中国股市弱型效率的实证研究，本文主要内容关键词为：中国论文,股市论文,效率论文,实证研究论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
证券市场效率一般指的是当证券市场上产生与某证券有关的新信息后，投资者发现该信息、并在此基础上进行买卖决策，从而导致证券价格随之作出变动调整这一整个过程的效率。在有效市场中，所有相关信息均充分及时地反映在价格上。由于我国的股票市场起步较晚，因而对证券市场效率的研究也从近几年才开始。至今为止，对中国股市是否达到弱型效率，一些学者所做的实证研究结果以及解释一直没有统一的结论。本文试图用较长的样本时间序列和严格的检验方法对中国股市的弱型效率做一次系统的实证研究。
一、总体研究方法
在本篇论文中，我们按照1965年美国芝加哥大学著名教授Fama划分三种证券市场效率的传统理论，采用随机游走模型来验证上海和深圳股票市场是否达到弱型效率。如果两个股票市场的股票价格变动符合随机游走模型，就认为我国的股票市场已达到弱型效率；反之，则认为我国股票市场尚未达到弱型效率。
因此，严格地检验我国股市的股票价格变动是否真正符合随机游走模型，是本文的核心内容。为此，我们引入当前美国学术界检测时间序列是否符合随机游走模型的一种常用方法——Dickey & Fuller检验（1981）来进行实证研究。
我们选取了上海和深圳股市1992 年年底以前上市的52 家股票以及20种股票指数1991年至1996年11月的每日收盘价作为样本，弥补了以往学者们研究中国股市弱型效率所用样本时间跨度不够的缺陷，试图做到样本数据齐全，检验方法严密。
二、随机游走模型
随机游走模型有两种，其数学表达式为：
Y[,1]＝Y[,t-1]+e[,t] （t＝2，3，…n） （3—1）
Y[,1]＝α+Y[,t-1]+e[,t] （t＝2，3，…n） （3—2）
式中：Y[,t]是时间序列（用股票价格或股票价格的自然对数表示）；
e[,t]是随机项；E（e[,t]）＝0； Var（e[,t]）＝σ[2]；
α是常数项。
模型（3—1）称为“零漂移的随机游走模型”，即当天的股票价格是在前一天价格的基础上进行随机变动；股票价格差全部包含在随机项e[,t]中。
模型（3—2）称为“α漂移的随机游走模型”，即当天的股票价格是在前一天价格的基础上先进行一个固定的α漂移，再进行随机变动；股票价格差包括两部分，一项是固定变动α，另一项是随机项e[,t]。
我们也可以把模型（3—1）看成是模型（3—2）在α＝0 时的一种特殊情况。
三、Dickey—Fuller检验
（一）统计检验模型
对上面的随机游走模型，建立统计检验模型如下：
Y[,t]＝α+βt+ρY[,t-1]+e[,t] （t＝2，3，…n）
（3—3）
上式中βt项是为了消除时间序列Y[,t]中的时间趋势影响。
若要符合“零漂移的随机游走模型”，应当期望
在（3—3）中，（α，β，ρ）＝（0，0，1）。
若要符合“α漂移的随机游走模型”，应当期望
在（3—3）中，（α，β，ρ）＝（α，0，1）
在检验随机游走的统计模型（3—3）中，我们关心的是ρ是否等于1，即是否存在“单位根”问题。若ρ＝1，则时间序列Y[,t] 是一个不稳定的序列。在这种情况下，常规的t检验和F检验已不适用。为了解决时间序列自回归模型中是否存在“单位根”（ρ ＝1）的检验问题，美国学者 David A.Dickey和Wayne A.Fuller 在1981年专门提出了一种新的检验方法，人们称之为“增强型Dickey & Fuller检验”。 目前，美国学术界在分析时间序列是否存在单位根时多采用这种方法。
（二）统计量的计算
增强Dickey & Fuller 检验的核心是构造统计量Φ[,2]、Φ[,3]，用来检测随机游走模型（3—3）。为此，Dickey 和Fuller 构造了以下OLS回归模型组：
（1）Y[,t]－Y[,t-1]
＝α[,0]+βt+α[,1]Y[,t-1]
+α[,2]（Y[,t-1]－Y[,t-2]）+e[,t] （3—4）
（2）Y[,t]－Y[,t-1]＝α[,0]+α[,2]（Y[t-1]－Y[,t-2]）+e[,t]（3—5）
（3）Y[,t]－Y[,t-1]＝α[,2]（Y[,t-1]－Y[,t-2]）+e[,t] （3—6）
求出上述四个方程的残差平方和，记为R
SS（i），i＝0，1，2，3
计算统计量Φ[,2]、Φ[,3]的公式如下：
RSS（3）－RSS（1）
检验值Φ[,2]＝──────────
3RSS（1）／n－4
