基于多方法实证探究我国股票市场弱式有效性及提升路径

基于多方法实证探究我国股票市场弱式有效性及提升路径一、引言1.1研究背景在我国经济体系中，股票市场占据着举足轻重的地位，它不仅是企业重要的融资渠道，助力企业筹集资金以扩大生产规模、开展研发创新等活动，推动产业的升级与优化，还对资源的优化配置起着关键作用，引导资金流向具有良好发展前景和盈利能力的企业。同时，股票市场为投资者提供了参与企业成长、获取财产性收入的机会，增强了居民的消费能力，对拉动内需、促进经济增长意义重大。从宏观层面看，股票市场犹如经济运行的晴雨表，反映着整体经济的健康状况和发展趋势。有效市场理论作为资本市场理论的基础，认为市场价格趋向于反映全部有关股票的信息，在有效市场下，投资者无法通过技术分析或基本分析获得超额利润。该理论将市场效率定义为弱式有效市场、半强式有效市场、强式有效市场三种类型，其中弱式有效市场是指证券价格充分反映了历史价格信息。在实际情况中，由于股票市场的信息流通并非完全顺畅，投资者的理性程度也存在差异，这使得股票价格往往会出现一定程度的偏离，因此有效市场异常假说逐渐成为研究热点。对我国股票市场弱式有效性进行研究，具有极为重要的现实意义。对于投资者而言，若市场达到弱式有效，那么基于历史价格信息的技术分析将难以获取超额收益，投资者需要调整投资策略，更加注重基本面分析以及长期投资；若市场未达到弱式有效，投资者则可通过对历史价格数据的分析，挖掘价格变动规律，制定更具针对性的投资策略。从市场发展角度来看，准确判断股票市场的弱式有效性，有助于发现市场运行中存在的问题，进而为监管部门完善市场机制、提升市场效率提供决策依据，推动我国股票市场朝着更加健康、成熟的方向发展。1.2研究目的与意义本研究旨在通过严谨的实证分析，验证我国股票市场是否达到弱式有效，深入剖析股票价格对历史价格信息的反映程度，揭示市场运行的内在规律。一方面，为投资者提供具有实际操作价值的投资策略与建议。在弱式有效市场中，投资者可摒弃单纯依赖历史价格技术分析的方法，转而关注基本面分析，挖掘具有长期投资价值的股票，构建合理的投资组合，以实现资产的稳健增值；若市场未达到弱式有效，投资者则可利用历史价格数据中的规律，运用技术分析工具捕捉短期投资机会，获取超额收益。另一方面，为监管部门提供决策参考，助力完善市场机制，提升市场效率。通过对市场弱式有效性的研究，发现市场中存在的信息传递不畅、投资者非理性行为等问题，监管部门可针对性地加强信息披露监管，规范市场秩序，引导投资者树立理性投资观念，从而促进我国股票市场的健康、稳定发展，使其更好地发挥在经济体系中的重要作用。1.3研究方法与创新点本研究将综合运用多种研究方法，确保研究的科学性与准确性。定量分析方面，采用收益率的时间序列分析，通过对股票价格收益率随时间变化规律的剖析，了解价格波动特性，明确其是否呈现随机游走状态，以此判断市场的弱式有效性。自相关回归分析则用于检验股票收益率序列的自相关性，若自相关系数显著不为零，说明历史价格对当前价格存在影响，市场未达到弱式有效；反之，则支持市场弱式有效的假设。单位根检验用于判断时间序列数据的平稳性，若数据非平稳，可能会出现伪回归问题，影响实证结果的可靠性，通过对股票价格数据进行单位根检验，确保数据满足后续分析的要求。协整分析用于探究多个非平稳时间序列之间是否存在长期稳定的均衡关系，在股票市场研究中，可分析不同股票价格或股票价格与其他经济变量之间的关系，进一步验证市场有效性。在研究方法的运用上，本研究的创新点在于多种方法的综合运用。以往研究可能仅采用单一或少数几种方法验证市场有效性，而本研究将时间序列分析、自相关回归分析、单位根检验和协整分析等方法有机结合，从多个角度对我国股票市场弱式有效性进行全面检验，使研究结果更加可靠、全面。同时，在样本选取上，本研究将尽可能涵盖不同时期、不同行业、不同规模的股票数据，确保样本的广泛性和代表性，相较于以往研究可能仅选取特定时间段或特定板块股票数据的做法，能更准确地反映我国股票市场整体的弱式有效性状况。二、股票市场弱式有效性理论基础2.1有效市场理论概述2.1.1有效市场假说内容有效市场假说（EfficientMarketsHypothesis，EMH）认为，在一个充满信息交流和竞争的证券市场中，证券价格能够迅速、准确地反映所有可得信息，使得投资者无法持续获得超额利润。该假说依据证券价格对不同类型信息的反映程度，将市场效率划分为弱式有效市场、半强式有效市场和强式有效市场三个层次。弱式有效市场是其中效率最低的层次，在此市场中，证券价格已充分反映历史上一系列交易价格和交易量所包含的全部信息，如股票过去的成交价、成交量、卖空金额、融资金额等。这意味着投资者无法通过对历史价格数据进行技术分析来获取超额利润，因为历史价格信息已被市场充分消化，无法为预测未来价格走势提供有效帮助。例如，在弱式有效市场中，通过分析股票过去的K线图、均线等技术指标来制定投资策略，难以获得超越市场平均水平的收益。半强式有效市场的效率处于中等层次，其证券价格不仅反映了历史信息，还涵盖了所有公开可得的信息，包括公司的财务报表、盈利预测、管理层变动、行业动态、宏观经济数据等。在半强式有效市场中，投资者无法通过基本面分析获取超额利润，因为公开信息已迅速反映在证券价格中。比如，当一家公司发布利好的财报时，其股票价格会在短时间内迅速上涨，消化这一信息，投资者很难在信息公开后通过买入股票获得超额收益。强式有效市场是效率最高的层次，其证券价格反映了所有信息，包括公开信息和内幕信息。在强式有效市场中，即使拥有内幕消息的投资者也无法获得超额利润，因为市场能够迅速将所有信息融入价格中。然而，在现实中，由于存在信息不对称和内幕交易监管等问题，强式有效市场很难完全实现。2.1.2理论发展历程有效市场理论的发展历程可追溯至20世纪初。1900年，法国数学家路易斯・巴舍利耶（LouisBachelier）在其博士论文《投机理论》中，首次运用概率论和随机过程理论研究股票价格波动，提出股票价格的变动趋势是一个随机过程，其向上或向下变动的概率相同，这一观点为有效市场理论的形成奠定了基础，被视为该理论的雏形。1965年，美国经济学家保罗・萨缪尔森（PaulSamuelson）首次提出有效市场假说（EfficientMarketsHypothesis，EMH），指出在有效市场中，证券价格能充分反映所有可得信息。随后，尤金・法玛（EugeneFama）对该假说进行了深化和完善。1970年，法玛在《金融学学刊》发表的《有效资本市场：理论与经验研究综述》一文中，正式提出有效市场假说，并开创性地将有效市场分为弱式有效、半强式有效和强式有效三个假说类型，标志着有效市场理论体系的正式形成。20世纪70年代以后，有效市场假说得到了更深入的研究和发展。学者们从不同角度对市场有效性进行了实证检验，进一步验证和完善了该理论。例如，通过对股票价格时间序列的分析，运用随机游走模型、过滤检验模型等方法来验证弱式有效市场假说；采用事件研究法、共同基金表现研究法等来检验半强式有效市场假说；通过考察内幕者交易能否获得超常盈利来验证强式有效市场假说。然而，随着金融市场的发展和研究的深入，有效市场理论也面临一些挑战。