中国股市的时变收益可预测性

2001年6月12日，中国国务院发布国有股减持政策，引发了安龙持久的反泡沫。上海证券交易所综合指数在2001年6月13日达到2242.4的历史高点，自2001年10月22日政策终止后，该指数暴跌32.2%至1520.7。图1中最有趣的结果模式出现在2007年和2015年，对应于2005年至2007年12月和2014年至2015年6月两次巨大泡沫之后的两次声名狼藉的崩盘。研究发现，在崩盘前后，AVR统计数据呈显著正相关，表明市场相关性结构存在显著差异。图2描绘了GS统计的时变p值。如果p值沿着5%的显著水平对应的虚线下降，则返回时间序列表现出统计上显著的非线性依赖性。我们观察到p值随时间变化。与AVR测试的结果相似，在几个时间段内都出现了显著的非线性依赖性。最明显的是2007年的坠机事件。然而，AVR统计数据似乎对大型车祸具有很强的预测能力。基于模式识别框架，可以对预测能力进行严格评估。显然，作为市场效率衡量指标的AVR和GS统计表明，中国股市的效率是时变的，并且取决于市场条件。具体而言，在市场泡沫和崩盘期间，回报的可预测性会更高，这与美国市场的发现不同。所有这些发现都符合适应性市场假说。2016年11月15日40日1:53 WSPC/指令文件AMH˙AVR˙CHN˙v28 H.-L Shi，Z.-Q.Jiang和W.-X。

周00.10.20.30.40.50.60.70.80.91SHSE（日）p值199319941995199619971998199920002001200320042052006200720082009201020112012201320142014201500.10.20.30.40.50.60.70.80.91SZSE（日）p值199319941995199719981999200022003200420320062062062072008200920101201201201201201201201201421500.10.20.30.50.80.91SHSE（周）p值199619971998199920001200220032004205200620072008200920102011201220132014201500.10.20.30.40.50.60.70.80.91SZSE（每周）p值1996199719981999200012002200320042052006200720082009201020112220142015图。2、1990年12月至2015年9月上海证券交易所和深交所每日和每周数据GS检验统计的时变p值。水平虚线对应0.05显著水平。时间t表示时间窗- 1，t]表示每日数据，和- 4，t]表示每周数据。结论我们采用了wild bootstrap自动方差比检验和广义光谱检验来检验中国市场的收益可预测性。结果表明，回报率是随时间变化的，并且取决于市场条件。更具体地说，高水平的回报可预测性与cras周围的历史市场动荡相吻合。在某些情况下，有明确的证据表明，计算回报可预测性能够预测市场崩溃。我们的研究结果表明，中国股市效率低下，市场效率水平随时间而变化。

这些结果为适应性市场假说提供了证据。致谢本工作得到了国家自然科学基金（71131007，7153200 9）和基础研究基金2016年11月15日1:53 WSPC/INSTRUCTION FILEAMH˙AVR˙CHN˙V2中国股市时变回报可预测性9中央大学的大力支持。参考文献【1】Alessio，E.、Carbone，A.、Castelli，G.和Frappietro，V.、二阶移动平均和随机时间序列的标度，Eur。物理。J、 B 27（2002）197–200。[2] Andrews，D.W.K.，异方差和自相关一致性协方差矩阵估计，计量经济学59（1991）817–858。[3] Ariel，R.A.，股票收益的每月影响，J.Financ。经济。18（1987）161–174。[4] Ariel，R.A.，假期前高回报股票：存在和可能原因的证据，J.Financ。45（1990）1611–1626。[5] Asness，C.S.，Moskowitz，T.J.，和Pedersen，L.H.，《无处不在的价值和动力》，J.Financ。68（2013）929–985。[6] Banz，R.W.，《普通股回报与市值之间的关系》，J.Financ。经济。9（1981）3–18。[7] Basu，S.，《普通股的投资绩效与其市盈率的关系：有效市场假说的检验》，J.Financ。32（1977）663–682。[8] 布罗克，W.A.，舍因克曼，J.A.，德赫特，W.D。，LeBaron，B.，一项基于相关维度的独立性测试，Econometr。修订版。15（1996）197–235。[9] Carbone，A.，Detrending移动平均算法：简要回顾，人类科学与技术（TIC-STH）IEEE（2009）691–696。[10] Charles，A.、Darn\'e，O.和Kim，J.H.，《鞅差分假设替代检验的小样本性质》，经济学。利特。110（2011）151–154。[11] Choi，I.，检验实际汇率的随机游走假设，J.Appl。经济。14（1999）293–308。[12] Cohen，J.P。

和Menjoge，S.S.，symmet ry的一个样本运行测试，J.Stat.Plann。推论18（1988）93–100。[13] De Bondt，W.F.M.和Thaler，R.H.，股市是否反应过度？，J、 财务部。40（1985）793–805。[14] Di Matteo，T.，《金融领域的多重规模》，Quant。财务部。7（2007）21–36。[15] Di Matteo，T.、Aste，T.和Dacorogna，M.M.，《发达和新兴市场的长期记忆：使用比例分析来描述其发展阶段》，J.Bank。财务部。29（2005）827–851。[16] Engle，R.F.，英国通货膨胀方差估计的自回归条件异方差，计量经济学50（1982）987–1008。[17] Escanciano，J.C.和Velasco，C.，鞅差假设的广义谱检验，J.计量经济学134（2006）151–185。[18] Fama，E.F.，《有效资本市场：理论和实证工作回顾》，J.Financ。25（1970）383–423。[19] Fama，E.F.，有效资本市场：II，J.Financ。46（1991）1575–1617。[20] French，K.R.，股票收益和周末效应，J.Financ。经济。8（1980）55–69。【21】Gibbon s，M.R.和Hess，P.，《一周中的影响和资产回报》，J.Business54（1981）579–596。[22]Gu，G.-F.和Zhou，W.-X.，多重分形的去趋势移动平均算法，Phys。修订版。E 82（2010）011136。[23]Han，R.-Q.，Xie，W.-J.，Xiong，X.，Zhang，W.，and Zhou，W.-X.，大崩盘前后的市场相关性结构变化，Fluct。噪声Lett。（2017）提交[24]Hinich，M.J.，线性时间序列模型输入的相关性测试，J.Nonparmetr。Stat.6（1996）205–221。2016年11月15日1:53 WSPC/指令文件AMH˙AVR˙CHN˙v210 H.-L Shi，Z.-Q.Jiang和W.-X.Zhou【25】Hiremath，G.S.和Kum ari，J.，《新兴市场中股票回报的可预测性和适应性市场假说：来自印度的证据》，SpringerPlus 3（2014）1–14。[26]赫斯特，H。

