（金融学专业论文）基于RBF神经网络对中国股票市场的有效性研究.pdf

本人声明，所呈 究成果。尽我所知， 他人已经发表或撰写 机构的学位或证书而 贡献均已在论文中作 本人完全了解武 权保留并向国家有关 和借阅。本人授权武 进行检索，可以采用 授权经武汉理工大学 文，并向社会公众提 龇釜垦导燃：蛐胁垄生坐上 摘要 根据证券市场的有效性理论，按照股票价格对不同信息的反应程度将市场 分为三种类型，按照有效性从大n d , 分别为强式有效、半强式有效和弱式有效 的市场，在有效性越高的市场股票的价格反映出市场当中的信息越全面、及时、 准确，因此越是在高有效性的市场上，股票的价格就越是不容易利用已知的信 息去预测。本文将借助神经网络的方法，以我国股票市场的商业百货行业为研 究样本，利用在不同有效性的市场中信息对股价反应的程度不同来对股价进行 预测，进而来探讨我国股票市场的有效性问题。 本文的第一章首先介绍了论文的选题背景，在引言部分阐述了有效性研究的 核心问题，即对于价格的预测，从价格的预测的方法是否准确出发，为对下一 章有效性问题的研究做铺垫；接下来介绍了国内外学者对关于市场有效性的研 究方面所做的工作，重点介绍了学者运用神经网络的方法去预测股价的情况， 并指出了他们其中的不足，最后提出本文的创新点所在。第二章首先系统的介 绍了证券市场的有效性的概念、分类以及以往的学者们对我国证券市场有效性 分类的一些研究成果，接下来重点介绍了研究市场有效性的几种常见方法。第 三章首先简单介绍了神经网络系统的概念，从中得出神经网络系统的特点以及 其良好解决非线性问题的能力，接下来阐述了我国证券市场的复杂性以及非线 性特征，最后得出神经网络系统是处理与证券市场相关问题的有力工具。第四 章开始进入了本文的实证研究部分，首先对基本分析和r b f 网络的相关知识进 行说明，然后在数据的获取及处理方面做出分析，并要首先对数据进行聚类分 析后才能利用r b f 网络进行训练，得出基本分析在我国股票市场是否有效，即 我国股票市场是否存在半强式有效的特征。第五章首先介绍了技术分析的相关 概念，同样利用r b f 网络对所获取的相关数据进行技术分析的有效性进行研究， 最终得出我国股票已达到弱式有效的结论。第六章就是对研究结果做出相关分 析，试图结合股票市场的现实状况去解释我国股票市场表现出如此有效性程度 的特征，最后根据研究结论，为能够进一步提高我国股票市场的有效性提出相 关建议，同时根据结论也对中小投资者的投资提出一些建议。 关键词：有效性；r b f 神经网络；聚类分析 a b s t r a c t b a s i n go nt h ev a l i d i t yt h e o r yo ft h es e c u r i t i e sm a r k e ta n dt h ee x t e n tt h a tt h e s t o c k p r i c e sr e a c tt ov a r i e dd a t a , t h em a r k e tc o u l db ed i v i d e di n t ot h r e et y p e s ，w h i c h a r es t r o n g - f o r me f f i c i e n tm a r k e t ，s e m is t r o n g f o r me f f i c i e n tm a r k e ta n dw e a k f o r m e f f i c i e n tm a r k e ta c c o r d i n gt ot h ev a l i d i t yi nad e s c e n d i n go r d e r t h em o r ev a l i d i t y t h em a r k e ti s ，t h em o r ec o m p r e h e n s i v ea n da d e q u a t et h es t o c kp r i c e sr e f l e c tt h e m a r k e td a t a t h u s ，t h es t o c kp r i c ei sd i f f i c u l tt op r e d i c ti nam a r k e to fh i g hv a l i d i t y t a k i n gt h ec o m m e r c i a ld e p a r t m e n ti nt h es t o c ki n d u s t r ya st h er e s e a r c hs a m p l e ，t h i s p a p e r ，s e t so u tt oe x p l o r et h ee f f e c t i v e n e s so f c h i n a ss t o