國際股市變動(dòng)的長期性證實(shí)探討

導(dǎo)語：國際股市變動(dòng)的長期性證實(shí)探討一文來源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要：本文通過對(duì)國內(nèi)外七家交易所主要指數(shù)的數(shù)據(jù)，采用修正R/S分析、GHP檢驗(yàn)和FIEGARCH模型實(shí)證研究發(fā)現(xiàn)，除了日本東京股市外，其余六家股市包括滬深股市的波動(dòng)均存在著明顯得杠桿效應(yīng)和長期記憶性，股市前期的波動(dòng)對(duì)未來一定時(shí)期內(nèi)股市的走勢(shì)都有或多或少的影響。這意味著這六家股市的效率并不高，投資者可以利用歷史數(shù)據(jù)來預(yù)測(cè)未來股市的波動(dòng)并據(jù)此獲取投機(jī)利潤。因此，投資者在制定投資計(jì)劃時(shí)，應(yīng)充分考慮各國股市的特點(diǎn)和發(fā)展規(guī)律以獲取較高的投資回報(bào)。

關(guān)鍵詞：波動(dòng)，長期記憶，修正R/S，F(xiàn)IEGARCH模型

一、引言與文獻(xiàn)回顧

對(duì)金融資產(chǎn)收益率分布特征的研究最早可追溯于1900年，當(dāng)時(shí)的法國經(jīng)濟(jì)學(xué)家路易.巴舍利耶（LouisBachelier)在博士論文研究中發(fā)現(xiàn)，商品價(jià)格的波動(dòng)往往呈現(xiàn)出隨機(jī)游走（randomwalk）的趨勢(shì)，也就是說價(jià)格走勢(shì)近似地服從布朗運(yùn)動(dòng)（brownianmotion），在這種條件下投資者的期望利潤應(yīng)為零。對(duì)這個(gè)理論最好的詮釋便是著名的“醉漢的腳步”問題。在1952年馬柯維茨創(chuàng)立了現(xiàn)資組合理論后，關(guān)于金融資產(chǎn)波動(dòng)特征研究的各種理論便層出不窮，其中最為重要的莫過于在上世紀(jì)六十年代創(chuàng)立的有效市場(chǎng)假說（EfficientMarketHypothesis），其根據(jù)效率強(qiáng)弱將證券市場(chǎng)劃分為弱有效市場(chǎng)、半強(qiáng)有效市場(chǎng)和強(qiáng)有效市場(chǎng)三類。支撐有效市場(chǎng)理論的一個(gè)重要假設(shè)是投資收益率序列服從正態(tài)分布且收益率之間相互獨(dú)立和同分布。但八十年代以來逐漸興起的行為金融理論研究發(fā)現(xiàn)證券市場(chǎng)普遍存在小公司效應(yīng)、周末效應(yīng)、元月效應(yīng)、羊群效應(yīng)等無法用有效市場(chǎng)假說解釋的現(xiàn)象，這無疑對(duì)有效市場(chǎng)假說提出了嚴(yán)峻的挑戰(zhàn)。同時(shí)越來越多的實(shí)證研究也表明，金融資產(chǎn)收益率并不簡(jiǎn)單地服從獨(dú)立同分布的正態(tài)分布假定。王明照等（2005）將其總結(jié)為以下五個(gè)主要特征：（1）收益率分布的尖峰厚尾；（2）波動(dòng)的時(shí)變性和聚集性；（3）波動(dòng)的溢出效應(yīng)；（4）杠杠效應(yīng)；（5）長期記憶性（longmemory）。本文擬探討的就是金融資產(chǎn)波動(dòng)的長期記憶性問題。

傳統(tǒng)的時(shí)間序列模型如AR(p)、ARMA(p，q)、GARCH(p，q)等均假定：時(shí)間序列服從I(0)分布，即遠(yuǎn)距離的觀測(cè)值之間相互獨(dú)立，自相關(guān)函數(shù)按照指數(shù)率快速地衰減，也就是說時(shí)間序列呈現(xiàn)短期記憶的特征。但這個(gè)假設(shè)往往與事實(shí)不符，觀測(cè)值之間常常存在著一定的自相關(guān)性。如果假定時(shí)間序列服從I(1)分布，即按照線性速度緩慢地地衰減，也就意味著歷史事件將會(huì)永遠(yuǎn)對(duì)未來產(chǎn)生影響，這既不一定符合事實(shí)同時(shí)也會(huì)給模型的估計(jì)造成較大的困難。而長期記憶性概念的建立則較好的解決了上述問題。

