汪盧俊

(南開大學經(jīng)濟學院，天津300071)

一、引 言

2013年的諾貝爾經(jīng)濟學獎由 Fama、Shiller和Hanson共同分享，其中，F(xiàn)ama［1］提出的有效市場理論獲得了比其他經(jīng)濟學命題更多而堅實的經(jīng)濟證據(jù)支持［2］，也因此成為現(xiàn)代金融理論的基石。Fama［1］將有效市場劃分為弱式有效市場。半強式有效市場以及強式有效市場。其中，弱式有效市場是實證中檢驗的核心。弱式有效市場下，歷史信息對金融資產(chǎn)價格沒有任何影響。根據(jù)Leroy［3］的思想，弱式有效市場理論實際上是競爭均衡理論在股票市場的應用，是亞當·斯密“看不見的手”原理的延伸，它提供的是一個分析的基準。盡管有效市場理論受到2008年國際金融危機的挑戰(zhàn)，而Shiller［4］從行為金融角度對金融危機的出現(xiàn)進行了很好的解釋，但這并不意味有效市場理論的錯誤。正如張兵和李曉明［5］所指出，有效市場理論反映了金融學家夢寐以求的理想狀態(tài)，現(xiàn)實中雖然存在著異象，但反映了現(xiàn)實狀態(tài)對理想狀態(tài)的偏離，并不能從根本上否定有效市場理論，反而是為該理論的研究提供了有效的現(xiàn)實參照。因此，在反思2008年國際金融危機對中國股票市場的沖擊時，我們不僅應意識到非理性行為的影響，也需要重新審視股票市場的有效性。這不僅關系到投資者的投資組合和風險管理，同時還能揭示漸近式改革背景下股票市場發(fā)展的特點和規(guī)律，對管理當局的市場監(jiān)管以及金融市場的一體化等具有重要的理論和現(xiàn)實意義。

洪永淼［6］曾指出，金融計量學的一個基本公理是金融市場可以被視為一個“數(shù)據(jù)生成過程”，即服從某種概率法則的隨機時間序列，金融數(shù)據(jù)可以被看作“數(shù)據(jù)生成過程”的一個實現(xiàn)。那么，金融時間序列的基本分析思路是要從數(shù)據(jù)本身去尋找特點，找到真實或接近真實的數(shù)據(jù)生成過程，對金融現(xiàn)象進行解釋。但已有研究在檢驗股票市場的有效性時卻較少試圖尋求股票價格變動所遵循的真實的數(shù)據(jù)生成過程，而僅僅是直接進行統(tǒng)計上的推斷。

鑒于此，本文的結構安排如下:第一部分是對現(xiàn)有文獻進行綜述，發(fā)現(xiàn)已有研究存在的不足，尋求本文研究的創(chuàng)新點;第二部分經(jīng)過嚴格的模型設定確定相應的非線性模型，對樣本期內股票價格收益率序列的真實數(shù)據(jù)生成過程進行準確描述;第三部分進一步結合滾動分析對股票價格收益率進行樣本外預測，并與鞅假設下的樣本外預測效果進行統(tǒng)計意義與經(jīng)濟意義上的比較，以檢驗股票市場是否是弱式有效市場;第四部分是文章的主要結論。

一、文獻綜述

Samuelson［7］指出有效市場假說實質上就是鞅假設后，F(xiàn)ama［8］關于有效市場的重新表述也使學界加深了這一共識，對股票市場是否是弱式有效市場的檢驗也轉化為股票價格序列是否是鞅序列或者股票收益率序列是否是鞅差分序列的檢驗。由于隨機游走假設對一階矩和二階矩都有要求，而鞅假設僅對一階矩有要求。若股票價格的變動是一個隨機游走過程，那么一定是一個鞅過程，股票市場是弱式有效市場，但拒絕隨機游走假設并不意味拒絕鞅假設，此時無法判斷股票市場的有效性。

