計量經(jīng)濟學(xué)期末論文-中國股市有效性分析eviews

中國股市有效性分析摘要：傳統(tǒng)的有效市場理論（EfficientMarketHypothesis，EMH）認(rèn)為證券價格完全反映了證券的內(nèi)在價值，證券價格的變動僅受未來的信息影響，信息的變動能夠在證券的價格上得到充分及時且準(zhǔn)確的反映。同時，有效市場理論認(rèn)為，風(fēng)險中性投資者所組成的一個競爭市場中，證券的內(nèi)在價值與價格都是服從隨機游走規(guī)則的，因而未來的證券價格具有不可預(yù)測性，但近年來出現(xiàn)了很多理論挑戰(zhàn)有效市場假說，均值回歸理論就是其中之一，均值回歸理論認(rèn)為，從長期的角度來看，證券價格服從均值回歸，也就是長期收益率服從負(fù)的相關(guān)性。本文采用時間序列回歸方法，對上證指數(shù)過去十年的周收益率進行實證驗證，證明上證指數(shù)具有顯著的均值回歸特性，為統(tǒng)計套利方法提供了理論依據(jù)。關(guān)鍵詞：時間序列；自回歸；均值回歸；序列相關(guān)-穩(wěn)健推斷一、均值回歸的由來與發(fā)展傳統(tǒng)的有效市場理論（EfficientMarketHypothesis，EMH）認(rèn)為證券價格完全反映了證券的內(nèi)在價值，證券價格的變動僅受未來的信息影響，信息的變動能夠在證券的價格上得到充分及時且準(zhǔn)確的反映。同時，有效市場理論認(rèn)為，風(fēng)險中性投資者所組成的一個競爭市場中，證券的內(nèi)在價值與價格都是服從隨機游走規(guī)則的，因而未來的證券價格具有不可預(yù)測性，投資者只能獲得市場平均收益。薩繆爾森(Samuelson，1957)認(rèn)為，信息是決定股票價格波動的主要因素，但由于信息是不可預(yù)測的，所以股票的未來價格也是不可測的。法瑪（Fama,1965）用間隔天數(shù)不同的價格變化來求它們之間的自相關(guān)性，得出了1958至1962年期間道·瓊斯工業(yè)股票的股價變動的自相關(guān)系數(shù)近似于零，論證了股價是隨機游走的，。自有效市場理論提出以來，該理論一直處于現(xiàn)代金融的主流地位。但近些年來，尤其是21世紀(jì)以來，該理論在理論和實證方面遭遇了前所未有的挑戰(zhàn)。DeBondt和Thaler(1985)[1]DeBondt,WernerF.M.,andRichardH.Thaler,DoestheStockMarketOverreact[J]?JournalofFinance,1985,(7):793-805.第一個對有效市場理論發(fā)起了質(zhì)疑，他們認(rèn)為股票市場存在著和心理學(xué)上類似的過度反應(yīng)現(xiàn)象，過度反應(yīng)一般來說是指市場上過分悲觀或樂觀的心理，過去表現(xiàn)的更好的股票（贏家）被投資者追捧，而過去表現(xiàn)不好的股票（輸家）無人理睬。他們針對紐約證券交易所1926-1982年的數(shù)據(jù)進行了實證研究，結(jié)果輸家組合的累積超額報酬比高出市場19.6%，而贏家組合[1]DeBondt,WernerF.M.,andRichardH.Thaler,DoestheStockMarketOverreact[J]?JournalofFinance,1985,(7):793-805.有效市場理論以及行為金融學(xué)對均值回歸現(xiàn)象的解釋均值回歸現(xiàn)象于過去占主導(dǎo)地位的有效市場理論相沖突，有效市場假說的支持者以及行為金融理論的支持者都試圖進行解釋。前者認(rèn)為任何超額收益都必須承擔(dān)更多的風(fēng)險，而后者從投資者的心理認(rèn)知偏差角度進行了闡述。1、有效市場學(xué)派的解釋有效市場理論的支持者認(rèn)為在股票市場中，股價已經(jīng)反映了所有的當(dāng)前信息，股價等于內(nèi)在價值，因而沒有高估或者低估的現(xiàn)象發(fā)生，超額投資收益不可能獲得。對于均值回歸帶來的帶來的超額收益現(xiàn)象，有效市場學(xué)派認(rèn)為獲得超常收益是所謂風(fēng)險溢價的結(jié)果，更高收益代表著更高的風(fēng)險。