c km a r k e tb ya p p l y i n gt h e n e u r a ln e t w o r ka p p r o a c h t h ef i r s t c h a p t e ro ft h ep a p e rm a i n l yi n v o l v e st w oa s p e c t s t h ef i r s ti st h e r e s e a r c hb a c k g r o u n d i td i s c u s s e st h ep r e d i c t i o no ft h es t o c kp r i c ea n dt h ea c c u r a c y o ft h ep r e d i c t i o nm e t h o d s ，t h ec o r ep a r to ft h ev a l i d i t yr e s e a r c h ，w h i c hf o r e s h a d o w t h ev a l i d i t yr e s e a r c hi nt h ef o l l o w i n gc h a p t e r t h es e c o n di st h er e v i e wo ft h e r e s e a r c hw o r ko fv a l i d i t yb yr e s e a r c h e r sf r o mh o m ea n da b r o a d ，i th i g h l i g h t st h e r e s e a r c h e sw h i c ha p p l i e dn e u r a ln e t w o r kw a yt op r e d i c ts t o c kp r i c ea n dp o i n t so u t t l l e i rd e f e c t s ，t h u st op r o p o s et h ec r e a t i v i t yo ft h ep a p e r t h es e c o n dc h a p t e rf i r s t l y i n t r o d u c e st h ed e f i n i t i o na n dc a t e g o r i z a t i o no ft h ev a l i d i t yo ft h es t o c km a r k e t ，t h e n i th i g h l i g h t ss e v e r a lc o m m o nm e t h o d so fm a r k e tv a l i d i t yr e s e a r c h t h et l l i r dc h a p t e r i n t r o d u c e st h ec o n c e p to fn e u r a ln e t w o r ks y s t e m ，f r o mw h i c ht h ec h a r a c t e r i s t i c so f n e u r a ln e t w o r ka n di t sg o o da b i l i t yt os o l v en o n l i n e a rp r o b l e m sc a l lb ed r a w n t h e n i te l a b o r a t e st h ec o m p l e x i t yo fc h i n a ss e c u r i t i e sm a r k e ta n di t sn o n l i n e a r c h a r a c t e r i s t i c s ，r e a c h i n gt h ec o n c l u s i o nt h a tn e u r a ln e t w o r ks y s t e mi sap o w e r f u lt o o l t od e a l 、析t l lr e l a t e di s s u e so fs t o c km a r k e t c h a p t e rf o u re n t e r st h ee m p i r i c a lr e s e a r c h p a r t , i tf i r s te x p l a i n st h ef u n d a m e n t a la n a l y s i sa n dr e l a t e dk n o w l e d g eo fr b f n e t w o r k s ，t h e na n a l y z e st h ed a t aa c q u i s i t i o na n dp r o c e s