值, Y代表S的收盘价格的绝对差值, 结果见表2。
从表2中, 本文选取了拟合度最高的Cubic模型, 即得出以下的拟合函数:
Y=37.611+8.67×10^ (-8) ×X×X-6.8×10^ (-13) ×X×X×X
从表2中不难看出:该函数的拟合度并不理想, 因而, 白糖的收盘价与成交量的绝对差值之间不存在拟合函数关系。
4.3 国内铜期货市场的量价关系的研究
国内铜期货市场的量价关系的研究同国内白糖期货市场的量价关系的研究思路。
由相关性分析得出如下结论:期货品种铜, 其收盘价的绝对差值与成交量、持仓量的绝对差值存在显著的正相关关系。
为了对期货市场相关产品做出预测, 将所得数据进行了非线性拟合分析。其中X代表C的成交量的绝对差值, Y代表C的收盘价格的绝对差值。
本文同样选取了拟合度最高的Cubic模型, 即得出以下的拟合函数:
Y=693.051-0.008×X+5.59×10^ (-7) ×X×X-2.7×10^ (-12) ×X×X×X
得出以下结论:虽然该函数的拟合度相较于白糖来说有所提高, 但总体而言, 仍不理想, 因而, 铜的收盘价与成交量的绝对差值之间也不存在拟合函数关系。
5 存在的问题及产生的原因及政策建议
5.1 存在的问题及产生的原因
(1) 实验过程中, 对于数据的处理并未十分完善, 仍旧可以从更为多元的角度进行分析;后期对于数据的软件处理, 并未达到预期标准, 因为自身对于SPSS软件技术存在制约性, 有很多潜在的功能并未得到合理的应用, 导致了实验结果可能存在偏颇;对于之前设想的价格浮动变动的预测, 以及期货市场的预警机制, 也并没有得到实现。
(2) 我国期货市场整体水平较国际市场来说还处于中低水平, 这也导致了一些期货市场价格功能的效率不高, 且市场的规模仍旧较小、品种较少, 无法形成一个竞争有序的市场氛围;我国期货市场的仓储体系和交割制度也还存在一定的缺陷, 其区域性较强, 流动性较弱;并未做到真正的拓展统一;对于期货市场, 仍然很少人认知并参加, 这也造成了投资者的缺少, 同样, 这也会影响期货市场无法发挥其全部功能。
5.2 政策建议
(1) 政府部门可以根据一些相关的期货价格的变动来调整相关的经济政策, 这将更为有效的促进及管理好期货市场, 此外, 对于一些品种, 比如说大豆等, 我国政府更应该采取一定的保护措施, 努力健全市场的运行机制, 使该品种的价格发现功能可以得到更好的发挥。
(2) 从一些专家的检验表明, 期货市场价格变动是现货市场价格变动的原因, 因而, 政府更应该认识并重视期货市场的相关产品, 了解其紧迫性与必要性, 适当的放松经济政策, 但仍旧保持对期货市场的规范力度, 最大程度的发挥市场自动调节及其价格功能。
摘要：本文以期货市场普遍认可的结论——量价之间存在正相关关系作为研究假设, 以SPSS统计分析软件作为研究工具, 通过对两个交易日的持仓量及成交量的绝对差值与价格的绝对差值的关系来加以验证。在研究过程中, 选取了白糖和铜这两个期货品种, 并对其2007—2012年五年的期货市场的价格、持仓量、成交量进行了分析。经研究验证, 两个交易日的持仓量及成交量的绝对差值与价格的绝对差值存在显著相关性。利用SPSS软件的非线性拟合方法得出了未来期货商品收盘价与成交量的关系函数, 但其拟合度较低。
关键词：SPSS,成交量,持仓量,价格
参考文献
[1]宋琳, 房珊珊.国内外铜期货市场价格发现功能比较研究[J].海南金融, 2012 (7) :49-55.
[2]王锋.期货市场量价分析法的短期预测力检验——基于久期理论的分析[J].技术经济与管理研究, 2011 (10) :84-87.
[3]陈星.期货市场量价关系:基于分位数回归模型的实证研究[J].南方经济, 2009 (7) :50-60.
[4]华仁海, 仲伟俊.对我国期货市场量价关系的实证分析[J].数量经济技术经济研究, 2002 (6) :119-121.
[5]唐万明, 王曼.期货交易中的量价分析[J].投资经济, 1995 (6) :24-25.
