论文部分内容阅读
股票市场在一国国民经济中扮演重要举足轻重的角色,股票指数是反映股票市场运行的一个重要指标,被视作股票市场的"晴雨表",是政策制定者和投资者关注的重点。现有研究成果表明,没有一个市场是绝对的完全有效或是完全无效,换言之,所有股票市场都是介于有效性与无效性之间,区别在于有效程度的不同。股票市场具有高度复杂的非线性,将非线性复杂指标运用于探究股票市场的特性及其变化,能提高对股价运行内在机理深刻认知。熵用于衡量系统状态的无序性,也适用于测量信号信息的复杂性,熵值越大,表明信号复杂程度越高,包含信息更加充分。奇异值分解熵作为一种非线性复杂性指标,对股票市场的预测能力研究,为市场有效性开辟了一个新的视野。因此本文采用基于相空间重构技术计算出的非线性特征指标--奇异值分解熵,考察全球37个股票市场的奇异值分解熵以及它对股指的预测力。本文主要研究以下两方面内容:(1)选取37个股票市场,其中23个成熟市场和14个新兴市场的日收盘价数据,利用"滑动窗"技术,构建嵌入空间维度为5的基于相空间重构吸引子的轨迹矩阵,进行奇异值分并且计算出信息熵,从而分别形成各个市场对应奇异值分解熵序列。(2)采用线性Granger因果检验(包括传统Granger因果检验、基于VECM模型下因果检验和T-Y Granger因果检验)和非线性Granger因果检验(包括BDS非线性检验和非线性Granger因果检验)两种方法深入探究奇异值分解熵序列与对应股指序列之间关联关系。本文经实证分析得出,通过非线性Granger因果检验,37个市场奇异值分解熵对股票指数均有显著预测力,预测结果显著高于线性Granger因果检验;不论成熟市场还是新兴市场的熵序列均对股票指数有预测力,说明基于重构相空间吸引子的奇异值分解熵对股票指数的预测能力不受到股票市场的成熟程度的影响。