2006年第1期 南京财经大学学报
总第137期 Journal—of Nanjing University of—Finance and Economics
No．1，2006
Serial No．137
我国股票市场量价关系的实证研究
基于牛市、熊市和盘整市不同情况下的比较分析
于 伟，尹敬东
(南京财经大学，江苏 南京 210003)
摘要：量价关系是研究股票市场的基础，又与技术分析的有效性密切相关。本文基于量价关系在牛市、
熊市和盘整市三种不同市场情形下可能有所不同的考虑，以沪市上证指数和总成交量为研究对象，借助协整
检验、向量误差修正模型以及产出冲击反应等方法分别对三类市场情形进行实证研究。研究结果显示，价量
之间的确存在长期协整关系。沪市指数的变化总是可以解释随后量的变化，反过来则不成立。研究发现一
些基于成交量的技术指标在熊市或盘整市情形中失效，而在牛市中尚具有一定效用。实证结果还旁证了中
短期内我国股票市场是部分有效的，但从长期来看却是有效市场。
关键词：量价关系；协整检验；误差修正模型；冲击反应
中圈分类号：F830．9 文献标识码：A 文章编号：1672—6049(2006)O1—0064—06
一
、 引育
股票市场中最基本的关系是量价关系。传统的理论
认为，量价配合的市场是相对稳定的，而若二者发生背驰，
则蕴含市场发生反转的可能，并且在一般情况下，量在价
先。经典结论是否适合中国的情况，有必要结合中国证券
市场运行的实践进行检验。基于此，本文以我国上海证券
交易所股票交易的上证指数和总成交量数据为基础，借助
于协整检验、误差修正模型、格兰杰因果检验、冲击反应分
析等现代计量分析技术，检验中国证券市场的总体量价特
征：沪市的量价之间的基本关系、量价之间的因果性检验、
相互问的影响力度、投资者使用量价分析进行投资决策是
否可行等。与一般的实证研究不同，本文充分考虑中国证
券市场股价和交易量剧烈的周期性波动特征，从股价周期
波动的不同阶段检验证券市场的运行特征。为此，我们将
中国证券市场划分为三类情况进行讨论：一是牛市，即在
此时期内指数剧烈地大幅上升；二是熊市，对应于牛市，即
在此时期内指数大幅剧烈地下挫；三是盘整市，即在此段
时期内，上证指数处于震荡整理阶段。最后我们对牛市、
熊市、盘整市三种不同情况进行对比研究。
=、研究方法
本文的主要目的是讨论不同市场背景下量价之间的
关系特征。首先，为了研究二者之间是否存在长期均衡
关系，我们借助Johansen协整检验的方法来检验上证指
数 P与沪市总成交量L之间是否存在协整关系，在此基
础上再进行冲击反应研究。
如果上证指数P与成交量L之间存在协整关系，则
可以利用向量误差修正(VEC)模型研究上证指数与成交
量之间的相互引导关系和相互影响力。上证指数与成交
量之间的误差修正模型可表示为：
△尸t= 。+n 五一 +∑ (f)△尸‘一 +∑ (i)ALt— +
(1)
AL,=‰+Or￡五一l+∑ l(OAR,一 + ( ) ~82t
(2)
其中△为一阶差分， 。。( )， 12(i)， 2l(i)， 2 (i)为
短期调整系数，z 为上证指数 P与成交量L协整关系
中的误差修正项，n 和 毗 为误差修正项系数，n为滞后
收稿 日期：2005—09—13
作者简介：于伟(1982一 )，男，江苏常州人，南京财经大学金融学院硕士研究生，研究方向为宏观经济、金融工程；尹敬东
(1964一 )，男．安徽宿松人，南京财经大学经济学院教授，研究方向为宏观经济、风险定价。
- - - -— — 64 ----——
维普资讯
阶数，按照AIC准则选定。误差修正项的系数a 和 a
具有两方面的作用，一是可以识别上证指数与成交量之
间Granger因果关系的方向，二是在系统偏离均衡状态
时，可以测量上证指数与成交量的调整速度和调整方向。
如果P 和 ，J 之间存在着长期均衡关系(即二者协
整)，我们不妨以P=aL表示，则等式(1)和(2)中的误差
修正项就可以表示为 P—a三的形式，具体为 z =
[P一以] 。如果误差修正项系数Ot (或Ot )相对较小，
则上证指数(或成交量)回复到均衡状态的速度相对较
慢。另外，当z >0时，成交量 ，J 应该上升，而指数 Pf
应该下降以回复到长期均衡状态，因此，从理论上来说，
口 应为负数， 而应为正数。
通过误差修正模型，还可以说明上证指数与成交量之
间的相互引导关系，如果利用，J 的历史数据比不利用三 的
历史数据可以对 进行更精确的估计，则称 Grangeri~l导
。 如果等式(1)中△ 一 的系数或者误差修正项系数Ot 不
全为零，则厶Granger引导Pf；同样，如果等式(2)中 一 的