Fama和French（1993）[2]FamaF,Frenchkil.Commonriskfactorsinthereturnsonstocksandbonds[J].JournalofFinancialEconomics，1993,532]的三因素模型，該模型建立了規(guī)模因子，市場因子和帳目市值比(BM)的這三者的三因素模型來描述股票收益率和系統(tǒng)風(fēng)險之間的關(guān)系。該模型解釋了大部分CAPM無法解釋的情況。風(fēng)險的因素調(diào)整過后，根據(jù)利潤與市價之比（E/P）、賬面價值與對應(yīng)市場價值的比率（BM）、公司的市場價值（ME）、公司的銷售年度[2]FamaF,Frenchkil.Commonriskfactorsinthereturnsonstocksandbonds[J].JournalofFinancialEconomics，1993,532、行為金融學(xué)派的解釋DeLong,Shleifer,Summers和Waldmann(1990)[3]DelongB.,A.Shleifer.,L.SummersandR.Waldmann,,PositiveFeedbackInestmentS-trategiesandDestabilizingRationalSpeculation[J],JournalofFinance,1990a,(6):387-395.3]提出的DSSW模型，該模型使用正的慣性投資行為[3]DelongB.,A.Shleifer.,L.SummersandR.Waldmann,,PositiveFeedbackInestmentS-trategiesandDestabilizingRationalSpeculation[J],JournalofFinance,1990aBerberis,Shleifer和Vishny(1998)[4]BarberisNicholas,AndreiShleiferandRobertVishny,Amodelofinvestorsentiment[J],JournalofFinancialEconomics,1998,(3):307-343.4]所陳述的BSV模型，該模型認(rèn)為投資者在投資時可能存在兩種決策偏差，其中之一是所謂代表性偏差（representativebias）,僅僅注重短期變動，而不考慮市場總的趨勢。投資者喜歡根據(jù)市場的短期態(tài)勢總結(jié)出一種規(guī)律，當(dāng)這種規(guī)律偶然出現(xiàn)，投資者可能忽略其偶然性，高估模式的普遍性，并應(yīng)用到以后的投資中去，進而導(dǎo)致過度反應(yīng)（overreation）。保守性偏差（conservatism）也是其中的一種，即投資者的反應(yīng)不夠迅速（underreaction）。比如公司突然發(fā)布臨時性消息[4]BarberisNicholas,AndreiShleiferandRobertVishny,Amodelofinvestorsentiment[J],JournalofFinancialEconomics,1998,(3):307-343.Deniel，Hirshleifer和Subrahmanyam(1998)[5]DanielKent,DavidHirshleiferandAvanidharSubrahmanyam,InvestorPsychologyandSecurityMarketUnder-andOver-Reactions[J],JournalofFinance,1998,(10):1839-1886.5]所闡述的DHS模型，該模型認(rèn)為股票購買者在決策時存在兩種偏差：一種是偏差的錯誤歸納（baisedself-attribution），另一種是對自己能力的夸大（overconfidence）。所謂的偏差的歸因指的是如果公開信息證實了投資者的個人判斷，會大大的提高投資者的信心；但如果公開信息和投資者個人判斷出現(xiàn)偏差，投資者信心會減弱，但幅度與相同條件下信心增強的幅度來得要小，即投資者會無意識的壓制不利于自己的信息。