论文部分内容阅读
资本市场尤其在新兴市场中,经常出现违反有效市场假说(Efficient Market Hypothesis,EMH)的情形,如何准确检测到市场对有效情形的偏离,对于投资者和市场监管者来说都意义重大。为了回答这一问题,本文对中美股票市场的有效性进行了对比分析,使用排列熵(permutationentropy,PE)算法,计算了上证综指(SSE)、深证成指(SZSE)和道琼斯工业平均指数(DJ)的复杂度。我们发现无论使用低频还是高频数据,美国股票市场总是符合EMH,具有很强的随机性;而中国股票市场则仅在使用低频数据时是符合EMH的,然而在使用高频数据时,其复杂度(随机性)变化呈现完全不同的情形,排列熵在两个较长的时间窗口里出现显著的减小,表示在这两个时期内,我国股市严重违反EMH,市场都在一轮大涨后发生了重大的股市动荡甚至连续性下跌。与使用传统的统计方法检测市场有效性的实证文献不同的是,基于排列熵的算法计算得到复杂度的动态变化给出了识别市场有效与否更直接、有力的判据,为了更进一步研究这种随机性变化的机理,我们通过计算Hurst参数(Hurstparameter)检测了中美两个股票市场的记忆效应,发现在中国市场中,几十分钟内H显著地偏离1/2,表明在较小的时间尺度下市场经常违反EMH,与之对比的是,美国股票市场的H值则接近1/2,在不同时间尺度下总是符合EMH。