系数或者误差修正项系数Ot 不全为零，则 Granger引导
厶。因此可以用t检验对误差修正项系数进行显著性检验，
再用Granger检验中的F统计量进行检验。
另外，我们还利用Pesaran和Shin(1997)提出的GIR
(Generalised Impulse Responses)方法进行研究。
三、样本数据
本文选择的研究样本取自于上海证券市场的上证指
数日收盘价数据和日交易量数据。由于我国股票市场具
有较强的波动性，所以如果我们单是研究某一大段时间
内的量价关系，就很有可能因为样本时间跨度选择的不
同而得到不同的结论。因为在不同时间跨度下股票市场
的背景是不一样的，即在前面提及的三种迥异的市场情
况。我们没有理由认为在不同的市场情况下，量价会始
终保持着同样的关系。
鉴于此，我们有必要结合股票市场的不同阶段的运行
特征分别加以研究，为此分为牛市、熊市、盘整市三种情
形。所谓“牛市”，也称多头市场，指市场行情普遍看涨，延
续时间较长的大升市。而“熊市”也称空头市场，指行情普
遍看淡，延续时间相对较长的大跌市。“盘整市”则是处于
二者间的一种相对平稳状态，期间多空方力量基本平衡，
股价处于上下小幅振动。基于上述定义，本文选择的盘整
市样本数据的时间跨度是从1997年10月20日至1999年
5月19日，共383个交易日，383组数据。这段时间，上证
指数始终在 1100点至1300点区间内小幅震荡，多空双方
力量基本平衡。牛市样本数据的时间跨度是从2003年 l1
月7日到2004年4月8日，共 101组数据，在这 101个交
易日里，上证指数从1300多点上涨到了1770点左右，涨幅
大而且快，符合典型的牛市特征。熊市样本数据的时间跨
度是从最近的21304年9月21日到2005年5月26日，共
160组数据，在这 160个交易日里，上证指数从 1450点下
跌至1050点左右，下跌很快而且幅度也很大。
由于上证指数和成交量数据值较大，为避免数据的
剧烈波动，对数据进行对数化处理，在此取自然对数。因
此我们最终得到了经过对数调整后的上证指数P和成交
量L，以此作为研究的对象。
本文的数据全部来自于海通证券大智慧网上交易
平台。
四、实证结果
1．ADF检验
为得到量价之问的平稳关系，我们采用ADF检验的
方法来检验序列是否存在单位根。如果得到的 ADF检
验统计量的值大于的临界值，就表明存在单位根，该序列
是非平稳的；反之，则是平稳的。根据牛市、熊市和盘整
市的三组数据分别采用ADF检验，结果如下。
表l ADF检验
注：△表示一阶差分，表中的数据为显著性水平5％
的 ADF值 。
由表1的检验结果可知：在5％的置信水平下，零假
设(即时间序列是非平稳的)不能被拒绝，这说明在三种
情形下，上证指数和成交量序列均是非平稳的。进一步
对上证指数序列的一阶差分和成交量序列的一阶差分进
行ADF检验，由表1可知，在5％的置信水平下，零假设
被拒绝，也即说明指数序列的一阶差分和成交量序列的
一 阶差分均是平稳的，这说明牛市、熊市、盘整市的指数
序列tP }和成交量序列t三 }均是一阶非平稳过程。
2．协整检验
ADF检验表明在牛市、熊市、盘整市三种情形下，成交
量三 和上证指数P 都是一阶单整序列，为得到成交量三
和上证指数Pc之间的长期关系，必须进行协整检验。为
此，我们采用Johansen(1995)提出的关于系数矩阵的协整
似然比( )检验方法来检验三种不同情形下成交量三 和
上证指数 之间是否存在着协整关系。并选择含常数项
和含趋势项的Johansen协整检验进行检验。结果见表2。
表2 Johansen协整检验
一 65 —
维普资讯
由表2的检验结果可知，零假设 r≤0被拒绝，而零
假设 r≤1不能被拒绝，说明在牛市、熊市、盘整市三种情
况下上证指数和成交量之间均存在协整关系，而且各种
情况下仅有一个协整关系。即从长期来看，指数和成交
量之间保持着长期均衡关系。
3．误差修正模型的参数估计及 Granger因果检验
向量误差修正(VEC)模型是对诸变量施加了协整约
束条件的向量自回归模型。其中，z 项反映了变量在
短期波动中偏离它们长期均衡关系的程度，误差修正模
型可以很好地反映一旦发生了上述偏离后变量各自的运
动方向和速度。由于上面我们已经检验出存在协整关
系，所以可以据此建立向量误差修正模型。表3、表4、表
5分别给出了牛市、熊市、盘整市三种情形的误差修正模
型的参数估计。为检验成交量和指数之间是否具有单向
因果关系或双向因果关系，表中我们也给出了Granger因
果检验结果。如果是双向的，则说明外部信息对价量的
影响是同步的。