[5]DanielKent,DavidHirshleiferandAvanidharSubrahmanyam,InvestorPsychologyandSecurityMarketUnder-andOver-Reactions[J],JournalofFinance,1998,(10):1839-1886.Hong和Stein（1999）[6]Hong,Harrison,andSteinJ.C.,,"Aunifiedtheoryofunderreactionmomentumtradingandoverreactioninassetmarket[J],JournalofFinance,1999(10):2143-84.6]提出的HS模型，該模型假設(shè)市場上存在兩種類型的投資者：新聞的監(jiān)視者（newswatchers）和動能投資者（momentumtraders）。新聞的監(jiān)視者基于他們私自觀察到的關(guān)于股票未來價值的信息來預(yù)測，他們關(guān)注基本面，而從不關(guān)注技術(shù)分析。動能投資者則相反，他們的預(yù)測完全取決于技術(shù)分析，而從不關(guān)心股票的基本面，換句話就是說“追漲殺跌”。Hong和Stein假設(shè)開始只有消息觀測者參與交易，由于信息在投資者之間是相互擴散的，因此信息并不立即體現(xiàn)在股票價格上，股票價格反應(yīng)不足，收益率呈現(xiàn)出動量。短線投資者僅僅利用技術(shù)分析作為其購買股票的一句，他們不斷地“追漲殺跌”，這些投機行為將在短期內(nèi)助長股票的過度反應(yīng)，從而推高股價，使得股價過高，這表現(xiàn)為動量現(xiàn)象。然后[6]Hong,Harrison,andSteinJ.C.,,"Aunifiedtheoryofunderreactionmomentumtradingandoverreactioninassetmarket[J],JournalofFinance,1999(10):2143-84.Fama和French[7]Fama,French.Permanentandtemporarycomponentsofstockprices[J].JournalofPoliticalEconomy，1988，(96):246-273．7]對美國股市進行實證研究，[7]Fama,French.Permanentandtemporarycomponentsofstockprices[J].JournalofPoliticalEconomy，1988，(96):246-273．也有很多學(xué)者提出了相反的意見，認(rèn)為市場不存均值回歸。Lo和Mackinlay利用周數(shù)據(jù)論證美國股市不存在均值回歸性，認(rèn)為Fama等的實證研究數(shù)據(jù)時間過短，有小樣本偏差，使研究結(jié)果不可靠。KausikChaudhuri和YangruWu(2003)[8]KausikChaudhuri,YangmWu.Randomwalkversusbreakingtrendinmockprices：Evidencefromemergingmarkets[J]．JournalofBanking&Finance，2003，[8]KausikChaudhuri,YangmWu.Randomwalkversusbreakingtrendinmockprices：Evidencefromemergingmarkets[J]．JournalofBanking&Finance，2003，(27)：575-592．根據(jù)現(xiàn)有的文獻(xiàn)，時間間隔的選擇依然是均值回歸理論一個懸而未決的問題，即不確定的回歸時期，呈現(xiàn)“隨機漫步”的趨勢。不同的股票市場中，回歸周期不同，即使對同一股票市場而言，其T值也不易確定。如果能夠找到相應(yīng)的概率分布確認(rèn)均值回歸，就能更好的預(yù)測股票的未來收益。我國學(xué)者對均值回歸現(xiàn)象的研究進展國外學(xué)者對均值回歸現(xiàn)象進行了大量研究，相比而言，我國學(xué)者的相關(guān)研究較少。彭方平（2008）[9]彭方平.我國股市的均值回復(fù)性與參數(shù)價值反轉(zhuǎn)投資策略[J],管理工程學(xué)報,2008,(1):125-127.9]應(yīng)用Bootstrap仿真技術(shù)和似無關(guān)回歸研究，用實證數(shù)據(jù)論證了內(nèi)地股票市場的均值回歸性。宋玉臣（2009）[10]宋玉臣.證券市場宏觀信息過度反應(yīng)實證分析方法研究與檢驗[J],吉林工商學(xué)院學(xué)報，2009,(1):55-59[9]彭方平.