上海股市有效性与可预测性并存的实证研究，本文主要内容关键词为：上海论文,股市论文,有效性论文,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。
中图分类号：F830.91 文献标识码：A
一、引言
根据有效市场理论，如果股票价格准确并充分地反映了所有的相关信息，那么市场就是有效的。在弱式有效市场，股票价格消化了所有的历史信息，因而技术分析对预测股票价格走势是没有帮助的；在半强式有效市场，股票价格不仅反映了过去的信息，而且反映了当前所有公开的信息，以预测股票价值（内在价值）为己任，试图通过观测价格与价值的背离来把握投资机会的基础分析也不能给投资者带来超额利润；而在理想化的强式有效市场，甚至内幕消息也不能对股票价格产生系统性的显著影响。
有效市场理论作为一种既反技术分析又反基础分析的投资理论，在提出其理论主张的同时实质上是把股票市场的“有效性”与“可预测性”对立起来了，即：如果市场是有效的，那么以获取超额利润为目的的投资分析就是没有作用的，股票价格是不可预测的；有效性越强，可预测性就越差。但是现实股市当中，情况往往并非如此。本文从上海股市的实际出发，提出股市有效性与可预测性并存的假设，并对之进行检验和分析。
二、市场有效性的检验与分析
在股票市场上，当所有投资者及时获得同一信息时，股票价格将趋近于其内在价值，投资者对信息的分析可能各有不同，从而对股票价格的评价有高有低，但无论如何不可能系统地偏高股票的内在价值。换言之，当新的信息出现时投资者就开始测定股票内在价值，并根据内在价值调整股票价格，因此股票价格总是沿内在价值是随机波动状态。如果市场达到弱有效性，股票价格时间序列将呈现随机行为。而股票价格的波动是否具有随机性，可以通过随机游走模型来检验。表示为：
随机游走检验可以通过时间序列相关性分析和随机游程模型来进行。时间序列的自相关是指时间序列的前后数据之间存在着相互影响（相关），如果股票价格的升降对后期价格变化存在着某种影响，那么在时间序列上应表现出某种自相关；如果股票价格的时间序列之间不存在自相关，或自相关性不是很强，那么时间序列就表现为随机性，市场就是有效的。
股票价格随机游走的游程检验是指对于日股价指数序列P[,1],P[,2],…,P[,n]，如果
P[,j-1] 那么称序列(P[,j],P[,j+1],…,P[,j+m])为一游程，游程长度为j+1。其中，j取1,2,…,n；m取0,1,2,…,n-j；n是总天数。 显然，若P呈随机游走状态，市场达到弱有效，P[,t]与P[,t-1]之间独立，则相关系数ρ=0，反之ρ≠0。然而，股票价格通常总是在前期价格的基础上递增或递减，即即期价格对前期价格有依赖关系，因此，检验时一般采用收益率指标而不是价格指标、实际上是检验前期的收益率水平与后期的收益率水平之间是否相关。即： R[,t]=αR[,t-1]+ε[,t](3) R[,t]=lnP[,t]-lnP[,t-1] (4) 以上证日收盘价综合指数(1997/01/02～2001/05/30)为样本，首先进行时间序列相关性检验。计算结果见表1： 表1 上海股价收益率时间序列相关性检验表 从表1可以看出，上海股价收益率1997年1月～2001年5月每一阶段的时间序列都已通过了相关性检验，每个模型都遵从随机游走模型，表现为模型的随机误差序列的弱相关性和近乎同方差性，而且1997年的时间序列自相关系数最大，2001年的时间序列自相关系数最小，除了2000年外，呈现逐渐下降的趋势，模型的主平方误差MSE也有这种趋势。从随机误差项均值和标准差及其他统计量的变动趋势中，可以明显看出上海股指越来越符合随机游走模型的要求。 在时间序列相关性检验的基础上，对同一样本进行随机游程检验。如果对1000多个数据逐一进行检验，那么此过程必定是特别繁琐的，所以要先将总体数据作必要的处理。可以采用等距抽样的办法，先对总体区间内的收益率序列求平均值，再对收益率序列进行等分，将每10个时间对应的收益率水平的平均值作为一个样本进行检验。然后将每一个均值与总体区间内的总均值进行比较，若大于总均值，则记为上升，用“＋”表示；若小于总均值，则记为下降，用“－”表示。“＋”的总个数记为N[,1]，“－”的总个数记为N[,2]，全部总个数记为N。最后，对所检验的序列计算出统计量r或Z。 对于小样本(N[,1]<15,N[,2]<15）则不用公式计算，直接查r表就可得出结论。在给定显著水平α下，若r[,L] r的下限和上限），则认为序列是随机平稳序列，否则序列就是非平稳 若是大样本，则要构造统计量进行检验，总游程数K的数学期望E(k)和标准差δ（k)分别为： E(k)=(2N[,1]N[,2]+N)/N (5) 构造统计量： Z=[K-E(k)]/δ(k) (7) 当N足够大时，Z服从标准正态分布。