现实中的金融市场存在投资者非理性行为、信息不对称、交易成本等因素，这些与有效市场理论假设不完全相符，导致市场出现一些异常现象，如股票价格的过度波动、动量效应、反转效应等，使得有效市场理论的局限性逐渐显现。此后，行为金融学等新兴理论应运而生，从投资者心理和行为角度对市场现象进行解释，为金融市场研究提供了新的视角，与有效市场理论相互补充，共同推动了金融理论的发展。2.2弱式有效性的内涵在有效市场理论的体系中，弱式有效市场是最为基础的层次。弱式有效性的核心内涵在于，股票价格已经充分反映了所有历史信息，这些历史信息涵盖了股票过去的交易价格、成交量、交易时间等一系列与交易相关的数据。从本质上讲，在弱式有效市场中，股票价格的形成是基于过去所有已发生的交易信息，市场参与者对这些历史信息的分析和解读已经完全融入到了当前的股票价格之中。这意味着，任何试图通过分析历史价格数据来预测未来股票价格走势，从而获取超额利润的技术分析方法都是无效的。技术分析通常依赖于对股票价格的历史图表形态、技术指标等进行分析，如通过研究K线图中的各种形态（如头肩顶、双底等）、移动平均线、相对强弱指标（RSI）等，来判断股票价格的未来趋势。然而，在弱式有效市场中，由于历史价格信息已经被充分反映在当前价格中，这些技术分析方法所依据的信息无法为投资者提供额外的价值，无法帮助投资者预测股票价格的未来走势并获取超额收益。例如，假设某只股票在过去一段时间内呈现出上涨趋势，技术分析可能会依据这一历史走势，认为该股票未来仍有较大的上涨空间，从而建议投资者买入。但在弱式有效市场中，这种基于历史价格走势的分析是无效的，因为股票价格已经充分反映了过去上涨的信息，未来股票价格的走势并不会受到过去这一上涨趋势的影响，而是完全由新的信息来决定。弱式有效性的存在，是基于市场中大量投资者的理性行为和信息的快速传播。众多投资者在市场中进行交易，他们会充分利用自己所掌握的历史信息来做出投资决策，这种大量投资者的集体行为使得历史信息能够迅速、充分地反映在股票价格中。当某一历史信息出现时，投资者会立即对其进行分析，并根据自己的判断调整对股票的买卖行为，从而促使股票价格迅速调整到反映该历史信息的水平。2.3弱式有效性检验方法2.3.1时间序列分析时间序列分析是一种广泛应用于金融领域的重要方法，其在股票市场弱式有效性检验中具有关键作用。通过对历史股价数据的深入分析，能够判断股票价格是否存在长期趋势或周期性变化，进而为评估市场的弱式有效性提供有力依据。在时间序列分析中，常用的方法包括移动平均法和指数平滑法。移动平均法是一种简单且直观的分析方法，它通过计算一定时间窗口内股价的平均值，来平滑股价的短期波动，从而更清晰地展现股价的长期趋势。假设我们有一组股票价格数据P_1,P_2,\cdots,P_n，选取时间窗口为k，则第t期的移动平均值MA_t的计算公式为：MA_t=\frac{1}{k}\sum_{i=t-k+1}^{t}P_i。例如，若k=5，则第6期的移动平均值是第2期到第6期股价的平均值。通过绘制移动平均线，我们可以直观地观察股价的走势。如果移动平均线呈现出明显的上升或下降趋势，说明股价存在长期趋势；若移动平均线较为平稳，无明显的上升或下降倾向，则表明股价可能不存在长期趋势。指数平滑法是一种更注重近期数据的分析方法，它对不同时期的数据赋予不同的权重，近期数据的权重较大，远期数据的权重较小，从而更及时地反映股价的变化。其计算公式为：S_t=\alphaP_t+(1-\alpha)S_{t-1}，其中S_t是第t期的指数平滑值，P_t是第t期的实际股价，\alpha是平滑系数（0<\alpha<1），S_{t-1}是第t-1期的指数平滑值。\alpha的值越接近1，表示对近期数据的重视程度越高；\alpha的值越接近0，则对历史数据的依赖程度越高。通过调整\alpha的值，我们可以得到不同平滑效果的指数平滑曲线，进而分析股价的变化趋势。在实际应用中，若股票价格存在明显的长期趋势或周期性变化，例如呈现出逐年上升的趋势，或者在每年的特定时间段内出现规律性的涨跌，这就表明历史股价信息对当前股价仍具有一定的影响，市场可能未达到弱式有效。因为在弱式有效市场中，股票价格应充分反映历史信息，价格的变动应是随机的，不存在可利用的长期趋势或周期性变化来获取超额利润。相反，如果通过时间序列分析发现股价没有明显的长期趋势和周期性变化，呈现出较为随机的波动状态，这在一定程度上支持了市场达到弱式有效的假设。2.3.2自相关回归分析自相关回归分析在检验股价收益率序列是否存在相关性方面具有重要意义，是判断股票市场弱式有效性的关键方法之一。其核心原理是利用自相关系数来衡量股价收益率序列在不同时间点之间的关联程度。自相关系数的计算基于股价收益率序列。设股价收益率序列为r_1,r_2,\cdots,r_n，其自相关系数\rho_k的计算公式为：\rho_k=\frac{\sum_{t=k+1}^{n}(r_t-\bar{r})(r_{t-k}-\bar{r})}{\sum_{t=1}^{n}(r_t-\bar{r})^2}，其中k表示时间滞后的期数，\bar{r}是收益率序列的均值。\rho_k的取值范围在-1到1之间，当\rho_k=1时，表示股价收益率序列存在完全正相关，即当前收益率与k期前的收益率呈现完全相同的变化趋势；当\rho_k=-1时，表示存在完全负相关，当前收益率与k期前的收益率呈现完全相反的变化趋势；当\rho_k=0时，则表示两者之间不存在线性相关关系。在实际检验中，如果自相关系数显著不为零，例如通过统计检验发现\rho_1（即一阶自相关系数，表示当前收益率与前一期收益率的相关性）在一定置信水平下显著大于0，这意味着股票收益率序列存在自相关性，历史价格对当前价格存在影响。在这种情况下，投资者可以利用历史收益率信息来预测未来收益率，从而获取超额利润，这与弱式有效市场中历史价格信息已充分反映在当前价格中、无法通过历史信息获取超额利润的假设相矛盾，表明市场未达到弱式有效。反之，如果自相关系数在统计上不显著，接近0，则说明股价收益率序列不存在明显的自相关性，历史价格对当前价格的影响较小，支持市场达到弱式有效的假设。为了更准确地判断自相关系数的显著性，通常会进行假设检验。原假设H_0为：自相关系数\rho_k=0，即不存在自相关性；备择假设H_1为：\rho_k\neq0，即存在自相关性。通过计算检验统计量（如t统计量），并与相应的临界值进行比较，来确定是否拒绝原假设。若检验统计量的绝对值大于临界值，则拒绝原假设，认为存在自相关性；否则，不能拒绝原假设，即认为不存在自相关性。2.3.3单位根检验单位根检验是判断股价时间序列是否平稳的重要手段，在股票市场弱式有效性研究中起着不可或缺的作用。平稳的时间序列具有一些重要特性，其均值、方差和自协方差不随时间的推移而发生变化，这为后续的统计分析和模型构建提供了稳定的基础。在单位根检验中，常用的方法有迪基-富勒检验（Dickey-FullerTest，DF检验）和增广迪基-富勒检验（AugmentedDickey-FullerTest，ADF检验）。