所謂時(shí)間序列的長期記憶性是指時(shí)間序列的自相關(guān)函數(shù)既不是按照指數(shù)率迅速地衰減，也不是按照線性速度緩慢地衰減，而是呈現(xiàn)按照負(fù)冪指數(shù)（雙曲線）速度下降，也就是說時(shí)間序列相隔較遠(yuǎn)的觀測(cè)值之間仍具有一定的相關(guān)性，歷史事件在較長時(shí)期內(nèi)仍會(huì)對(duì)未來產(chǎn)生影響，但這種影響不是無限的。這也就意味著時(shí)間序列服從分?jǐn)?shù)布朗運(yùn)動(dòng)(fractionalBrownianmotion)。

長期記憶性的數(shù)學(xué)定義可用自相關(guān)函數(shù)的分布特征來表示：

假設(shè)時(shí)間序列{}的k階自相關(guān)函數(shù)為r(k)，如果自相關(guān)函數(shù)r(k)滿足以下條件：自相關(guān)函數(shù)r(k)隨著滯后階數(shù)k的增大而依負(fù)冪指數(shù)（雙曲線）緩慢下降，即，其中C為常數(shù)，～表示收斂數(shù)度相同，則稱{}為長記憶時(shí)間序列。如果{}為長記憶時(shí)間序列，那么0<d<1/2，即0<1-2d<1；當(dāng)d<0時(shí)，稱{}為中等記憶時(shí)間序列。從上述定義可知，如果{}為長記憶時(shí)間序列，那么自相關(guān)函數(shù)的絕對(duì)值之和趨近于無窮大，即。

對(duì)長期記憶性最早進(jìn)行研究的是英國水利學(xué)家赫斯特（Hurst），他在1951年研究當(dāng)時(shí)世界上最大的水利工程――埃及阿斯旺水壩的資料時(shí)發(fā)現(xiàn)，尼羅河長期的洪水之后往往會(huì)出現(xiàn)長期的干旱，他據(jù)此推斷水文時(shí)間序列數(shù)據(jù)普遍存在著長期記憶性。1968年Mandelbrot對(duì)分?jǐn)?shù)布朗運(yùn)動(dòng)及分形的定義則為長期記憶分析奠定了扎實(shí)的數(shù)學(xué)基礎(chǔ)。此后，對(duì)時(shí)間序列長期記憶的研究在物理學(xué)、氣象學(xué)、地理學(xué)等自然科學(xué)領(lǐng)域也得到了廣泛的應(yīng)用。而近二十年來研究金融資產(chǎn)是否具備長期記憶性則也成了國外金融理論界的一個(gè)熱門話題。顯然這具有十分重要的意義：首先，金融資產(chǎn)收益率具有長期記憶性，也就意味著可以利用過去的歷史收益情況對(duì)未來的收益率進(jìn)行推測(cè)，這對(duì)于更準(zhǔn)確地分析和預(yù)測(cè)金融市場(chǎng)走勢(shì)、控制投資風(fēng)險(xiǎn)等具有十分重要的意義；其次，也意味著以往只刻畫金融資產(chǎn)短期記憶性的AR(p)、MA(q)、ARMA(p，q)、GARCH(p，q)等存在著缺陷，因此必須進(jìn)行一定的修正（王明照，2005）。最后，長期記憶性表明經(jīng)濟(jì)金融系統(tǒng)的運(yùn)行具有復(fù)雜性、非線形性和多重關(guān)聯(lián)性等特征，這為混沌理論和分形理論等的發(fā)展提供了嶄新的視野和空間。