關于中國股票市場弱式有效性的討論中，俞喬［9］以及吳世農(nóng)［10］等的實證研究的結論支持中國股市并非弱式有效市場的結論。與之相反，張兵和李曉明［5］、王少平和楊繼生［11］等均認為中國股市已經(jīng)具備弱式有效性。結論出現(xiàn)差異的原因在于選取樣本以及所用理論和模型不同。而且大多數(shù)研究并沒有考慮股票價格序列的真實數(shù)據(jù)生成過程，僅從統(tǒng)計檢驗角度進行分析，但統(tǒng)計檢驗本身也存在一些問題。

陳燈塔和洪永淼［12］已經(jīng)指出，絕大多數(shù)的實證研究采用的統(tǒng)計方法都忽略了高頻金融數(shù)據(jù)存在的諸如波動聚類等特征事實。例如，游程檢驗和BDS檢驗中，雖然股票收益的序列獨立確實表明市場有效，但市場有效并不要求股票收益序列獨立，在股票收益不服從正態(tài)分布的情形下，弱式有效性可以和股票收益的高階序列依賴共存，例如高頻股票收益存在持續(xù)的波動聚類，因此，拒絕股票收益序列獨立的假設并不能說明市場一定是無效的，也可能是由波動聚類引起的。另外，Hong and Lee［13］也指出，序列相關檢驗以及方差比檢驗等傳統(tǒng)的檢驗本質上是關于白噪聲序列而不是鞅差分序列的檢驗，雖然在有效市場假說成立時，它們具有適當?shù)臐u近檢驗水平，但這些檢驗只能檢測條件期望的線性依賴部分，對非線性依賴無能為力，檢驗統(tǒng)計量及其極限分布是在條件同方差假設下推導出來的，任何條件異方差的存在都將使該檢驗方法無效，于是不能準確判斷鞅假設是否成立以及股票市場是否為弱式有效市場。Hong and Lee［13］提出基于廣義譜域分析的檢驗方法，其中的檢驗統(tǒng)計量的極限分布與待估參數(shù)沒有關系，不僅允許存在任意形式的波動聚類以及其他更高階條件矩的序列依賴，而且能有效地檢測出對市場有效假說的線性和非線性偏離，故可直接用來檢驗股價序列的鞅假設或股價收益率序列的鞅差分假設，檢驗結果更為準確。張亦春和周穎剛［14］，陳燈塔和洪永淼［12］在此基礎上對中國股市弱式有效性進行檢驗，均得到中國股市并未達到弱式有效市場的結論。但根據(jù)Su et al.［15］的思路，對股票市場有效性的現(xiàn)有實證研究大多只提供樣本內的證據(jù)，對檢驗的統(tǒng)計意義關注較多，較少從股票市場有效性的經(jīng)濟意義進行考慮，而且該類研究較少考慮股票價格序列的真實數(shù)據(jù)生成過程可能存在的非線性特征，簡單地建立線性模型描述股價的動態(tài)行為。實際上，在檢驗股票市場有效性時，將經(jīng)濟意義與統(tǒng)計意義結合起來進行分析會使結論更加清晰，這就需要我們回歸到有效市場理論的經(jīng)濟學本質，即歷史信息對股票價格沒有任何影響，股價以及股價收益率均是不可預測的，進而，可從可預測性角度判斷股票市場的有效性。

事實上，陳燈塔和洪永淼［12］提出的關于股票價格或其收益率序列條件期望的非線性依賴與條件方差的波動集聚特征可由STAR-GARCH模型［16］描述，這一模型是在 Ter?svirta［17］提出的 STAR 模型和Bollerslev［18］提出的GARCH模型基礎上得到，在對股票價格或收益率序列建模時得到廣泛應用［19-20］。結合 Yang et al.［21］以及 Su et al.［15］的研究，本文認為，在檢驗股票價格序列是否是鞅過程時，采取傳統(tǒng)的檢驗方法很容易接受鞅假設，誤判股票市場為弱式有效市場。在弱式有效的股票市場中，由于歷史信息對股價變化沒有任何影響，股價的變化是不可預測的，鞅模型很好地描述了這一特征。因此，可以通過檢驗股票價格的可預測性來判斷股市的弱式有效性。如果建立的模型能夠較好地描述股價或收益率序列的真實數(shù)據(jù)生成過程，同時該過程下的樣本外預測效果不優(yōu)于鞅假設下的預測效果，說明不能根據(jù)歷史信息進行預測，股票市場是弱式有效市場。反之，真實數(shù)據(jù)生成過程下的樣本外預測效果優(yōu)于鞅假設下的預測效果，則說明可以根據(jù)歷史信息進行預測，此時股票市場并非弱式有效市場。