篇7：期权公式中变量依赖关系的图解
Black-Scholes公式作为一个成熟的数学模型, 依赖于数学的理论基础和基本假设。本节将从源头谈起, 阐述B-S公式的发展历史, 阐明理论基础。
欧式期权定价是指只能在合约规定的到期日实施的期权。根据合约中购入和销售的原生资产 (包括债券, 股票等) 划分, 它一般可分为看涨期权 (Call option) 和看跌期权 (Put option) 。看涨期权是一张在确定时间, 按确定价格有权购入一定数量和质量的原生资产的合约。而看跌期权是指一张在确定时间, 按确定价格有权出售一定数量和质量的原生资产的合约。设K为敲定价格, T为到期日, 则在到期日期权的收益为VT, 记作
这里ST表示原生资产在到期日T=t时的价格。
欧式期权的定价问题主要的研究方法是概率方法和偏微分方程方法 (以下简称PDE) 。1973年Fisher Black和Myron Scholes建立了看涨期权定价, 其创新之处在于该公式不依赖于投资人的偏好。该模型将所有投资人引向同一个以无风险利率作为投资回报率的风险中性世界。几乎与此同时, R.Merton在“合理的期权定价理论”一文中对BlackScholes模型和定价公式作了完善和多方面的推广, 并将他们利用期权来估价公司负债的思想, 并发展成为所谓的“未定权益分析”。由他们三人共同开创的期权定价理论被誉为“华尔街的第二次革命”, 1997年由于这个光辉的公式以及由此产生的期权定价理论方面的一系列贡献, M.Scholes和R.Merton获得诺贝尔经济学奖。
迄今为止, 在衍生证券的定价理论中, 著名经济学家、诺贝尔奖获得者Black-Scholes建立的定价理论成为华尔街的操盘法律。
二、期权价格对变量的依赖关系
基于市场无套利假设, 通过对冲原理, 人们进入了风险中性世界, 得到了Black-Scholes公式, 下面将研究BlackScholes公式对不同参数和自变量的微商符号。
由Black-Scholes公式, 欧式看涨 (跌) 期权价格c (S, t) (p (S, t) ) 可表示为:
由于研究方法类似, 所以我们仅对欧式看涨期权价格进行研究。
(一) 价格对S与K的依赖关系
经过计算, 我们得到
所以,
因此, 我们知道, 如果S越大, 那么看涨期权价格越高;同时, 如果K越大, 那么看涨期权价格也越高。从金融角度解释:股价上涨, 或者敲定价格下降, 那么看涨期权的持有人在未来获益的机会就越大, 可能获得的利益也越多, 因此显然期权价格会相应上升。
(二) 价格对r与σ的依赖关系
同理, 因此, 如果无风险利率上升, 那么看涨期权价格也会相应上升。从金融角度解释, 无风险利率上升会影响两个方面: (一) 对于股票回报率来说, 在风险中性世界, 股票期望回报率为E (St) =rdt, 当无风险利率上升时, 期望回报率也上升; (二) 对于现金流来说, 在t=T时刻收到的现金K的现值为K (e-r (T-t) ) , 也就是说, 当无风险利率上升时, 收到的现值也相应减少。在t=T时刻, 若用现金买入股票, 将提高收益, 所以, 期权价格就相应上升了。从这一角度看, 若无风险利率上升, 那么看涨期权价格也会相应上升。现在讨论期权价格对波动率σ的依赖关系。经过计算, 换言之, 对于不同的股票, 波动率σ越大, 看涨期权的价格越高。从金融角度解释, 波动率σ越大, 表示股票的上扬和下跌波动也相应增加, 也就是投资的风险增加。同时, 股票的价格变化只有两种可能: (一) 股价上升, 那么看涨期权持有人的获益就越大; (二) 股价下跌, 此时看涨期权持有人的损失是有下限的。也就是说, 他的最大损失时失去全部期权金。所以, 股票期权的波动对于看涨期权持有人来说是不均等的。由此可以看出, 若波动率σ升高, 看涨期权的价格也随之变大。
(三) 价格对T与t的依赖关系
对于有效期T与时间t来说,
由上式可得, 到期日越长, 一张没有红利支付的股票看涨期权的价格将上升。
三、期权价格对变量依赖关系的图解
综上所述, 对于欧式看涨期权, 我们可以总结得到:
欧式看涨期权的性质 (无红利支付)
其中, “+”表示期权价格是变量的增函数, “-”表示期权价格是变量的减函数。
用m a t l a b软件作图, 为了清楚显示各个因素的作用, 除非在图中特别指出, 取参数如下:S=660, r=0.02, T=10, t=0, σ=0.1.我们得到下面四幅图。
图 (a) -图 (d) 都显示了敲定价格对看涨期权价值的影响。当其他变量一定时, 敲定价越高, 则看涨期权价值越小。与此同时, 图 (a) 显示了股价对看涨期权价值的影响。且股价价格越大, 那么看涨期权的价值也相应上升。不仅如此, 我们还发现, 股价对价值的影响几乎是线性的。同样, 图 (b) 则说明了无风险利率对价值的影响, 图 (c) 显示了波动率对价值的影响, 图 (d) 显示了到期日长短对价值的影响。由于图像与上述微商做出的结果相同, 在此不一一赘述。
参考文献
[1]谷超豪, 李大潜, 陈恕行等.数学物理方程 (第二版) .北京:高等教育出版社, 2002
[2]姜礼尚.期权定价的数学模型和方法.北京:高等教育出版社, 2008