對(duì)金融資產(chǎn)長期記憶性的研究可劃分為對(duì)收益率長期記憶性和波動(dòng)長期記憶性這兩個(gè)主要方面。在收益率長期記憶性研究方面，主要采用的是由Granger&Joyeux在1980年首先提出來的分整自回歸移動(dòng)平均模型(ARFIMA)。大都的實(shí)證研究表明發(fā)達(dá)國家股票市場(chǎng)并不存在長期記憶性或者說結(jié)果不顯著，典型代表如AndrewW.Lo(1991)和Hiemstra&Jones對(duì)美國股票市場(chǎng)的實(shí)證研究。而對(duì)于新興股票市場(chǎng)和小市值的上市公司，很多研究發(fā)現(xiàn)往往存在著一定的長期記憶性，典型代表如Jonahan.H.Wright（1999）對(duì)十七個(gè)新興股票市場(chǎng)的研究發(fā)現(xiàn)：其中的七個(gè)股票市場(chǎng)收益率存在著顯著的長期記憶性，包括韓國、泰國等東亞國家。與之有類似結(jié)論的包括Crato(1994)、Henry（2000）、JussiTolvi(2004)等。從對(duì)近年來對(duì)我國股市收益率長期記憶性的實(shí)證研究如陳夢(mèng)根（2003）、馬丹（2004）等的結(jié)果來看，我國股市收益率并不存在著顯著的長期記憶性。

從對(duì)金融資產(chǎn)波動(dòng)長期記憶性實(shí)證研究來看，大部分采用的是在廣義自回歸條件異方差（GARCH）模型基礎(chǔ)上建立的分整GARCH模型――FIGARCH(FractionalIntegratedGARCH)模型。

Baillie等在1996年利用FIGARCH模型研究德國馬克對(duì)美元的日受益變化情況時(shí)發(fā)現(xiàn)，F(xiàn)IGARCH模型對(duì)于波動(dòng)的刻畫能力要高于傳統(tǒng)的GARCH模型或單整GARCH（IGARCH）模型。與對(duì)股票收益率的長期記憶性研究結(jié)果相異的是，大部分的實(shí)證研究結(jié)果都表明各國股市收益率的波動(dòng)往往存在著顯著的長期記憶性，典型代表如Bollerslev&Mikkelsen（1996）對(duì)美國股票市場(chǎng)、PhilippSibbersten（2004）對(duì)德國股票市場(chǎng)、JihyunLee，Tongsukkim&Hoe-kyunglee(2004)對(duì)韓國股票市場(chǎng)的研究等。國內(nèi)學(xué)者如湯果、何曉群（1999）、王春峰、張慶翠（2004）等對(duì)國內(nèi)上海和深圳股市的實(shí)證研究也支持存在著長期記憶性。

但縱觀上述文獻(xiàn)，將各國股市波動(dòng)長期記憶性特征進(jìn)行實(shí)證比較的研究還不多見，特別是綜合考察比較中國大陸上海、深圳股市和國際主要股市波動(dòng)長期記憶性特征的研究目前更處于空白之中，筆者擬就此問題進(jìn)行探討，權(quán)當(dāng)拋磚引玉。

二、實(shí)證模型介紹

（一）長期記憶性的存在性檢驗(yàn)

對(duì)股市波動(dòng)的長期記憶性實(shí)證檢驗(yàn)的第一步是檢驗(yàn)時(shí)間序列的平穩(wěn)性，檢驗(yàn)的方法主要是擴(kuò)展的單位根ADF檢驗(yàn)等。鑒于對(duì)此問題的相關(guān)論述已較多，筆者不再贅述。其后就要對(duì)長期記憶性是否存在進(jìn)行檢驗(yàn)，所需要使用的統(tǒng)計(jì)方法主要包括修正的R/S檢驗(yàn)和GHP檢驗(yàn)，以下簡(jiǎn)要介紹之。

1．修正的R/S檢驗(yàn)

重標(biāo)極差分析法（rescaledrangeanalysis，R/S）分析通常用來分析時(shí)間序列的長期記憶過程，最早由水文學(xué)家赫斯特（Hurst）在1951年提出，其主要方法是：

對(duì)于一個(gè)由T個(gè)觀測(cè)值構(gòu)成的時(shí)間序列{xt}，首先估計(jì)其對(duì)于整數(shù)n、k的極差R（n）與標(biāo)準(zhǔn)差S(n)：