s i n g , t h ed a t ah a st ob e a n a l y z e db yt h em e t h o do fc l u s t e r i n gi no r d e rt ot a k ea d v a n t a g eo fr b fn e t w o r k t r a i n i n g , d r a w i n gt h ec o n c l u s i o nt h a tw h e t h e rs e m i s t r o n ge f f i c i e n tf e a t u r e se x i s ti n c h i n a ss t o c km a r k e t c h a p t e rf i v ei n t r o d u c e st h ec o n c e p t so ft e c h n i c a la n a l y s i s ，a n d s i m i l a r l ya p p l i e sr b f n e t w o r kt oa n a l y z et h ea c q u i r e dd a t a , a r r i v i n gt h ec o n c l u s i o n t h a tc h i n a ss t o c km a r k e th a sr e a c h e daw e a k f o r me f f i c i e n ts t a t e c h a p t e rs i xi st o i i l i i 一_-_一 目录 摘要i a b s t r a c t i i 第l 章绪论1 1 1 研究背景1 1 1 1 引言1 1 1 2 国内外研究动态l 1 2 本文研究思路及创新点3 1 2 1 本文研究思路3 1 2 2 本文创新点3 第2 章证券市场的有效性及检验方法5 2 1 证券市场的有效性分类。5 2 1 1 证券市场的有效性理论5 2 1 2 有效性市场的假设条件与分类5 2 2 证券市场有效性的检验方法一7 第3 章神经网络理论应用于证券市场的适用性1 1 3 1 神经网络系统的概述及特征1 1 3 1 1 人工神经网络系统概述1 1 3 2 证券市场的复杂性1 6 3 2 1 我国股票市场的复杂性特征1 6 3 2 2 学者对我国股票市场的复杂性的实证检验1 9 3 3 神经网络理论对股票市场的适用性1 9 第4 章基于r b f 神经网络检验基本分析的有效性2 2 4 1 基本面分析概述2 2 4 1 1 基本面分析的概念2 2 4 1 2 基本面分析的内容以及基本面分析指标的选取2 3 4 2 数据获取与数据加工3l 4 2 1 数据选取3 2 4 2 2 聚类分析对数据的深加工3 2 4 3 r b f 神经网络系统3 4 4 3 1 r b f 神经网络概述3 4 i v 一 _ _ _ _ _ - _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ - _ _ _ _ _ _ _ _ _ _ _ - _ _ _ _ _ _ _ - _ 一 4 3 2 r b f 神经网络的原理3 6 4 3 3 r b f 神经网络的算法3 7 4 4 利用r b f 神经网络对基本面分析的有效性检验3 8 4 4 1 i m f 网络的训练。3 8 第5 章基于r b f 神经网络检验技术分析的有效性4 1 5 1 技术分析概述4 l 5 1 1 技术分析的定义与理论基础4 1 5 1 2 技术分析的相关指标4 2 5 2 利用r b f 神经网络对技术分析的有效性检验4 3 5 2 1 数据的选取4 3 5 2 2 基于r b f 神经网络的训练和预测分析4 3 第6 章结论4 6 6 1 对于我国股票市场有效性的结论分析4 6 6 2 相关建议4 7 6 3 结束语4 8 参考文献5 0 致 射。5 3 附录a 5 4 附录b 5 5 v 武汉理工大学硕士学位论文 1 1 研究背景 1 1 1 引言 第1 章绪论 俗话说“股票市场是反映一个国家经济状况的晴雨表”。随着我国经济的快 速增长，我国的股票市场也更加蓬勃的发展起来了。但是由于股票市场的复杂 性、波动性，使其往往在普通的投资者面前呈现出一幅杂乱无章的态势，然而 又由于普通投资者的知识结构有限，往往又受空间和时间上的限制，无法及时 的关注股票市场的发展及态势，这些因素都使广大的投资者很难去把握其中的 规律，往往在股票市场造成巨大的损失。 这就要求我们去寻找是否存在一套能对股票价格进行预测的方法，使投资 者遵循着这种方法去交易便能使其获益，这也就在实务中逐渐形成了两类主要 预测的工具：基本面分析和技术分析。基本面分析侧重于对宏观经济、公司财 务等相关信息的分析，而技术分析侧重于对历史价格和成交量以及由其派生出 来的相关技术指标的分析。