(1)牛市情形的检验结果和相关分析
表3给出了牛市情况的误差修正模型的参数估计和
Granger因果检验的检验结果。结果显示，aP为正，a￡也
为正，但只有a 统计显著。 不显著，说明当系统偏离
均衡状态时，下一期指数对非均衡状态没有做出反应，即
牛市中上证指数不存在误差修正性质。a >0，说明误差
修正项对成交量的变动具有正向调整作用，即当系统偏离
均衡状态时，如果误差修正项为正(即Z >0)，说明成交
量相对于应有的长期均衡水平偏低，则下一期的成交量将
上升；同样，如果误差修正项为负(即Z <0)，说明成交
量相对于应有的长期均衡水平偏高，则下一期的成交量将
减小。而且修正的幅度比平均为0．95，处于较高的水平。
表3 牛市误差修正模型的参数估计
及 Granger因果检验
被解释变量
△P △
解释变量 系数 t统计值 系数 t统计值
C O．0033 2．68 一O．Ol 一0．48
ZI_J 0．001 0．07 0．95’ 3．77
△尸I—l 一0．15 一1．57 5．77’ 3．53
AP
一 2 一 O．18 —1．72 1．17 0．68
AL 0．02’ 2．48 —0．1l 一1．03
AL,
一 2 0．02 3．39 —0．04 —0．39
Granger因果检验
零假设 F统计值 概率值
不是 P的 Granger成因 5．00 0．003
P不是L的 Granger成因 6．61‘ 0
注：zf_l：P 一0．3385L,一l一2．5480，带{号的表示
在5％的显著性水平下显著。
进一步观察滞后变量的系数，不难发现，在牛市中有
很强的量价互动特征，在模型(1)中， 滞后项△ 一 ( =1，
2)的系数统计上都非常显著，同时对模型(2)，P的一阶和
二阶滞后项统计检验也非常显著。统计上的这种量价互
动特征是和牛市中人们的直觉是一致的，即在牛市中交易
量和价格的攀升是一致的。上证指数收盘价 P与成交量
L之间存在双向Granger因果关系也证明了这一点。
(2)熊市情形的检验结果和相关分析
表4 熊市误差修正模型的参数估计
及Granger因果检验
解释变量 系数 t统计值 系数 t统计值
C 一0．002 —2．38 一O．Ol —O．45
Z c_l 0．004 0．83 0
． 41‘ 4．25
AP 一0．14 一1．67 4．45‘ 2．81
AP
一 2 —0．19 一2．13 —2．9O —1．79
△L
一 l 0．004 0．89 —0．07 —0．86
AL 一2 0．007 1．52 —0．05 —0．60
Granger因果检验
零假设风 F统计值 概率值
，J不是 P的 Granger成因 0．91 0．44
P不是 的 Granger成因 5．23‘ 0．002
注：Z =尸l—l一0．6324L,一l一1．4102，带{号的表示
在5％的显著性水平下显著。
表4给出了熊市情况的误差修正模型的参数估计和
Granger因果检验的检验结果。同样进行类似的分析，发
现，在熊市情形中，上证指数收盘价P与成交量 L之间不
存在双向Granger因果关系，只有P是 ，J的Granger成因。
熊市情形下上证指数不存在误差修正性质，但是成交量却
存在着误差修正性质，且修正的幅度比平均为o．41，与牛
市中的0．95相比要弱得多。应当说这也是符合实际的，
熊市的过程实际上是一个成交量萎缩的过程，误差修正力
度自然应当要小一些。此外，同牛市△P不同的是，惟有
价格才具有解释力，实证结果显示滞后的不但对 在统
计上具有较高的显著性水平，而且对△P也有解释力。
(3)盘整市情形的检验结果和相关分析
结果显示，a 为负，a 为正，但只有a 统计显著。
a 不显著，说明当系统偏离均衡状态时，下一期指数对
非均衡状态没有做出反应，即盘整市中上证指数不存在
误差修正性质。a >0，说明误差修正项对成交量的变动
具有正向调整作用，即当系统偏离均衡状态时，如果误差
修正项为正(即Z．．．>0)，则下一期的成交量将上升，且
上升的幅度比平均为 0．43；同样如果误差修正项为负
(即Zl一。<0)，则下一期的成交量将减小。
进一步观察滞后变量的系数，不难发现，在模型(1)
中，所有的 滞后项△，J (i=l，2，3)的系数较之牛市和
熊市都明显偏小，且在统计上均不显著；而在模型(2)
一 66 —
维普资讯
中，P的一阶滞后变量的系数保持了统计上的显著性，但
力度较牛市和熊市小。由此可以看出即使在盘整市价格
依然是交易量变化的原因。表中的Granger因果检验的
结果也证明了我们的结论。
表5 盘整市误差修正模型的参数估计
及 Granger因果检验