令，可以證明，當(dāng)n時(shí)，，

其中c為常數(shù)，H即為Hurst指數(shù)。可以證明：當(dāng)0<H<0.5時(shí)，時(shí)間序列為短記憶；當(dāng)H=0.5時(shí)，序列為白噪聲序列；當(dāng)0.5<H<1時(shí)，時(shí)間序列為長記憶；當(dāng)H1時(shí)，序列具有無限方差，是非平穩(wěn)的。

然而其后的研究發(fā)現(xiàn)，經(jīng)典R/S分析存在一些不足，包括序列包含短期記憶和序列非平穩(wěn)等，為了彌補(bǔ)經(jīng)典R/S分析的不足，Lo(1991，1999)對(duì)經(jīng)典R/S分析作了修正，提出了一個(gè)新的統(tǒng)計(jì)量――修正的R/S分析，，該統(tǒng)計(jì)量可以解決上述缺陷，目前已成為實(shí)證分析主要采用的方法。修正的R/S分析主要是針對(duì)S(n)部分，

其中，

＝＋2

且，q<n，＝，為序列{}的樣本自協(xié)方差

這樣就可以計(jì)算統(tǒng)計(jì)量。如果時(shí)間序列僅僅存在短期自相關(guān)而不存在長期記憶性，則就具有穩(wěn)定的極限分布，此時(shí)就可以通過檢驗(yàn)的分布情況對(duì)時(shí)間序列是否具有長期記憶性進(jìn)行檢驗(yàn)。

2．GHP檢驗(yàn)

在ARFIMA模型的基礎(chǔ)上，Geweke&PorterHudak提出了名為GHP檢驗(yàn)的一種半?yún)?shù)方法去檢驗(yàn)時(shí)間序列的長期記憶性。其基本原理如下：

一般而言，分整過程的的譜密度函數(shù)可表示為：

，（1）

其中是傅立葉密度，則是同相關(guān)的譜密度。

由（1）式可得d的回歸方程：

，（2）

Geweke&PorterHudak證明，當(dāng)樣本容量n足夠大時(shí)，d的最小二乘估計(jì)漸進(jìn)服從正態(tài)分布，即：,，

在原假設(shè)d=0成立的條件下，統(tǒng)計(jì)量，這樣就可以估計(jì)時(shí)間序列是否存在長期記憶性。

（二）FIEGARCH模型介紹

反映時(shí)間序列波動(dòng)的長記憶性所最常用的模型是FIGARCH(p,d,q)模型,它是Baillie、Bollerslve與Mikklson在1996年提出來的，表達(dá)形式為：

其中的條件方差可表達(dá)式為：

＋，

FIGARCH模型中要求條件方差的系數(shù)大于零，而現(xiàn)實(shí)中這個(gè)條件不一定能夠得到滿足。受到EGARCH模型的啟發(fā)，Bollerslev&Mikkelsen(1996)提出了分整EGARCH模型，也就是我們通常所說的FIEGARCH模型來描述股市波動(dòng)的非對(duì)稱性。

若，則說明存在著杠桿效應(yīng)。若，說明存在著負(fù)的杠桿效應(yīng)，即股票下跌過程往往會(huì)伴隨更為激烈的波動(dòng)。

（三）數(shù)據(jù)的來源與處理

本文中美國紐約交易所道瓊斯工業(yè)30指數(shù)（簡(jiǎn)稱DO30）、納斯達(dá)克指數(shù)（簡(jiǎn)稱NASD）、英國倫敦交易所金融時(shí)報(bào)100指數(shù)（簡(jiǎn)稱FT100）、日本東京交易所日經(jīng)225指數(shù)（簡(jiǎn)稱NK225）和香港交易所恒生指數(shù)（簡(jiǎn)稱HKHS）來自于雅虎財(cái)經(jīng)網(wǎng)站，上海綜合指數(shù)（簡(jiǎn)稱SHZZ）和深圳成分指數(shù)（簡(jiǎn)稱SZCZ）取自于通達(dá)信交易軟件。本文中的統(tǒng)計(jì)運(yùn)算均在軟件SPSS、SPLUS和EXCEL中完成。