但这两种工具的共同点在于都是通过利用股票以往 的相关信息来对未来的股价做预测的，所以股票价格是否能被预测就成了问题 的焦点。 1 1 2 国内外研究动态 在学术界，关于价格能否被预测展开了激烈的论战，其主要争端在于股票 市场是否有效。 以e u g e n ef a m a 为代表的一批学者以资产价格的随机游走假说为基础，发 现了大量资产收益率序列线性无关的实证证据，提出在一个信息有效的市场， 合理预期的价格变动是不可预测的，并由此提出了有效市场假说，从此，技术 分析和基本分析受到学术界的长期质裂1 1 。 随着人们对金融市场认识的不断深入，以及在各种分析方法应用在实务中 确实取得了一定的收益，这时学术界又重新回到了对市场有效性的研究。 b r o c k 等人指出早期检验资产收益率进而检验市场有效性的相关模型和一 武汉理工大学硕士学位论文 些传统的统计工具并不能揭示股票市场中复杂的价格相关模式，从此以后，关 于此类问题的实证研究便借助于计算机强大的运算能力，并结合先进的数学统 计方法，进而来研究市场的有效性【2 】。 g e n c a y 首次提出了使用人工神经网络的方法来建立收益率与技术分析的 非线性预测模型，g e n c a y 利用1 8 9 7 年1 9 8 8 年美国的d j i a 指数作为实验样本， 发现使用a n n 方法得出的收益率与技术分析中移动平均交易信号模型比普通 线性统计方法的模型预测能力高出1 0 以上【3 】。 这些研究的模型和方法大多都被用于检验国外的一些成熟的证券市场，而 对于我国来说，一个新兴的市场，往往被认为市场的效率远远不及欧美一些发 达国家，我国的一些学者也开始对我国股票市场的有效性展开了深入的研究。 孙碧波使用b o o t s t r a p 的方法研究技术分析在我国股票市场的有效性，并得 出根据移动平均规则交易可以获得一定程度上的收益，并且像一些线性的移动 平均模型和g a r c h 模型不能去有效复制这种获利能力，但遗憾的是，他在文 献中并没有对这一收益进行检验【4 】。 李莎同样是根据移动平均线发出买卖信号的规则，分别以综合指数和一些 占指数权重相对较大的个股用线性的方法计算出股票价格可预测性的准确率， 并指出了影响技术分析有效的3 个因素，但仅仅去验证移动平均这一项技术指 标就去说明整个技术分析的有效性似乎又显得过于片面，并且该文章中对股票 市场的复杂性考虑的也不够周掣卯。 在利用非线性工具研究的方面，我国部分学者也取得了一定进展。吴微等 人利用b p 神经网络，结合中国股票市场的特性，成功预测了沪市的综合指数， 较为精确的预测出沪市的涨跌情况，是我国较早的引入神经网络预测的学者之 一【6 j 。但遗憾的是该文献并未结合市场的有效性等相关概念去考虑技术分析和 基本分析在我国股票市场的有效性。 王京宝同样运用神经网络的方法，对股票价格进行了预测，他利用r b f 网 络作为预测工具，以开盘价、收盘价、最高价、最低价作为输入，以未来某天 的收盘价作为输出对网络进行训练，最后利用训练好的网络进行预测【7 1 。该文 献的虽然是在工具使用方面有所改进，r b f 网络会弥补b p 网络的一些弊端， 但该文献同样没有将价格的预测与市场的有效性相结合，并且根据r b f 网络的 特点将其运用到这里是否合适仍值得思考。 2 武汉理工大学硕士学位论文 1 2 本文研究思路及创新点 1 2 1 本文研究思路 本文的第一章首先介绍了论文的选题背景，在引言部分阐述了有效性研究 的核心问题，即对于价格的预测，从价格的预测的方法是否准确出发，为对下 一章有效性问题的研究做铺垫；接下来介绍了国内外学者对关于市场有效性的 研究方面所做的工作，重点介绍了学者运用神经网络的方法去预测股价的情况， 并指出了他们其中的不足，最后提出本文的创新点所在。第二章首先系统的介 绍了证券市场的有效性的概念、分类以及以往的学者们对我国证券市场有效性 分类的一些研究成果，接下来重点介绍了研究市场有效性的几种常见方法。第 三章首先简单介绍了神经网络系统的概念，从中得出神经网络系统的特点以及 其良好解决非线性问题的能力，接下来阐述了我国证券市场的复杂性以及非线 性特征，最后得出神经网络系统是处理与证券市场相关问题的有力工具。第四 章开始进入了本文的实证研究部分，首先对基本分析和r b f 网络的相关知识进 行说明，然后在数据的获取及处理方面做出分析，并要首先对数据进行聚类分 析后才能利用r b f 网络进行训练，得出基本分析在我国股票市场是否有效，即 我国股票市场是否存在半强式有效的特征。第五章首先介绍了技术分析的相关 概念，同样利用r b f 网络对所获取的相关数据进行技术分析的有效性进行研 究，最终得出我国股票已达到弱式有效的结论。第六章就是对研究结果做出相 关分析，试图结合股票市场的现实状况去解释我国股票市场表现出如此有效性 程度的特征，最后根据研究结论，为能够进一步提高我国股票市场的有效性提 出相关建议，同时根据结论也对中小投资者的投资提出一些建议。 