DF检验的基本原理是基于以下回归方程：\Deltay_t=\alpha+\betat+\gammay_{t-1}+\epsilon_t，其中\Deltay_t=y_t-y_{t-1}表示时间序列y_t的一阶差分，\alpha是常数项，\beta是时间趋势项的系数，\gamma是自回归系数，\epsilon_t是随机误差项。检验的原假设H_0为：\gamma=0，即时间序列存在单位根，是非平稳的；备择假设H_1为：\gamma<0，即时间序列是平稳的。通过对回归方程进行估计，得到\gamma的估计值，并计算相应的检验统计量，与临界值进行比较，若检验统计量大于临界值，则接受原假设，认为时间序列是非平稳的；反之，则拒绝原假设，认为时间序列是平稳的。然而，DF检验在处理存在高阶自相关的时间序列时存在局限性，为了克服这一问题，ADF检验应运而生。ADF检验在DF检验的基础上，加入了滞后差分项，回归方程变为：\Deltay_t=\alpha+\betat+\gammay_{t-1}+\sum_{i=1}^{p}\delta_i\Deltay_{t-i}+\epsilon_t，其中p是滞后阶数，\delta_i是滞后差分项的系数。通过选择合适的滞后阶数p，ADF检验能够更有效地检验存在高阶自相关的时间序列的平稳性。在实际应用中，通常会根据信息准则（如赤池信息准则AIC、贝叶斯信息准则BIC等）来确定最优的滞后阶数。对于股票价格时间序列，如果经单位根检验发现其是非平稳的，可能会导致伪回归问题。在非平稳的情况下进行回归分析，可能会得到看似显著但实际上没有经济意义的结果，因为非平稳序列的统计性质不稳定，会影响回归模型的参数估计和假设检验的可靠性。若股票价格时间序列是平稳的，说明其波动相对稳定，历史价格信息对当前价格的影响相对稳定，这在一定程度上符合弱式有效市场的特征。若时间序列非平稳，可能意味着存在趋势或其他复杂的变化，历史价格信息的作用可能更为复杂，市场可能未达到弱式有效。2.3.4协整分析协整分析在检验非平稳时间序列之间长期均衡关系方面发挥着关键作用，对于深入研究股票市场弱式有效性具有重要意义。在股票市场中，许多经济变量的时间序列往往是非平稳的，但它们之间可能存在某种长期稳定的均衡关系，协整分析正是用于揭示这种关系的有效工具。协整分析的基本原理基于以下事实：如果两个或多个非平稳时间序列的线性组合是平稳的，那么这些时间序列之间存在协整关系，表明它们在长期内存在一种稳定的均衡关系。例如，假设股票价格序列P_t和某宏观经济变量序列X_t都是非平稳的，但通过协整分析发现，存在一个线性组合Z_t=\alphaP_t+\betaX_t（\alpha和\beta为系数）是平稳的，这就说明股票价格与该宏观经济变量之间存在协整关系。在实际应用中，常用的协整检验方法有恩格尔-格兰杰检验（Engle-GrangerTest）和约翰森检验（JohansenTest）。恩格尔-格兰杰检验主要用于检验两个时间序列之间的协整关系，其步骤如下：首先，对两个非平稳时间序列进行回归，得到回归方程y_t=\alpha+\betax_t+\epsilon_t，然后对回归残差\hat{\epsilon}_t进行单位根检验。若残差序列是平稳的，则认为这两个时间序列存在协整关系；若残差序列是非平稳的，则不存在协整关系。约翰森检验则可用于检验多个时间序列之间的协整关系，它基于向量自回归模型（VAR），通过构建特征方程来确定协整向量的个数和协整关系。假设我们有n个非平稳时间序列y_{1t},y_{2t},\cdots,y_{nt}，构建VAR模型：Y_t=\sum_{i=1}^{p}\Phi_iY_{t-i}+\epsilon_t，其中Y_t=(y_{1t},y_{2t},\cdots,y_{nt})^T是向量，\Phi_i是系数矩阵，\epsilon_t是误差向量。通过对VAR模型进行变换，得到特征方程，根据特征方程的特征根来判断协整关系。在股票市场弱式有效性检验中，若发现股票价格与其他相关经济变量之间存在协整关系，意味着它们之间存在长期稳定的均衡关系，股票价格的变动并非完全随机，历史价格信息和其他相关信息对股票价格的影响具有一定的规律性。这可能暗示市场未达到弱式有效，因为在弱式有效市场中，股票价格应充分反映所有历史信息，价格变动应是随机的，不存在这种可利用的长期均衡关系来获取超额利润。若不存在协整关系，说明股票价格与其他变量之间不存在长期稳定的关联，股票价格的变动相对较为随机，更符合弱式有效市场的特征。三、我国股票市场发展现状剖析3.1发展历程回顾我国股票市场的发展历程，是一部在经济体制改革浪潮中不断探索、创新与成长的奋斗史，其发展历程可大致划分为以下几个关键阶段：早期萌芽与试点阶段（20世纪80年代末-1990年代初）：在改革开放的时代背景下，为了满足企业融资需求和推动经济体制改革，我国开始探索建立证券市场。1984年11月18日，中国第一个公开发行的股票——飞乐音响诞生，标志着新中国股票市场的萌芽。此后，一些企业开始尝试股份制改革，并发行股票，上海和深圳等地出现了早期的股票交易柜台，如1986年9月26日，中国工商银行上海信托投资公司静安证券业务部开始代理股票买卖业务，这是新中国首次出现股票柜台交易。这一时期，股票市场处于初步探索阶段，市场规模较小，交易规则和监管制度尚未完善，但为后续股票市场的发展奠定了基础。沪深交易所成立与初步发展阶段（1990年-1992年）：1990年12月19日，上海证券交易所正式开业；1991年7月3日，深圳证券交易所正式开业，这标志着中国股市开始走向规范化和集中化交易。交易所的成立为股票交易提供了集中的场所和规范的交易规则，吸引了更多的企业上市和投资者参与。在这一阶段，上市公司数量逐渐增加，股票交易规模不断扩大，交易制度和监管体系也开始逐步建立。例如，1992年，中国证监会成立，负责对证券市场进行统一监管，标志着我国证券市场监管体系的初步形成。快速发展阶段（1992年-1997年）：股市规模迅速扩大，上市公司数量不断增加，交易制度和监管体系逐步完善。这一时期，随着市场经济体制改革的深入推进，更多的企业通过股份制改革上市融资，推动了股票市场的快速发展。1993年，国务院发布《股票发行与交易管理暂行条例》，对股票的发行、交易、管理等方面做出了详细规定，进一步规范了股票市场的运行。同时，证券投资基金等机构投资者开始兴起，为市场注入了新的活力。调整规范阶段（1997年-2005年）：在此期间，股市经历了多次波动和调整，监管部门加强了对市场的监管，出台了一系列法规和政策，以规范市场秩序，防范金融风险。1997年亚洲金融危机爆发，对我国股票市场产生了一定影响，市场出现波动。为了应对危机，监管部门加强了对金融市场的监管，出台了一系列政策措施，如加强对上市公司信息披露的监管、规范证券公司的经营行为等。2001年，我国加入世界贸易组织，股票市场面临着新的机遇和挑战，进一步推动了市场的改革和开放。股权分置改革阶段（2005年-2007年）：通过改革解决了上市公司股权分置问题，使得非流通股逐步实现流通，这对中国股市的发展产生了深远影响。股权分置是我国股票市场特有的现象，它导致了同股不同权、同股不同利的问题，影响了市场的公平性和资源配置效率。2005年4月29日，中国证监会发布《关于上市公司股权分置改革试点有关问题的通知》，正式启动股权分置改革试点工作。