我國上海和深圳股市從1996年12月16日起實(shí)行漲跌停板制度，由于這對(duì)股市的運(yùn)行方式和模式產(chǎn)生了非常大的影響。為此筆者將研究時(shí)間段的起點(diǎn)定在該日期，研究時(shí)間段的終點(diǎn)是2004年12月31日，包含超過8年時(shí)間的七家交易所主要指數(shù)的日收益率數(shù)據(jù)。

在收益率的計(jì)算上采用的是金融分析中常用的對(duì)數(shù)收益率法，即：

其中為i指數(shù)在t時(shí)刻的收益率，為i指數(shù)在t時(shí)刻的絕對(duì)值。

三、實(shí)證結(jié)果分析

我們先對(duì)各國（地區(qū)）股市的日收益率數(shù)據(jù)進(jìn)行單位根檢驗(yàn)，結(jié)果發(fā)現(xiàn)數(shù)據(jù)均為一階平穩(wěn)（陷于篇幅因素，檢驗(yàn)結(jié)果略），故可以進(jìn)行時(shí)間序列分析。表一給出了七個(gè)股票市場(chǎng)日收益率的基本統(tǒng)計(jì)分析。由于各市場(chǎng)的交易日期安排有所不同，故樣本容量有所不同，但這并不影響我們分析的基本結(jié)論。從統(tǒng)計(jì)表中可以看出，在日平均收益率方面，上證綜指和深圳成指的收益率在七個(gè)市場(chǎng)中位于中下端，深圳成分指數(shù)收益率甚至為負(fù)，這與期間滬深股市出現(xiàn)的先揚(yáng)后抑走勢(shì)有關(guān)。而同期除了日本股市外，美國、英國和我國香港股市整體上仍呈上升走勢(shì)。從反映波動(dòng)情況的收益率標(biāo)準(zhǔn)差來看，與我們先前的普遍認(rèn)識(shí)存在著較大差異的是，我國股市運(yùn)行的波動(dòng)幅度并不一定比發(fā)達(dá)股票市場(chǎng)高。雖然滬深股市的波動(dòng)值比紐約股市和英國倫敦股市高，但仍比香港和美國納斯達(dá)克市場(chǎng)低，與日本東京股市的波動(dòng)幅度也比較接近。納斯達(dá)克作為一個(gè)投機(jī)氣氛比較濃厚的新興股票市場(chǎng)，尤其是其在2000年新經(jīng)濟(jì)破滅后更是出現(xiàn)了大幅下跌，因此其波動(dòng)幅度比較高也屬正常現(xiàn)象。我國香港股市波動(dòng)幅度較大的原因筆者認(rèn)為主要是由香港股市自身的特點(diǎn)所決定的。香港作為全球重要的國際金融中心，海外上市公司和投資者在市場(chǎng)中占據(jù)了相當(dāng)大的比例，這些海外因素的存在使得香港股市的波動(dòng)幅度較大。此外由于香港經(jīng)濟(jì)高度依賴發(fā)達(dá)國家和大陸市場(chǎng)，因此海內(nèi)外股市的波動(dòng)往往會(huì)誘發(fā)本港股市的巨幅波動(dòng)，這些都加劇了香港股市的風(fēng)險(xiǎn)水平。從反映收益率對(duì)稱性的偏度指標(biāo)來看，七個(gè)市場(chǎng)中有四個(gè)呈現(xiàn)左偏，三個(gè)呈現(xiàn)右偏形態(tài)，其中滬深股市均為左偏。而從反映股市波動(dòng)聚集狀態(tài)的峰度指標(biāo)來看，七個(gè)股票市場(chǎng)峰度值均顯著大于零（標(biāo)準(zhǔn)正態(tài)分布的峰度值），這說明這七個(gè)市場(chǎng)收益率的分布均存在著明顯的厚尾現(xiàn)象。滬深股市的峰度值僅次于香港股市，說明滬深股市收益在尾部的聚集情況非常明顯，這一方面是可能由于滬深股市極容易受政策波動(dòng)的影響，從而造成股指的大漲大落。另一方面可能也是受到漲跌停板制度的限制，從而使得股市日收益率數(shù)據(jù)在±10％的門檻下高度聚集。

