论文部分内容阅读
有效的证券市场对现代经济发展至关重要,为资源的有效配置和社会财富的公平分配提供便捷场所与途径。有关证券市场效率问题一直是学者研究争论的热点,经典金融学的有效市场假说认为市场是有效的,而行为金融学则认为市场有效只是一种理想状态,证券市场多处于低效甚至无效状态,往往表现出自似性、长期记忆等特点,此外实证方法争论焦点就是检验市场是否有效,本文认为市场效率是相对的,市场效率是一个程度问题而不是简单有效和无效问题。为了更加准确的对证券市场趋势变动与市场效率进行分析,文中在研究单一模型对市场预测的基础上采取多模型贝叶斯综合决策方法,将历史趋势、模型的预测结果与市场真实波动行情相结合实现综合决策过程,并基于贝叶斯统计思想对市场相对效率进行量化研究。本文主要选取上证综合指数收盘价为研究样本,主要研究内容如下:第一通过对上证指数收益率序列建立ARMA模型、神经网络模型进行预测,根据预测结果统计分析不同情境下的预测能力。结果显示:单一模型预测效果并不显著,因为市场相对有效,市场本身就难以预测;此外影响证券市场因素较多,难以使用单一模型对其进行准确的预测。第二,在单一模型研究基础上,文中采用组合模型对市场趋势进行预测。通过贝叶斯方法将两个模型进行集成,对预测结果进行融合分析,研究发现集成方法提高了预测能力,尤其在两个模型对市场趋势预测发生分歧时给出科学的概率计算。第三,研究市场相对效率。基于坎贝尔相对市场效率评价思想与模型预测结果,结合模型预测数据,从市场可预测的角度通过贝叶斯方法进行模拟计算,得出中国证券市场弱相对效率。综上研究可知:首先中国证券市场效率并不是非此即彼的问题,而存在一个较为稳定的相对效率;其次由于证券市场是多变的非线性复杂系统,单一模型难以完全反应市场波动行情,将两模型的预测行情与市场实际波动趋势相融合,通过贝叶斯方法不断根据市场行情调整建立的模型,组合模型预测效果更具有优势;最后,本文模型预测方法及相对效率度量方法对证券趋势预测和市场效率度量的研究具有重要的理论价值和实践意义,为研究证券市场规律、制定市场监管政策和投资策略等提供方法和实证依据。