通过改革，实现了非流通股的流通，消除了市场的制度性缺陷，促进了市场的公平和效率，推动了股票市场的健康发展。在股权分置改革的推动下，股市迎来了一轮大牛市，上证指数在2007年10月16日达到6124.04点的历史高点。全流通时代与深化改革阶段（2007年至今）：股市进入全流通时代，市场规模进一步扩大，国际化程度不断提高，金融创新产品不断涌现。同时，监管手段和制度也在不断优化和完善。随着股权分置改革的完成，股票市场实现了全流通，市场的活力和效率进一步提升。近年来，我国股票市场不断开放，吸引了越来越多的外资进入，如沪港通、深港通、沪伦通等互联互通机制的开通，加强了我国股票市场与国际市场的联系。注册制改革也在逐步推进，提高了市场的资源配置效率，为科技创新企业提供了更多的融资渠道。监管部门不断加强对市场的监管，严厉打击违法违规行为，保护投资者合法权益，维护市场秩序。3.2市场规模与结构近年来，我国股票市场在规模上实现了显著扩张，展现出蓬勃的发展态势。截至2024年末，A股市场的上市公司数量达到了5383家，较2023年增加了48家，这一数据直观地反映出我国股票市场在企业容纳量上的持续增长。越来越多的企业选择在A股市场上市，不仅为企业自身的发展提供了更广阔的融资渠道，也丰富了股票市场的投资标的，增强了市场的活力和吸引力。从市值角度来看，2024年末A股市场总市值约为93.95万亿元，增长幅度达到12.2%，这表明市场整体价值不断提升，在经济体系中的地位愈发重要。市值的增长不仅反映了市场规模的扩大，还体现了市场对上市公司未来发展预期的积极变化。一些行业龙头企业凭借其强大的市场竞争力和良好的发展前景，市值持续攀升，对市场总市值的增长起到了重要的推动作用。例如，工商银行以22845亿元的市值位居榜首，贵州茅台和农业银行的总市值也均超过万亿，这些大型企业在市场中占据着重要地位，其市值的稳定增长对整个市场的稳定和发展具有重要意义。在市场板块结构方面，我国股票市场呈现出多元化的格局，不同板块具有各自的特点和定位，共同构成了多层次的资本市场体系。上证主板的公司数量最多，占比达31.45%，市值占比超过56.55%，依然是市场的主力军。上证主板主要容纳了大型成熟企业，这些企业通常具有稳定的经营业绩、雄厚的资产规模和较高的行业地位，是国民经济的重要支柱。它们在市场中发挥着稳定器的作用，其股价的波动对整个市场的走势有着重要影响。深证主板同样具有重要地位，拥有众多优质企业，在市场中扮演着不可或缺的角色。深证主板的企业涵盖了多个行业，包括制造业、信息技术、消费等，这些企业在各自领域具有较强的竞争力，为市场提供了丰富的投资选择。创业板则聚焦于成长型创新创业企业，为这些具有高成长性和创新性的企业提供了融资和发展的平台。创业板企业大多处于新兴产业领域，如新能源、生物医药、人工智能等，它们具有较高的技术含量和创新能力，发展潜力巨大。创业板的设立，不仅为创新创业企业提供了资金支持，促进了科技创新和产业升级，也为投资者提供了分享新兴产业发展红利的机会。科创板重点支持新一代信息技术、高端装备、新材料、新能源、节能环保以及生物医药等高新技术产业和战略性新兴产业，强调企业的科技创新属性。科创板的推出，旨在推动科技创新企业的发展，加速科技成果转化，提升我国在全球科技领域的竞争力。科创板实行注册制，更加注重企业的研发投入、创新能力和市场前景，为科技创新企业提供了更加便捷的上市通道。不同板块的市场表现和发展趋势各有差异。在市场行情波动时，各板块由于其企业特性和行业分布的不同，受到的影响程度也有所不同。例如，在经济增长放缓时期，传统行业集中的上证主板可能面临较大压力，而创业板和科创板中的新兴产业企业由于其较强的创新能力和市场适应性，可能表现出更强的抗风险能力。在市场对某一行业的发展前景预期发生变化时，相关板块的股票价格也会随之波动。当市场对新能源行业前景看好时，创业板和科创板中新能源相关企业的股票价格往往会上涨。3.3交易制度与监管体系我国股票市场采用的T+1交易制度，规定投资者买入股票后，需在下一个交易日才能卖出，这一制度旨在防范过度投机行为，维护市场的稳定秩序。在T+1交易制度下，投资者无法在当天频繁买卖同一只股票，这在一定程度上抑制了短期投机炒作，降低了市场的过度波动风险。例如，若某投资者在周一买入股票，即使当天股票价格大幅上涨，也不能在当天卖出，必须等到周二及之后才能进行卖出操作，这使得投资者在决策时需要更加谨慎，考虑长期投资价值，而非仅仅追逐短期价格波动。涨跌幅限制也是我国股票市场的重要交易制度之一，一般股票的涨跌幅限制为10%，ST股票的涨跌幅限制为5%。这一制度通过限制股票价格在一个交易日内的最大波动幅度，防止市场出现过度的暴涨暴跌，保护投资者的利益。当某只股票价格上涨或下跌达到涨跌幅限制时，交易将暂停，使市场有时间消化价格变动带来的影响，避免投资者因市场的剧烈波动而遭受过大损失。例如，若某只股票前一日收盘价为10元，在正常情况下，当天其价格的波动范围将被限制在9元至11元之间，超过这一范围的报价将被视为无效。在监管体系方面，我国股票市场形成了以中国证券监督管理委员会（简称“中国证监会”）为核心，证券交易所、中国证券登记结算有限责任公司等自律组织协同配合的多层次监管格局。中国证监会作为国务院直属正部级事业单位，承担着对全国证券期货市场的集中统一监管职责。它负责制定和执行证券市场的相关法规和政策，对证券发行、交易、上市公司等进行全方位监管，严厉打击内幕交易、操纵市场等违法违规行为，维护市场的公平、公正、公开。例如，中国证监会通过对上市公司信息披露的监管，要求上市公司定期发布真实、准确、完整的财务报告和重大事项公告，使投资者能够及时、充分地了解公司的经营状况，做出合理的投资决策。证券交易所作为一线监管机构，在股票市场监管中发挥着重要作用。以上海证券交易所和深圳证券交易所为例，它们负责组织和管理股票交易，制定和执行具体的交易规则，对上市公司的信息披露进行实时监控，确保市场交易的正常有序进行。证券交易所通过对上市公司的定期检查和不定期抽查，督促上市公司规范运作，及时发现并处理违规行为。同时，证券交易所还为投资者提供交易平台和相关服务，保障交易的安全、高效。中国证券登记结算有限责任公司则承担着证券登记、存管和结算等重要职能，它确保了证券交易的结算风险得到有效控制，保障了市场的资金安全和证券流转的顺畅。在每一笔证券交易完成后，中国证券登记结算有限责任公司都会进行资金和证券的清算与交收，保证交易双方的权益得到实现。通过建立完善的结算风险防范机制，如保证金制度、净额结算制度等，有效降低了结算风险，维护了市场的稳定。四、我国股票市场弱式有效性实证研究设计4.1数据来源与处理4.1.1数据选取本研究选取了具有广泛代表性的上证指数、深证成指、创业板指和科创板指的日度数据作为研究样本，时间范围从2015年1月1日至2024年12月31日。这一时间段涵盖了我国股票市场多个重要的发展阶段和市场波动周期，包括2015年的股市异常波动、2016-2017年的市场逐步企稳和结构性行情、2018年的市场调整以及2019-2024年在经济结构调整和金融改革背景下市场的新变化，能够较为全面地反映我国股票市场的运行特征和发展趋势。