●证券市场 《经济师)2008年第3期
中国股票市场长期记·}乙·陛探究
●李兆军 赵欣颜
摘 要:文章利用 R/S分析方法实证研究了中国股票市场,结果表
明中国股票市场具有长期记忆性,并不是完全随机游走过程,这一点同
其他国家资本市场相同。同时也发现以下问题:首先,R/s分析方法在
实际应用中,当样本数据的时间跨度不同时,H值有明显的不同,不适合
作定量分析。其次,虽然各国资本市场都表现 出长期记忆性,但由于市
场间差异很大,其成因必然不同。文章就以上问题进行了研究。
关键词:长期记忆性 R/S分析方法 中国股票市场 信息传导机
制
中图分类号: 30.91 文献标识码:A
文章编号:1004—4914{2008)03—070~02
一
、概述
股票价格的变化规律是金融学的一个中心问题,一直是中外学者
们研究和讨论的重点。巴契里耶(Louis bachelier)1900年写的博士沦文
《投机理论》,对股价的变化规律做了最早的探索。1965年,法马(Eu.
gene Fame)首先提出有效市场理论,认为股票市场是有效率的,信息立
即、完全地反映在价格中,价格的变化是一个随机游走过程。然而,有
效市场理论不能很好地解释股票市场出现的一些现象,如“尖峰厚尾”。
这些现象表明信息并没有立即、完全反映在价格中,而是对价格变化有
长期影响,即长期记忆性。解释这些现象,可以更好地理解市场,提高
市场的效率和抗风险的能力。中国股票市场是新兴市场,市场效率较
低,抗风险能力差,研究中国股票市场的长期记 性非常重要。
Peters(1991)的研究使得分形和混沌理论以及 R/S分析方法在资
本市场实证研究中的应用日益盛行 ,近年来,中国有不少学者对中国股
票市场的非线性特征进行了研究 ,如樊智(2002)、李方文(2003)、陈锐
剐、杨国孝(2003)等,他们的研究都发现中国股票市场是一个具有分形
和混沌特征的非线性市场,其收益率时间序列是一个长期记忆过程,并
不服从有效市场假说 EMH所依赖的随机游走过程。可见,中国股票市
场是一个具有长期记忆过程的非线性市场,而不是完全随机游走过程,
分形和混沌理论能够比有敢市场理论更好地描述市场特性。
然而。Peters提出的用“对数据的视觉审视”(即通过 log/log图观
察)和Hurs.t的Vn统计量来描述市场的方法,虽然直观,但存在局限性。
例如,长期记忆过程理论上是一个无限过程,但在实际市场中却不可能
是完全的无限过程,而长期记忆过程的结束说明这个非线性市场存在
一 个非周期性循环(nonperiodic cycle)。如果时间序列的跨度涵盖了一
个长期记忆过程,那么R/S分析及所得到的赫斯特(Hurst Exponent)指
数就很可能不准确。
因此,对一个非线性市场长期记忆过程的研究,可以在 Peters的基
础上,根据实际情况进行调整,更准确地估计 Hurst指数,从而更好地辨
别时间序列的非线性特征。
二、R/S分析方法与赫斯特指数
R/S分析方法(Rescaled Range Analysis)是水文学家Hurst在大量实
证研究的基础上提 出的一种方法 ,后经过 Mandelbrot('1972,1975),
Mandelbrot、wallis(1969),Lo (1991)等多人的努力逐步得以完善。该分
析方法的基本思想来自于Mandelbrot提出的分数布朗运动和,I’H法则。
R/S分析方法能将一个随机序列与一个非随机序列区分开来,而且通过
R/S分析还能进行非线性系统长期记忆过程的研究。Hu t是通过用
观测值的标准差去除极差来建立一个无量纲的比率,即重标极差(R/
S),而所采用的极差是在一定的时间增量中观测值对平均值的累积离
差,具体计算与定义如下:
t
X㈨= (Xi— )
1 I
=Max(X )一Min(X )
—-- — — 70 —--——
(】)
(2)
(R/S) :C×n“ (3)
其中:Xt. :累积离差;
Xi:i次观测值;
:观测值的均值;
Rn:极差 ;
S:观测值的标准差;
(R/S) :时间增量为 n时的重标极差;
c:常数;H:赫斯特指数;对 (3)式取对数,
