我國證券交易數據量探討論文

前言：本站為你精心整理了我國證券交易數據量探討論文范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

摘要:投資者對信息的反應具有非線性特征,當超過臨界點時,以往被忽略的信息會以聚集的形式爆發性地表現出來,因此證券市場具有長期記憶特征。分析了上海證券交易市場的交易量數據,認為上海市場具有長期記憶特征,長期記憶主要原因是因為市場中存在較多的噪聲交易者,而缺乏套期保值工具和信息披露的不完善又放大了投資者對信息反應的集群性。

1引言

在金融研究中,“有效市場假說”可能是使用頻率最高的術語之一。根據該假說,資產價格的變化只能是受今天未預料到的信息驅動,因為昨天的信息已經充分地反映在昨天的價格變化中了。在這種線性范式下,投資者對信息的反應也是線性的,因此今天的收益與昨天的收益無關,資產的收益服從正態分布,或者說遵循隨機漫步過程。其實在有效市場假說完全形成之前,關于金融資產收益服從正態分布的論斷就已經受到挑戰。Osborne在描述股票收益的函數時就注意到了股票收益密度函數只是“接近正態”,因為密度函數存在厚尾現象。

Fama發現股票收益具有偏度,在負收益側的觀測點要多于正收益側,而且在均值處收益分布的峰明顯高于正態分布。此后大量的實證研究表明股票收益明顯偏離正態分布,如Turner和Weigel用S&P500的日收益做的實證分析證明了股票收益具有“尖峰厚尾(leptokurtotic)”的特征。Mandelbrot提出股票收益分布應服從具有不穩定方差的穩態帕雷托分布(StableParetianDistribution),穩態帕雷托分布具有以下特征:①在均值處具有尖峰,并且尾部較正態分布厚;②表現出趨勢性和循環;③會出現不連續的、突發性的變化。根據股票收益的真實情況,Mandel-brot認為穩態帕雷托分布比正態分布更能準確地刻畫資產收益的情況。行為金融理論的創始人之一———Shiller從投資者行為角度對有效市場理論提出了質疑,Shiller將投資者分為兩類:噪聲交易者(NoiseTrader)和機智錢交易者(SmartMoneyTrader),噪聲交易者的存在加大了市場的波動,因為他們容易反應過度。Shiller對有效市場理論的兩個論斷提出質疑:①投資者是理性的;②當投資者數量足夠大時,市場會達到有效[1]。Peters認為股票收益分布的“尖峰厚尾”特征源自投資者對信息的非線性反應[2],投資者接收到信息后,未必會立即做出反應,而是在資產價格變化已經呈現趨勢時,或者當信息突破某一臨界點時,投資者會將以往忽略的信息爆發性地表現出來,表現為資產價格的大幅波動。因此Peters認為資產市場存在長期記憶,過去的信息將影響當前的市場,過去的經驗對當前的市場以及當前的信息對未來的市場都存在反饋效應。

2長期記憶的檢驗方法

2•1Hurst指數和R/S分析法R/S首先由Hurst提出并用于檢驗自然現象的長期記憶特征,后來經過Mandelbrot等人的完善,在經濟研究領域也得到了廣泛的應用。Hurst提出一個新的統計量:Hurst指數以及計算Hurst指數的R/S分析法(RescaledRangeAnalysis,重新標度極差分析)。對Hurst指數H,Hurst認為當H=0.5時,時間序列不存在長期記憶;當H∈(0,0.5)時,時間序列表現為短期的逆轉;H∈(0.5,1)時,時間序列具有長期記憶。R/S分析法計算簡便,能夠計算出完成循環所需要的時間,或者說是事件影響的持續時間。但也存在一定的缺陷:①取樣的時間要長,混沌理論認為取樣的時間要大于10循環周期以上[2]。Peters用R/S研究了美國幾種股票以及世界主要貨幣的長期記憶特征,但因為樣本時間過短,未能估計出確定的日元、德國馬克和英國英鎊的循環周期。②當樣本序列存在短期自相關和異方差時,R/S的估計結果不具有效性[3]。