因而，本文深入地分析了鞅過程的檢驗與股票市場有效性的聯(lián)系，在描述股票價格序列的真實數(shù)據(jù)生成過程時進行更嚴格的模型設定檢驗，并在此基礎上建立相應的非線性模型，不同于以往研究不加檢驗地設立非線性模型，從而使得計量分析過程更嚴謹。具體進行樣本外預測分析時，根據(jù)clark and McCracken［22］的研究結論。本文采用更能體現(xiàn)參數(shù)動態(tài)變化特征的滾動分析。一方面，滾動分析中每次估計的樣本數(shù)一致，模型中參數(shù)更具有可比性。另一方面，預測期距離滾動窗口更近有助于提高預測精度。

二、股價收益率的非線性動態(tài)特征

2005年4月29日，經(jīng)國務院批準，證監(jiān)會宣告股權分置改革正式啟動，股改是一種資本市場制度的創(chuàng)新，它通過流通股股東和非流通股股東的同股同權，向市場傳遞了保護中小投資者的信號。股改之前，股票市場成為大股東掠奪中小股東的場所，股權分置導致了市場內幕交易盛行與市場信息失真［23］，使得市場信息效率低下，導致股票市場難以達到弱式有效市場。為此，本文選取自2005年股改以來上證指數(shù)與深證成指日度數(shù)據(jù)進行分析，樣本期是2005年4月29日至2013年7月25日，兩類股指數(shù)據(jù)均有2000個觀測值，可以保證估計結果的穩(wěn)健性，數(shù)據(jù)分別來源于上海與深圳證券交易所網(wǎng)站。具體地，用y1、y2分別代表對數(shù)化后的上證指數(shù)和深證成指①取對數(shù)后可以避免估計中的異方差問題，也使得進行差分處理時更具備經(jīng)濟含義。，dy1、dy2分別代表上證指數(shù)和深證成指收益率序列，建模分析時借助的軟件為EViews7.2以及 R3.0.0。

(一)單位根檢驗

為避免虛假回歸的問題，通常在平穩(wěn)序列下建立線性或者非線性自回歸模型。因此，首先對股指序列進行ADF單位根檢驗，以確定變量的平穩(wěn)性特征，結果如表1所示。

表1 變量的平穩(wěn)性檢驗結果

表1顯示，在5%的顯著性水平下，y1、y2均為非平穩(wěn)序列，但對應的差分序列，即上證指數(shù)和深證成指收益率序列均為平穩(wěn)序列，故可針對dy1和dy2建模。

(二)模型的設定與估計

在對股指收益率序列進行建模時，主要參考Dijk et al.［24］的分析方法。該方法首先在線性自回歸的基礎上對模型是否存在非線性特征進行檢驗，其中，作為檢驗基準的p階線性自回歸模型的滯后階數(shù)p由AIC準則確定;檢驗的備擇假設為非線性STAR模型，為構建可以識別的檢驗統(tǒng)計量，對STAR模型進行三階泰勒展開，選擇合適的轉移變量(一般為變量的滯后項或者變量變動量的滯后項)進行線性檢驗，轉移變量的選取原則也是依據(jù)最小化p值來決定;最后，如果檢驗拒絕零假設，則借助序貫檢驗確定STAR模型的具體形式(LSTAR或者ESTAR)。只有拒絕了零假設，才可以進一步借助非線性最小二乘方法估計具體參數(shù)。

首先，本文依據(jù)AIC準則確定最優(yōu)滯后階數(shù)，將dy1以及dy2進行線性自回歸估計，估計時剔除在5%的顯著水平下不顯著的滯后項，并根據(jù)LB(q)檢驗進行殘差序列自相關檢驗，具體估計結果見式(1)與式(2)。

