我国证券市场效率进化的实证检验文档10页在线下载

为了检测长期相关情况，我们引入  是强混合的，混合系数益，假定有  这里是任意固定参数，满足下列条件 对于任意时点都有 对些，有 ，。

弱式有效是说价格序列能够反映所有过去的信息，这样的市场中投资者无法根据过去的价格和回报信息获利超 额收益半强式有效认为价格能够迅速完全准确的反映所有公开可得的相关信息，投资者无法通过公开信息 获取超额收益强式有效则认为，任何参与者的私人信息会在他试图利用这信息获利时迅速的泄露被价格反 映，所以，即便具有内幕信息，在这样的市场中投资者仍然无法获利超额收益。

那么，随机过程，将是强混合或短期相关，如果成立，否则， 自相关函数会以很慢的速度衰减，即存在长期相关性。

为了区别短期相关和长期相 关，我们引入强混合的般概最大相关系数随着事件间时间跨度增大而趋向无穷小，否则 我们称序列存在长期记忆效应或存在长期相关。

参见，时间序列及长期记忆，页。

和证明，在检测长期相关性上，分析比传统方法如自相关和方差比率 要好，例如，统计量能够检测具有严重高峰厚尾的非高斯时间序列中的长期相关性， 分析能够检测非周期循环，即便实际周期等于甚至长于样本取值区间，。

的统计上相关性下降的个度量。

换句话说，个 时间序列是强混合的，如果在任意两时点间两事件间为了区别短期相关和长期相 关，我们引入强混合的般概念，并将短期相关作为备择假定 那么，随机过程，将是强混合或为，任何参与者的私人信息会在他试图利用这信息获利时迅速的泄露被价格反 映，所以，即便具有内幕信息，在这样的市场中投资者仍然无法获利超额收益。

所有过去的信息，这样的市场中投资者无法根据过去的价格和回报信息获利超 额收益半强式有效认为价格能 这里将区域和相关系数定义为  ， 弱式有效是说价格序列能够反映部分内容简介，，部分内容简介，， 这里将区域和相关系数定义为  ， 弱式有效是说价格序列能够反映所有过去的信息，这样的市场中投资者无法根据过去的价格和回报信息获利超 额收益半强式有效认为价格能够迅速完全准确的反映所有公开可得的相关信息，投资者无法通过公开信息 获取超额收益强式有效则认为，任何参与者的私人信息会在他试图利用这信息获利时迅速的泄露被价格反 映，所以，即便具有内幕信息，在这样的市场中投资者仍然无法获利超额收益。

那么，随机过程，将是强混合或短期相关，如果成立，否则， 自相关函数会以很慢的速度衰减，即存在长期相关性。

为了区别短期相关和长期相 关，我们引入强混合的般概念，并将短期相关作为备择假定，。

令为资产在时间的价格为其收益，假定有  这里是任意固定参数，满足下列条件 对于任意时点都有 对些，有   是强混合的，混合系数满足  这里后三个条对相关系数的取值，以及大数定理和中心极限定理能够成立的情况下 可接受的异质性作了限定。

为了检测长期相关情况，我们引入提出的统计量，该统计量指时间 序列中部分观测值与均值差的和的最大范围与其标准差的比值   这里代表赫斯特指数， ，  分别为回报率均值和超 标准差的估计量。

方程右边括号中第项是前项回报偏差和的最大值，这 值总是非负的第二项是最小值，总是非正的，因而统计量总是非负的。

在同分布假定之下，备择假设为随着不断增加，适当标准化的统 计量收敛于明确定义的随机变量分布，即  强混合是对随着两个时间跨度增大事件间的统计上相关性下降的个度量。

换句话说，个 时间序列是强混合的，如果在任意两时点间两事件间最大相关系数随着事件间时间跨度增大而趋向无穷小，否则 我们称序列存在长期记忆效应或存在长期相关。

参见，时间序列及长期记忆，页。

和证明，在检测长期相关性上，分析比传统方法如自相关和方差比率 要好，例如，统计量能够检测具有严重高峰厚尾的非高斯时间序列中的长期相关性， 分析能够检测非周期循环，即便实际周期等于甚至长于样本取值区间，。

