有效市場理論的實證

化學3班學號：20420102201279姓名：林雅有效市場理論的實證有效資本市場理論一經(jīng)提出，便引起了學者們對資本市場有效性進行實證檢驗的廣泛興趣。先后有大量研究文獻不僅提出了易于操作的檢驗方法，而且得出了簡明可信的結(jié)論。本節(jié)討論這些檢驗方法并給出模型。有關(guān)中國和國外有代表性國家證券市場的具體檢驗及結(jié)論，留待后面相關(guān)章節(jié)論述。根據(jù)法瑪?shù)娜愑行袌龅膭澐郑煌行С潭鹊氖袌鍪桥c不同類型信息即不同影響變量相關(guān)的，因此針對不同市場檢驗方法也有很大不同。李學等（2001）將市場有效性檢驗方法歸納為三類：第一類可稱為統(tǒng)計檢驗法，即檢驗超常收益率是否為零，其基本思路是：首先設定期望收益率模型E（r*）,然tt+1后檢驗r*=E（r*）+yp+E中的丫是否為零，其中P是t期可得信息，檢驗基于ttt+1tt+1tt期可得信息是否可以獲得超常收益或超常收益的期望值是否為零。這里市場有效性檢驗可靠的前提是期望收益率模型的正確性，顯然存在聯(lián)合檢驗問題。第二類檢驗可稱為規(guī)則的盈利性，即利用某種特定的交易規(guī)則進行交易是否會獲得超常收益率。這類檢驗一般把長期持有收益率看作正常收益率。如對弱型有效市場的過濾原則檢驗，對半強型有效市場的過度反應、功能鎖定檢驗等。第三類檢驗方法源于“價格等于價值”，通常稱作波動檢驗，如我們將在證券市場“異象”中要提到的“超常易變性”。周愛民（1998）將市場有效性檢驗方法歸納為另外三類：一是隨機游動的模型檢驗：二是包括游程檢驗統(tǒng)計量在內(nèi)的多種統(tǒng)計量檢驗：三是動態(tài)的隨機游動檢驗和動態(tài)的游程檢驗。事實上，這三類方法都可歸結(jié)為隨機游動的模型檢驗，因為游程檢驗和統(tǒng)計量檢驗也是考察收益序列的相關(guān)性的。而所謂的動態(tài)檢驗只不過考慮了檢驗期的變化而已。按證券價格對不同信息集的反映情況，將關(guān)于EMH的實證研究工作分為三類：1弱型有效市場的檢驗弱型有效市場指證券價格己經(jīng)反映了全部歷史信急，股票價格完全遵循隨機游動規(guī)律的市場。股票價格隨機游動也意味著股價變動（即收益率）與其歷史序列無關(guān)。相應地，有以一下檢驗方法：（1）序列相關(guān)檢驗序列相關(guān)檢驗是通過計算股價變動的時間序列的自相關(guān)系數(shù)來進行檢驗，時間序列可以選取以交易日、周或月等為周期長度的數(shù)據(jù)。周期內(nèi)的股價變動實際上就是股票的周期收益率。按此檢驗方法，市場是否達到弱型有效市場的判斷標準是周期收益率的自相關(guān)系數(shù)是否接近于零或等于零，若顯著不為零，則市場還未達到弱型有效，否則即達到弱型有效。序列相關(guān)檢驗可使用多種方法，以下具體討論其中的一些方法?；貧w法一般通過估計以下自回歸模型來進行：TOC\o"1-5"\h\zR=0+0R+8（i=1,2,,n）t0it-it式中：R表示第t周期股票的收益率，R=（P-P）/P，P為股票價格（或tttt-1t-1指數(shù)）；0為常數(shù)項，由于多數(shù)證券的收益率都為正值，因而0一般為正；0表示00i

第t周期與第t-i周期收益率的自相關(guān)系數(shù)；S為隨機誤差項，表示實際收益率與期t望收益率的差額。如果市場是弱型有效，由于收益率不存在滯后效應，故隨機誤差項不相關(guān)，即在一定顯著性水平下，S為白噪聲序列，E（￡）=0,Var（￡）=Q2。ttt根據(jù)實際數(shù)據(jù)擬合的回歸方程，擬合優(yōu)度（相關(guān)系數(shù)）r2本身已部分程度地表明本期收益率與其他期收益率的相關(guān)關(guān)系，若r2值很?。ń咏诹悖?，則不存在相關(guān)關(guān)系；若r2值較大，在一定顯著性水平下，可以判斷存在相關(guān)關(guān)系。