其中，估計系數(shù)下方的括號中數(shù)字表示估計系數(shù)的標準差，為殘差序列的標準差，表示用于檢驗殘差序列不存在q階自相關的Ljung-Box Q統(tǒng)計量值，該統(tǒng)計量值后括號中數(shù)字表示不能拒絕原假設的概率。顯然，在5%的顯著性水平下，式(1)與式(2)中殘差序列不存在自相關，可以近似為一個白噪聲過程。但殘差序列仍可能存在顯著的GARCH效應，根據(jù) Luukkonen and Ter?svirta［16］的研究，可以首先對序列的條件均值建模，GARCH效應可能在考慮條件均值的非線性STAR特征后消失，故暫不予考慮。

某股份制商業(yè)銀行對公部門副總經(jīng)理金三成說：“目前銀行很難拉到存款，流動性緊張，受資本充足率和負債約束很大。有的規(guī)模不大但前些年表外業(yè)務做得比較多的城商行，存貸比非常高，已經(jīng)達到90%左右了?！?/p>

在對STAR模型進行估計之前，根據(jù)上證指數(shù)和深證成指收益率序列的線性自回歸估計結果，進行模型的非線性檢驗。根據(jù) Dijk et al.［24］，基本的STAR模型可以表述為:

其中，常用的F(st，γ，c)有l(wèi)ogistic函數(shù)與指數(shù)函數(shù)兩種形式:

兩種形式分別對應LSTAR與ESTAR模型中的平滑轉移函數(shù)，具體地，平滑轉移函數(shù)F(st，γ，c)滿足［0，1］約束，st表示轉移變量;γ表示調整參數(shù)，意指從一種狀態(tài)“0”過渡到另一種狀態(tài)“1”的速度;c表示開始狀態(tài)轉換的門限值，當轉換變量st的值低于門限值c時，變量處于“0”狀態(tài)，當轉換變量st的值超過門限值c時，變量處于“1”狀態(tài)。STAR模型的主要特征就在于區(qū)制間的轉移是平滑過渡，而不是由一個區(qū)制到另一個區(qū)制的瞬間跳躍。

根據(jù) Dijk et al.［24］的思路，對 STAR 模型下的非線性特征進行檢驗時，首先對模型進行三階泰勒展開，得到:

定義線性模型下的原假設為H0:β2j=β3j=β4j=0，在此基礎上構造檢驗統(tǒng)計量(LM統(tǒng)計量)，為確定模型的具體類型，構造了三個序貫假設檢驗:

Dijk et al.［24］建議，在拒絕 H0檢驗后，若 H02檢驗統(tǒng)計量所對應的p值最小，應建立ESTAR模型;若H01或H03檢驗統(tǒng)計量所對應的p值最小，則應建立LSTAR模型。同時，這些檢驗也為確定轉移變量提供了重要信息。Ter?svirta［17］認為，STAR 模型的轉移變量通常為因變量的滯后項或者差分滯后項，為確定STAR模型中最合適的轉移變量，建模者可以在檢驗式(6)中分別代入不同的St，從中選擇檢驗統(tǒng)計量p值最小的st作為轉移變量，此種做法具有較高的檢驗功效。

根據(jù)以上思路，我們在式(1)與式(2)列出的估計結果基礎上進行非線性檢驗，在選取因變量的滯后項或差分滯后項為轉移變量時，因建模變量本身就是差分變量，故轉移變量選取為其滯后項①根據(jù)Ter?svirta［17］的思路，滯后階數(shù)不超過線性模型下的最大滯后階數(shù) 。。表2給出了上證指數(shù)和深圳成指收益率分別建立自回歸模型后，進行模型非線性檢驗的檢驗統(tǒng)計量所對應的p值:

表2 模型設定中的非線性檢驗

結合之前的分析，可見，在5% 的顯著性水平下，針對上證指數(shù)收益率序列的建模，以dy1t－1為轉移變量時，H01以及H03檢驗統(tǒng)計量所對應的p值最小，并拒絕了H02檢驗。針對深證成指收益率序列的建模，以dy2t－1為轉移變量時，H01以及H03檢驗統(tǒng)計量所對應的p值最小，并拒絕了H02檢驗。說明上證指數(shù)和深證成指收益率序列條件均值的真實數(shù)據(jù)生成過程均具有LSTAR模型所描述的非線性動態(tài)特征。