上证指数作为上海证券交易所的综合指数，涵盖了在该交易所上市的众多股票，包括大型国有企业、金融机构等，其样本广泛，能够综合反映上海证券市场的整体表现，对我国宏观经济形势的变化较为敏感，是市场整体走势的重要风向标。深证成指选取了深圳证券市场中具有代表性的500家上市公司作为样本，这些公司在行业分布上更加多元化，尤其是在中小市值企业和新兴产业领域具有较强的代表性，能够较好地反映深圳证券市场的活力和创新发展态势，与上证指数相互补充，共同展现我国股票市场的整体结构。创业板指聚焦于创业板上市公司，这些企业大多处于成长阶段，具有较高的成长性和创新性，集中在新一代信息技术、生物医药、新能源等新兴产业领域。创业板指的表现对我国新兴产业的发展趋势具有重要的指示作用，能够反映市场对创新创业企业的关注和投资热情，其波动情况与新兴产业的发展周期和市场预期密切相关。科创板指则重点关注科创板上市公司，这些企业以科技创新为核心，在高端装备、新材料、人工智能等前沿科技领域具有领先的技术优势和创新能力。科创板指的设立旨在推动科技创新企业的发展，其样本公司代表了我国科技创新的前沿力量，对我国科技产业的升级和发展具有重要意义，其市场表现能够反映科技创新企业在资本市场上的认可度和发展潜力。通过选取这四个指数的数据，能够全面涵盖我国股票市场不同板块、不同规模和不同发展阶段的企业，从多个维度反映我国股票市场的整体运行状况，使研究结果更具代表性和可靠性。4.1.2数据清洗与预处理在获取原始数据后，为确保数据的准确性、完整性和一致性，进行了一系列严格的数据清洗和预处理工作。数据清洗的第一步是检查并处理缺失值。由于数据来源的多样性和复杂性，原始数据中可能存在部分日期的指数数据缺失的情况。对于缺失值，采用线性插值法进行补充。线性插值法是根据缺失值前后已知数据的变化趋势，通过线性计算来估计缺失值。例如，若某一指数在第i日的数据缺失，而第i-1日和第i+1日的数据分别为x_{i-1}和x_{i+1}，则第i日的插值x_i可通过公式x_i=x_{i-1}+\frac{i-(i-1)}{(i+1)-(i-1)}(x_{i+1}-x_{i-1})计算得出。这种方法在一定程度上能够合理地填补缺失值，保持数据的连续性和趋势性。接下来是识别并修正错误值。在数据收集和整理过程中，可能会出现一些异常的价格数据，如明显偏离正常波动范围的指数值，这些错误值可能是由于数据录入错误或数据源异常导致的。对于这些错误值，通过与历史数据和同类型指数数据进行对比分析，判断其合理性。若发现某一指数在某一日的数值明显偏离其历史波动范围，且与同板块其他指数在该日的走势差异较大，则将其视为错误值。对于错误值，采用该指数在相近日期的平均值进行修正，以确保数据的准确性。同时，还进行了去除重复数据的操作，以保证数据的唯一性。在数据收集过程中，可能会由于数据接口问题或数据处理不当，出现重复的日期和指数数据。通过编写程序对数据进行查重，若发现重复数据，则保留最早出现的数据记录，删除其他重复记录，确保每一个日期对应的指数数据都是唯一的，避免重复数据对后续分析产生干扰。在数据预处理阶段，对数据进行了标准化处理，以消除不同指数数据之间的量纲差异，使数据具有可比性。采用Z-score标准化方法，其计算公式为：z_i=\frac{x_i-\bar{x}}{\sigma}，其中z_i是标准化后的数据，x_i是原始数据，\bar{x}是原始数据的均值，\sigma是原始数据的标准差。通过标准化处理，将不同指数的数据统一转化为均值为0、标准差为1的标准正态分布数据，便于后续的统计分析和模型构建。此外，还进行了数据归一化处理，将数据缩放到特定区间，进一步提高数据的稳定性和模型的收敛速度。采用最小-最大归一化方法，将数据缩放到[0,1]区间，其计算公式为：y_i=\frac{x_i-\min(x)}{\max(x)-\min(x)}，其中y_i是归一化后的数据，x_i是原始数据，\min(x)和\max(x)分别是原始数据的最小值和最大值。通过归一化处理，使不同指数的数据在同一尺度上进行比较和分析，提升了数据的可用性和分析结果的准确性。4.2实证模型构建4.2.1模型选择依据本研究选择ARIMA模型进行分析，主要基于以下几方面的考虑。ARIMA模型，即自回归积分滑动平均模型（AutoregressiveIntegratedMovingAverageModel），在时间序列预测领域具有广泛的应用和显著的优势。从研究目的来看，本研究旨在验证我国股票市场是否达到弱式有效，这需要对股票价格的时间序列数据进行深入分析，判断其是否具有随机性和可预测性。ARIMA模型能够有效地捕捉时间序列数据中的趋势、季节性和周期性等特征，通过对历史数据的拟合和分析，预测未来的走势。在股票市场中，股票价格的波动往往受到多种因素的影响，呈现出复杂的变化趋势。ARIMA模型可以通过对这些历史价格数据的建模，分析其内在规律，从而为判断市场是否达到弱式有效提供有力的依据。如果ARIMA模型能够对股票价格进行准确的预测，说明历史价格信息对未来价格具有一定的影响，市场可能未达到弱式有效；反之，如果模型的预测效果不佳，价格走势难以预测，则支持市场达到弱式有效的假设。从数据特点方面考虑，本研究选取的上证指数、深证成指、创业板指和科创板指的日度数据属于时间序列数据。这些数据具有时间上的先后顺序，且在不同时间段内呈现出不同的波动特征。ARIMA模型非常适合处理这种具有时间顺序和波动特征的时间序列数据。它能够通过对数据的差分处理，将非平稳时间序列转化为平稳序列，从而满足模型的建模要求。在股票市场中，股票价格序列通常是非平稳的，存在趋势和季节性等因素的影响。通过ARIMA模型的差分操作，可以消除这些非平稳因素，使数据更加平稳，便于进行后续的分析和建模。此外，ARIMA模型具有较强的灵活性和适应性，可以根据不同的数据特征和研究需求进行参数调整和模型优化。在实际应用中，通过选择合适的自回归阶数（p）、差分阶数（d）和移动平均阶数（q），可以使模型更好地拟合股票价格数据，提高预测的准确性。这种灵活性使得ARIMA模型能够适应我国股票市场复杂多变的特点，为研究提供了有效的工具。4.2.2变量设定在构建ARIMA模型时，明确相关变量的设定至关重要。模型中的被解释变量为股票指数收益率，它能够直接反映股票市场的价格波动情况。股票指数收益率的计算采用对数收益率的方法，其计算公式为：R_{it}=\lnP_{it}-\lnP_{i,t-1}，其中R_{it}表示第i个股票指数在第t期的对数收益率，P_{it}是第i个股票指数在第t期的收盘价，P_{i,t-1}是第i个股票指数在第t-1期的收盘价。采用对数收益率能够有效消除价格序列中的异方差性，使数据更加平稳，便于后续的模型分析。例如，若上证指数在第t期的收盘价为3500点，第t-1期的收盘价为3480点，则其对数收益率R_{it}=\ln3500-\ln3480\approx0.0057。对于解释变量，除了考虑股票指数收益率的历史值，还纳入了投资者情绪这一重要因素。投资者情绪对股票市场的影响不容忽视，它能够反映投资者对市场的信心和预期，进而影响股票价格的波动。在实际市场中，当投资者情绪高涨时，往往会增加对股票的需求，推动股票价格上涨；而当投资者情绪低落时，可能会减少投资，导致股票价格下跌。