股市可預測性與技術指標協整性的模型檢驗(doc 6頁)

股市可預測性與技術指標協整性的模型檢驗內容提要：
　本文提出股市可預測性，針對的是證券市場有效性概念裏，容易引起誤解的幾個地方〔1〕。需要強調的是：說證券市場價格“可預測”不等於說“可以100%的準確預見”，而是說“可以使用一般用於經濟預測的方法，建立起能在一定誤差要求之下預測證券市場價格變動的預測模型”。顯然，任何方法建立起的任何預測模型都是存在誤差的。“可預測”是指所建立起的預測模型其誤差是在可接受的範圍內。比如一個遵循隨機遊走模型的隨機變量，當它的方差與期望之比滿足一定條件時，隨機遊走模型本身就是一個誤差滿足一定要求的預測模型。
　　筆者認為股市的“可預測性”是一個始終伴隨著證券市場有效性遞進的強進程概念，即證券市場的有效性越強，其市場指數的變動中暴漲暴跌的情況就越少，建立預測模型的可能性就越大，“可預測性”就越強；反之如果證券市場的有效性越弱，單邊上升或單邊下降的可能性就越大，接下來隨著市場的急速轉向，建立預測模型的可能性就越小，其“可預測性”就越弱。
　　為支持以上概念的提出，我們使用上海股市有史以來的指數數據和香港聯交所的同期恒生指數，建立兩地股市誤差滿足要求的預測模型，即下麵的(1.1)式。
　　MIt=a0+a1LMIt+a2D2+……+apDp+εt　　(1.1)
　　其中MIt為股指數據，LMIt為其一階滯後變量，D2=Δ2MIt,…，Dp=ΔpMIt,分別為股指數據MIt二階、…、p階的差分變量。p為自回歸的階數，可由過擬合F-檢驗準則來界定，過擬合F-檢驗統計量的計算見下麵的(1.2)式。
　　F=(N-p)(SSEp-SSEp+1)/SSEp+1～F(1,N-p)　　(1.2)
　　其中N為樣本容量，p為所檢驗的模型階數，也即模型中所用解釋變量的個數，而SSEp為p階模型的殘差平方和：SSEp=,其中et=Xt-Xt為模型殘差。過擬合F-檢驗準則對於(1.1)式的修正AR(p)模型可以給出階數是否足夠高的檢驗，用於在顯著程度α下檢驗模型是否過度擬合，檢驗臨界值及實際的計算結果見表1.1。
..............................