1 2 2 本文创新点 ( 1 ) 以不同的分析方法在不同有效性的市场中是否有效作为判断这个市场 有效的标准作为本文的创新点之一。本文直接从结果出发，分别以某一特定有 效性程度市场的特征指标为出发点，以利用这些具有特殊意义的指标来对股票 价格进行预测，最终以价格是否可以被这些指标准确预测作为判断是否该市场 达到了相应的有效程度。从而避免了以往文章中利用复杂的数学模型对证券市 场的有效性进行判断，提出了一个新的检验市场有效性的思路。 3 用 类 的 带 4 武汉理工大学硕士学位论文 第2 章证券市场的有效性及其检验方法概述 2 1 证券市场的有效性分类 2 1 1 证券市场的有效性理论 有效市场理论主要研究证券价格对有关信息反应的速度及敏感程度。证券 市场的有效性这一概念是f a m a 在1 9 7 0 年最早总结出来的，f a m a 认为，在 一个完全有效的证券市场中，证券价格总是能够及时、准确、充分地反映所有 相关信息，即信息完全反映在价格之中，证券价格既充分地反映了该证券的基 本因素和风险因素。在一个完全有效的市场中，投资者无法通过利用一些信息 资源来进行交易并从中获取利润【1 1 。从实际角度出发，也就是说如果股票价格 能够迅速、有效地根据市场中的相关信息作出反应，并正确的对这种信息的价 值反应在股票价格的波动上，则我们就说这样的市场是有效的；相反，如果股 票价格不能对市场中的相关信息及时、有效地作出反应，或者虽做出了反应但 这种反应是有偏的，则我们就说这个市场是无效的。 1 9 7 8 年j e n s e n 提出了一个更具有现实性并且可操作性意义的观点“在有效 市场中，投资者即使根据所有相关信息进行投资决策，也不可能给投资者带来 超额收益”。这也就暗含着判断市场有效性的方法，即衡量利用信息来进行交易 获得的利润。这也就是说，利用市场中的相关信息对未来的股价进行预测，如 果这次预测的结果并不准确，股价没有按照预测的方向发生明显变化，或者说 预测的结果与实际变化有一定的差距，这次投资行为并没有通过这些信息获得 超额的收益，则我们就说这样的证券市场是有效的；相反，如果预测的结果与 股价实际的波动基本一致，这就说明了股价对这些已公布的信息做出了反应， 也同时说明了市场对这些信息的反应存在一定的滞后性，这次投资行为可以通 过利用这些信息获得超额的收益，则这时我们就说这个市场是无效的。 2 1 2 有效性市场的假设条件与分类 证券市场有效性理论的基本假设： ( 1 ) 市场当中的投资者都是理性的，这也就说明了在该市场当中的所有投 5 武汉理工大学硕士学位论文 资者都是以利润最大化为目标的，并且这些股票投资者在他们之间不存在相互 的交流和沟通，彼此之间相互独立地对股票价值做出自己的分析和评价。 ( 2 ) 无论是来自市场内部或者市场外部的影响股票价格变化的相关信息， 假设他们都是以随机的方式进入市场的，这些信息的发布彼此之间是相互独立 的，每条信息的发布之间没有任何关系。 ( 3 ) 股票市场的投资者会对各种进入该市场的各种信息做出迅速的调整， 并及时通过一系列的调整来说明这些信息对市场产生的影响。由于进入市场中 的信息是随机的，并且市场当中的投资者也会对这些信息做出及时的和相应的 反应，所以说股票市场价格的变化既是相互独立的也是随机的。 ( 4 ) 有效市场理论要求股票市场应该有大量的参与者和大量的交易，参与 交易的人越多，形成的交易量越大，从而能够使市场价格的调整更加及时和迅 速，从而股票市场的有效性就越高【8 】。 有了有效性市场的基本假设之后，我们可以再重新回过头来看一下我们的 证券市场，从中不难可以发现这样的一个问题，即市场上股票的价格对信息的 反应主要涉及两个问题：( 1 ) 不同的信息对证券价格的影响程度不同。( 2 ) 信息的 变化是怎样引起证券价格的变动。问题一实质上是指由于信息本身内容上的不 同，这些信息对应的市场效率形式也将不同。f a m a 就根据不同的信息对证券价 格影响的程度性不同，将所有的信息按公开的程度分为：历史信息、公开信息 和内幕信息。从信息和证券价格反应的角度出发，h a r r y v r o b e t t s 针对问题二界 定了三种不同程度的有效性市场：弱式有效市场、半强式有效市场和强式有效 市场，并进一步对这三种市场与信息之间的关系作了阐述。 在弱式有效的证券市场中，对于任何一种证券来说，所有与这种证券的相 关历史信息已经由当前的市场价格所充分反映了，对于该种证券来说，它的价 格、交易量等信息都已经包括在目前市场对其所反映的价格之中，这样说来， 弱式有效市场意味着这种证券过去的收益，以及与之相关的其他市场数据与其 将来的收益率没有任何的关系，即这种证券的收益应该是独立的；从操作方面 来看，这就是说该证券的过去、现在、将来的价格没有必然联系，人们不能根 据该证券的历史价格信息对今后的价格做出预测，也就是说，根据以分析历史 价格、成交量等数据来做出投资决策的技术分析手段进行交易无法获得超额收 益，技术分析的方法在弱式有效的证券市场中无效，也即利用技术分析的方法 是不能准确预测出该市场中证券价格的【9 1 。 