進一步進行LSTAR模型的估計。其中，轉換函數(shù)中轉移速度參數(shù)及位置參數(shù)c由格點搜索法得到，之后可以利用NLS方法對LSTAR模型進行具體估計，與線性AR模型下的估計一致，同樣剔除了在5%的顯著水平下不顯著的滯后項結果，其中上證指數(shù)收益率序列條件均值的估計結果如下:

經(jīng)檢驗發(fā)現(xiàn)在5%的顯著性水平下，上證指數(shù)收益率序列條件方差具有顯著的GARCH效應，具體模型設定為:

估計得到:

深證成指收益率序列條件均值的估計結果如下:

經(jīng)檢驗發(fā)現(xiàn)在5%的顯著性水平下，條件方差序列具有顯著的GARCH效應，估計得到:

綜合以上分析，本文通過建立兩區(qū)制LSTARGARCH(1，1)模型，對2005年4月29日至2013年7月25日中國股票市場兩大股指收益率的真實數(shù)據(jù)生成過程進行描述，從估計結果上看，基于兩區(qū)制的LSTAR-GARCH(1，1)模型的AIC值較線性模型均有所下降，同時模型擬合程度上升，說明樣本期內，該模型可以很好地描述上證指數(shù)與深證成指收益率的真實數(shù)據(jù)生成過程。

在弱式有效市場下，股指收益率序列應是一個鞅差分過程，這與股指序列是一個鞅過程是等價的①陳燈塔和洪永淼［12］對此有詳細的論述。。樣本期內，上證指數(shù)與深證成指收益率的真實數(shù)據(jù)生成過程均存在非線性特征，采取傳統(tǒng)的檢驗方法很容易接受鞅假設，誤判股票市場為弱式有效市場。為避免這種誤判，本文將樣本期重新劃分為樣本內與樣本外兩個時間區(qū)間，根據(jù)對樣本內股指收益率序列真實數(shù)據(jù)生成過程的擬合模型，考察樣本外的預測效果，通過比較與鞅假設下的預測效果，得出股指收益率是否可預測的結論以判斷股票市場的有效性。如果真實數(shù)據(jù)生成過程下的樣本外預測效果不優(yōu)于鞅假設下的預測效果，說明不能根據(jù)歷史信息進行預測，股票市場是弱式有效市場。反之，真實數(shù)據(jù)生成過程下的樣本外預測能力優(yōu)于鞅假設下的預測能力則說明可以根據(jù)歷史信息進行預測，此時股票市場并非弱式有效市場。

三、基于樣本外預測的檢驗

根據(jù)前文分析，在2005年4月29日至2013年7月25日期間內，上證指數(shù)與深證成指收益率序列的真實數(shù)據(jù)生成過程具備非線性LSTAR-GARCH模型所描述的動態(tài)特征。因此，根據(jù)滾動分析考察模型樣本外預測效果時，主要通過比較基于LSTAR模型的預測效果與弱式有效市場假設下的預測效果，檢驗股票市場的有效性。2010年4月16日，滬深300股指期貨在中國金融期貨交易所正式掛牌交易。理論上，由于股指期貨價格的形成是建立在眾多交易者對股票市場未來價格預期的基礎上，具有預見性與競爭性的特征，因而具有價格發(fā)現(xiàn)的功能，股指期貨的引入能夠轉移現(xiàn)貨市場的風險，吸引更多投資者從事股票投資，有利于市場流動性和效率的提高，進而增進股票市場的有效性。但實際效果如何尚缺少實證中的檢驗，為考察股指期貨推出以來股票市場有效性的變化，本文分別考察2005年4月29日至2010年4月15日、2010年4月16日至2013年7月25日兩段時期內股票市場的有效性。