2•2GPH檢驗由Geweke和Porter-Hudak提出,簡稱為GPH檢驗[4]。若一個協方差平穩序列滿足下列條件:∑nk=-nρ(k)→∞(當n→∞)其中,ρ(k)為滯后k階的自相關系數,表明該序列具有長期記憶,因為即使k很大,ρ(k)也不能忽略不計[5]。因此,平穩自回歸移動平均(ARMA)過程就沒有長期記憶的特征。對于服從分數維整合自回歸移動平均(ARFIMA)過程的時間序列X={x1,…,xT},即:Φ(B)(1-B)dxt=Θ(B)εt(1)其中,εt~iid(0,σ2);B為滯后算子;Φ(B)=1-1B-…-pBp;(1-B)d為分數差分算子;Θ(B)=1-θ1B-…-θpBq;(1-B)d=∑∞k=0Γ(k-d)Bk/Γ(k+1)Γ(-d),Γ(•)為Gamma函數。當d=0,ARFIMA過程即演變為ARMA過程。Hosking證明,當d∈(0,0.5)時,ARFIMA過程呈現長期記憶性[6]。因此,判定時間序列是否具有長期記憶決定于d的估計值。Geweke和Porter-Hudak建立了用譜方法檢驗d值的方法(即GPH檢驗法)[4],設xt在頻率λj處的譜密度和周譜為gu(λj)和I(λj),則下式成立:lnI(λj)=lngu(0)-dln[4sin2(λj2)]+lnI(λj)fx(λj)(2)其中,I(λj)=12πT∑Tt=1exp(itλj)(xt--x)2;fx(λj)為xt的譜密度函數。這意味著d可以通過一個簡單的回歸方程來估計得到:lnI(λj)=d0-dln[4sin2(λj2)]+ej,j=1,…,n(3)其中,ej=lnI(λj)fx(λj),在調和頻率λj處是漸近獨立同分布的;n為T的遞增函數,但遠遠小于T。Geweke和Porter-Hudak建議取n=Tα,0<α<1,若過程存在長期記憶性,則d的最小二乘估計值應顯著地不等于0。Yajima建議,取n=T0.5[8],此時ej的方差為π6,d的估計值的漸近分布既不依賴于過程的階數,也不依賴于ARFIMA誤差項的分布,這樣可提高d的估計值的有效性。GPH方法曾被廣泛用于檢驗資本市場的長期記憶特征,如Cheung曾用GPH方法檢驗了幾個主要貨幣之間匯率的長期記憶特征,認為美元與英鎊、美元與瑞士法朗等匯率存在長期記憶;Sadique用GPH方法檢驗了七國股票市場的周收益,認為韓國、馬來西亞、新加坡和新西蘭四國股票市場存在長期記憶,而日本、美國和澳大利亞三國股票市場不存在長期記憶。

3我國證券市場長期記憶特征的實證分析

我們選擇上海證券市場日交易量作為樣本,樣本區間從1993年初至2000年底連續8年,共1974個觀測值。圖1是我們采集的時間序列圖,成交量的異方差性是顯而易見的。對成交量取對數后,得到的成交量對數值序列Vt,圖2是取對數后的成交量圖,該圖表現出一種線性或非線性趨勢,可以用關于時間t的一次或二次多項式來去除趨勢。用Vt序列對下式進行參數估計:Vt=a0+a1t+a2t2,得到的參數本估計值為:^a0=20•25309(p<0.0001),^a1=0•00003793(p<0•0001),^a2=3•15765E-11(p=0•4589),可以看到二次平方項不顯著,因此去除Vt序列的線性趨勢,得到去除趨勢后的數據序列Vt從估計結果可以看出,d的估計值顯著不等于0,表明上海證券交易市場存在長期記憶。

4對證券市場長期記憶特征的理論解釋

4•1交易者對信息的非線性反應是長期記憶存在的主要原因中國證券市場上的投資者,包括個人投資者和機構投資者,而且是以個人投資者為主的證券市場。中國證券市場上個人投資者具有以下特點:一是文化程度低,有經濟學、證券投資知識的人少;二是新股民多,每次行情開始時就會增加一大批盲目狂熱的新股民;三是得不到充分信息,由于信息披露不規范,大多數投資者只能得到噪聲,即使能得到信息,由于缺乏應有的分析能力,信息的作用也是有限的。因此中國證券市場存在大量的噪聲交易者,“跟風”和“跟莊”是他們的主要投資策略[7]。這些交易者不可能對新信息做出線性反應,而是以一種非線性的方式對信息做出反應,一旦出現某種趨勢或信息累積超過某一臨界點,他們才會對以往忽略的信息做出“聚集、爆發”性的反應。信息的“聚集性效應”在金融市場可以得到很多的驗證。例如許多投資者采用圖形分析法來指導自己的投資行為,這種技術分析法所依據的并非是基本經濟面的變化,而是與基本面無關的其它因素變化。經過數十年的檢驗,確實有許多技術分析方法能給投資者帶來正的收益,如波浪理論等。這一現象可以用信息聚集性效應來解釋:如果把圖形分析視為進行短期投資決策的信息,當越來越多的短期交易者采用這一方法,即聚集在這一“信息”上,并由此得出相似的結論時,交易者就能從中獲利,這又會吸引更多的投資者采用這種與基礎面無關的信息。這種正的信息溢出效應使專業投資者在進行投資決策時,不僅要關心與基本面有關的信息,還要關注那些為大家所關注的信息。