表一各國（地區(qū)）股市日收益率的基本統(tǒng)計(jì)分析

SHZZSZCZHKHSDO30NASDFT100NK225

樣本數(shù)1936193619862024202520301976

收益率0.0068-0.01620.00540.02650.02600.0095-0.0289

標(biāo)準(zhǔn)差1.58781.75031.85451.20511.99341.22671.5499

偏度-0.284-0.2370.172-0.2040.039-0.1140.005

峰度7.3966.0599.5123.3852.9631.8971.544

表二給出了七個(gè)股票市場(chǎng)修正R/S檢驗(yàn)值和GHP檢驗(yàn)的結(jié)果。從檢驗(yàn)的結(jié)果來看，除了日本股票市場(chǎng)外，其余六個(gè)股票市場(chǎng)都不約而同的存在著長期記憶性，這點(diǎn)與前人的研究結(jié)果大致類似。

我們以深圳成分指數(shù)的自相關(guān)函數(shù)為例（圖一）進(jìn)行考查，結(jié)果發(fā)現(xiàn)自相關(guān)函數(shù)在前30階下降的很快，而在其后則衰減的非常慢，直至130階以后才逐步接近于0。這說明自相關(guān)函數(shù)間存在著很強(qiáng)的依賴型，其衰減形式不是一般所假設(shè)的指數(shù)衰減，而是呈現(xiàn)雙曲線衰減形式，條件方差受到的沖擊將會(huì)持續(xù)相當(dāng)長的時(shí)間，說明了引入FIEGARCH模型討論金融收益率波動(dòng)的必要性。

即使考慮日本股市的情況，由于其修正R/S檢驗(yàn)值和GHP檢驗(yàn)結(jié)果非常比較接近臨界值，因此其是否存在長期記憶性仍需進(jìn)一步通過FIEGARCH模型來進(jìn)行檢驗(yàn)。

表二各國（地區(qū)）日收益率的R/S檢驗(yàn)和GHP檢驗(yàn)

SHZZSZCZHKHSDO30NASDFT100NK225

修正R/S檢驗(yàn)值2.3349*

2.7031*

3.9626*

3.1178*

4.759*

3.5436*

1.7889

d值0.3402*0.3597*0.3555*0.4152*0.5084*0.5352*0.1822

統(tǒng)計(jì)值3.0614

3.23723.19993.73644.63644.88111.6399

注：帶*的標(biāo)記表示在0.05的水平下顯著。

圖一深圳成分指數(shù)自相關(guān)函數(shù)(ACF)圖

表三給出了各國股市收益率FIEGARCH模型的估計(jì)結(jié)果。從估計(jì)系數(shù)的檢驗(yàn)值來看，F(xiàn)IEGARCH模型的估計(jì)效果較為理想。從反映各國股市波動(dòng)的杠桿效應(yīng)的指標(biāo)LEV(1)來看，七個(gè)股票市場(chǎng)的估計(jì)值在0.05的水平下均顯著，且均為負(fù)數(shù)，說明各股票市場(chǎng)波動(dòng)均存在明顯的杠桿效應(yīng)，即股票下跌過程往往會(huì)伴隨更為激烈的波動(dòng)，這點(diǎn)在道瓊斯和納斯達(dá)克指數(shù)上表現(xiàn)的更為明顯。而我國股市由于目前只能作多不能作空，因此雖仍存在著一定的杠桿效應(yīng)，但幅度并不強(qiáng)。

而從反映股市波動(dòng)長期記憶性的d值來看，除了日本東京股市的長期記憶性不顯著外，其余六個(gè)股市都存在著明顯得長期記憶性。特別是我們看到美國道瓊斯指數(shù)、納斯達(dá)克指數(shù)和英國倫敦金融時(shí)報(bào)指數(shù)d值還相當(dāng)?shù)母?，這說明這些股市運(yùn)行具有相當(dāng)?shù)匾?guī)律性，過去的沖擊對(duì)未來股市的影響將會(huì)持續(xù)相當(dāng)長的時(shí)間。這也就意味著可以過去的歷史收益和波動(dòng)情況來預(yù)測(cè)未來的收益情況，從而增加了獲取投機(jī)利潤的機(jī)會(huì)。但這也說明這些國家股市運(yùn)行的效率基礎(chǔ)并不高，從這點(diǎn)上看股市并沒有達(dá)到“弱有效”形態(tài)。從我國滬深股市的d值來看，其波動(dòng)的長期記憶性也非常明顯，說明我國股市運(yùn)行的整體效率也不高，投資者可以憑借歷史收益情況預(yù)測(cè)未來收益從而獲得較高的投機(jī)利潤。同時(shí)我們也看到，上海股市的d值顯著低于深圳市場(chǎng)，這也說明上海股市的運(yùn)行效率要高于深圳股市。