设置信度α=0.05，进行检验，验证样本是否是随机的，即Z的绝对值小于1.96时，序列就是随机平稳序列，否则序列是非平稳的。检验结果如表2： 表2 上海股价指数收益率游程检验结果 由表2可以看出，1997年到2001年各年及其平均收益率序列都很好地通过了随机游程检验，而且各检验值与参数的差距较大，检验效果显著，理论上说明上海股票市场已达到弱式有效。 三、市场可预测性的检验与分析 从表面看来，市场有效性与可预测性似乎是两个截然对立的理论假设。但在现实中，我们常常看到的却是与之相左的情况：(1)对有效性相对较好的市场而言，更容易建立起精确程度较高的预测模型；(2)在相同的市场上，有效性越好的时期预测模型的预测精确度往往越高；(3)在相同的市场上，有效性被破坏得最厉害的地方同时也是相同的预测模型误差最大的地方。据此，在已被验证为弱式有效的上海股市，可以进一步建立模型来检验其可预测性。本文用修正的AR(P)模型来验证上海股市的可预测性。由股价指数计算而得的收益率序列R并不是一个很好的零均值平稳时间序列，有必要对它进行差分计算。通过TSP统计软件分析及列表所示（表3），可以看出收益率时间序列的一阶差分序列已接近于一个零均值的平稳序列，而且收益率时间序列的一阶差分序列之间也存在着相关性，因此可对收益率的一阶差分变量应用AR(P)模型。通过统计软件的模拟与验证，可以得到用收益率一阶差分的多少个滞后变量来拟合时，模型就达到了最高的精度，即P值为多少时，拟合的效果最佳。全过程可以表示为： X=R[,t]-R[,t-1] (8) 设AR模型所得到的预测序列为X[,1]，则： R[,t]=X[,1]+R[t-1] (9) 从表3可以看出序列X存在自相关，与模型随机误差序列无关，而且表现出同方差性，初步验证了上海股市具有可预测性。比较预测序列X[,1]与收益率序列R可以发现两个序列的重合程度很高，因此该模型具有很好的预测价值。 分别建立AR(15)和AR(5)预测模型如下： AR(15): X=1.0107(-32.240)-1.0009(-22.584)-0.8635(-16.044) -0.7636(-12.856)-0.7210(-11.528)-0.6912(-10.701) -0.6054(-9.719)-0.6373(-9.257)-0.5922(-9.028) -0.5048(7.811)-0.4396(-7.031)-0.3276(-5.512) -0.2336(-4.434)-0.1599(-3.622)-0.0468(-1.501) 其中，R[2]=0.515,D.W=2.007,F=77.024，残差的均值为-9,172E-6，标准差为0.0176。 AR(5): X=0.7113(12.852)-0.5549(-8.304)-0.3870(-5.498) -2.487(-3.722)-0.098(-1.758) 其中，R[2]=0.315,D.W=2.1059,F=41.794，残差的均值为-8.885E-5，标准差为0.0139。相关系数后括号内数值是相关系数的t统计量值。 表3 上海股价收益率—阶差分的AR(1)模型比较 虽然我们经过进一步的验证，发现股价收益率一阶差分滞后15期的AR模型预测值精度是最高的，但从图形模拟（图略）我们发现，股价收益率一阶差分滞后5期的AR模型预测值为实际值的走势基本吻合，继续增大滞后期是不必要的；只要建立滞后5期的AR模型就可以做很好的预测。 四、结论 本文以近阶段(1997/01/02～2001/05/30)上征日收盘价综合指数作为样本，运用时间序列相关性检验以及随机游程检验，可以得出上海股市弱式有效的结论。股价指数既通过了随机游走模型检验，又可以建立模型进行预测，即上海股市是一个“可预测的弱式有效市场”。这看起来似乎是自相矛盾的，但是经过进一步探讨后，发现这是有理论依据的。需要强调的是：说股票价格“可预测”不等于说“可以100%地准确预见”，而是说“可以使用一般用于经济预测的方法，建立起能在一定误差要求之下预测股票价格变动的预测模型”。显然，任何方法建立起的任何预测模型都是存在误差的，可预测是指所建立起的预测模型其误差是在可接受的范围内。比如一个遵循随机游走模型的随机变量，当它的方差与期望之比满足一定条件时，随机游走模型本身就是一个误差满足一定要求的预测模型。 而且，我们认为，股市可预测性是一个始终伴随着市场有效性的增强而不断递进的概念，即：股市的有效性越强，其市场指数变动中暴涨暴跌的情况就越少，建立预测模型的可能性就越大，可预测性就越强；反之，如果股市的有效性越弱，单边上升或单边下降的可能性就越大，随着市场的急速转向，建立预测模型的可能性就越小，其可预测性就越弱。