進一步，若°接近于零，且DoW值（杜賓——瓦特森檢驗值）能表明在一定顯著性水平下，i殘差序列不相關(guān)（即為白噪聲序列），則可接受所檢驗的市場達到弱型有效市場的假設，否則拒絕假設。注：對于有k個解釋變量（包括常數(shù)項）的回歸方程，若樣本容量為n在顯n—1著水平Q下，當r2>1—時，方程可通過顯著性檢驗，F(xiàn)為F檢驗n—k—1+k-Faa的臨界值F（k,n—k—1）oa注：關(guān)于DoW值判定序列相關(guān)的標準如下：根據(jù)樣本容量n和解釋變量（包括常數(shù)項）數(shù)目k，查DoW分布表，得到臨界值d和d（d<d），若lulud<D.W<4—d，則不存在自相關(guān)；若0<D.W<d，存在正自相關(guān)；若uul4—d<DW<4，存在負自相關(guān)。其他情形不能確定是否存在自相關(guān)。l為研究反映的股價波動更具連續(xù)性，應使用對數(shù)差分收益率代替簡單收益率。以R'表示對數(shù)差分收益率，貝I」：R'二InP一InP。tttt—1顯然有e顯然有eR=einP-InP—pt—11而eR；=lim(1+Rn)ntnT81故1+R—lim(l+Rn)nttns上式表明對數(shù)差分收益率R；表示的是連續(xù)時間收益率。在市場實施漲跌停板制度約束下，R；w[-0.1,0.1]，簡單收益率近似等于對數(shù)差分收益率，故也可以以前者代替后者。自相關(guān)系數(shù)法自相關(guān)系數(shù)法是通過計算兩個交易日間（一般是某交易日與滯后若干日）收益率的相關(guān)系數(shù)，判定股價變動的相關(guān)性。某交易日與滯后k個交易日（間隔k期）的自相關(guān)系數(shù)P定義為：k工（R—R）（R—R）tt—kP—t—k丨1、k乞（R—R）2it—1_式中R為第t期的收益率，R為n期（序列的總期數(shù)）的平均收益率,t

pw[-1,+1],p的絕對值越接近1,說明兩期間收益率的線性關(guān)系越密切，當Pkkk為正時稱為正相關(guān)，P為負時稱為負相關(guān)；P越接近于0，說明兩期間收益率越不kk具有線性相關(guān)性，股票價格存在隨機游動的可能性越大。進一步，當n足夠大時，如果收益率序列是白噪聲，其自相關(guān)系數(shù)應以95%的概率落入?yún)^(qū)間(概率落入?yún)^(qū)間(-，一=)n<'n內(nèi)。利用這一原理可以判定序列的自相關(guān)性。這也被稱為區(qū)間檢驗。Ljung—oxQ統(tǒng)計量法此方法也是在計算各階自相關(guān)系數(shù)的基礎上，進一步計算Ljung—BoxQ統(tǒng)計量,根據(jù)一定的判別準則判定序列的相關(guān)性。Q統(tǒng)計量計算式為：Q=n(n+2)丈p2傳2)n-iit式中n為序列的總期數(shù)，P2傳2)為b2｝序列i階(即滯后i期)自相關(guān)系數(shù)itt的平方，Q2為中心化的收益率€忙=R-R)的平方。tttQ服從自由度為k的X2分布。若Q<X2(k)，則在顯著性水平Q下，可以認1-a為序列是白噪聲；反之，不能認為序列是白噪聲，換言之序列不是完全隨機的。(2)游程檢驗游程檢驗是一種非參數(shù)檢驗，它可以用來消除不正常觀測數(shù)據(jù)(如極端值)的影響。它只考慮價格的漲跌，價格上升用“+”號表示，價格下降用“-”號表示。如果價格變化是正相關(guān)的，則在一個“+”號之后很可能接著另一個“+”號，或一個“-”號之后很可能接著另一個“-”號。如果價格變化是負相關(guān)的，則基本上“+”、“-”號交替出現(xiàn)。同一符號的一個序列為一個游程。