论文部分内容阅读
随着β系数的不稳定性被越来越多的研究学者所认同,自20世纪80年代起,国内外学者对β 系数的研究主要集中于β的时变性研究,但局限于对β系数进行单一尺度下的时变分析,而缺少多尺度下的时变特性研究。然而,大量事实及实证研究表明:金融市场存在混沌、分形等特性,是一个十分复杂的非线性系统。因此,β系数的多尺度时变性研究,对于金融市场的风险管理和市场理论的不断丰富,具有十分重要的实践意义和理论价值。 为研究复杂金融市场下的β系数多尺度时变特性,本文将采用复杂性研究中的小波多分辨分析方法对β系数进行多尺度分解,再联合Kalman滤波模型对β系数的时变性进行捕捉,通过构造一个基于 Kalman 滤波算法的“状态空间估计模型”对β系数进行多尺度的时变性与差异性研究。 选取上海证券交易所中2006年7月1日至2016年6月30日间的A股股票日收盘价与上证综合指数为研究样本 ,进行了三个主要实证研究。第一,选取db1小波为小波基函数对个股收益率序列分别进行1层、3层多尺度分解,发现其低频序列与原始序列较为接近,而高频序列为细节序列,具有很大的波动不稳定性;第二,在上一步小波分解基础上,通过构造基于Kalman滤波算法的“状态空间估计模型”对各个尺度下的收益率序列进行β值估计,并得到不同尺度下的β系数时变波动图,分析发现不同尺度下的β系数存在显著的差异性;第三,对不同尺度下的 β 系数进行差异性分析,基于坎贝尔的相对效率评价思想,通过比较不同尺度下β系数的差异性,提出了构建基于β系数的相对市场效率度量指标“P?”的猜想,并对其可行性进行了理论推导与实证检验验证。 综合以上研究可知:首先,中国股市 β 系数存在多尺度时变特性,且高频下的β系数显著不为 0,市场表现为非有效性;其次,基于 β 系数的多尺度时变研究,通过构建“Pβ”指标可以对证券市场的相对市场效率进行衡量;最后,本文所构造的基于小波多尺度分析及 Kalman 滤波估计的模型对证券市场上此类复杂性研究具有可行性与适用性。