有: 一
ln(R/s) =lnc+Hln(n) (4)
可以通过线性回归求 R/S对于n的 In/in图的斜率来得到 H的估
计。赫斯特指数(Hurst Exponent,H)是用 以区分时间序列是否是随机
游动的统计量,它在[0,1]值域取值,根据 H在[0,1]的不同取值,可以
将时间序列分成三种不同类型:
1 H=0.5,表明序列的重标极差 R/S将随时间增量 n的平方根缩
放,即符合所谓的T 法则,这时序列的自相关函数等于 0,标志着该序
列是一个随机游动。
2 0≤H<0 5。这一类型的系统被定义为反持久性序列,也常被称
为是“均值回复”(mean reversion)的,在这一范围取值的H 比较罕见。
3.0.5
报告中,尽管得到的H估计值都不尽相同,但都发现了中国股票
。市场是一个H值大于0,5的持续性时间序列。
三、数据的视觉审视{即通过 In/In图观察)
对于一个非线性时间序列来说,Hurst指数不等于 0.5,意味着自相
关函数不为 0,时间序列中存在相关性,这是有别于 Markov过程的短期
相关性的,因为这种自相关将会长期存在,而且理论上在系统 中永久存
在。然而,无限长的自相关并不现实,实际市场中的长期记忆过程通常
存在一个转折点,过了这一点市场将会丢失记忆。对于一个持久性时
间序列而言,一个长期记忆过程的终结意味着系统产生突变并从根本
上改变 了系统原有的趋势,这时度量序列趋势增强特征的 Hurst指数 H
也将出现突变,在数值上将体现为H=0.5,或至少要很接近 0.5。基于
这一思想,Peters(1991)在其研究中提出了“数据的视觉审视”这一概念,
即对(R/S)n与时间增量 n所构成的 In/in图上直观地观察 lnR/S脱离
原来的斜率折向0.5的拐点,这就是 H发生突变的位置,也就是长期记
忆过程的终点。尽管 Peters通 过该方法得到 了 s&P500以及 MscI
(Morgan Stanley Capital Internationa1)指数等国际资本市场长期记忆过
程的长度,但是,在对 R/S和 n的对数图进行视觉观察时会由于做图的
精度问题而被一些不大的差异所蒙蔽。同时,由于循环长度的不确定
性,使时问增量n的选取有一定的盲目性。当n超过循环长度时,使用
线性回归的方法计算出来的 H值很有可能被低估,如有些学者计算出
来的中国上海 A股市场的H值仅为0.552,与0.5相差不远,所以,单纯
使用这种方法有其局限性。
采用上述方法,计算出中国深交所成份指数的 H值,如图 1所示
(图中 x轴为观测次数 n,纵轴为相应的 R/S值)。其中,数据来源于聚
源金融数据库,深成指数据从 1991年4月3日至2005年 6月 10日,共
计 3495条数据;上证 A股数据从 1990年 12月 19日至 2005年 6月 10
日,共计 3539条数据,考虑到中国证券交易中收盘价格易被操纵 ,即出
现“窗饰效应”,所以在计算中均采用开盘价。采用的计算软件为 Mat
1ab 6.5.Excel 2000
嘲 l 中 嘲 椿 空 所 成 份 描 觳 的 H德
进行线性回归,得到图2和相关参数。
Linear model Polyl:
f(x)= pl x p2
Coefficients(with 95%confidence bounds):
维普资讯 http://www.cqvip.com
《经济师}2008年第3期 ●证券市场
pl=0.5712(0.5466,0 5959)
p2= ~0.2636(~0.3756,一0.1516)
G(xxtne,~ of fit:
SSE:0.1554
R—sqtl~re:0.992
Adjusted R—sqHare:().9916
RMSE:0.09045
陛I2 线 性 【嘲 蹦
从图2和数据中可以看出深圳股票市场也存在一定的持续性,但很
明显短期可能有更强的持续性,所以在以上分析的基础上,对图2中横
轴前 10个点再进行线性回归分析,得到图3和参数:
l ! ,■ 船 ..J 一 一 I j
。
≥ !
0 ^
.
