IV. 中国股市的实证研究
4.1 数据集
4.1.1日价格和收益序列
在研究长程相关时,我们使用了上证综合指数和深圳成份指数(以下分别称为SHI和SZI)自1992年1月2日到2001年12月31日的日价格序列(每日收盘价序列).上证指数是所有在上海股票市场进行交易的股票按其市值权重进行加权平均而得.深圳成份指数有30多支成份股加权而得.因为中国股市的一些特殊原因,指数的构造存在一些问题,例如不存在全国统一指数.相对而言我们认为上证指数比较能够体现中国股票市场的总体行为.但同时我们也分析了深圳成份指数.因为指数构造方法上的区别,二者得出的结论在可比性上可能存在一定问题.我们无法分辨实证结论的差别是由两个市场的结构差异(如不同的交易者群体和交易的股票)所致还是由数据构造的原因造成.但即便如此,我们仍然期望在两个指数中发现大致类似的行为.
因为个别交易日数据点缺失原因,上证指数共2455个观测值,深圳成指共2442个观测值.指数序列见图4.1.使用价格指数我们计算了SHI和SZI的对数收益序列,见图4.2.
图4.1:上证综合指数与深圳成份指数日序列
图4.2:上证综合指数日收益序列与深圳成分指数日收益序列

4.1.2高频金融数据
在研究标度行为和统计分布时,我们采用了独特的高频金融数据.高频金融数据近年来成为金融实证研究的热门领域.首先是因为交易系统的自动化使得高频率地记录大规模交易数据成为可能.其次高频数据的出现使得研究者可以细致地考察交易和价格形成过程,例如,它们对揭示市场微结构尤其有帮助.对于复杂性理论在金融市场的应用,高频数据的出现使得许多方法和工具的应用成为可能,因为复杂系统研究通常需要大量的数据点.对我们的研究而言,高频数据尤其重要,因为它可以使我们可以发现市场上在大尺度下不具备的分形特征.
在本文中使用的高频数据为上证综合指数和深圳成份指数5分钟间隔的价格指数序列.上证指数序列从1998年1月9日起始至2001年4月27日,共34795个数据点.深圳指数序列从1998年1月9日起始至2001年4月27日,共34843个数据点.如图4.3所示.
图4.3:上证指数和深圳指数高频数据
4.2 长程相关行为
4.2.1 R/S分析的结果
表4.1列出了对SHI和SZI进行R/S回归的拟合结果.R/S回归图见图4.4.
表4.1:R/S分析参数估计
Statistic for R/S Regression
SHI
SZI
Hurst Exponent (Slope)
0.5346
0.6588
R2
97.83%
99.38%
F-Statistic
5610.5
19715
在所有时间尺度log(n)上估计的赫斯特指数,上证指数为0.5346,深圳指数为0.6588.上证指数的赫斯特指数并未显著地偏离随机范围,而深圳指数则呈现明显的长程相关.然而进一步考察上证指数的R/S散点图(图4.4(a)),在log(n=10),亦即n=250天的时间尺度上,我们发现显著的斜率变动行为.因此我们对上证指数n=250前后的R/S散点图分段进行了对数回归,其结果见表4.2.分段回归的结果表明在n=250前后上证指数的相关行为呈现显著的差别.在此前H=0.6580,与深圳指数的赫斯特指数基本相同且存在显著的长程相关,而在此后H=0.4789,则十分接近随机行为.这可能是存在长程相关持续期间临界点的证据.奇怪的是在深圳指数的R/S回归中,如图4.4(b)所示,我们没有发现类似的长程相关的衰减行为.在我们考察的全部时间尺度上,赫斯特指数都稳定地高于0.5.
表4.2:SHI分段R/S回归
Statistic for R/S Regression
log(n)2.4
Hurst Exponent (Slope)
0.6580
0.4789
R2
99.59%
94.63%
F-Statistic
6011.3
1252.6
图4.4(a):上证指数的R/S分析.在log(n)=2.4,亦即n=251天的时间尺度上,我们观察到R/S回归存在明显的断点.在断点以前,上证指数收益呈现显著的长程相关;在断点之后,这种长程相关退化为接近随机的相关行为.
图4.4(b):深圳指数收益序列的R/S分析.与上证指数不同,在深指收益序列中我们没有发现显著的"断点",而是在我们所考察的时间尺度内呈现稳定的长程相关行为.
4.2.2 稳定性分析
在分形理论中,长程相关是系统内在的特征,因此在系统结构或

[1] [2] [3] [4] [5] [6] [7] [8] 下一页

上一篇文章： 有界分形市场假说与中国股市的实证研究（1）