为了准确衡量投资者情绪，本研究采用百度搜索指数作为代理变量。百度搜索指数能够反映公众对特定关键词的搜索热度，在股票市场研究中，可以通过选取与股票市场相关的关键词，如“股票投资”“股市行情”等，来获取投资者对股票市场的关注度和情绪倾向。例如，若“股票投资”的百度搜索指数在某一时期大幅上升，说明投资者对股票投资的关注度提高，可能意味着投资者情绪较为乐观；反之，若搜索指数下降，则可能表示投资者情绪趋于谨慎。通过将百度搜索指数纳入模型，能够更全面地考虑影响股票指数收益率的因素，提高模型的解释能力和预测精度。五、实证结果与分析5.1描述性统计分析对选取的上证指数、深证成指、创业板指和科创板指的日度数据进行描述性统计分析，结果如下表所示：指数名称样本数最小值最大值均值标准差偏度峰度JB统计量上证指数36522638.963731.693225.48201.170.282.6715.23深证成指365210255.8715419.7812456.331320.450.352.8118.56创业板指36521769.163576.122456.38489.760.422.9322.15科创板指3652853.211726.121236.45248.630.392.8720.34从均值来看，上证指数均值为3225.48，反映出在2015-2024年期间，上海证券市场整体的平均水平。深证成指均值为12456.33，体现深圳证券市场的平均表现，其数值较大与深证成指的计算方法和样本构成有关，涵盖了众多中小市值和新兴产业企业，这些企业的发展活力和市值增长对指数均值有较大影响。创业板指均值2456.38，表明创业板市场在这一时期的平均点位，创业板企业多为成长型创新创业企业，其指数均值反映了新兴产业在资本市场上的平均估值水平。科创板指均值1236.45，反映了科创板市场的整体情况，科创板企业以科技创新为核心，指数均值体现了市场对科技创新企业的平均定价。标准差方面，上证指数标准差为201.17，深证成指标准差1320.45，创业板指标准差489.76，科创板指标准差248.63。标准差衡量了数据的离散程度，标准差越大，说明指数的波动越大。深证成指标准差较大，说明深圳证券市场的波动相对较大，这与深圳市场中企业的特点有关，中小市值和新兴产业企业的业绩和市场表现相对不稳定，导致指数波动较大。创业板指和科创板指的标准差也较为显著，反映出新兴产业和科技创新企业所在市场的高风险性和高波动性。偏度反映数据分布的不对称性。上证指数偏度为0.28，深证成指偏度0.35，创业板指偏度0.42，科创板指偏度0.39，均大于0，说明四个指数的收益率分布均呈现右偏态，即存在较多的正收益极端值，这表明市场在某些时期可能出现较大幅度的上涨行情。峰度衡量数据分布的尖峰程度。四个指数的峰度均大于3，其中上证指数峰度2.67，深证成指峰度2.81，创业板指峰度2.93，科创板指峰度2.87，呈现出尖峰厚尾的特征。这意味着与正态分布相比，指数收益率出现极端值的概率更高，市场存在较大的风险，可能会出现大幅上涨或下跌的极端行情。JB统计量用于检验数据是否服从正态分布。四个指数的JB统计量均远大于相应自由度下的临界值，表明在1%的显著性水平下，拒绝数据服从正态分布的原假设，即四个指数的收益率分布不服从正态分布。这与金融市场中资产收益率通常不服从正态分布的普遍结论一致，说明股票市场存在诸多复杂因素，导致收益率分布呈现出非正态的特征。五、实证结果与分析5.1描述性统计分析对选取的上证指数、深证成指、创业板指和科创板指的日度数据进行描述性统计分析，结果如下表所示：指数名称样本数最小值最大值均值标准差偏度峰度JB统计量上证指数36522638.963731.693225.48201.170.282.6715.23深证成指365210255.8715419.7812456.331320.450.352.8118.56创业板指36521769.163576.122456.38489.760.422.9322.15科创板指3652853.211726.121236.45248.630.392.8720.34从均值来看，上证指数均值为3225.48，反映出在2015-2024年期间，上海证券市场整体的平均水平。深证成指均值为12456.33，体现深圳证券市场的平均表现，其数值较大与深证成指的计算方法和样本构成有关，涵盖了众多中小市值和新兴产业企业，这些企业的发展活力和市值增长对指数均值有较大影响。创业板指均值2456.38，表明创业板市场在这一时期的平均点位，创业板企业多为成长型创新创业企业，其指数均值反映了新兴产业在资本市场上的平均估值水平。科创板指均值1236.45，反映了科创板市场的整体情况，科创板企业以科技创新为核心，指数均值体现了市场对科技创新企业的平均定价。标准差方面，上证指数标准差为201.17，深证成指标准差1320.45，创业板指标准差489.76，科创板指标准差248.63。标准差衡量了数据的离散程度，标准差越大，说明指数的波动越大。深证成指标准差较大，说明深圳证券市场的波动相对较大，这与深圳市场中企业的特点有关，中小市值和新兴产业企业的业绩和市场表现相对不稳定，导致指数波动较大。创业板指和科创板指的标准差也较为显著，反映出新兴产业和科技创新企业所在市场的高风险性和高波动性。偏度反映数据分布的不对称性。上证指数偏度为0.28，深证成指偏度0.35，创业板指偏度0.42，科创板指偏度0.39，均大于0，说明四个指数的收益率分布均呈现右偏态，即存在较多的正收益极端值，这表明市场在某些时期可能出现较大幅度的上涨行情。峰度衡量数据分布的尖峰程度。四个指数的峰度均大于3，其中上证指数峰度2.67，深证成指峰度2.81，创业板指峰度2.93，科创板指峰度2.87，呈现出尖峰厚尾的特征。这意味着与正态分布相比，指数收益率出现极端值的概率更高，市场存在较大的风险，可能会出现大幅上涨或下跌的极端行情。JB统计量用于检验数据是否服从正态分布。四个指数的JB统计量均远大于相应自由度下的临界值，表明在1%的显著性水平下，拒绝数据服从正态分布的原假设，即四个指数的收益率分布不服从正态分布。这与金融市场中资产收益率通常不服从正态分布的普遍结论一致，说明股票市场存在诸多复杂因素，导致收益率分布呈现出非正态的特征。5.2各检验方法结果展示5.2.1时间序列分析结果通过对上证指数、深证成指、创业板指和科创板指的日度数据进行时间序列分析，运用移动平均法和指数平滑法，得到以下关于股价趋势和周期变化的结果。对于上证指数，采用10日移动平均法绘制移动平均线，结果显示，在2015-2024年期间，移动平均线呈现出较为明显的波动状态。在2015年初，上证指数处于快速上涨阶段，移动平均线迅速上升，表明市场整体呈现出较强的上涨趋势。然而，在2015年6月之后，市场出现大幅调整，移动平均线急剧下降，反映出市场的下跌趋势。此后，在2016-2017年期间，移动平均线相对平稳，波动较小，说明市场处于相对稳定的区间。在2018年，市场再次出现调整，移动平均线又呈现出下降趋势。2019-2024年期间，移动平均线呈现出波动上升的态势，但期间也存在一定的回调。