【正文】 信息猛烈影響到節(jié)假日后的第一個工作日，又可以承載整個一周的信息，從而做到數(shù)據(jù)連續(xù)。從大量文獻上來看，所建立的模型不是直接利用價格和成交量，而是利用收益率，相對成交量，原因在于一是回歸模型個變量的量綱不同，無法進行回歸；二是投資者追求收益率，而不是直接的價格，成交量的沖擊不是看成交量數(shù)據(jù)，而是成交量的增量。因此本文對數(shù)據(jù)作如下處理： ， 其中，Rt是黃金現(xiàn)貨第t期的收益率，是第t期收益率偏離平均收益率的離散程度；Vt是黃金現(xiàn)貨第t期成交量增長率，Pt是第t周黃金現(xiàn)貨收盤價的算術(shù)平均值, TOt是第t期黃金現(xiàn)貨交易量的算術(shù)平均值，n為總期數(shù)。此處不直接用算術(shù)增長率?AA，而是對其對數(shù)處理，原因在于減少異方差性，降低時間序列的非平穩(wěn)性。在建模之前，需要考察序列的平穩(wěn)性、是否服從正態(tài)分布才能進行模型回歸等，否則會出現(xiàn)“偽回歸”。故先對Rt和Vt做平穩(wěn)性檢驗和畫出他們的數(shù)據(jù)直方圖看是否服從正態(tài)分布，再做回歸和建模。黃金現(xiàn)貨收益率Rt、成交量增長率Vt、收益率離散程度RDt的ADF平穩(wěn)性檢驗（有常數(shù)項和趨勢項），兩個變量的t值均小于1%顯著檢驗值，說明兩個變量的時間序列均是平穩(wěn)的。，兩者均符合正態(tài)分布。因此，兩個變量能直接用于回歸模型。 黃金現(xiàn)貨收益率Rt、成交量增長率Vt和收益率離散程度RDt的ADF平穩(wěn)性檢驗變量t值1%顯著性檢驗值平穩(wěn)性黃金現(xiàn)貨收益率Rt平穩(wěn)黃金現(xiàn)貨成交量增長率Vt平穩(wěn)黃金現(xiàn)貨收益率離散程度RDt平穩(wěn) 黃金現(xiàn)貨成交量增長率Vt直方圖1）交易量沖擊及收益率沖擊的定義本文在第一章緒論中介紹了交易過度和價格波動過度，本文認為黃金現(xiàn)貨市場也有可能出現(xiàn)這兩種現(xiàn)象，很可能這兩種現(xiàn)象是引起過度反應(yīng)現(xiàn)象的原因。而且第四章的證明發(fā)現(xiàn)黃金現(xiàn)貨市場有交易量異常和價格波動異常出現(xiàn)這兩種現(xiàn)象的引起原因，本文在第四章做了詳細的闡述。交易量異常是由交易量影響因素模型公式43的擾動項平方的條件異方差性證明出來的。價格過度波動異常是通過黃金價格影響因素模型公式47的擾動項平方的條件異方差性來證明的。因此，由交易我們引出交易量沖擊，由價格波動引出收益率沖擊。本文根據(jù)陳向明（2007）提出的交易沖擊和收益率沖擊來定義。他所說的交易沖擊和收益率沖擊是未預(yù)期變化，也就是說他們是可以根據(jù)之前和當前信息進行預(yù)測，而超出預(yù)測的變化就是未預(yù)期變化；也即交易量沖擊是除去前幾期承載著信息的交易增長率V和當期信息之后的變化，收益率沖擊也是除去前幾期承載著信息的收益率離散程度RD和當期信息之后的變化。能很好的反映當期信息的指標是當期收益率，但是它可能會受到前幾期的影響，因此也需要將這種影響考慮到交易量沖擊和收益率沖擊的定義中去。那么當期收益率到底受到前幾期的影響呢？我們通過建立收益率自相關(guān)模型來確定。，收益率R與滯后的第113期自相關(guān)可能性很大，故建立自相關(guān)模型： （公式31） 收益率R自相關(guān)和偏自相關(guān)圖，DurbinWatson的d統(tǒng)計量d=,在2附近，也就是收益率R滯后的第1,5,12,13期基本能解釋R的自相關(guān)性。但是可決系數(shù)R2=，擬合程度并不高，這個源于影響當期收益率的并不只是前幾期的收益率；另外在5%顯著性檢驗之下，滯后的第5期及滯后的第13期P值大于5%，接受0假設(shè)，即在5%顯著性檢驗下，滯后的第5期及滯后的第13期系數(shù)為0，這兩期與當期收益率的相關(guān)性微弱；而滯后的第1期及滯后的第12期通過5%顯著性檢驗，系數(shù)不為0，，說明滯后的第1期與當期收益率相關(guān)性強于滯后第12期，同時滯后的第1期及滯后的第12期與當期收益率同向變動。 這些數(shù)據(jù)的經(jīng)濟意義是，滯后的第一期的收益率是最影響當期收益率的，與當期收益率同向變動的，也就是說黃金現(xiàn)貨市場上存在收益動能現(xiàn)象，即收益慣性。