表三FIEGARCH模型參數(shù)結(jié)果統(tǒng)計(jì)表

SHZZSZCZHKHSDO30NASDFT100NK225

C-0.0379

(-1.484)-0.062*

(-2.186)-0.001

(-0.017)0.0179

(0.832)0.061*

(1.864)0.0069

(0.3336)-0.0370

(-1.144)

A-0.2051*

(-11.352)-0.195*

(-11.907)-0.073*

(-7.573)-0.112*

(-5.529)-0.156*

(-6.064)-0.0837*

(-4.785)-0.0747*

(-5.307)

ARCH(1)0.280*

(11.432)0.263*

(12.037)0.098*

(7.767)0.140*

(5.704)0.197*

(6.284)0.1043*

(4.7691)0.1082*

(4.989)

GARCH(1)0.451*

(5.536)0.371*

(4.015)0.851*

(16.437)0.242*

(1.829)0.505*

(4.038)0.735*

(7.944)0.9187*

(19.611)

-0.074*

(-5.171)-0.049*

(-4.418)-0.047*

(-6.776)-0.171*

(-7.733)-0.087*

(-5.522)-0.059*

(-4.871)-0.051*

(-4.380)

d值0.577*

(13.469)0.670*

(16.448)0.466*

(5.651)0.677*

(16.568)0.6009*

(11.762)0.606*

(7.847)0.241

(1.653)

注：括號(hào)內(nèi)數(shù)字為t統(tǒng)計(jì)量結(jié)果，*代表在0.05的水平下顯著。

四、結(jié)論與分析

本文通過對(duì)國內(nèi)外七家交易所主要指數(shù)的數(shù)據(jù)，采用修正R/S分析、GHP檢驗(yàn)和FIEGARCH模型實(shí)證研究發(fā)現(xiàn)，除了日本東京股市外，其余六家股市包括滬深股市的波動(dòng)均存在著明顯得杠桿效應(yīng)和長期記憶性，股市前期的波動(dòng)對(duì)未來一定時(shí)期內(nèi)股市的走勢(shì)都有或多或少的影響。這意味著這六家市場(chǎng)的效率并不高，投資者可以利用歷史數(shù)據(jù)來預(yù)測(cè)未來股市的波動(dòng)并據(jù)此獲取投機(jī)利潤。因此，投資者在制定投資計(jì)劃時(shí)，應(yīng)充分考慮各國股市的特點(diǎn)和發(fā)展規(guī)律以獲取較高的投資回報(bào)。

而造成各國股市效率低下的原因則較為復(fù)雜，具體到我國股市而言，筆者認(rèn)為造成我國股市低效率的主要原因包括：首先是證券市場(chǎng)的微觀基礎(chǔ)――上市公司的運(yùn)行質(zhì)量普遍不高，股權(quán)分置問題的存在也加大了公司治理的難度。由于股票普遍缺乏投資價(jià)值，市場(chǎng)投機(jī)炒作氣氛濃厚，西方盛行的價(jià)值投資理念無所適從。其次是證券市場(chǎng)的投資主體仍以散戶投資者為主，近年來雖然以證券投資基金為代表的機(jī)構(gòu)投資者發(fā)展迅速，但其操作行為呈現(xiàn)泛散戶化的特點(diǎn)，一定程度上反而加劇了股市的波動(dòng)；第三是證券市場(chǎng)的法律法規(guī)制度不健全，信息披露制度等的缺陷更加重了證券市場(chǎng)的信息不對(duì)稱，內(nèi)幕交易、惡性炒作等違規(guī)事件層出不窮；最后則是證券市場(chǎng)監(jiān)管機(jī)構(gòu)的管理手段和方法上的缺陷。一方面監(jiān)管機(jī)構(gòu)角色定位不清，往往傾向于運(yùn)用行政手段而非市場(chǎng)方法干預(yù)股市，從而造成政策變動(dòng)兌股市影響巨大，從而導(dǎo)致股市波動(dòng)頻繁。另一方面監(jiān)管機(jī)關(guān)對(duì)于各類違規(guī)行為的懲處力度往往不夠，有法不依和執(zhí)法不嚴(yán)等現(xiàn)象普遍存在。與高昂的投機(jī)利潤相比，較低的懲罰概率和成本使得投機(jī)者不惜鋌而走險(xiǎn)。這些因素的存在都嚴(yán)重地影響了證券市場(chǎng)價(jià)格發(fā)現(xiàn)和信息傳遞功能的發(fā)揮，從而降低了證券市場(chǎng)運(yùn)行的效率。如何從制度建設(shè)上提高我國證券市場(chǎng)的效率將是未來監(jiān)管機(jī)構(gòu)面臨的最重要課題之一。