该方法另 个显著的优点是几乎对所有的无限方差的随机过程，统计量都是收敛的，这点对于自相关和方差比率来说 是不必然的。

通过有关时间序列长期记忆效应书中的分析数值表如我们 可在定显著水平下检验备择假设。

对于短期相关的时间序列，如强混合过程， 指数极限趋向于，根据存在正或负的长期记忆而趋向大于或小于的值。

本文我们以个观测值为时间窗跨度年，利用滚动样本方法估计指数。

也即对于所有样本，我们先计算前个观测值的指数，然后将时间窗前移个 观测值，计算第到第个观测值的指数，以此类推，得到个指数的序 列，并在此基础上讨论市场的效率进化情况。

传统分析的个重要缺陷是该统计量对于短期相关性十分敏感，这意味着些 数据和对统计量行为预测间的不协调现象是由短期记忆而不是长期记忆引起的。

鉴于此，我们也计算基于过滤掉短期相关的收益序列的指数。

通过回归方程 我们设定滞后期为约个月的交易时间得到残差作为新的不具有短期记忆的 时间序列，并在此基础上计算调整后的指数。

 实证结果分析 本文利用美国日本等成熟的证券市场相比，我国证券市场的有效性仍然较低。

第二，由四个子市场过去十二年的发展我们可以得出结论上海股市场变得越来 越有效，深圳股市场的有效性反而低于四年前，上海和深圳股市场的有效性 变化不显著。

没有显著证据表明我国证券市场正变得越来越有效。

第三，过滤掉短 期自相关因素后的指数基本都不再满足以上显著偏离，这说明市场长期记 忆效应很弱，序列的相关性无效率主要是短期因素造成的。

此外，指数或市 场效率随着时间波动，这意味着我们选择不同时间段的样本会得出不同结论，或者 说选取特定时段数据对于中国证券市场进行有效性检的做法具有很大的误导 性。

第四，所有的指数都大于表明所有序列都定程度上存在正的自相关， 即市场波动存在正反馈效应，在这样的市场中势头投资策略可能有效。

第五，分 析的四分位图显示各子市场的有效性排名随着时间变化，年前上海股市场比 深圳股市场更有效，但在此之后深圳股市场比上海股市场有效年四个 子市场效率从高到低排序为上海上海深圳深圳，年后为上海 深圳深圳上海。

参考文献 ， ， ， ， ， 附录 附录不同时间窗的赫斯特指数基于原始回报序列和基于过滤掉短期相关后的回报序列 原始 过滤后 原始 过滤后 原始 过滤后 原始 过滤后 原始 过滤后 原始 过滤后 子样本观测值个数为，指数不等于的临界值在和显著水平下分别为和。

对观测值为的全样 本，分别为和。

因而上标分别表示市场在显著水平上非有效。

附录滚动样本方法所得赫斯特指数的统计特征 中值均值最大值最小值 原始 过滤后 原始 过滤后 原始过滤后 原始 过滤后 原始 过滤后 原始 过滤后 我们执行检验，结果表明指数序列并不服从弱的正态分布，所以在这里我们用中值代替均衡来比较各个子市场的有效性。

我国证券市场效率进化的实证检验 摘要本文利用中国新兴证券市场年至年的数据，运用分析方法检 验发现无法证明市场的有效程度随着时间推移提高，我国证券市场的长期记忆效 应较弱，市场效率低主要是受短期自相关等因素影响，这可能与市场中存在操纵行 为有关，四分位图显示各子市场的有效性排名随着时间而变化，这意味着选取 特定时段数据对于中国证券市场进行有效性检的做法具有很大的误导性。

关键词分析赫斯特指数长期记忆效应市场效率 ， ， 作者简介韩勇，北京大学经济学院博士生，供职于中国证监会基金监管部。