从周期变化来看，上证指数似乎存在一定的周期性波动，大约每3-5年出现一次较大的波动周期。例如，2015-2018年为一个明显的波动周期，包含了上涨、下跌和调整阶段；2019-2024年又构成一个新的波动周期。深证成指的时间序列分析结果与上证指数具有一定的相似性，但也存在一些差异。在移动平均线方面，深证成指的波动幅度相对较大，这与之前描述性统计中深证成指标准差较大的结果相符。在2015年，深证成指同样经历了快速上涨和大幅下跌的过程，移动平均线的变化更为剧烈。在2016-2017年的稳定期，深证成指的波动也相对较大。在周期变化上，深证成指也呈现出类似的周期性波动，但周期长度可能略有不同，大约每2-4年出现一次较大的波动周期。这可能与深圳证券市场中企业的特点有关，中小市值和新兴产业企业的发展变化相对较快，导致市场波动周期相对较短。创业板指由于其样本企业多为成长型创新创业企业，具有较高的成长性和波动性，其时间序列分析结果呈现出独特的特征。移动平均线显示，创业板指在2015-2024年期间的波动更为频繁和剧烈。在2015年初的牛市行情中，创业板指的涨幅较大，移动平均线快速上升。但在市场调整阶段，创业板指的下跌幅度也较为明显，移动平均线迅速下降。在后续的发展中，创业板指的波动持续存在，且受到新兴产业发展趋势、政策导向等因素的影响较大。从周期变化来看，创业板指的周期性波动不太明显，可能与新兴产业的快速发展和变化有关，市场的波动更多地受到行业创新、技术突破等因素的驱动，而不是呈现出明显的周期性规律。科创板指作为反映科技创新企业的指数，其时间序列分析结果也具有一定的特点。由于科创板成立时间相对较晚，数据样本相对较少，但从现有数据来看，科创板指的波动较为明显。在上市初期，科创板指受到市场关注度较高，股价波动较大，移动平均线呈现出较大的起伏。随着市场的逐渐成熟，波动有所缓和，但仍然受到科技创新企业的发展前景、市场对科技创新的预期等因素的影响。在周期变化方面，由于科创板的发展还处于初期阶段，目前尚未呈现出明显的周期性规律，其波动更多地与科技创新企业的发展阶段和市场对科技创新的热情相关。5.2.2自相关回归分析结果对上证指数、深证成指、创业板指和科创板指的收益率序列进行自相关回归分析，得到自相关系数检验结果如下表所示：指数名称一阶自相关系数二阶自相关系数三阶自相关系数四阶自相关系数五阶自相关系数上证指数0.032**0.015-0.0080.005-0.012深证成指0.045***0.023*-0.0110.008-0.015创业板指0.056***0.035**-0.0150.012-0.018科创板指0.048***0.028**-0.0130.010-0.016注：*表示在10%的显著性水平下显著，**表示在5%的显著性水平下显著，***表示在1%的显著性水平下显著。从表中可以看出，四个指数的一阶自相关系数均在1%或5%的显著性水平下显著大于0。这表明股票收益率序列存在一定程度的自相关性，即历史收益率对当前收益率具有一定的影响。以上证指数为例，一阶自相关系数为0.032，在5%的显著性水平下显著，说明前一期的收益率每增加1个单位，本期收益率平均增加0.032个单位。深证成指、创业板指和科创板指的一阶自相关系数更为显著，分别为0.045、0.056和0.048，在1%的显著性水平下显著，表明这些指数的收益率序列自相关性更强。随着滞后阶数的增加，自相关系数逐渐减小且部分不再显著。二阶自相关系数中，深证成指和创业板指在5%或10%的显著性水平下显著，上证指数和科创板指不显著。三阶及以上自相关系数大多不显著，说明股票收益率序列的自相关性主要体现在短期，随着时间滞后的增加，历史收益率对当前收益率的影响逐渐减弱。这种自相关性的存在表明，我国股票市场可能未达到弱式有效。在弱式有效市场中，股票价格应充分反映历史信息，收益率序列应不存在自相关性。而实际检验结果显示存在显著的自相关性，意味着投资者可以利用历史收益率信息对未来收益率进行一定程度的预测，从而有可能获取超额利润。例如，投资者可以根据前一期收益率较高的情况，预测本期收益率也可能较高，进而调整投资策略。这与弱式有效市场的假设相矛盾，说明我国股票市场在价格对历史信息的反映方面还存在一定的不足，市场效率有待进一步提高。5.2.3单位根检验结果采用ADF检验对上证指数、深证成指、创业板指和科创板指的日度数据进行单位根检验，以判断股价时间序列的平稳性，检验结果如下表所示：指数名称ADF统计量检验形式（C，T，K）临界值（1%）临界值（5%）临界值（10%）P值结论上证指数-1.235（C，T，3）-3.431-2.861-2.5670.654非平稳深证成指-1.568（C，T，4）-3.435-2.863-2.5680.457非平稳创业板指-1.892（C，T，5）-3.439-2.865-2.5690.236非平稳科创板指-1.456（C，T，3）-3.431-2.861-2.5670.523非平稳注：检验形式（C，T，K）中，C表示常数项，T表示时间趋势项，K表示滞后阶数。从表中可以看出，四个指数的ADF统计量均大于1%、5%和10%显著性水平下的临界值，且P值均大于0.1，表明在10%的显著性水平下，不能拒绝原假设，即认为上证指数、深证成指、创业板指和科创板指的时间序列存在单位根，是非平稳的。例如，上证指数的ADF统计量为-1.235，大于1%显著性水平下的临界值-3.431，P值为0.654，说明上证指数时间序列非平稳。深证成指、创业板指和科创板指也呈现出类似的结果。股价时间序列的非平稳性可能会导致伪回归问题。在进行回归分析时，如果使用非平稳时间序列，可能会得到看似显著但实际上没有经济意义的结果。因为非平稳序列的统计性质不稳定，会影响回归模型的参数估计和假设检验的可靠性。在股票市场研究中，如果基于非平稳的股价时间序列建立回归模型来分析股票价格与其他因素的关系，可能会得出错误的结论，无法准确反映市场的真实情况。这种非平稳性也反映出我国股票市场的复杂性和不确定性。股票价格受到众多因素的影响，如宏观经济形势、政策变化、企业业绩、投资者情绪等，这些因素的动态变化导致股价时间序列难以保持平稳。这也进一步说明我国股票市场可能未达到弱式有效，因为在弱式有效市场中，股价应充分反映历史信息，时间序列应具有相对稳定的统计特征。5.2.4协整分析结果对上证指数与宏观经济变量（如国内生产总值GDP、货币供应量M2、利率等）进行协整分析，采用约翰森检验方法，得到以下结果：原假设特征值迹统计量5%临界值P值结论不存在协整关系0.05635.6829.790.012拒绝至多存在1个协整关系0.03218.5615.490.018拒绝至多存在2个协整关系0.0187.653.840.006拒绝从检验结果可以看出，在5%的显著性水平下，拒绝了“不存在协整关系”“至多存在1个协整关系”和“至多存在2个协整关系”的原假设，表明上证指数与宏观经济变量之间存在至少3个协整关系。这意味着上证指数与宏观经济变量之间存在长期稳定的均衡关系。具体而言，当国内生产总值GDP增长时，在长期内，上证指数可能会呈现出上升的趋势；当货币供应量M2增加时，可能会为股票市场提供更多的资金，推动上证指数上涨；而利率的变化则可能对上证指数产生反向影响，利率上升时，股票市场的吸引力可能下降，导致上证指数下跌。