文献类型：会议

作　　者：侯云飞 高剑波

作者单位：北京师范大学,地表过程与资源生态国家重点实验室,地理数据与应用分析中心,北京,100000 广西大学,复杂性科学与大数据技术研究所,南宁,530000

会议文献：第十三届(2018)中国管理学年会论文集

会议名称：第十三届(2018)中国管理学年会

会议日期：20181103

会议地点：杭州

主办单位：中国管理现代化研究会;复旦管理学奖励基金会

出版日期：20181103

语　　种：中文

摘　　要：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,本文对中美股市的有效性进行了对比分析,使用排列熵(permutation entropy,PE)算法,计算了深证成指(SZSE)和道琼斯工业平均指数(DJIA)的复杂度PE.我们发现无论使用低频还是高频数据,美国股市总是符合EMH,具有很强的随机性；而中国股市则仅在使用低频数据时符合EMH,然而在使用高频数据时,SZSE的PE值则显著偏离完全随机情形,表明我国股市违反EMH.为了更进一步研究这种市场偏离完全随机的机理,通过计算Hurst参数(Hurst parameter)检测了中美两个股票市场的记忆效应,我们发现在中国股市中,几十分钟内H显著地偏离1/2,表示在较小的时间尺度下市场严重违反EMH,与之对比的是,美国股市的H值则接近1/2,在不同时间尺度下总是符合EMH.最后考察H和PE的关系,得出中国股市的复杂度PE与较小时间尺度下的HS呈现显著的负相关关系,与较大时间尺度的HL则无关.

关 键 词：股票市场 EMH 高频数据 排列熵  长程相关性  

分 类 号：TU4[土木类] TH1[机械类]