被解释变量
△P △
解释变量 系数 t统计值 系数
C 一0．0oo2 —0．26 0．00O9
ZI_l 一0．01 —1．61 0
． 43
AP
一 1 0．02 0．41 4．23
Ap 2 —0．11 一1．94 0．19
Ap 3 2．21 2．88 2．21
△L 0．001 0．37 —0．19’
△厶一2 0．001 Q 27 —0．19
△ 一3 0．004 1．01 —0．06
Granger因果检验
零假设 ，统计值
不是 P的 Granger成因 1．549
P不是 的 Granger成因 10．814
注：Zc_1=PfI1—0．3222L 一2．9274，带 号的表示
在5％的显著性水平下显著。
4．冲击反应分析
为进一步分析上证指数收盘价与成交量变动之间的
相互影响，我们应用冲击反应(Impulse Responses)分析方
法来进行进一步的研究。冲击反应分析的主要思想是分
析误差修正模型中残差项一个标准误差的冲击对二者变
动影响作用的大小。
(1)牛市情形
Response of P to One S．D．L Innovation
图1 指数收盘价对来自成交量的冲击的反应
从图1和图2可以看出，在牛市情形下，指数收盘价
对来自成交量的冲击的反应在第三期达到最大，这一反
应较以下我们要分析的熊市和盘整市情形都大，满足我
们在牛市情形误差修正模型中得到的结论，即 统计上
可解释P。而成交量对来自指数收盘价的冲击的反应在
Response of L to One S．D．P Innovation
图2 成交量对来自指数收盘价的冲击的反应
Response of P to One S．D．L Innovation
Q0o10
Q0005
Q000o
— QO005
一 Q0o10
一 Q0o15
一 Q002O
～
图3 指数收盘价对来自成交量的冲击的反应
Respo nse of L to One S．D．P Innovation
图4 成交量对来自指数收盘价的冲击的反应
第二Et达到最大，随后减小。
(2)熊市情形
熊市情形下，由图3可知P对于来自 的冲击反应
很小。而成交量对来自指数收盘价的冲击的反应在第二
日达到最大，随后逐渐减小。同样符合熊市情形误差修
正模型得到的结论。
(3)盘整市场情形
图5和图6分别给出了盘整市情形的误差修正模型
中残差项一个标准误差的冲击对指数收盘价和成交量的
一 67 一
州m加 踞 直 鲥 抛 黻 一一一 孵 0
维普资讯
Response of P to One S．D．L Innovation
图5 指数收盘价对来自成交量的冲击的反应
Respo nse ofP to One S．D．L Innovation
图6 成交量对来自指数收盘价的冲击的反应
冲击作用的直观表示。由图5可知，来 自成交量的冲击
对指数收盘价格的冲击作用虽然逐渐递增，但是冲击反
应很小，这也旁证了在上面误差修正模型分析中得到的
L对P不具影响的结论。而由图6可知，来自指数收盘
价的冲击对成交量的冲击作用在随后的第二个交易日达
到最大，到第三个交易日后又有所反弹，第四个交易日后
开始递减(注意：我们使用的是经过对数化处理后的数
据，所以总体数值较小，在数量级上已具有明显波动)。
因此，从冲击反应分析中可以同样看到盘整情形下指数
收盘价对成交量的影响较大。
五、主要结论和启示
通过对我国股市总体量价关系在盘整市、牛市、熊市
三类不同的情况背景下二者的相互关系分析，主要得到
了如下的几点结论：
1．盘整市、牛市、熊市三类不同情形下的共同点：
(1)无论在何种情形下，指数收盘价和成交量之间
都存在着协整关系，表明这二者在长期内的确遵循着一
种均衡，而且研究进一步表明指数与成交量从长期来看
是呈正相关的。
(2)无论在何种情形下，上证指数价格均是成交量
的Granger成因，成交量可以解释为指数价格随后的变
化。而且指数价格对成交量的影响力相当大，这说明价
格对信息反应的敏感性比成交量要迅速，价在量先。
(3)无论何种情形，当以成交量作为因变量时(即方
程(2))，误差修正项均显著有意义，且误差修正项前系
数为正值。这表明当成交量和指数价格偏离长期均衡关
系时，成交量会自动向长期均衡关系靠拢，这也符合我们
的理论推导。
(4)无论何种情形，当以指数收盘价格作为因变量
时，误差修正项均不显著。这表明当成交量和指数价格
偏离长期均衡关系时，指数价格并不会自动向长期均衡
关系靠拢。
(5)无论何种情形，成交量对来 自指数收盘价的冲
击的反应都是在第二天达到最大，然后开始递减。说明
指数收盘价格对成交量的影响主要是短期性的，越往后
影响越弱。