參考文獻(xiàn)

陳夢(mèng)根（2003）：中國股市長期記憶效應(yīng)的實(shí)證研究[J]，經(jīng)濟(jì)研究，第3期

戴國強(qiáng)、徐龍炳、陸蓉(1999)：論經(jīng)濟(jì)系統(tǒng)的非線性：混沌與分形[J]，經(jīng)濟(jì)學(xué)動(dòng)態(tài)

華仁海，陳百助（2004）：我國期貨市場(chǎng)期貨價(jià)格收益及波動(dòng)方差的記憶性研究，金融研究，第2期

江賽春(2002)：有界分形市場(chǎng)假說與中國股市的實(shí)證研究[D]，北京大學(xué)碩士論文，2002年

姜仁娜，葉?。?004）：滬深股市股票指數(shù)的長記憶性[J]，清華大學(xué)學(xué)報(bào)，第12期

馬丹（2004）：中國股市存在“約瑟夫”效應(yīng)嗎[J]，統(tǒng)計(jì)信息與論壇，第5期

邵儉(2003):期貨市場(chǎng)的非線性動(dòng)力系統(tǒng)的性質(zhì)及應(yīng)用的研究，工作論文

王春峰、張慶翠（2004）：中國股市波動(dòng)性過程中的長期記憶性實(shí)證研究[J]，系統(tǒng)工程，第1期

王明照、郭冰：金融資產(chǎn)波動(dòng)性特征研究回顧[J]，經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2005（1）

張世英，樊智（2004）：協(xié)整理論與波動(dòng)模型:金融時(shí)間序列分析及應(yīng)用[J]，清華大學(xué)出版社

AndrewW.Lo(1991),“Long-TermMemoryinStockMarketPrices”,Econometrica,59(5),September,1279-313

JussiTolvi：LongmemoryinFinnishstockmarket[J]，workingpaper，2004

Crato,N：Someinternationalevidenceregardingthestochasticbehaviorofstockreturns.AppliedFinancialEconomics，1994

Henry,O,T：Longmemoryinstockreturns：someinternationaleviedence.AppliedFinancialEconomics，2002

Hiemstra&Jones：Anotherlookatlongmemoryincommonstockreturns.JournalofEmpiricalFinance，1997

Jonahan.H.Wright：Longmemoryinemergingstockmarketreturns，F(xiàn)ederal

ReserveSystemworkingpaper，1999

Granger&Joyeux（1980）：Longmemoryrelationshipandaggregationofdynamicmodels[J]，JournalofEconometrics,14

RichardT.Baillie，TimBollerslev&Mikkelsen（1996）：Fractionallyintegratedgeneralizedautoregressiveconditionalheteroskedasticity[J]，JournalofEconometrics，74：3－30

PhilippSibbersten（2004）：LongmemoryinvolatilitiesinGermanstockreturns，workingpaper

Bollerslev&Mikkelsen（1996）：Modelingandpricinglongmemoryinstockmarketvolatilities，73：151－184

JihyunLee，Tongsukkim&Hoe-kyunglee(2004)：LongmemoryinvolatilitiesofKoreanstockmarketreturns，workingpaper

EricZivot&JiahuiWang(2001)：ModellingFinancialTimeSerieswithS-Plus，workingpaper