Diversi studi hanno analizzato la correlazione tra volume e volatilità correlazione positiva tra le due compone
del volume e la serie dei rendimenti al quadrato usato come proxy della volatilità; in particolare si nota come dopo 2000 osservazioni vi è un aumento della volatilità e tale grandezza
del volume.
20
Ding Zhusnxin, Granger Clive W.J., Engle Robert F., (1993) A long memory property of stock market returns and a new model, Journal of Empirical Finance 1(
27
(1992) hanno dimostrato, nella formulazione | |h, dove d è un numero reale e positivo, che i rendimenti assoluti sono caratterizzati da memoria lunga e “It also found, as an
or near 1 compared to both smaller and larger positive value of
ione è visibile nella tabella 4 tratta da Ding et al. (1992) dove sono comparate le funzioni di rendimento dell’indice S&P 500 per il periodo compreso tra 03/01/1928 e 30/08/1991
(Ding et Al. 1993)
CORRELAZIONE TRA VOLATILITÀ E VOLUME
Diversi studi hanno analizzato la correlazione tra volume e volatilità evidenziando
tra le due componenti. Tale proprietà e visibile nel grafico 15 di confronto tra la serie del volume e la serie dei rendimenti al quadrato usato come proxy della volatilità; in particolare si nota come dopo 2000 osservazioni vi è un aumento della volatilità e tale grandezza è visibile anche nella serie
Ding Zhusnxin, Granger Clive W.J., Engle Robert F., (1993) A long memory property of stock market returns and a new model, Journal of Empirical Finance 1( 1993) 83-106
è un numero reale e positivo, che i empirical fact, that this or near 1 compared to both smaller and larger positive value of d.”20 La dove sono comparate le funzioni di rendimento dell’indice S&P 500 per il periodo compreso tra 03/01/1928 e 30/08/1991
evidenziando che vi è una forte Tale proprietà e visibile nel grafico 15 di confronto tra la serie del volume e la serie dei rendimenti al quadrato usato come proxy della volatilità; in particolare si nota è visibile anche nella serie
28
Figura 15: Correlazione tra volume e volatilità
Louhichi (2011) considera quali possano essere le cause alla base del fenomeno; gli aggiustamenti del prezzo nella serie storica dipendono dalle nuove informazioni che vengono recepite dal mercato, queste generano cambiamenti nel prezzo con un impatto sulla volatilità, non solo, il nuovo prezzo genera delle nuove contrattazioni che incidono sul volume. Questo fattore può essere definito un comune denominatore per la volatilità e il volume e per questo può generare cambiamenti combinati tra le due componenti, questo conferma “The seminal work of Clark(1973) has introduced the mixture of distribution hypothesis (MHD) which suppose that asset price changes are driven by information.”21
Un’ulteriore analisi del volume porta alla scomposizione di esso nel numero di contrattazione e nella grandezza di queste ultime. Nella letteratura vi sono due ipotesi alternative, la prima afferma che gli investitori con informazioni significative sul cambiamento del prezzo preferiscono compiere grandi cambiamenti nell’investimento generando una correlazione positiva causata dalla grandezza degli investimenti, mentre altri dicono che per mascherare le informazioni su possibili cambiamenti del prezzo si preferiscano fare molti ma piccoli investimenti generando così una correlazione con il numero di contrattazioni. Entrambe le ipotesi sono supportate dagli studi sul mercato americano, Louhichi (2011) si sofferma invece sul mercato finanziario Euronext Paris per le sue caratteristiche di trasparenza.
Il modello utilizzato per determinare la correlazione tra volatilità e volume e per indagare quale definizione di volume utilizzare per definire la correlazione si basa sul seguente modello GARCH
= + & 2.5
m & |& = 2.6
= n + R& + o 2.7
Dove: R + o misurano la persistenza.
La formula (2.7) viene modificata per vederne l’impatto del volume:
21
Louhichi W., (2011), What drives the volume–volatility relationship on Euronext Paris?, International Review of Financial Analysis, Vo. 20, Issue 4, August 2011, Pages 200-206
29
= n + R& + o + p 2.8
I risultati ottenuti dal modello mostrano un valore di R + o < 1 ma che si avvicina ad uno, inserendo invece la variabile volume il valore della persistenza diminuisce, ad esempio l’indice Cac40 passa da 0.966 a 0.211. La presenza di un coefficiente p positivo mostra una correlazione positiva tra volatilità e volume.
Per indagare quale effetto tra il numero di trattazione o la grandezza delle stesse il modello viene ulteriormente modificato:
= n + R& + o + q/V + rV 2.9
Dove: NTt si riferisce al numero di scambi mentre STt descrive la grandezza di quest’ultimi.
L’autore ha riscontrato che: “including informational variables (number of trading and trade sizes) significantly reduces the persistence of volatility. Moreover, the coefficient of the number of trades (q) is positive and significant for each company and for the CAC40 Index. However, the coefficient of the size of trades ( ) is insignificant for all the stocks of our sample.”22
In conclusione, si può affermare che la correlazione positiva deriva dal numero di contrattazioni che vengono svolte, questo fatto può essere spiegato dalla volontà di nascondere delle informazioni sugli andamenti futuri tramite l’utilizzo di più trattazione di importo minore.
Nel modello di Louhichi veniva analizzata la variabile del volume, un ulteriore studio può essere compiuto analizzando la variabile volatilità.
La volatilità può assumere valori più o meno grandi in base alla distanza che vi è fra il prezzo al tempo t e al tempo t+1, nel caso in cui la variazione sia descritta da valori bassi siamo in presenza di una volatilità in forma continua, nel caso in cui ci siano invece dei salti tra i valori del prezzo essi si ripercuotono in salti nel valore della volatilità. Queste due tipologie di dispersione intorno al valor medio possono essere analizzate per vedere quale delle due favorisce la correlazione.
Diversi studi hanno scomposto la volatilità nelle due categorie riscontrando una correlazione positiva tra volume e la volatilità continua ed una correlazione negativa tra volume e i grandi cambiamenti del fattore di dispersione. Le informazioni che creano i grandi cambiamenti per generare una correlazione negativa potrebbero essere di tipo pubblico, mentre le informazioni private guidano la correlazione positiva della parte continua. Huang and Wang (2012) hanno analizzato l’indice Hu-Shen 300 riscontrando la medesima correlazione negativa osservata sul mercato americano.
22 What drives the volume–volatility relationship on Euronext Paris?, Waël Louhichi, 2010 International review of
30