在半强式有效的证券市场中，对于任何一种证券来说，它们都能够迅速调 6 武汉理工大学硕士学位论文 整自身的价格，以使当时市场的价格能够反映所有已公开的信息，投资者利用 这些公开的与之相关的信息不会从证券的买卖中获得超额的收益，这是因为这 种证券的价格已经反映了所有与之相关的公开信息。从实际操作方面上来看， 投资者在半强式有效地市场中通过对公司的基本面的分析将无法获得超额收 益，基本面的分析方法在半强式有效的证券市场中无效，也即利用基本分析的 方法是不能准确预测出该市场中证券价格利9 1 。 在强式有效的证券市场中，对于任何一种证券来说，所有公开的和未公开 的信息都已经被该种证券的价格所反映了，这意味着所有的投资者都不可能通 过任何渠道获得其他投资者无法获得的影响股票价格的信息，它包含了弱式有 效市场和半强式有效市场的假设，在强式有效的证券市场上，无论什么样的投 资者无法获得超额收益，投资者在该市场中只能进行被动的投资，获得该证券 市场的平均利润，一般说来，强式有效的市场在现实中是很难达到的，所以在 本文中并没有涉及到关于对强式有效市场的检验【9 】。 这三种不同有效性程度的市场之间关系可以由图2 1 表示： 图2 1 有效性市场关系 众所周知，证券市场的基本功能就是通过信息资源的有效流通达到资金资 源合理分配的目的。所以说如果一个市场的有效程度越高，那么这个市场的资 源分配的也就越合理，这样的话这个市场发挥的作用也就越大，这也正是大量 学者研究证券市场有效性的意义所在。 2 2 证券市场有效性的检验方法 对于我国的股票市场而言，自从9 0 年代初我国成立股票交易所以来，我国 学者就对我国股票市场的有效性做出了大量的研究，学者们运用了许多先进的 数学工具及各类复杂的方法对其有效性进行检验，但通过研究他们得出的结论 并不统一。 7 武汉理工大学硕士学位论文 一部分学者认为我国股票市场尚未达到弱式有效，他们所运用的检验有效 性的方法如下： 1 9 9 6 年，吴世农发表了我国证券市场效率的分析的论文，论文中对沪 深股市2 0 种股票的日收益率进行自相关性检验，结果表明日收益率的时间序列 不存在显著的系统性变动趋势。根据这样的结果，他通过分析自己的研究方案 认为中国股市尚未达到真正意义的弱式有剡1 0 】。 2 0 0 1 年，张亦春、周颖刚采用广义谱域分析的方法，以1 9 9 3 年至2 0 0 0 年上 证a 股综合指数作为样本分析，把上证a 股收盘指数进行对数差分再除以标准差， 最后乘上1 0 0 的数据作为样本，并把这些数据分为二个阶段，检验了中国股票市 场的弱式有效性，结论认为中国股票市场不是弱式有效市场，因为股价变动不 满足鞅过程，更不满足随机漫步【i 。 2 0 0 2 年，胡波等人在论文中国证券市场有效性实证分析中，选取了1 9 9 6 年至l j 2 0 0 1 年的上证综指作为研究的样本，他们利用随机游走模型，由此对中国 证券市场的有效性进行研究，最后他们的研究结论表明中国证券市场还未达到 弱式有效【l 引。 2 0 0 4 年，胡昌生，刘宏以1 9 9 2 年至2 0 0 3 年上证综合指数和深证成分指数的股 票价格作为研究的样本，通过运用a r g a r c h m 模型研究这些股票的价格波动 是否具有可预测性，认为沪、深股市的大部分股票都明显不具备弱有效特征， 这是因为它们的日收益率变动与滞后收益率的大小存在着系统性关联【l3 1 。 2 0 0 7 年，吴振翔和陈敏以沪深股市所有上市交易的a 股股票和上证18 0 指数 为研究的样本，通过设计多种投资组合方式，对我国股票市场的统计套利情况 进行实证检验。通过研究发现在短期内，不能否定市场中无套利的假定，但是 对于中期和长期来说，统计套利是存在的，这也说明了我国股票市场的弱式有 效性并不成立【l 引。 同时还有一部分学者认为我国股票市场已经达到弱式有效，他们所运用的检 验有效性的方法如下： 1 9 9 7 年，杨朝军等人利用1 9 9 3 年1 9 9 5 年的上证综指作为研究的样本，通过 序列相关检验发现上海股市股价相关系数很小，通过对技术分析指标中的移动 平均线的检验，他们发现上海股市中获利空间在逐渐的缩小，尤其是在扣除相 关的交易费用后，并不能获得过多的额外收益，从而由此推测出上海股市是一 个弱式有效市场【l5 1 。 2 0 0 3 年，张兵和李晓明在中国股票市场的渐进有效性研究论文中，分 武汉理工大学硕士学位论文 别运用序列相关检验、游程检验、方差比检验等方法进行分年度检验，然后运 用特别适合于转轨经济体中新兴股市的渐进有效性检验方法，该方法采用自回 归模型，通过研究表明中国股市已经达到了弱式有效性【l6 1 。 