影響第二大的是滯后的第12期，也即說滯后的第12周（滯后的第3個月）的信息對當前黃金現(xiàn)貨走勢產(chǎn)生影響；而12周（如13周）以上的收益率對當期收益率影響微弱甚至沒有影響；如果說收益率承載了市場部分信息的話，那么12周內(nèi)的信息基本上決定黃金的走勢。 收益率R的自相關(guān)模型回歸模型VariableCoefficientStd. ErrortStatisticProb.RsquaredProb(Fstatistic)Adjusted RsquaredDurbinWatson stat因此，經(jīng)過上述分析，本文將當期收益率，滯后的第1和12期收益率加入交易量沖擊和收益率沖擊定義中，故交易沖量和收益沖量定義如下： （公式32） （公式33）其中mm2分別為交易增長率和收益率離散程度的最優(yōu)滯后期，、分別為交易沖擊（Trading impact）和收益率沖擊（Yield impact），分為記為TIt和YIt。需要說明的是用收益率離散程度擾動項作為收益率沖擊，原因在于投資者會對目前收益率偏離一直以來的市場平均收益率的程度大小，做出不同的反應(yīng)；如果偏離比較大，即收益率很高或者很低，將會有很多投資者進入或者退出黃金現(xiàn)貨市場，對黃金現(xiàn)貨市場來說是一種沖擊。而交易量一直是決定價格高低的一個因素，有交易量沖擊是合情合理的。2）交易沖擊和收益率沖擊的計算首先確定交易增長率和收益率離散程度的最優(yōu)滯后期，然后計算交易沖擊和收益率沖擊。由上文ADF檢驗可知，時間序列RD、V均是平穩(wěn)，對他們的滯后期數(shù)的確定，符合ARMA（p,q）過程的自相關(guān)ACF圖和偏自相關(guān)PACF圖的拖尾特征，且可直接采用ARMA（p,q），確定滯后期數(shù)。（1） 黃金現(xiàn)貨成交量增長率V的滯后期數(shù)確定，除了第一期，其余的基本上都在95%置信區(qū)間內(nèi)。故建立ARMA（1,1）模型： （公式34）其中：是AR（1）模型的隨機誤差項。得出的結(jié)果為：且有可決系數(shù)R2=1，回歸方程F檢驗的P值為0，說明成交增長率V的ARMA（1,1）回歸模型擬合得相當好；DurbinWatson的d統(tǒng)計量d=，該值在2附近，說明成交量增長率V的ARMA（1,1）隨機誤差項自相關(guān)性可能性很小；，除了常數(shù)項，其余項基本上100%說明該項系數(shù)不為0；可決系數(shù)R2為1，證明擬合的相當好。綜上所述，黃金現(xiàn)貨的成交量增長率V的滯后期是1期，m1=1。 V的自相關(guān)和偏自相關(guān)圖 RD的自相關(guān)和偏自相關(guān)圖（1,1）回歸結(jié)果VariableCoefficientStd. ErrortStatisticProb.+1401+1600Rsquared1DurbinWatsonProb(Fstatistic)0（2）黃金現(xiàn)貨收益率離散程度RD的滯后期數(shù)確定,5,6期是自相關(guān)（ACF）圖和偏自相關(guān)（PACF）圖超出95%的置信區(qū)間最為突出的三期。我們試著建立ARMA（6,6）： 公式（35）其中：是的隨機誤差擾動項。，雖然可決系數(shù)R2=1，回歸方程F檢驗的P值為0，說明收益率離散程度RD的ARMA（6,6）回歸模型擬合得相當好；DurbinWatson的d統(tǒng)計量d=，該值也在2附近，說明收益率離散程度RD的ARMA（6,6）隨機誤差項自相關(guān)性可能性較?。换旧纤许梩檢驗P值都小于5%，說明該回歸模型各項系數(shù)都幾乎都不為0；因此將黃金現(xiàn)貨收益率離散程度RD的最優(yōu)滯后期數(shù)確定為m2=6。 黃金現(xiàn)貨收益率離散程度RD的ARMA（6,6）回歸結(jié)果VariableCoefficientStd. ErrortStatisticProb.+140+130+140+140+140+14001+15000000Rsquared1Adjusted Rsquared1DurbinWatson statProb(Fstatistic)0（3）計算交易量沖擊及收益率沖擊經(jīng)過上文的分析，公式32和公式33可簡化為下列模型： （公式36） （公式37）?；貧w結(jié)果計算出了交易量沖擊TI和收益率沖擊YI。 