若樣本周期(交易日或周)數(shù)為N股價上升的周期數(shù)為N，股價下降的周期u數(shù)為N，設序列的總游程數(shù)為r,則其均值E(r)可由下式計算：d時、2NN+NE(r)二u_dN標準差G的計算式為：r__[2NN,(2NN)-Nb—iUdUdrN2(N-1)構(gòu)造統(tǒng)計量Z：Z—r-E(r)br當樣本足夠大時，Z趨于正態(tài)分布。如果市場是弱型有效的，在一定的顯著性水平下，Z應服從標準正態(tài)分布N(0,1)。反之，如果計算出的Z的絕對值大于臨界值，則拒絕假設，即Z不服從N(0,1)分布，股市不具有弱型效率。從上述過程可以看出，用游程檢驗對股票價格或股市指數(shù)的隨機游動特性進行檢驗，存在兩方面問題：一是基期選擇的不同會影響到游程檢驗統(tǒng)計量的不同。一般市場建設初期，價格往往單向變化，造成游程數(shù)較少，總游程數(shù)也不會符合標準正態(tài)分布，需要在檢驗時有效克服這一問題。二是在大樣本下檢驗游程數(shù)的正態(tài)分

布特征時，會夸大統(tǒng)計量值，使游程檢驗通不過。周愛民(1998)針對以上兩種情況提出動態(tài)游程檢驗，以區(qū)分股市的長期、中期和短期有效性。其基本思想是計算基于固定長度的動態(tài)數(shù)據(jù)段。按一年約240個交易日和五年約1200個交易日計，短期檢驗取T=240,中期檢驗取T=1200，長期檢驗則包含樣本初值(市場初期)的整個時間序列。考慮t個交易日的情況，設股價上升和下降的天數(shù)分別為N和考慮t個交易日的情況，設股價上升和下降的天數(shù)分別為N和N。當t<T時,tutdN和N的意義與前面介紹的N和N完全一樣；當t>T時，N和N實際上tutdud指最近T個交易日內(nèi)股價的上升日數(shù)和下降日數(shù)。于是有：2NN+1.丁、tutd,(t<T)t2NN+T/丁、tutd,(t>T)E(r)=<tutdtutd2NN(2NN,-1)(t<T)tutdtutd,(tT)t2(t—1)2NN,(2NN,—T)(t>T、tutdtutdt.>T)T2(T—1)同樣構(gòu)造統(tǒng)計量乙在假設檢驗H:ZN(0,1)之下，取置信度Q=0。01，則0當Zn2.33時，拒絕假設H；否則接收假設H，市場達到弱型有效。00(3)延續(xù)性檢驗延續(xù)性檢驗類似于游程檢驗，但檢驗方法更簡單，而結(jié)論似乎更直觀。所謂延續(xù)性檢驗是指市場保持漲跌趨勢的傾向。通俗地說就是，從今天漲價預測明大也漲價或者從今天跌價預測明天也跌價的可能性的大小。很顯然，如果這一可能性越大，則市場越不具有弱型效率；反之，則市場越接近于或達到弱型有效。設樣本周期數(shù)為n記N｛?｝為有限集合｛?｝中元素的個數(shù)，且d=N{iId=N{iIy二N{iIyii—1?yi—1<0,ign}>0,ign}式中y為股票價格或指數(shù)變化。d表示整個周期中從漲變成跌或從跌變成漲的周期數(shù)，u表示整個周期中漲跌與上一周期中相同的周期數(shù)。u構(gòu)造延續(xù)性指數(shù)5來預測整個周期內(nèi)的延續(xù)性，5二x100%。d+u顯然5g【0,1］。5值越大表示該周期內(nèi)延續(xù)性越強，因為u值越大表示漲跌延續(xù)的周期數(shù)越多。若5<50%，說明根據(jù)今天股價預測明天的漲跌成功率不足一半，則基本上可以認為股市具有弱型效率，5值越大效率程度越高。(4)過濾原則檢驗過濾原則檢驗是美國學者亞歷山大(Alexander,1964)首次提出的一種檢驗證券市場是否達到弱型效率的方法。其基本原理在于：當沒有新信息進場時，股價圍繞“公平”價格在上下界線內(nèi)隨機波動。如果有新信息進場，新的均衡價格就會形成，若信息是利好的，價格就會上升到一個新的均衡價位上，投資者在越過原上界時買入就會獲利。如果市場未達到弱型效率，投資者根據(jù)“過濾原則”(filterrule)決定股票買賣時機，則所獲收益將會超過簡單的購買——持有策略所得到的收益。