4•2理性投資者未必能平抑市場過度波動傳統金融市場理論認為理性投機者能平抑市場的過度波動。一般認為理性投資者通過與噪聲交易者進行平穩交易,從而使市場平穩并從中獲利。但金融噪聲交易理論認為,理性投機者不但未能起到平穩市場的作用,反而會使市場的波動加大。當市場中存在“跟風”噪聲交易者(指那些看到某一股票成交量突然增加時跟風買進或賣出的交易者)時,理性投機者會利用“跟風”噪聲交易者的特征從中獲利。假設理性投機者獲得一個利好消息(成為知情交易者)并據此進行交易時,他會意識到他們的交易會刺激“跟風交易者”在明天跟風買進,因此他會在今天購買的更多,使交易量的放大更加明顯,并使價格上漲幅度高于基本面消息應有的幅度。到了第二天,跟風交易者對今天交易量突然增加的跟風使交易量進一步增加,價格越發偏離基本面。這樣,在整個交易量驟然增加的過程中,雖然有一部分交易量是理性的,但還有一部分是理性投機者對跟風投機者的預期而增加的,另一大部分則是跟風交易者所貢獻的。在市場中,知情交易者控制了跟風交易者,從而使交易量的波動更大,并通過利用后者的交易特征采取相應的投機策略而獲利。除了上述原因之外,影響中國機構投資者不能穩定市場反而成為市場投機的主要原因還有:①機構投資者聯合造勢,由于中國證券市場上存在大量的噪聲交易者,使得機構投資者聯合行動,制造行情,讓大量的噪聲交易者跟風,從中謀利;②大量違規資金的存在,違規資金來源主要是上市公司和銀行資金,這些資金的到期返還特征起了領導交易量巨幅波動的“領頭羊”的作用;③機構投資者的管理體制問題,資金管理人員容易出現個人投資失誤,因此可以說中國機構投資者的投機性質強化了對信息的聚集性反應。

4•3缺乏風險規避工具和信息披露的不完善也導致了交易量波動的聚集性有效市場假說認為套期保值能夠抵消非理性投機者的偏差,但實際上市場的套期保值是有限的、有風險的,套期保值的有效性取決于是否存在近似的替代資產。但是許多資產并沒有替代資產,因此對于套期保值并不擁有無風險的套利策略,他們將投資資產保持在基本價值附近的能力受到限制。即使存在完全替代資產,套期保值者還面臨來自未來資產價格的不確定性。然而在中國,由于缺乏套期保值工具,證券市場上的投資者只能隨市場趨勢的變化調整自己的投資策略,因此對市場變化趨勢敏感性非常強,也就是說對信息的反應聚集性增強。在信息線性出現的情況下,投資者尚且會出現對信息的非線性反應。如果信息披露是非線性時,那投資者的非線性反應就更加強烈了。在我國,直到2001年才有少數公司季報,而大多數投資者只能從中報和年報了解上市公司的狀況,而上市公司業績的大起大落、突擊的關聯交易和重組等因素導致了信息披露的非連續性和非平穩性,市場信息的非線性傳導放大了投資者對信息反應“聚集性”特征。超級秘書網

5結論

雖然用R/S法計算時間序列的Hurst指數能檢驗證券市場的長期記憶特征,而且R/S法還能估計完成一個循環所需的時間,但是R/S方法存在一定的缺陷,如當樣本序列存在短期自相關和異方差時,R/S的估計結果不具備有效性。另外,混沌理論認為使用R/S法需要取樣區間大于10循環周期以上。這些缺陷限制了R/S法的使用,因此我們采取了GPH法對上海證券市場的成交量序列作了檢驗,我們得出以下結論:(1)通過對ARFRIMA(p,d,q)中分數參數d的估計,d的估計值顯著地不等于0,可以認為上海證券交易市場存在長期記憶,說明成交量的波動具有集群性,即大幅度的成交量集中發生在某些時段,而小幅度的波動則集中在另一些時段。(2)我國證券市場長期記憶的根本原因是投資者對信息反應非線性。我國證券市場存在大量的噪聲交易者,他們獲取信息以及分析信息的能力有限,因此直到超過臨界點或市場出現趨勢后,他們才會以聚集的方式對以往忽略的信息做出反應。而機構投資者雖然具有信息優勢和一定的分析能力,但是由于噪聲交易者的存在以及其自身的原因,其投資理性也是有限的。(3)健康的市場應該是活躍的市場,而不是過度波動的市場,證券市場的長期記憶充分地反映了市場的非線性和非理性。因此,要減少市場交易量的長期記憶特征,或者說減輕交易量波動的幅度,除提高投資者的投資水平外,減少非理性的噪聲交易是關鍵。另外,因為套期保值工具的缺乏以及信息披露的不完善,間接地成為投資者對信息非線性反應的原因,開發套期工具和改善信息披露也是非常重要的。

參考文獻:

[1]ShrillerR.J..MarketVitality[M].Cambridge,MA:M.I.T.Press,1989.

[2]PetersE.E..ChaosandOrderintheCapitalMarket[M].JohnWiley&SonsInc..NewYork,1991.