RSS（2）－RSS（1）
检验值Φ[,3]＝──────────
2RSS（1）／n－4
其中，RSS（i）是每个OLS回归方程的残差平方和，
n是样本数。
从表面上看， Dickey & Fuller检验与一般的线性回归方程的F检验和系数的t检验相类似，但Dickey & Fuller检验构造了自己独特的统计量Φ和τ，并计算了自己的临界检验值表。
（三）判断准则
在某一显著性水平下，对模型：
Y[,t]＝α+βt+ρY[,t-1]+e[,t] （t＝2，3，…n）
（3—3）
Dickey—Fuller检验的判断规则如下：
1.如果统计量Φ[,3]＞临界值Φ[*][,3]，不论Φ[,2] 是什么结果，都拒绝H[,0]：（α，β，ρ）＝（α，0，1）。
认为该时间序列不符合随机游走模型；
2.如果统计量Φ[,3]＜临界值Φ[*][,3]，则接受H[,0]：（α，β，ρ）＝（α，0，1），认为该时间序列符合随机游走模型；然后进一步检验Φ[,2]：如果统计量Φ[,2]＜临界值Φ[*][,2]，接受H[,0]：（α，β，ρ）＝（0，0，1），认为该时间序列是“零漂移随机游走 ”。如果统计量Φ[,2]＞临界值Φ[*][,2]，拒绝H[,0]：（α，β，ρ）＝（0，0，1）。认为该时间序列是“非零漂移随机游走”。
四、样本数据
为了能对中国股市的弱型效率有一个客观全面的评价，在样本选取上，我们力求做到股票数目多，时间跨度大，见下表。
股票数目 指数数目
时间区间
上海29 81991－1996.11每日收盘价
深圳23121993.1－1996.11每日收盘价
1993.1－1996.11每周三收盘价
收集如此之多的股票指数作为研究对象，是我们区别于以往研究的一大特色。股票指数考虑了送配股（一般不考虑分红利），避免了股票价格因送配股而发生跳变的情况；并且，股票指数代表了整个市场、整个行业或若干家股票的价格综合情况，因此具有十分重要的研究价值。
我们先以所有股票自上市起的所有交易数据作为样本进行研究，但因为我国股市起步晚。尚有许多不规范之处，早期的股票市场管理法规、股市规模、市场和股民心理成熟程度等不尽如人意，这有可能导致股票价格偏离其内在价值的程度过于离奇。所以，我们撇开前两年的数据，从1993年1月起再对每天收盘价做一次研究，以图发现两者的差异。
目前一般认为我国股市的投机成份较重，一日内或几日内股票价格波动较大。为消除这种噪音，研究我国股市中长期间隔内股票价格是否符合随机游走模型，我们又选取了1993年1月至1996年11 月每周三的收盘价进行研究。
另外，上海股市的许多股票均以10元或100元的面值发行，在92 年年底拆细，为不影响数据结果（α估计值），我们对此进行了调整（拆成每股1元面值）。
最后，对所有股票价格和股票指数均取自然对数，这是因为对数股
P[,t]
价差就是收益率（lnP[,t]－lnP[,t-1]＝ln────），意义更加直观。
P[,t-1]
如图1、2所示上证和深证综合指数日收益率呈明显的零飘移随机游走特征。
图1 上证综合指数日收益率（lnP[,t]－lnP[,t-1]）走势
（1991.7.8—1996.11.22）
图2 深证综合指数日收益率（lnP[,t]－lnP[,t-1]）走势
（1991.7.8—1996.11.22）
五、实证结果
（一）中国股市1991—1996.11每天数据的实证研究结果
在5%的显著性水平下，增强Dickey & Fuller检验的结果统计如下：
深圳股票 深圳指数 上海股票 上海指数
"零漂移"随机游走23 12197
"非零漂移"随机游走0 0 00
不符合随机游走模型 0 0101
合计 23 12298
（二）中国股市1993.1—1996.11每天数据的实证研究结果
在5%的显著性水平下，增强Dickey & Fuller检验的结果统计如下：
深圳股票 深圳指数 上海股票 上海指数
"零漂移"随机游走23 12287
"非零漂移"随机游走0 0 00
不符合随机游走模型 0 0 11
合计 23 12298
（三）中国股市1993.1—1996.11每周数据的实证研究结果
在5%的显著性水平下，增强Dickey & Fuller检验的结果统计如下：
深圳股票 深圳指数 上海股票 上海指数
"零漂移"随机游走23 12276
"非零漂移"随机游走0 0 00
不符合随机游走模型 0 0 22
合计 23 12298
（四）实证结果分析