所謂“過濾原則”即當股票價格上漲x%時，立即購買并持有這一股票直至其價格從前一次上漲達到頂峰時下跌x%賣掉，不斷重復這一過程，如果股票價格的時間序列存在系統(tǒng)性的變動趨勢，使用過濾原則將有超額收益。這時的市場也為未達到弱型有效的市場。在過濾原則中，x%被稱為“過濾程度”，可取不同的值，一般取值范圍在0。5%——50%。使用過濾原則進行檢驗，尚需注意考慮交易費用，因為在多次重復操作中，交易費用對收益率的影響顯然比簡單的購買——持有策略要大得多。(5)ADF檢驗對序列｛y｝，隨機游動模型可以表示為：ty=a+y+8(t=1,2,…，n)TOC\o"1-5"\h\ztt—1t式中8是隨機項，E(8)=0，Var(8)=G2，a是常數(shù)項，當a=0時稱為ttt零漂移的隨機游動模型，a北0稱為a漂移的隨機游動模型。對以上模型建立統(tǒng)計模型如下：y—a+Pt+Py+8(t=1,2,…,n)tt—1t對于上式，若P—1，即序列存在“單位根”(unitroot),則序列｛y［是一個非t平穩(wěn)序列，常規(guī)的t檢驗和F檢驗已不適用。針對這種情況，美國學者狄克和福勒(DavidA。Dickey&WayneA。Fuller，1981)提出了檢驗時間序列回歸模型中是否存在單位根的方法，被稱為增強型DF(ADF，AugmentedDickeyFuller)檢驗法。ADF檢驗的核心在于構(gòu)造統(tǒng)計量①、①，建立以下回歸模型組：23TOC\o"1-5"\h\zy—y—a+Pt+ay+a(y—y)+8(1)tt—101t—12t—1t—2ty—y—a+Pt+a(y—y)+8(2)tt—102t—1t—2ty—y—Pt+a(y—y)+8(3)tt—12t—1t—2t方程(1)——(3)可通過OLS法估計，求出此4個方程的殘差平方和，記為RSS，i—0,1,2,3。統(tǒng)計量①、①的計算式如下：i23RSS—RSS①—33RSS/(n—4)1RSS—RSS①—22RSS/(n—4)1狄克和福勒構(gòu)造了自己獨特的統(tǒng)計量Q和工，并計算了臨界檢驗值表。判斷準則為：若①＞4(上標“*”代表臨界值，下同)，則拒絕H:(a,p,P)—(a,0,1)，330時間序列不符合隨機游動模型。若①＜4，貝I」接受H:(a,p,P)—(a,0,1)，時間序列符合隨機游動模型。330進一步，若◎＜①*，序列符合“零漂移隨機游動模型”；若①〉①*,序列符合“非零漂移隨機游動模型”。2半強型有效市場的檢驗半強型有效市場是指股票價格對所有公開可獲得的有關(guān)公司前景等方面的信息，如公司收益、拆股、紅利、兼并等等，都已經(jīng)作了迅速、準確的反應的市場。要檢驗市場是否達到半強型有效，對新信息反應速度的快慢成為中心問題。由于這類信息的出現(xiàn)是間歇性的，有些是對整個市場起作用，如一些宏觀經(jīng)濟變量、政策變量；有些只對個別股票產(chǎn)生作用，如分紅消息、兼并消息等。因而半強型有效市場檢驗一般采用事件研究(eventstudy)的方式，即研究某些特定時間對股票收益的影響。賓德爾(Binder，1998)認為，法瑪、費希爾、簡森和羅爾(Fama，F(xiàn)isher，Jensen&Roll，1969)引入的事件研究方法(簡稱為FFJR方法)開創(chuàng)了方法論的革命，成為測度證券價格對新消息宣布或新事件出現(xiàn)的反應的標準方法。FFJR方法的要點如下：針對某一事件，要檢驗其對股票價格的影響，需要檢驗事件發(fā)生前后該股票收益率的變化。首先利用某一數(shù)學模型(如單指數(shù)模型、資本資產(chǎn)定價模型(CAPM))估計該股票的預期收益。如用單指數(shù)模型：R=a+BR+uitiimtit式中：R為股票i在t時刻的收益率，R為t時刻市場收益率，a、0為常itmtii數(shù)，u為隨機誤差。根據(jù)事件發(fā)生前后的資料進行回歸分析可計算出a、0的估itii計值。這樣股票i在事件發(fā)生前后各時間的預期收益率的估計值R可由下式計算：itR=a+0ritiimt式中：a、0為a、0的估計值。