2 0 0 6 年，刘维奇和史金风发表了我国证券市场有效性的w i l db o o t s t r a p 方 差比检验的论文，该论文选取了1 9 9 0 年至1 j 2 0 0 6 年的上证综合指数和1 9 9 5 年到 2 0 0 6 年的深证综合指数，并对其进行加工，把这些股指每周收盘价格的收益作 为研究样本，运用w i l d b o o t s t r a p 方差比检验进而来研究我国证券市场的有效性。 研究结果表明上海证券市场已经达到弱式有效，而深圳证券市场尚未达到弱式 有效【1 7 】。 在研究我国股票市场的半强式有效的问题上，学者们几乎都认为我国的股 票市场尚未达到半强式有效，他们研究有效性的方法如下： 2 0 0 0 年，靳云汇、李学通过对市场对买壳上市这一信息的反应来研究我国 股票市场的半强式有效性，他们以1 9 9 7 年到1 9 9 8 年买壳上市案例的信息公布前 后3 个月的日收益率作为样本，通过计算累积超常收益率来判断市场是否对该信 息进行了有效的反应，研究结果表明就买壳上市而言，中国股票市场对该信息 的反应是过度的，市场不是半强式有效的【1 8 j 。 2 0 0 4 年，肖军和徐信忠发表了题目为中国股市价值反转投资策略有效性 实证研究的论文，他们选择中国深沪a 股股票市场作为研究样本，通过实证考 察价值投资的方法在中国股票市场上收益的显著性，进而来检验中国股票市场 是否是半强式有效的。他们通过研究现，在中国的股票市场上，以账面价值与 市场价值比等企业的价值指标构造的价值反转投资策略可以产生显著的超额收 益率，从而说明了了一个中国a 股市场并不是一个半强式有效的市场【1 9 1 。 2 0 0 9 年，宋歌和李宁在题目为上市公司“大小非”解禁的实证研究一对我国 股票市场半强式有效性的检验的论文中，以2 0 0 9 年3 月有“大小非”解禁行为的 股票作为研究的对象，运用事件研究方法，通过对样本股票在解禁前后一定时 期的超额收益变化进行实证研究，研究结果表明我国的股票市场目前还没有达 到半强式有效【2 0 l 。 通过以往学者对我国证券市场有效性的研究发现： 第一，学者们对这个问题的看法并没有达成共识，说明该问题还有待于进 一步地去研究。 第二，学者们对此类问题的研究大部分都是采取收益率去进行分析的，而 股票的价格是进行双向波动的，收益率这个指标并不能反映出对股票价格预测 9 武汉理工大学硕士学位论文 的准确性，只是能够通过一些信息来反映出股票的升降，所以这种方法有待进 一步改进。但在现实情况中，由于现在我国的股票市场已经退出了股指期货交 易和融资融券交易，所以无论股票的价格向何种方向去变动，只要我们能准确 的预测出价格或者是价格的变动方向，那么我们就能从中获益，这样说来，如 果我们能根据某种有效性市场的特征预测出股价，那么这个市场对于我们来说 就是无效的。 第三，从学者们对市场有效性研究使用的方法上可以看出，大多数学者对 该问题研究仍然使用的是一些简单的线性的统计学方法，这种方法对于一个复 杂的股票市场来说适用性并不强，在研究中很可能会产生一些误差，这也会导 致对市场有效性的判断产生偏差。 最后，由于以往在对市场有效性研究的问题上仍存在着一定的不足，由此， 我们就有必要去寻找一种新的方法，换一个角度重新去审视这个问题，从而期 望能得到一个满意的结果，因此，这里将结合神经网络的相关理论去解释证券 市场的有效性，下一章将试图去说明本文所重点论述的这种方法理论依据。 1 0 武汉理工大学硕士学位论文 第3 章神经网络理论应用于证券市场的适用性 30 1 神经网络系统的概述及特征 3 1 1 人工神经网络系统概述 “人工神经网络”( a r t i f i c i a ln e u r a ln e t w o r k s ，简称a n n ) 是在对人脑组织结 构和运行机智的认识理解基础之上模拟其结构和智能行为的一种工程系统。 3 1 1 1 神经元 人工神经网络是对人脑组织的一种模拟，因此，我们就有必要首先看一下 作为构成人体大脑组织的基本单位的神经元的结构，生物神经元模型如图3 1 所示。 图3 1 生物体神经元结构 如图2 所示，神经元由三部分组成：细胞体、树突和轴突。其中，轴突的功 能是将本神经元的输出信号传递给其它神经元，树突的功能是接受来自其它神 经元的兴奋，而神经元细胞体的作用是将接收到的所有信号进行简单地处理后 由轴突输出。所以说，如果把生物体的神经元简单的抽象出来，就是由输入、 处理、输出这三部分构成的，生物体中整个神经冲动的传输就是通过许多的像 这样结构的神经元之间有效地配合来共同完成的。 在了解了生物神经元的基本结构之后，我们再来看下人工神经网络中的神 经元，由人工神经网络概念的可知，人工神经网络是对大脑这一复杂网络的简 化模拟，是对其结构和功能进行了很大简化之后保留其主要特性的某种抽象与 模拟。