我國股市的均值回復(fù)性與參數(shù)價值反轉(zhuǎn)投資策略[J],管理工程學(xué)報,2008,(1):125-127.[10]宋玉臣.證券市場宏觀信息過度反應(yīng)實證分析方法研究與檢驗[J],吉林工商學(xué)院學(xué)報，2009,(1):55-59二、計量分析方法1.自回歸的模型[[][]吳懷宇.武漢：武漢大學(xué)出版社[M].2004.子樣觀測值{},白噪聲序列表示為{},回歸系數(shù)用表示，則可得到的AR模型：(1)模型參數(shù)的最小二乘估計設(shè)樣本觀測值{}，記則AR(p)模型可以表示為（2）由最小二乘原理可得到模型參數(shù)的估計為那么根據(jù)最小二乘估計值可以得到噪聲的估值為噪聲方差的最小二乘估值為2.自相關(guān)性及其產(chǎn)生的原因定義：對于模型 如果隨機誤差項的各期值之間存在著相關(guān)關(guān)系，即： ，則稱模型存在著自相關(guān)性。自相關(guān)的類型：包括了一階自相關(guān)和高階自相關(guān)。一階自相關(guān)指的是隨機誤差項僅僅與其前一期相關(guān)。，高階自相關(guān)指的是隨機誤差項和它的前幾期都存在相關(guān)性。 稱之為P階自回歸形式，或稱模型存在P階自相關(guān)。自相關(guān)的影響最小二乘估計不再是有效估計OLS估計仍然是無偏估計，但不再具備有效性。T檢驗的可靠性降低，由于低估，使T值偏大。降低模型的預(yù)測精度自相關(guān)性的檢驗殘差圖的分析如果伴隨時間的變化，殘差的分布也對應(yīng)著周期的變化，說明自相關(guān)性很有可能會出現(xiàn)。杜賓——瓦森檢驗（dw檢驗）檢驗的范圍：一階自相關(guān)步驟：提出原假設(shè)：H0：，即不存在一階自相關(guān)。構(gòu)造檢驗統(tǒng)計量： 進而推導(dǎo)出： 檢驗自相關(guān)性：（1）拒絕原假設(shè)，認(rèn)為存在正自相關(guān)性。（2）時，拒絕原假設(shè)，認(rèn)為存在負(fù)自相關(guān)性。（3）時，接受原假設(shè)，即認(rèn)為不存在一階自相關(guān)。（4），或，無法確定是否存在自相關(guān)性。高階自相關(guān)檢驗偏相關(guān)系數(shù)檢驗自相關(guān)性的解決辦法廣義差分法如果模型表現(xiàn)出自相關(guān)性，應(yīng)該分析模型的設(shè)定問題，比如遺漏了重要的解釋變量，或是模型的設(shè)定形式不當(dāng)。除去這些影響后，再運用廣義差分法來處理自相關(guān)性。設(shè)線性回歸模型：存在一階自相關(guān)性：則可以運用廣義差分法來進行OLS估計。三、樣本數(shù)據(jù)及實證研究本文采用上證指數(shù)的周收益率進行實證研究，數(shù)據(jù)從yahoofinance中下載，時間范圍是2000年1月4日到2012年5月14日，共638個數(shù)據(jù)，使用Eviews6.0數(shù)據(jù)處理步驟如下：導(dǎo)入外部數(shù)據(jù)，將周收盤指數(shù)序列命名為stock點擊File/New/Program,進行數(shù)據(jù)預(yù)處理，方程如下：seriesstock_24=(stock-stock(-24))/stock(-24)seriesstock_48=(stock(-24)-stock(-48))/stock(-48)seriesstock_72=(stock(-48)-stock(-72))/stock(-72)seriesstock_96=(stock(-72)-stock(-96))/stock(-96)seriesstock_120=(stock(-96)-stock(-120))/stock(-120)seriesstock_144=(stock(-120)-stock(-144))/stock(-144)點擊run，生成所需序列，這里計算的是過去三年每24周也就是半年的收益率，如圖，對以上序列進行單位根檢驗發(fā)現(xiàn)所有序列均滿足平穩(wěn)性要求，可以做進一步的回歸。單位根檢驗：拒絕原假設(shè)，序列不存在單位根，數(shù)據(jù)是平穩(wěn)的，可以進