iiii再計算超額收益率，即實際收益率與預期收益率估計值的差，由下式計算：u=R—Rititit對超額收益率u的變化進行分析，可將事件發(fā)生前后該指標的時間件序列進行it相關(guān)分析或直接對比分析，觀察其上升或下降趨勢。如果u只在事件發(fā)生前很短的it時間內(nèi)迅速提高，即可認為市場對公開信息的反應是迅速的。如果在事件發(fā)生前后，尤其是事件公布前，u有明顯的上升或下降趨勢，則可能是市場未達到半強型有效it的反映，當然也可能是投資者對事件公布的預期發(fā)生變化所致。需要作進一步分析。實證檢驗中要在樣本期選取多家發(fā)生同一事件的公司股票進行分析，且股票的選擇應是隨機的，以便更具代表性。檢驗半強型有效市場，“過度反應”overreact)和“功能鎖定”functionalfixation)是兩類要重點研究的反例。股票市場的過度反應是指某一事件引起股票價格劇烈變動，超過預期的理論水平，然后再以反向修正的形式回到應有的價位上來的現(xiàn)象。過度反應的市場，股票價格針對突發(fā)事件發(fā)生異常波動，并在隨后反向修止，異常波動的幅度越大，其反向調(diào)整的幅度也越大。在過度反應下，由于存在超漲超跌現(xiàn)象，使得股票的實際報酬偏離理論水平。這種股票價格未能反映公開信息的市場，顯然通不過半強型效率檢驗。德博特和撒勒(DeBondt&RichardThaler,1985)甚至認為：“假如股票價格系統(tǒng)性地反應過度，那樣，僅僅只要從它們過去的收益率的數(shù)據(jù)就可以預測出它們的反轉(zhuǎn)，意味著違反弱式市場有效性”。沈藝峰、吳世農(nóng)(1999)認為，德博特和撒勒以及澤羅溫(P。Zarowin，1989)

的檢驗方法是檢驗證券市場過度反應最具代表性的方法。以下簡單討論該檢驗方法的要點。首先確定某一事件（如市場重大制度調(diào)整等），根據(jù)某一收益指標（如凈資產(chǎn)收益率等）選取市場上排名前若干位（共nw位）和排名后若干位（共n1位）的公司股票分別為''贏家組合"（winnersportfolio）和“輸家組合"（losersportfolio）,且nw=nl。選取事件發(fā)生前后的長度相等的兩段時期分別為組合形成期和檢驗期，形成期（記為t<0）和檢驗期（記為t>0）的周期數(shù)均為T?！?+1第i只股票第t周期的異常報酬率AR（AbnormalReturn）可由下式計算：AR二R—RititmtR為第i只股票第t周期的實際收益率（可由其價格變化計算，也可由CAPMit模型計算），R為市場第t周期的綜合平均收益率（可由市場指數(shù)變化計算，如以mtI表示指數(shù)，則R二-———1）mtI第i只股票在形成期和檢驗期的累積異常報酬率CAR（CumulativeAbnormalReturn）分別為：CAR二》ARCAR二另ARTOC\o"1-5"\h\zitititit—1—1+1+1t—1=-Tt+1=0在兩個時期—1中，對贏家組合和輸+1家組合分別計算的累積平均異常報酬率為：藝AR區(qū)ARititCAR—-4=1-CAR—-4=1—wt—1nwlt—1nl藝AR區(qū)ARititCAR——土CAR—-4—^wt+1nwlt+1nl按照德博特和撒勒以及澤羅溫的證券市場過度反應假設，當證券市場存在過度反應的現(xiàn)象時，“證券市場價格受某一事件影響產(chǎn)生劇烈變動后，應該在隨后的事件里對其價格做出反向修正，反向修正的結(jié)果使原來預期較好公司股票的超常收益率出現(xiàn)負值，使原來預期較差公司股票的超常收益率出現(xiàn)正值，從而促成它們回歸理論上合理的水平上來"，故此，證券市場存在過度反應時，應有CAR<0，wt+1lt+1lt+1wt+1可判定1lt+1lt+1wt+1可判定1證券市場是否存在過1度反應而1未達到半強型有效?！肮δ苕i定"為另一類有效性市場的反證。