/
_t / 一 l、
I3 l”I '’r r
Linear model Polyl:
f(x)=pl X+ p2
Coefficients(with 95% confidence bounds):
pl=0.664(0.6378,0.6902)
p2: 一0.5174(~0.5928,~0.4421)
G00dness of fit:
SSE:0.007147
R一,square:0.9977
Adjusted R—square:0.9974
RMSE:0.02989
用上述方法,采用中国上海股票交易所 A股数据得到的结果分别
为0.5677(取所有数据进行回归)、0.6577(取一半数据进行回归)。可
见,中国股票市场短期有更强的持续性,但相对于美国股票市场(H值为
0.72)持续性较弱。
从上述线性回归分析结果可以看出,无论是取所有数据还是取一
半数据,拟合度都很好,但 H值却相差较大。哪个 H值更准确很难确
定,而且随着观测次数的不断增加,到一个周期结束时,极差将不再增
加,如果此时进行回归必然造成 H值较低。所以,以上方法有一定的局
限性,只适合作定性分析 ,不适合作定量分析,如果依据此 H值再计算
分形维和李雅普诺夫指数将会导致更大的误差。
四、改进统计量
长期记忆过程一个周期的结束将伴随着 Hurst指数的一个峰值的
出现,这一个峰值有可能出现在周期中的任何时刻,而并不一定是在周
期的终点。为此,可以在时间增量 n的不同取值范围下计算 Hurst指
数,进而得到H的极大值,即:MaxH统计量 ,从而得到 R/S分析过程中
所出现的Hurst指数峰值.并以此度量非线性系统长期记忆过程的长
度。
MaxH统计鲢的计算:
1.计算 Hurst指数序列 Hn,这一序列的每一元素Hi是在 R/S分析
中时问增量 n取值为 i时所得到的Hurst指数。
2.计算 MaxH统计艟。
MaxH=max(H ) (5)
上述方法虽然可以计算出最大 H值,但在起始阶段易产生误差。
同时,从上面中国股票市场的 H值计算过程也可看出,中国股票市场短
期的H值大于长期的H值,但 H值的最大值处并不是极差的最大值
处,所以用 H值对股票市场及至资本市场进行长期记忆性分析时,更适
于定性分析。
五、vn统计量
v_n统计量原是由 Hurst于 1951年提出用以检验 R/S分析方法的
稳定性的,但该统计量同样也可以用来很好地估计非线性系统长期记
忆过程的长度。
、, 一 V
n —— 一 (6)
如果时间序列符合 T1/2法则,也就是说(R/s)n是以时间增量 n
的平方根标度的,那么这时统计量 Vn关于 log(n)是平坦的;对于 H>
0.5的持久性时间序列 ,(R/S)n是以大于时间增量 n的平方根标度的,
这时 v_n是关于 log(n)向上倾斜的,反之,对于 H<0.5的反持久性时间
序列 ,vn是关于log(n)向下倾斜的。与数据的视觉审视类似,vn图形
形状的改变将意味着(R/S)n是随时间增量标度的方式发生了变化,原
来的长期记忆因系统发生突变而消失。
但Hurst在提出V_n统计量时并未明确规定该统计量的趋势发生多
大程度变化时才意味着系统原有长期记忆的终结,因此 ,尽管能定量地
计算出该统计量,但在做最后判断时仍要依靠视觉观察和经验判断。
以至产生和“数据的视觉审视”方法相同的错误。
六、小结
1.中国股票市场是一个新兴的股票市场,与美国股票市场相 比差
异较大,如:中国的资本市场是不完备的,除股票市场外 ,投资者没有更
多的选择进行投资组合,以有效的规避风险;中国的投资者主要以少数
机构投资者和大量中小投资者组成,而像美国等发达国家的资本市场
主要由机构投资者组成等等。这样两个差异明显的股票市场都表现出
长期记忆性,这些特性用传统的有效市场理论很难解释,这再一次支持
-『Peters的观点。
2.分形市场理论和R/S分析方法为研究资本市场提供了新的思想
和方法。可以帮助我们更好的理解市场。然而,时间序列数据蕴含信
息的多样性和复杂性是很难预料的。同时,R/S分析方法以及其他非线
性分析方法在实际使用过程中又有一定的局限性。所以,要根据数据
的不同灵活运用这些方法,找出市场的基本特性。
3.长期记忆性说明信息没有完全、立即反应在当前股票价格中,而
是对股票价格有长期影响。从上面计算可以看出,中国股票市场的 H
值小于美国股票市场的 H值,进而说明中国股票市场的分形维大于美
国股票市场的分形维,也就是说 中国股票市场的波动性大于美国股票
市场。较大的波动性势必造成市场的效率低下、风险增大。
4.股票市场实际上是一个信息市场,具体说是一个信息发布、信息
传导 、信息接收、信息加工处理的过程,最终将信息在价格中体现出来。
股票交易机制实现了股票投资的流动性 ,更进一步股票交易机制实质
上就是信息的流动机制,股票发行公司从投资者手中获得融资,就要对
投资者负责,表现为发行公司的信息披露,在股票交易市场上,投资者
的行为是对公司披露信息的消化和反应;其二,股票交易市场上投资者
的交易行为不仅是对公司披露信息的反应,更是对宏观经济基础信息
的反应,因为这些信息会对公司的经营和盈利能力产生根本性的影响。
不仅如此,投资者根据已有信息对其将来的收益进行预期,并将预期反
应在价格中。
5.中国股票市场的低效率 、高风险最终要从信息找原因,以规范信
息披露机制,提高接收信息、处理信息的能力,从而使价格更准确地反
映信息,这样才能从根本上提高整个市场效率、降低风险。
参考文献:
1.埃德加·E·彼得斯著.王小东译.资本市场的混沌与秩序.经济科
学出版社.1999
2.埃德加·E.彼得斯著.储海林 殷勤译.分形市场分析:将混沌理论
应用到投资与经济理论上.经济科学出版社,2002
3.陈锐刚,杨国孝.基于分形市场假设下的 计算.北京理工大学
学报.2003(2)
4.刘文财.刘 豹,张 维.ARFIMA模型在 中国股票市场预测的失
效.系统
理 论方法应用 ,2002(6)
(作者单位:天津财经大学理工学院,天津财经大学经济学院 天
津 300222) ’ (责编:贾伟)
维普资讯 http://www.cqvip.com