根據(jù)滾動分析的原理，將兩段時期內的樣本均劃分為樣本內期數(shù)R以及樣本外預測期數(shù)P，由第1期至第R期樣本內股價指數(shù)收益率的變動趨勢預測第R+1期股價指數(shù)收益率的預測值，之后根據(jù)第2期至第R+1期樣本內股價指數(shù)收益率的變動趨勢預測第R+2期股價指數(shù)收益率的預測值，以此類推，最后可以得到P個樣本外預測值。之后可以根據(jù)相應的準則評價預測效果，具體依據(jù)均方預測誤差(MSFE)與交易回報的平均預測(MFTR)兩大指標①根據(jù)Yang et al.［21］、Clark and McCracken［22］的研究，MSFE指標與MFTR指標可以分別從統(tǒng)計意義與經(jīng)濟意義角度評價模型預測效果，并且具備良好的統(tǒng)計性質。，分別從統(tǒng)計意義與經(jīng)濟意義兩大角度考察樣本外預測的效果。具體地:

其中，P代表樣本外預測的期數(shù)，yt代表真實值表示預測值，當≥0 時，sign)=1＜0時，sign()=－1。MSFE越小，說明模型的預測精度越高，預測值與真實值的差異越小，即從統(tǒng)計意義上考慮，模型的預測效果更好。MFTR越大，說明股市投資者對股價變動方向的預測越準確，而由于股價變動有時會很大，很有可能出現(xiàn)雖然統(tǒng)計意義上預測效果較差，但從經(jīng)濟意義考慮，仍然具有較好的預測效果。因此，有必要同時從統(tǒng)計與經(jīng)濟意義角度考察樣本外預測的效果。除此之外，本文還借助White［25］提出的檢驗方法檢驗基于真實數(shù)據(jù)生成過程下的樣本外預測效果是否優(yōu)于鞅假設下的預測效果，該檢驗的原假設是單個模型的預測效果不優(yōu)于鞅模型，通過比較檢驗統(tǒng)計量對應的p值②后文提到的pwhite即指根據(jù)White［25］提出的檢驗方法得到的p值。與設定的顯著性水平判斷是否接受原假設。與之前的分析相同，設定的顯著性水平為5%。為更全面地從樣本外預測的角度考察中國股票市場是否是弱式有效市場，更細致地區(qū)分了樣本內與樣本外，具體包括P/R=1、P/R=0.5、P/R=0.25、P/R=0.1 以及P/R=0.01五種情形。根據(jù)以上分析，首先比較2005年4月29日至2010年4月15日，真實數(shù)據(jù)生成過程以及鞅假設下對上證指數(shù)與深證成指收益率的樣本外預測效果，具體見表3。從表3中可以發(fā)現(xiàn)，自2005年4月29日股改至2010年4月16日推出股指期貨之前，基于真實數(shù)據(jù)生成過程的樣本外預測發(fā)現(xiàn)，無論從統(tǒng)計意義還是經(jīng)濟意義進行考察，根據(jù)真實數(shù)據(jù)生成過程預測股指收益率更加準確，預測效果顯著優(yōu)于鞅假設下的預測，說明股指收益率可預測性較強，進而可以拒絕股指收益率序列是鞅差分序列的假設，得到上海與深圳股票市場均非弱式有效市場的結論，這與張亦春和周穎剛［14］和陳燈塔和洪永淼［12］的研究結論一致，即中國股市尚未達到弱式有效市場。

結合陳燈塔和洪永淼［12］的分析，本文認為股票市場尚未達到弱勢有效市場的原因如下。首先，中國股市與成熟的資本市場仍然有很大的差距，股票價格不完全由市場決定沒有完全體現(xiàn)出所有的公開信息，監(jiān)管當局仍然直接或者間接地控制著金融資源;其次，上市公司提供的信息質量仍待提升，投資者并不能公平地獲取信息，加之漲跌幅度限制，A股和B股之間的市場分割，內幕交易等均使股票市場信息效率不高。雖然，股改傳遞了一個良好的信號，以上制約股市有效性提升的因素均較陳燈塔和洪永淼［12］的研究期間有所改善，但包括股改在內的制度性改革措施實施的時間均較短，市場外因素的影響仍然較大，進而使整個股票市場的股價收益率呈現(xiàn)可預測的特征，中國股票市場仍非一個弱式有效的市場，歷史信息有助于對當期的收益率的預測，為套利提供了可能，這也在表3中得到了驗證。