实证研究表明，不管考察1991—1996.11 时间区间还是1993.1 —1996.11时间区间，也不管采用每天数据还是每周数据， 深圳股市被考察的所有23种股票和12种股票指数全部符合随机游走模型。因此，我们可以得出结论：深圳股市已经达到弱型效率。
上海股市的实证结果则不如深圳股市理想。 实证研究表明， 考察1991—1996.11时间区间，上海股票市场被研究的29家股票和8种股票指数中接近三分之一不符合随机游走模型；然而考察1993.1—1996.11 时间区间，不符合随机游走模型的则只剩下1家股票（胶带股份）和1种股票指数（上证综合类行业分类指数）。显然，上海股市的发展存在明显的阶段性，1993年以前的数据段导致了其中的差异。
由此，我们得出结论：1993年以前，上海股市不能通过弱型效率检验：1993以后，可以认为上海股市已经达到了弱型效率。
结论与解释
一、本篇论文的最终结论
深圳股市已经达到弱型效率。上海股市在1993年以前不能通过弱型效率检验；而从1993年以后开始逐渐达到了弱型效率。深圳股市比上海股市更早达到弱型效率。总体结论是中国股市总体已经达到弱型效率。
二、原因分析
深圳股市先于上海股市达到弱型效率，主要原因分析如下。
（一）1992年底之前，中国股票市场的中心是在深圳，而非上海。深圳凭借其经济特区的发展优势，一度成为中国股市的中心。不论是股票市值，还是股票交易量，深圳股市都要大于上海股市；1992年以前，深圳的证券业管理条例和深圳证交所上市公司的章程、招股说明书、上市报告书等，由于内容规范、结构严谨，成为全国其他地方研究和仿效的楷模。这说明在中国股市的发展初期，无论是市场规模，还是市场的规范程度，深圳股市都要优于上海股市，由此看我们得出的深圳股市较早达到弱型效率的实证结果，是合乎情理的。
（二）深圳比上海更早取消股价限制（前者1991.9，后者1992.5.21）。1993年以前，上海股市发展并不完善。尤其是1992年5月20日以前，上海股市执行限价交易政策，实行每个交易日涨跌控制在5 %以内的制度，后又调低到1%并实行3‰的流量控制，交易十分清淡。过度的限价政策使得股价变动不能充分反映市场的供求关系，使上海股市缺乏竞争基础。1992年2月18日起， 延中实业（600601 ）、 飞乐股份（600654）两个股票试行取消涨跌停限幅的流量控制，完全放开股价进行交易，导致这两种股票当天收盘价分别比前一天上涨70.27%和46.56%。1992年5月21日起，上海证交所全面开放所有上市股票的股价， 取消涨跌停限幅和流量控制，完全实行自由竞价交易，从而步入由市场机制动作股市的轨道。上证综合指数由此从前一天的616.99点直蹦到当天的1266.49点，涨幅高达105.27%。而深圳股市则早在1991年9月下旬就取消了股价限制，由市场供求来决定价格。
我们认为， 对上海股市效率起着根本性影响的就是上海证交所自1992年5月21日起全面放开股价。在过度限制股价的情况下， 当前股价不能迅速及时地对相应信息作出调整。比如，假定某个信息可导致股价由原来的20元升至30元，如果市场不限制股价，则随着信息的公布，股价在当天就可变为30元；但若市场限制股价，假设每天增幅不超过2 元，则需要5天才能使股价升至30元，这样在前4天内，投资者就可根据历史交易信息预测这5天的股价分别是22元、24元、26元、28元、30元， 从而作出买卖决策获取超额收益。显然，限价政策的存在直接影响市场效率。这也是为什么上海股市在1993年以前不能通过弱型效率检验的主要原因。
三、结论的现实意义
本文通过严格的检验方法证明中国股市总体已经达到弱型效率。这意味着在目前的市场环境下，投资者企图通过对历史交易数据进行各种各样的技术分析来获取长期、稳定的超额收益是不可能的；投资者只有着眼于中长期投资才能获得稳定的期望收益。但这并不代表投资者进行短期投机就不能得到超额收益，这种投机的收益包含在股价变动随机项中。市场有效还意味着会计披露的实质高于形式，单纯会计方式的改变不会影响股票价格等，这对会计准则的制定有着深刻的意义。
中国股市达到弱型效率，说明我国的证券市场已经进入了规范运作，市场本身已经初步具备了自我调节、自我约束的能力，政府监管部门在其中的直接干预可以适度减弱，而更大程度地遵循市场规律。
金融和会计领域中的许多理论研究（如CAPM），都是直接建立在市场有效的基础上的。离开这一前提，那些理论研究也就失去了实用价值。我们的实证研究得出中国股市达到弱型效率，这就为其它以此作为假设前提的研究奠定了坚实的基础。同时，也为中国证券市场效率的后续研究铺平了道路，我们可以在此基础上，进一步研究中国股市的半强型效率。
（注：检验结果的具体数据略）