所以，就其结构本身而言，应该与大脑的结构相同，都是由许多神经元 武汉理工大学硕士学位论文 构成的，神经元的基本结构如图3 2 所示。 图3 2 人工神经元模型 该模型用数学公式表示为： yf = f ( w ，f x f + 0 ) ( 3 - 1 ) 其中，x ，为神经元的输入信号，e 为阀值或称为偏差，为突出强度或 表示连接的权值，咒表示输出，而f ( ) 表示的是激励函数，激励函数f ( ) 可 以取不同的函数，但常用的基本有三种【2 1 】： ( 1 ) 阀值函数 巾，= 髋三三 2 ) 该函数也通常称为阶跃函数，此时神经元的输出取1 或0 ，反映了神经元 的兴奋或者是抑制。 ( 2 ) 分段线性函数 ll ，v 1 八d = = 蒿l ( 3 - 3 ) 该函数在【1 ，+ 1 】的线性区内的放大系数是一致的，这种形式的激励函数可 以被看作是一个近似的非线性放大器。 ( 3 ) s 型函数 1 2 武汉理工大学硕士学位论文 s 型函数是人工神经网络中最常用的激励函数，它的定义式如下： ( v ) = 百瓦杀面 协4 ) 3 1 1 2 人工神经网络的结构及工作原理 神经网络的连接方式或者说是其结构很多，但总的来说可以分为3 类： ( 1 ) 前馈型神经网络 在前馈型神经网络中，各神经元接收前一层的输入，并输出给下一层，没 有反馈，前馈网络可以分为不同的层，第i 层的输入只与第i 1 层输出相连接， 输入和输出点与外界连接，其它的中间层称为隐含层【2 2 】。 ( 2 ) 反馈型网络 在反馈性网络中，所有结点都是计算单元，同时也可以接受输入，并向外 界输出【列。 ( 3 )自组织网络 神经元按照某种次序排列，通过相邻神经元的相互作用完成一定的功能。 由于神经元之间的相互作用，也被称为竞争神经网络【2 2 1 。 在确定了神经网络的结构之后，就进入了神经网络的工作阶段。神经网络 的工作过程分为两个阶段，第一个阶段是学习的过程，在这一过程中，各计算 单元状态不变，只是通过修改各连线上的权值进而来达到学习来的目的。第二 个阶段是工作期，也就是对通过学习训练好的网络进行应用，在这个阶段，各 个连接权固定，计算单元状态变化，以达到某种稳定状态。 在学习的过程中，学习的方法主要可以分为两类，即有导师学习学习和无 导师学习。有导师学习又叫做监督学习，在进行相关学习的时候，需要给出导 师的信号，这也叫做期望输出，期望输出代表着神经网络执行情况的最优结果， 即对网络的输入调整相应的网络参数，从而使网络输出逼近导师信号或期望输 出；而另外一种无导师学习形式，其包括强化学习和无监督学习又称为自组织 学习，在进行强化的学习过程中，对输入和输出的学习是通过与外界环境的连 续作用从而最小化性能的标量索引而完成的，在无监督学习中，并没有外部导 师或评价来指导整个学习的过程，而是提供一个关于网络学习表示方法质量评 价的测量尺度，根据这一尺度将网络的自由参数进行最优化处理，如果一旦该 网络与输入数据的统计规律性基本达成一致，这时该网络就能够形成内部表示 方法从而为输入特征编码，并由此得出新的类别【捌。 武汉理工大学硕士学位论文 在工作的阶段，就是利用我们经过学习训练好的网络将其运用到我们所从 事的领域，满足我们各方面不同的需要。 下面我们就通过一个简单的例子来说明人工神经网络的整个工作过程，使 我们能够从中体会到人工神经网络的工作原理。我们以神经网络的识别功能为 例，通过人工神经网络对字母“x ，和y ”的图形识别来了解神经网络的工作原 理。首先需要作出这样的一个规定，即当“x ”输入到网络时，输出结果“1 ”，当 输入为叩时，输出结果为“1 ”。这时神经网络学习的规则为：如果神经网络作 出一个错误的的判决，则通过网络的学习，从而可以使网络减少下次犯相同错 误的概率。首先，给网络的各连接权值赋予( 1 ，1 ) 区间内的随机值，然后将“) ( 对应的图象模式输入给网络，网络将输入模式进行加权后求和、与门限相比较、 再进行非线性运算，从而得到网络的输出。在此情况下，网络输出为“l ”和“1 ” 的概率都为5 0 ，也可以说是完全随机的。这时如果输出为“l ”( 给出正确的结 果) ，则使连接权值进一步增大，从而使网络再次遇到“x 模式输入时，仍然可 以作出正确的判断。如果输出为“1 ”( 1 i l j 给出错误的结果) ，这时就把相应的网络 连接权值向减小综合输入加权值的方向调整，之所以这样做的目的是使网络如 果下次再遇到对“x 的输入时，可以使犯同样错误的概率大大减小，按照这样的 步骤一直进行下去，不断地给网络输入若干个手写字母“x ，、叩，网络按照以 上的学习方法进行多次的学习后，网络判断的正确的概率将会有很大的提高， 从整个过程来看，这时网络对这两个模式的学习已经获得了成功，训练好的网 络己经把这两个模式分布地记忆在网络的各个连接权值上，如果下次当网络再 次遇到其中任何一个模式时，这时训练