股市可预测性与技术指标协整性的模型检验 ..docVIP

　　股市可预测性与技术指标协整性的模型检验 . ;model-testforthepredictionofstockmarkets andthecointegrationoftechnicalindexes zhouaimin theinstituteforresearchininternationaleconomics,nankaiuniversity abstract pricesinaneffectivestockmarketvarystochasticly.itreflectstheequaldistributionofinformationofsamequality.butitdoesnotcontradictoreover,“predictable”isquitedifferentfrommakingmoneybymeansofprediction.ithasbeenprovedbythestochasticmodelsofstockmarketefficiency.inthisarticletheauthortriestoexplainitthroughtestingthecointegrationofsomemajortechnicalindexesandestablishingauto-regrassionmodelsofstockmarkets.meanodelsandthedifferentdeGREeofstockmarketefficiency. keyit=a0+a1lmit+a2d2+……+apdp+εt(1.1) 其中mit为股指数据，lmit为其一阶滞后变量，d2=δ2mit,…，dp=δpmit,分别为股指数据mit二阶、…、p阶的差分变量。p为自回归的阶数，可由过拟合f-检验准则来界定，过拟合f-检验统计量的计算见下面的(1.2)式。 f=(n-p)(ssep-ssep+1)/ssep+1～f(1,n-p)(1.2) 其中n为样本容量，p为所检验的模型阶数，也即模型中所用解释变量的个数，而ssep为p阶模型的残差平方和：ssep=,其中et=xt-xt为模型残差。过拟合f-检验准则对于(1.1)式的修正ar(p)模型可以给出阶数是否足够高的检验，用于在显著程度α下检验模型是否过度拟合，检验临界值及实际的计算结果见表1.1。 表1.1上海股市指数1991年12月17日至1995年12月7日，对p=21至24时的过拟合f统计量的检验(对α=0.01,0.005,0.001) 模型样本容量自由度原始模型 f统计量修正模型f 统计量fα=0.001 本文共4页: 第 1 [2] [3] [4] 页;α=0.005 f理论值α=0.001 f理论值 p=21100798545.85419.1886.637.8810.83 p=22100798429.982359.3856.637.8810.83 p=23100798337.414625.8296.637.8810.83 p=24100798228.940218.0766.637.8810.83 通常在假设h0∶ap+1=0,之下，当f＞fα时，拒绝假设h0，当f＜fα时，则接受假设h0。如果拒绝了假设h0，意味着ar(p)的阶数仍可升高，p+1阶的滞后变量(在我们的模型中指更高阶的差分变量dp+1)可以被引入作为解释变量。如果接受了假设h0，则意味着ar(p)的阶数已够高了。表2.1给出了对上海股指使用f-过拟合检验的情况，从中可以看出，当模型阶数由p=21升至p=22时，模型的f统计量发生本质性变化，因此p=22时模型最好。 以下为上海股市指数1991年12月17日至1995年2月7日，对p=22时的修正ar(p)模型。 mit=-7.48(-8.55)+1.01(945.92)lmit+10.63(52.62)d2-70.89(-33.84)d3+ +336.72(26.40)d4-1213.9(-22.18)d5+3448.7(19.37)d6-7911(-17.33)d7+ +14893(15.75)d8-23264(-14.47)d9+30370(13.41)d10-33265(-12.51)d11+ +30612(11.72)d12-23635(-11.03)d13+15247(10.41)d14-8158.5(-9.84)d15+ +3580.3(9.33)d16-1267.3(-8.86)d17+352.95(8.42)d18-74.482(-8.01)d19+ +11.196(7.62)d20-1.0683(-7.26)d21+0.0486(6.91)d22 其中括号内的数值分别为对应回归参数的t统计量，且mse=71.22,f