交易量沖擊計算公式回歸結(jié)果VariableCoefficientStd. ErrortStatisticProb.0RsquaredAdjusted RsquaredProb(Fstatistic)DurbinWatson stat 收益率沖擊計算公式回歸結(jié)果VariableCoefficientStd. ErrortStatisticProb.0RsquaredAdjusted RsquaredProb(Fstatistic)0DurbinWatson stat，遠大于5%，也就說當期收益率項的系數(shù)接受零假設(shè)，系數(shù)為零，即當期收益率對當期交易量的增長率沒有影響；同理，收益率滯后第12期對當期交易量增長率也沒有影響；而前一期的交易量增長率及前一期收益率對當期交易量增長率影響顯著，并且他們對當期交易量增長率的影響是相反的，即前一期交易量增長率對當期交易量增長率有負影響，也就是說前一期交易量下降，會引起當期交易量的增長；前一期收益率對當期交易量增長率有正向影響，也就是由于前一期的收益率比較大，才造成當期交易量增長，而且這種影響程度大于前一期交易量增長率。，當期收益率及滯后期，收益率離散程度滯后期對收益率離散程度均會產(chǎn)生影響，但是從他們的系數(shù)絕對值來看，對收益率離散程度的影響幅度均不大。接下來我們利用公式36和公式37計算出的交易量沖擊和收益率沖擊建立模型，對黃金現(xiàn)貨市場上存在的過度反應(yīng)進行檢驗。從上文對黃金現(xiàn)貨市場收益率自相關(guān)的分析知道，當期收益率跟滯后12期的收益率相關(guān)性很大，也就是3個月內(nèi)的信息相關(guān)較大，而3個月之前的信息對當期收益率影響較小。在經(jīng)濟學(xué)中，長期一般指一年以上，短期是指一年以內(nèi)，故本文主要考慮黃金現(xiàn)貨市場的短期過度反應(yīng)現(xiàn)象。為了簡化模型，而且有滯后一期的收益率對當期收益率影響最大，所以采用滯后一期收益率與滯后的第j期的沖交易沖擊或收益率沖擊的交互影響、來檢驗黃金現(xiàn)貨市場過度反應(yīng)現(xiàn)象的存在。建立如下模型： ，j=0,1,2,3,4……N （公式38） , j=0,1,2,3,4……N （公式39）其中N為樣本容量；、分別為滯后的第一期收益率與滯后的第j期的沖交易沖擊和收益率沖擊的交互影響系數(shù) ；、為隨機誤差項。由上文的結(jié)論，滯后的第一期的收益率與當期收益率是同向變化的，故系數(shù)a1和b1均是大于0的。上述核心系數(shù)是交互影響系數(shù)、當、0，說明交易量沖擊和收益率沖擊與當期收益率同向變動，也就是說受到交易量沖擊和收益率沖擊方面的利好消息的影響，收益率上升；反之，當、0，說明交易量沖擊和收益率沖擊與當期收益率反向變動，也就是說受到交易量沖擊和收益率沖擊方面的利好消息的影響，收益率下降。當j=0，0且j=p， 0時，說明當期交易量沖擊與當期收益率同向變動，而滯后的第p期的交易量沖擊與當期收益率反向變動，也就是說對滯后第p期交易量沖擊和收益率沖擊方面的利空消息過度反應(yīng)，p期后得到修正，如果當j=0，的絕對值越大，則得到修正的幅度越大，進而證明過度反應(yīng)程度越大。當j=0，0且j=p, 0時,說明當期交易量沖擊與當期收益率反向變動，而滯后的第p期的交易量沖擊與當期收益率同向變動，也就是說對滯后的第p期交易量沖擊和收益率沖擊方面的利好消息反應(yīng)不足，p期后得到修正，如果當j=0，的絕對值越大，則得到修正的幅度越大，進而證明反應(yīng)不足的程度越大。需要說明的是，j的值從0開始取，依次檢驗，出現(xiàn)上述情況時再確定滯后期數(shù)p的值。通過對滯后期數(shù)j的不斷取值，及對交互影響項的平穩(wěn)性檢驗（），得出所有的交互項t值小于1%顯著性檢驗值，故都是平穩(wěn)的。由于公式38及公式39的變量較多，且模型中的解釋變量有兩種，一種是收益率，另一種是交互影響項，因此需要考慮變量之間是否存在多重共線性。多重共線性的檢驗方法較多，本文用容差和方差膨脹因子（VIF）。（VIF）大于10時，說明變量之間存在多重共線性現(xiàn)象，會影響到回歸模型的正確估計。，并不滿足存在多重共線性的條件，故兩個模型的解釋變量之間并不存在多重共線性。加上模型本身考慮了一定的自相關(guān)性，因此，公式38及公式39的模型受干擾程度不大。加入交易量沖擊的過度反應(yīng)檢驗（公式38）得出：當j=0，遠大于5%，不滿足5%顯著性檢驗，故該項系數(shù)接受0假設(shè)，即嚴格來說，當期交易量沖擊與滯后一期的收益率的交互影響對當期收益率影響微弱，甚至不產(chǎn)生影響；當j=1時，滿足5%顯著性檢驗，說明滯后的第一期交易量沖擊與滯后的第一期收益