它原本是心理學領(lǐng)域的概念，用來描述主體對客體的認識和利用存在的某種功能性障礙。里日等（Ljirietal。，1966）和簡森（Jensen,1966）最早將“功能鎖定”弓I入證券市場和財務分析中。“功能鎖定假說”（FunctionalFixationHypothesis,簡稱FFH）認為投資者在決策過程中往往鎖定于某種特定的表面信息，不能充分理解和利用有關(guān)信息來評估證券價值從而做出正確的投資決策（趙宇龍、王志臺，1999）。顯然，存在功能鎖定的市場是未達到半強型效率的市場。典型的功能鎖定現(xiàn)象在于，投資者對公司的會計盈余信息不能“看穿”（seethrough）,不能正確鑒別其質(zhì)量，對具有相同會計盈余但盈余質(zhì)量不同的公司的股票不能區(qū)別定價，對股票價值做出了不充分和有偏差的估計。投資者的功能鎖定意味著公司經(jīng)理人員可以通過操縱公司賬面利潤達到蒙蔽市場的目的，從而使證券市場有效配置資源的積極作用難以發(fā)揮。我們將公司公布的會計盈余信息稱為名義信息，將其背后表征公司盈余質(zhì)量的信息稱為實質(zhì)信息。檢驗是否存在功能鎖定的要點在于，選定事件（如年報公布）、樣本期、樣本觀察數(shù)據(jù)，根據(jù)名義信息中的某項主要指標（如未預期盈余）對樣本數(shù)據(jù)分組，并進一步根據(jù)實質(zhì)信息中的某項主要指標（如主營業(yè)務利潤比重）再分組，計算并考察樣本期中市場對名義信息相同而實質(zhì)信息存在顯著差異的股票是否存在區(qū)別反應，可通過異常收益率指標變動反映。如果不存在區(qū)別反應，即對實質(zhì)信息和名義信息沒有區(qū)別反應，則明顯存在功能鎖定現(xiàn)象。換言之，實質(zhì)信息中效益指標好的公司股票異常收益率不比名義信自、中效益指標好的公司股票高，是由于市場存在功能鎖定所致。3強型有效市場的檢驗強型有效市場假設股票價格不僅包括了弱型及半強型有效市場的內(nèi)涵，而且包含了內(nèi)線人（insiders,如上市公司管理人員）所知道的信息，包含了所有對特定公司以及整個經(jīng)濟所進行冗長而又痛苦的分析得出的信息（李昌震，1993）。因此對強型有效市場的檢驗比較復雜，一般主要是從以下兩方面進行：一是對內(nèi)線交易（insidertrading）的研究，即研究那些被認為可以獲得內(nèi)幕信息的人員是否通過股票投資獲得了超額收益；二是對機構(gòu)投資者或?qū)＜医?jīng)紀人的業(yè)績表現(xiàn)的研究，即通過研究擁有實力的市場主力是否通過利用公開信息和非公開信息的研究獲得了超額收益，從而判斷市場是否達到強型效率。對內(nèi)線交易的研究面臨著兩方面的困難。一方面定義內(nèi)線交易是不容易的，因私人信息和內(nèi)幕信息之間的差異有時是模糊的、難以分辨的。某些內(nèi)幕信息也可能通過間接方式，經(jīng)過多種渠道轉(zhuǎn)而成為少數(shù)人的私人信息。另一方面，內(nèi)線人一般屬于極少數(shù)，他們通過股票交易所獲得的超額收益往往不易察覺。就整個市場而言，這種得益更是只占很小的份額。因而通過內(nèi)線交易研究檢驗市場的強型有效性似乎無從下手。當然，從某些個股的異常表現(xiàn)可以判斷，存在內(nèi)線人與機構(gòu)投資者利用內(nèi)幕消息操縱市場的行為，而這種行為對新興市場而言更是屢見不鮮，因而新興市場與強型有效市場相距甚遠。而對發(fā)達國家證券市場的研究表明，就市場平均水平而言，通過內(nèi)線交易賺取超額收益的機會微乎其微。但從其不時出現(xiàn)的金融丑聞中不難看出，發(fā)達國家證券市場也難以通過強型有效市場的檢驗。對機構(gòu)投資者、專家經(jīng)紀人的業(yè)績表現(xiàn)的研究，旨在考察其對個股或市場所進行的基本分析是否具有獲得超越市場的優(yōu)異業(yè)績表現(xiàn)。