進一步考察2010年4月16日至2013年7月25日股票市場的有效性，具體見表4。從表4中可以發(fā)現(xiàn)，2010年股指期貨推出后，無論從統(tǒng)計意義還是經(jīng)濟意義進行考察，根據(jù)真實數(shù)據(jù)生成過程預測上證指數(shù)收益率仍較準確，預測效果依舊顯著優(yōu)于鞅假設下的預測，說明上證指數(shù)收益率可預測性較強，可以拒絕上證指數(shù)收益率序列是鞅差分序列的假設，上海股市仍未達到弱式有效市場。而真實數(shù)據(jù)生成過程下預測深證成指收益率的準確度較股改之初下降，預測效果不再優(yōu)于鞅假設下的預測，說明深證成指收益率可預測性較弱，進而不能拒絕深證成指收益率序列是鞅差分序列的假設，深圳股票市場已逐漸轉變?yōu)槿跏接行袌?。而由此推斷，樣本期間，中國股市有效性有所增強，但仍需進一步推進制度性改革，提升股票定價效率并減少政策干預以使滬深兩市均能達到弱式有效市場。

隨著股份制改革的推進和信息披露政策的逐漸完善，尤其是以股指期貨為代表的金融衍生品的推出，使得投資者可以在一定程度上進行雙邊交易，并進行套期保值以實現(xiàn)風險轉移，股票定價受市場影響增大，有利于增強股票市場的有效性。之所以出現(xiàn)滬、深股市弱式有效性的差異，本文認為，一方面，由于在中國股市總市值的權重中，上海股市所占權重較大，使得政策關注度更高，相應的干預較強。另一方面的緣由可能在于信息披露的效率和公開性上的差異。進而使滬、深股票市場的股價收益率分別呈現(xiàn)可預測和不可預測的特征，中國股票市場只是部分達到弱式有效的市場。對應地，上海股市套利的可能性依舊存在，但深圳股市的難度加大，這也在表4中得到了驗證。當然，我們有理由相信，隨著監(jiān)管當局已經(jīng)實行和正在實施的包括保護投資者利益、健全和完善信息披露制度以及懲處利用內幕信息、內幕交易、虛假陳述等措施，均有助于信息在股票市場上充分、迅速、準確、對稱地流動，促使股票市場有效性的提升。

表3 真實數(shù)據(jù)生成過程與鞅假設下的樣本外預測效果比較(2005年4月29日-2010年4月15日)

表4 真實數(shù)據(jù)生成過程與鞅假設下的樣本外預測效果比較(2010年4月16日-2013年7月25日)

四、結 論

本文以上證指數(shù)與深證成指為例，經(jīng)過非線性檢驗后，建立LSTAR模型描述上證指數(shù)與深證成指收益率序列的真實數(shù)據(jù)生成過程，在此基礎上借助滾動分析進行樣本外預測，通過對比真實數(shù)據(jù)生成過程與鞅假設下的預測效果，對股票市場的弱式有效性進行檢驗。研究發(fā)現(xiàn)，2005年4月29日股改之初，滬深兩市均非弱式有效市場，而隨著股改的推進，包括2010年4月16日推出股指期貨等股市制度性改革力度的加大，股票市場有效性增強，雖然上海股市尚未達到弱式有效市場，但深圳股市已經(jīng)達到弱式有效市場。同時，經(jīng)濟意義上的證據(jù)也支持這一結論，隨著股改的推進和股指期貨的推出，雖然上海股市套利的空間依舊存在，但深圳股市套利的可能性很小。

基于以上結論，本文認為，隨著中國股市規(guī)模的擴大、流動性的提高、投資者的日益成熟以及政府監(jiān)管水平的提高，股票市場已經(jīng)具備轉變?yōu)槿跏接行袌龅臈l件。包括股改以及推出股指期貨等措施均一定程度上增進了股票市場的有效性。但綜合滬、深兩市的有效性特征也可以發(fā)現(xiàn)，中國股票市場的有效性仍有待增強。股票市場完全達到弱式有效市場的核心是市場信息的完全性與公平性以及股票定價的市場化。具體地講，健全和完善信息披露制度可以提升市場信息的公開程度和信息的公平性，有益于提升市場效率;加強對投資者尤其是中小投資者利益的保護可以擴大股票市場的參與方，同時避免股價被操縱，進而有助于股票定價的市場化;加大懲處利用內幕信息、內幕交易、虛假陳述等措施獲利的力度，在防范股價波動風險的同時也向市場釋放了積極的信號，使投資者可以進行市場化操作;最后，從股票市場供求角度出發(fā)，豐富股票交易品種、完善衍生品市場，引入做空機制，都可以促進股票市場的有效性的提升。

［1］ Fama E F.Efficient Capital markets:A review of the theory and empirical work［J］.Journal of Finance，1970，25:383-417.