2．盘整市、牛市、熊市三类不同情形下的区别：
(1)在盘整市、熊市两种情形下，成交量均不是上证
指数收盘价格的Granger成因，成交量对指数不具有解释
力。只有在牛市的情况下，成交量才是上证指数收盘价
格的 Granger成因。
(2)当以成交量作为因变量时，无论是误差修正项
前的系数还是前期的指数价格前的系数，牛市情形都要
明显大于盘整市和熊市这两种情况。尤其是误差修正项
前的系数，牛市中是0．95，而另两者却是0．41和0．43。
这表明牛市中成交量的误差调整能力远大于其他两种情
况。同时，牛市中指数价格对成交量的影响力也较另外
两种情况大。
3．虽然从长期来看，量价之间确实存在着协整关
系，但这并不能成为广大投资者可以利用成交量指标进
行投资决策的根据。传统的“量在价先”、“天量见天
价、地量见地价”的投资理念是错误的，我们实证后得
出：在熊市和盘整市情况下，量对价的变化不具有解释
作用，只有在牛市情形中量对价才具有一定的影响力。
在熊市或是盘整市中，如果投资者利用成交量指标来预
测后期价格走势，那就等于是进入了一个随机世界，一
切皆有可能。因此，可以推断出在熊市或盘整市背景
下，我国短期成交量指标无用，一些或多或少地利用成
交量建立起来的分析方法的可行性也值得怀疑。而在
牛市这种大环境下，成交量指标对后市价格的预测尚具
有一定作用。
4．由上述实证结果不难引申出来这么一个结论：从
量价这个角度来看，我国的股票市场是部分有效的。在
熊市、盘整市，任何人都不可能通过成交量来准确地判断
出后市行情。设想，如果投资者能够轻易地从成交量上
预测未来短期价格走势，那很明显这个市场是非正常的，
必定是非有效市场。但研究发现在牛市中，由于成交量
对指数价格尚具有解释力，所以考虑过去的成交量对预
测未来的价格是有益的，说明成交量指标具有一定的可
预测性，只是对价格的预测效果还比较有限。所以，综合
一 68 ～
；宝 瞄 薹； 咖 伽 啷 耋l 蝴 ㈣ 啷
维普资讯
来看，我国的股票市场是部分有效的。
5．比较不同情形下得出的误差修正项系数的大小，
我们可以发现不同市场环境下投资者的投资心理的变
化。对于牛市情形，价格会诱导成交量大幅放大，放大的
幅度是熊市和盘整市的两倍还多。可见牛市中投资者比
较激进，他们对后市比较乐观，认为牛市仍将持续。 一。
大于0即价格向上脱离与成交量的长期关系正是表示了
后市将会有一段好的行情，所以随后成交异常活跃。相
比之下，处于盘整市场和熊市的投资者就显得相对保守，
比较谨慎，同样情况下成交量的放大相比牛市要小得多；
z 小于0即价格向下脱离与成交量的长期关系时，随
后成交量萎缩较大，这依然表明了大家对后市乐观的态
度。因为此时的成交量可视为由空方主导的成交量，空
方成交量的大量萎缩体现出投资者并没有恐慌性的抛
盘，他们对后市有信心。相比之下，处于盘整市场和熊市
的投资者就显得比较谨慎，成交量的缩小相比牛市要小，
换句话说，也就是空方成交量比牛市情形大。
6．基于量价关系在不同的市场阶段有不同的行为
模型，我们的推论是在中国股票市场可能并不存在一个
前后一致的长期预期模型(三种背景)套利，也就是说从
长期看我国股市是有效的。因为从长期来看，由于市场
情况并不是一成不变的(虽然变化的频率不高)，且不同
市场情况下价量间的长期均衡关系，即协整关系又有所
不同，所以投资者不可能利用某一个跨不同阶段的量价
协整关系来在长期内正确地对未来市场作出预期。
参考文献：
[1]Clark P K．A subordinated stochastic process model with
finite variance for speculative prices[J]．Econometrica，
1973，41(1)．
[2]Epps T．W，Epps M．L．The stochastic dependence of se—
curity P rice changes and transaction volumes：implica-
tions for the mixture-of-distributions hypothesis[J]．
Econometrica，1976，44(3)．
[3]Tauchen G，Pitts M．．The price variability—volume rela-
tionship on speculative markets[J]．Econometrica，1 983，
51(3)．
[4]Karpoff J M．．The relation between price changes and