E、 ，水库长期库容，Trans。美国。Soc。土木工程116（1951）770–808。【27】Ito，M.和Sugiyama，S.，衡量时变市场效率的程度，经济。利特。103（2009）62–64。【28】Jegadeesh，N.和Titman，S.《买入赢家和卖出输家的回报：对股市效率的影响》，J.Financ。48（1993）65–91。[29]蒋志强、谢文杰和周文秀，《检验WTI原油期货市场的弱式有效性》，Physica A 405（2014）235-244。[30]Jiang，Z.-Q.，Zhou，W.-X.，Sornette，D.，Woodard，R.，Bastiaensen，K.，和Cauwels，P.，泡沫诊断和预测2005-2007年和2008-2009年中国股市泡沫，J.Econ。贝哈夫。组织。74（2010）149–162。[31]Kantelhardt，J.W.、Koscielny Bunde，E.、Rego，H.H.A.、Havlin，S.和Bunde，A.，《用去趋势波动分析检测长期相关性》，Physica A 295（2001）441–454。[32]Kim，J.H.，Wild bootstrapping variance ratio tests，经济学。利特。92（2006）38–43。[33]Kim，J.H.，条件异方差下的自动方差比检验，Financ。Res.Lett。6（2009）179–185。[34]Kim，J.H.，Shamsuddin，A.，和Lim，K.-P.，S股票回报可预测性和适应性市场假说：来自美国百年数据的证据，J.Emp。《金融》18（2011）868–879。[35]Kolb，R.W.和Rodriguez，R.J.，十三号星期五：“第七部分”-注释，J.Financ。42（1987）1385–1387。[36]Lakonishok，J.和Smidt，S.，季节性异常是真的吗？《九十年展望》，Rev。财务部。螺柱。1（1988）403–425。[37]Lim，K.-P.，Brooks，R.D.，和Kim，J.H.，《金融危机和股市效率：来自亚洲国家的经验观点》，Int.Rev。财务部。肛门。17（2008）571–591。[38]Lim，K.-P.和Hooy，C.-W.，《G7股指回报的非线性可预测性》，曼彻斯特学派81（2013）620–637。[39]Ljung，G.M.和Box，G.E。

P、 ，关于时间序列模型缺乏有效性的衡量，Biometrika 65（1978）297–303。【40】Lo，A.W.，适应性市场假说，J.Portf。管理。30（2004）15–29。【41】Lo，A.W.，《协调有效市场与行为金融：适应性市场假说》，投资咨询杂志7（2005）21–44。【42】Lo，A。W、 和MacKinlay，A.C.，股票市场价格不遵循随机游走：来自简单规格测试的证据，Rev。财务部。螺柱。1（1988）41–66。[43]Mand elbrot，B.B.，《价格记录和其他经济时间序列中的长期相互依存关系》，《计量经济学》38补充。（1970）122–123。[44]Mand elbrot，B.B.，《金融中的分形与标度》（Springer，纽约，1997）。[45]Mand elbrot，B.B.和Wallis，J.R.，分数高斯噪声的计算机实验。第2部分，重新标度范围和光谱，水资源。第5号决议（1969年）242-259。【46】McLeod，A.I.和Li，W.K.，使用平方残差自相关对ARMA时间序列模型进行诊断检查，J.时间序列分析。4（1983）269–273。【47】Rosenberg，B.、Reid，K.和Lanstein，R.，《市场效率的说服性证据》，J.Portf。管理。11（1985）9-16。【48】Sias，R.W.和Starks，L.T.，《年之交的机构和个人》，J.Financ。52（1997）1543–1562。[49]Sornette，D.，Demos，G.，Zhang，P.，Q.an Cauwels，Filimonov，V.，和Zhang，Q.-Z.，上海2015年股票市场的实时预测和事后分析2016年11月15日1:53 WSPC/指令文件AMH˙AVR˙CHN˙V2中国股市泡沫和崩溃的时变收益可预测性，J.投资策略4（2015）77–95。【50】Sornette，D.和Zhou，W.-X.，《主要金融指标未来重大变化的可预测性》，国际杂志《预测》。22（2006）153–168。【51】Tsay，R.S.，《时间序列的非线性测试》，Biometrika 73（1986）461–466。【52】厄克哈特，A。

以及H udson，R.，高效或适应性市场？来自majorstock markets的证据，使用非常长期的历史数据，Int.Rev。财务部。肛门。28（2013）130–142。【53】Urqhart，A.和McGroarty，F.，《日历效应、市场条件和适应性市场假说：来自美国长期数据的证据》，Int.Rev。财务部。肛门。35（2014）154–166。[54]周，W.-X.和索内特，D.，《中国股市和房地产的反泡沫和预测》，Physica A 337（2004）243–268。