如果答案是肯定的，則說明他們所掌握的信息沒有反映在市場價格之中，因而市場未達到強型效率。具體可通過他們發(fā)布的個股收益預測與市場實際收益兩者之間的相關(guān)性檢驗或者直接比較他們的實際收益與市場平均收益，以判定市場是否具備強型效率。4有效市場檢驗的新方法——廣義譜導數(shù)方法Hong和Lee（2002）最近提出了一種新的檢驗時間序列條件均值模型設定正確與否的統(tǒng)計方法，該方法基于Hong（1999）提出的廣義譜。如同頻譜是線性時間序列的基本分析工具一樣（請參考Priestley1981），廣義譜是非線性時間序列的基本分析工具。（1）廣義譜導數(shù)檢驗

假設是平穩(wěn)過程，其邊際特征函數(shù)為9(u)三E(e叫),Y和Y的聯(lián)合特ttt—|j|征函數(shù)為9(u,v)三E(e叫+叫—ji)，其中i=\—1,u,vG(—g,+8),j二0,±1,^2,…。廣義譜的基本思想是：首先將原始數(shù)據(jù)進行指數(shù)變換：iuY}的頻譜：YTexp(iuY)iuY}的頻譜：tt然后考慮變換后的序列f(①,u,v)=-^￡G(u,v)e—ij^,[—兀,兀]2兀jj=—g其中°是頻率，G(u,v)是轉(zhuǎn)換后序列的自相關(guān)函數(shù)，jG(u,v)三Cov(eiuY,eiuYtGj=0,±1,±2,…廣義譜函數(shù)f(?,u,v)能捕獲到Y(jié)和Y之間的任何依賴，包含零自相關(guān)的相tt—|j|互依賴。頻譜分析的主要優(yōu)勢是能將所有的時滯信息包含在單一的頻譜密度函數(shù)中。廣義譜f(?,u,v)本身并不適合于檢驗有效市場假說，因為它捕獲的序列依賴不僅可存在于條件期望，還可存在于高階的條件矩。比如，廣義譜f(①,u,v)能檢測出ARCH過程，該過程是鞅差分序列，滿足有效市場假說。眾所周知，對特征函數(shù)求導數(shù)可以得到｛y｝的各階矩。同樣地，對廣義譜函數(shù)tf(①,u,v)求導數(shù)可以得到描繪各階矩的序列依賴的譜函數(shù)。為了能夠檢測而且只檢測條件期望的序列依賴，Hong和Lee(2002)考慮使用如下的廣義譜導數(shù)：f(0,1,0)(W,u,v)三1￡G(1,0)(0,v)e-ij?,[—兀,兀]2兀jj=—g其中Bg(u.v)g(1,0)(0,v)三——j=Cov(iY,eivY—“)jButu=0g(1，0)(0,v)可以用來檢驗時滯為j的自回歸函數(shù)E(YIY)是否為常數(shù)。在一jtt—j定條件下，對于任意的vG(+8,—8)，G(1>0)(0,v)=0成立，當且僅當E(YIY)=卩a.s.成立。自回歸函數(shù)能捕獲條件期望中的線性和非線性序列依賴,tt—j特別是零自相關(guān)過程的序列依賴，諸如非線性移動平均和雙線性自回歸，這些過程是白噪聲，但不是鞅差分序列。因此，E(YIY)是檢驗市場有效性的天然的檢驗tt—j工具，而Cov(Y,Y)會漏掉零自相關(guān)的非線性依賴。然而，E(YIY)并沒有象tt—jtt—jCov(Y,Y)那樣在實踐中得到廣泛應用。tt—j為了檢驗有效市場假說，我們必須對廣義譜導數(shù)f(0丄。)(?,u,v)進行一致估計。我們可以使用平滑核函數(shù)估計量(smoothedkernelestimator)：f(0,1,0)(?,u,v)三丄士1(1—丿)2k(j)G(1,0)(0,v)e-j?,?g[—兀,兀]2兀Tpjj=1—T丨j|1其中(1—T)2是有限樣本下的修正項；k(?)是一個對稱的核函數(shù)，它給每個時