［2］ Jensen M C.Some anomalous evidence regarding market efficiency［J］.Journal of financial economics，1978，6:95-101.

［3］ Leroy S F.Efficient capital markets and martingales［J］.Journal of Economic Literature，1989，27:1583-1621.

［4］ Shiller R J.Irrational exuberance［M］.Random House Digital，Inc.，2005.

［5］ 張兵，李曉明.中國股票市場的漸進有效性研究［J］.經(jīng)濟研究，2003(1):54-61.

［6］ 洪永淼.金融計量的新近發(fā)展［J］.經(jīng)濟學 (季刊)，2002(2):258-260.

［7］ Samuelson P A.Proof that properly anticipated prices fluctuate randomly［J］.Industrial Management Review，1965，6:41-49.

［8］ Fama E F.Efficient Capital Markets:II［J］.Journal of Finance，1991，46:1575-1617.

［9］ 俞喬.市場有效，周期異常與股價波動［J］.經(jīng)濟研究，1994(9):43-50.

［10］ 吳世農(nóng).我國證券市場效率的分析［J］.經(jīng)濟研究，1996(4):13-19.

［11］ 王少平，楊繼生.聯(lián)合p值綜列單位根檢驗的擴展及其對中國股市的弱有效性檢驗［J］.統(tǒng)計研究，2006(4):69-72.

［12］ 陳燈塔，洪永淼.中國股市是弱式有效的嗎——基于一種新方法的實證研究［J］.經(jīng)濟學 (季刊)，2003(10):97-124.

［13］ Hong Y，Lee Y J.Generalized spectral tests for conditional mean models in time series with conditional heteroscedasticity of unknown form［J］.The Review of E-conomic Studies，2005，72:499-541.

［14］ 張亦春，周穎剛.中國股市弱式有效嗎?［J］.經(jīng)濟研究，2001(3):34-40.

［15］ Su X，Wang T，Yang J.Out-of-sample predictability in international equity markets:A model selectionApproach［J］.Financial Review，2009，44:559-582.

［16］ Lundbergh S，Ter?svirta T.Modelling economic highfrequency time series with STAR-STGARCH models［M］.Tinbergen Institute，1999.

［17］ Ter?svirta T.Specification，estimation，and evaluation of smooth transition autoregressive models［J］.Journal of the American Statistical Association，1994，89:208-218.

［18］ Bollerslev T.Generalized autoregressive conditional heteroskedasticity［J］.Journal of Econometrics，1986，31:307-327.

［19］ Boswijk H P，Hommes C H，Manzan S.Behavioral heterogeneity in stock prices［J］.Journal of Economic Dynamics and Control，2007，31:1938-1970.

［20］ Matias J M，Reboredo J C.Forecasting performance of nonlinear models for intraday stock returns［J］.Journal of Forecasting，2012，31:172-188.

［21］ Yang J，Su X，Kolari J W.Do Euro exchange rates follow a martingale?Some out-of-sample evidence［J］.Journal of Banking＆ Finance，2008，32:729-740.

［22］ Clark T E，McCracken M W.Advances in forecast evaluation［R］.Federal Reserve Bank of St.Louis Working Paper，No.025B，2011.

［23］ 吳曉求.中國資本市場:股權分裂與流動性變革［M］.北京:中國人民大學出版社，2004.

［24］ Dijk V D，Ter?svirta T，F(xiàn)ranses P H.Smooth transition autoregressive models——A survey of recent developments［J］.Econometric Reviews，2003，21:1-47.

［25］ White H.A reality check for data snooping［J］.Econometrica，2000，68:1097-1126.