trading volume：a survey[J]．Journal of Financial Quan—
titative Analysis，1987，22(1)．
[5]Amin K，Ng B．．Option valuation with systematic sto-
chastic volatility[J]．Journal of Finance，1993，48(3)．
[6]Westerfield，R．．The Distribution of Common Stock
Prices Changes：An Application of Transactions time and
Subordinated Stochastic Models『J]．Journal of Financial
and Quantitative Analysis，1997，(12)．
[7]Anderson T．．Return volatility and trading volume：an
information floW interpretation of stochastic volatility『J]．
Joumal of Finance，1996，51(1)．
[8]Lamoureux，C．，Lastrapes．W．．Heteroskedasticity in
Stock Return Data：Volume Versus GARCH Effect[J]．
Journal of Finance，1999，(45)．
[9]Chen，G．M，Lee，C．F，Rui，M．O．Stock Returns and
Volatility of China Stock Markets[J]．Journal of Finan-
cical Research，2001，(24)．
[1O]华仁海，丁秀玲．我国股票市场收益、交易量、波动性
动态关系的实证分析[J]．财贸经济，2003，(12)．
(责任编辑：黄明晴)
An Empirical An alysis of the stock Price—Volume Relationship
— — Comparative Analysis Among Bull Market、Bear Market and
Concussive Market of Shanghai Stock Market
YU Wei，YIN Jindong
(Nanjing University of Finance and Economics，Nanjing 210003，China)
Abstract：The relationship of price and volume is the basis of stock market and technical analysis，The relationship may
be not the same under the three situations，SO we make a comparison．The paper use the data of price index and volume of
Shanghai stock market，use Cointegration analysis、Vector Error Correction Model and Impulse Response Function approach．
The conclusions are：there exists a long term equilibrium between price and volume；the change of price index can explain
change of volume，but it is not correct contrarily；some technical analysis founded on volume lose efficacy，just effective in“bull
market”．At the same time．we found Shanghai stock market is partial effective in short-term ，but completely effective in long。
term ．
Key words：relationship between price and volume；Cointegration analysis；Vector Error Correction Model；Impulse Re。
sponse Function
一 69 —
维普资讯