滯j加權(quán)；P三P(T)是被稱為帶寬(bandwidth)的平滑參數(shù);入Q6(u.v)d(1,0)(0,v)三匚jdu1,&(u,v)=(p(u,v)-<p(u,0)(P(0,v),&(u,v)=(p(u,v)-<p(u,0)(P(0,v)，這里jjjju=06(u,v)=feiuY+iuYj—0,±1,…土(T-1)jT-|j|t—|j|+1常用核函數(shù)k(?)的例子有Bartlett核函數(shù)k(z)—(1-1z1)1(1z1<1)k(z)-]2(1-1z|)30if0.5<|z|<1otherwise1k(z)-]2(1-1z|)30if0.5<|z|<1otherwise可以看出，這些核函數(shù)給予高階時滯的權(quán)重比較小。有效市場假說成立時，廣義譜導數(shù)f(0丄0)?,u,v)相對于頻率是一條水平線:f(0,1,0)(0,0,v)三—d(1,0)(0,v),2兀0該函數(shù)的一致估計可以取1f(0,1,0)(0,0,v)三d(1,0)(0,v),2兀0八Hong和Lee(2002)通過比較f(0丄0?,0,v)和f(0丄0)(?,0,v)的加權(quán)二次方程而提出如下的統(tǒng)計量：M(p)—1j)f|d(1,0)(0,v)|2dW(v)一C(p)M(p)—1j1其中：W:RTR+是零對稱單調(diào)遞增的加權(quán)函數(shù),C(p)—無k2(j/p)——無(Y-Y)2f|屮(v)bdW(v)1T-jtt-jj—1t—j+1D(p)—2ffk2(j/p)k2(l/p)1j—1l—1ff2dW(v)dW(v‘)t一mxj)工(Yt-yff2dW(v)dW(v‘)t—max(j，/)+1V(v)—丘啊-6(v),6(v)—T-1工t幺啊。有效市場假說成立時，當TT若tt—1P—P(T)Tg，依分布收斂有M(p)TN(0,1)1該方法可以看做是Hausman(1978)的模型設定檢驗從時域到頻域的推廣。應用M］(P)檢驗時可以使用標準正態(tài)分布N(0,1)的右側(cè)臨界值(upper-tailedcriticalvalues)，比如顯著水平為5%時，臨界值為1.645。

在下面我們的模擬和實證研究中，加權(quán)函數(shù)W(?)取為標準正態(tài)分布N(0,1)的八八累積分布函數(shù)，中心因子(centeringfactor)p)和伸縮因子(scalingfactor)￡(p)近似等于兩個函數(shù)f(0丄呱,0,v)和f(o丄0)(?,0,v)之差的平方積分的均值和方差。這些因子已經(jīng)考慮了任意形式條件異方差和其他時變高階矩的影響。因此，統(tǒng)計量M(p)適用于存在任意形式的波動群集的時間序列數(shù)據(jù)。1統(tǒng)計量M(p)還有其他優(yōu)點。如前所述，廣義譜導數(shù)f(0丄0)(?,u,v)只檢查條1件期望的序列依賴，因此特別適合檢驗有效市場假說，當存在波動群集或者其他更高階條件矩的序列依賴時，它不會錯誤地拒絕有效市場假說。另一方面f(0丄0)(?,u,v)能探測出對有效市場假說的線性和非線性的偏離的情況，因此，它比基于自相關(guān)的檢驗更能有效地探測出對有效市場假說的各種偏離，即使基于自相關(guān)的檢驗的適用范圍被擴展到允許存在任意形式的條件異方差時也是如此。更重要的是，M(p)檢驗了大量的時滯，這可以確保有效市場假說在任何未知的高階時滯下1被違背時，M(p)檢驗仍有能力將其探測出來。通常情況下，現(xiàn)行的其他方法如果1也使用大量的時滯，由于失去大量的自由度反而會造成了檢驗能力的喪失。值得慶幸的是，M(p)檢驗方法不存在這個問題，它通過核函數(shù)k(?)的平方對高階時滯賦1予遞減權(quán)重，這符合金融市場更多是受近期而非遠期發(fā)生的事件的影響的情形，因此M(p)仍然保持很好的檢測能力。這是頻域分析優(yōu)于時域分析(如Box和Pierre1(1970)檢驗)的地方。時域分析通常給每期滯后賦予同樣的權(quán)重，很顯然這將使它在檢查大量長時滯的時候效率低下。(2)模擬實驗在實際應用中，樣本總是有限的。在將M(p)檢驗應用到實際數(shù)據(jù)前，我們需1要確認M(p)檢驗在有限樣本下是不是具有合理的漸進檢驗水平。為了考察1M(p)檢驗在市場有效時的檢驗水平的情況