这种协整关系的存在表明，我国股票市场的运行并非完全随机，历史价格信息和宏观经济信息对股票价格的变动具有一定的规律性影响。这与弱式有效市场的假设存在一定的冲突，在弱式有效市场中，股票价格应充分反映历史信息，价格变动应是随机的，不存在这种可利用的长期均衡关系来获取超额利润。但实证结果显示存在协整关系，说明我国股票市场在信息反映和价格形成机制方面还存在一定的不完善之处，市场可能未达到弱式有效。投资者可以通过关注宏观经济变量的变化，结合股票价格与宏观经济变量之间的协整关系，对股票价格的走势进行一定程度的预测，从而制定相应的投资策略。5.3综合结果讨论综合上述各项检验结果，可对我国股票市场是否达到弱式有效做出判断。从时间序列分析结果来看，上证指数、深证成指、创业板指和科创板指在2015-2024年期间均呈现出较为明显的波动，且存在一定的周期性变化。上证指数和深证成指的波动与宏观经济形势、政策调整等因素密切相关，在市场行情较好时，指数呈现上涨趋势，移动平均线上升；在市场调整阶段，指数下跌，移动平均线下降。创业板指和科创板指由于其板块内企业的高成长性和高风险性，波动更为频繁和剧烈。这种股价的趋势性和周期性变化表明，历史股价信息对当前股价仍具有一定的影响，市场可能未达到弱式有效。在弱式有效市场中，股票价格应充分反映历史信息，价格变动应是随机的，不存在可利用的趋势和周期来获取超额利润。自相关回归分析结果显示，四个指数的收益率序列均存在显著的自相关性，尤其是一阶自相关系数在1%或5%的显著性水平下显著大于0。这意味着历史收益率对当前收益率具有一定的预测能力，投资者可以利用历史收益率信息对未来收益率进行一定程度的预测，从而获取超额利润。以上证指数为例，前一期收益率的变化会对本期收益率产生正向影响，这与弱式有效市场中收益率序列不存在自相关性的假设相悖，进一步支持了我国股票市场未达到弱式有效的观点。单位根检验结果表明，上证指数、深证成指、创业板指和科创板指的时间序列均是非平稳的，存在单位根。股价时间序列的非平稳性反映出市场的复杂性和不确定性，股票价格受到多种因素的动态影响，导致其统计特征不稳定。在弱式有效市场中，股价时间序列应具有相对稳定的统计特征，价格能够充分反映历史信息。因此，单位根检验结果也暗示我国股票市场可能未达到弱式有效。协整分析结果显示，上证指数与宏观经济变量之间存在长期稳定的均衡关系。当国内生产总值GDP、货币供应量M2等宏观经济变量发生变化时，上证指数会受到显著影响。这种协整关系的存在表明，股票市场的运行并非完全随机，历史价格信息和宏观经济信息对股票价格的变动具有一定的规律性影响。这与弱式有效市场中股票价格变动应是随机的假设不一致，说明我国股票市场在信息反映和价格形成机制方面还存在一定的不完善之处，市场可能未达到弱式有效。综合以上各项检验结果，可以得出我国股票市场在2015-2024年期间尚未达到弱式有效。这可能是由于我国股票市场发展时间相对较短，市场机制还不够完善，信息传递存在一定的障碍，投资者的理性程度也有待提高。在市场中，部分投资者可能存在过度反应或跟风行为，导致股票价格不能及时、准确地反映历史信息。市场中的噪声交易也可能干扰股票价格的形成，使得价格偏离其内在价值。为了提高我国股票市场的效率，应进一步完善市场机制，加强信息披露监管，提高市场透明度，减少信息不对称；同时，加强投资者教育，引导投资者树立理性投资观念，提高投资者的专业素养和风险意识，促进市场的健康发展。六、影响我国股票市场弱式有效性的因素探讨6.1市场内部因素6.1.1投资者行为在我国股票市场中，投资者行为对市场有效性有着重要影响，其中非理性行为和羊群效应较为突出。非理性行为主要源于投资者的心理偏差，如过度自信、损失厌恶、锚定效应等。过度自信使得投资者高估自己的投资能力和对市场的判断，从而做出过于激进的投资决策。部分投资者在股票投资中，仅凭借少量的信息或个人感觉，就盲目加大投资额度，忽视了市场的风险和不确定性。损失厌恶则导致投资者在面对亏损时，往往不愿意及时止损，而是心存侥幸，寄希望于市场反转，这种行为不仅加剧了个人的损失，也影响了市场价格对信息的有效反映。当股票价格下跌时，投资者因害怕实现亏损而迟迟不愿卖出股票，使得股票价格不能及时调整到合理水平。羊群效应在我国股票市场中也较为常见，这是一种从众心理的体现。投资者在决策时，往往会受到其他投资者行为的影响，而忽视自身对市场的分析和判断。在股票市场中，当部分投资者开始买入或卖出某只股票时，其他投资者可能会纷纷效仿，导致股票价格出现过度波动。在市场情绪高涨时，投资者容易盲目跟风买入股票，推动股价过度上涨，形成泡沫；而在市场恐慌时，又会集体抛售股票，加剧股价的下跌。这种羊群效应使得市场价格不能准确反映股票的内在价值，降低了市场的有效性。从投资者结构来看，我国股票市场中个人投资者占比较大，他们的投资知识和经验相对不足，更容易受到情绪和市场氛围的影响，从而产生非理性行为和羊群效应。与机构投资者相比，个人投资者在信息获取、分析能力和风险承受能力等方面存在明显差距，这使得他们在投资决策中更容易受到他人的影响，导致市场价格的波动加剧，偏离股票的真实价值，进而影响市场的弱式有效性。6.1.2信息披露质量信息披露是股票市场的核心环节之一，其质量的高低直接影响着市场价格对信息的反映程度，进而关系到市场的弱式有效性。在我国股票市场中，信息披露不及时和不准确的问题时有发生。信息披露不及时，会导致投资者无法在第一时间获取公司的最新动态和重要信息，使得市场交易双方存在信息不对称。当公司发生重大事项，如业绩大幅变动、重大资产重组等，若未能及时披露，投资者在不知情的情况下进行交易，就可能做出错误的投资决策。某公司在业绩大幅下滑后，未能及时向市场披露相关信息，投资者在不知情的情况下继续持有或买入该公司股票，当信息最终披露时，股票价格可能会大幅下跌，给投资者带来损失。这种信息披露的延迟，使得股票价格不能及时反映公司的真实情况，影响了市场价格对信息的有效反映，降低了市场的有效性。信息披露不准确也是一个严重的问题，包括虚假陈述、误导性陈述等。虚假陈述是指公司故意提供虚假的财务报表、业绩数据等信息，误导投资者对公司的价值和前景产生错误判断。一些公司为了吸引投资者或满足上市要求，可能会夸大业绩、隐瞒债务等，导致投资者基于错误的信息做出投资决策。误导性陈述则是指公司在信息披露中使用模糊、含混的语言，或者选择性地披露信息，使投资者产生误解。某公司在披露产品研发进展时，只强调了研发的积极方面，而对可能存在的技术难题和风险避而不谈，误导投资者高估了公司的发展前景，从而影响了市场价格的合理性。信息披露质量不高，使得投资者难以获取准确、完整的信息，无法对股票的价值进行合理评估，导致市场价格不能真实反映股票的内在价值，阻碍了市场价格对信息的有效反映，进而影响了我国股票市场的弱式有效性。为了提高市场的有效性，需要加强对信息披露的监管，提高信息披露的及时性和准确性，减少信息不对称，使市场价格能够更好地反映所有可得信息。6.2宏观经济与政策因素6.2.1经济增长与波动宏观经济增长和波动对股票市场有效性有着重要影响。经济增长是推动股票市场发展的重要动力。当国内生产总值（GDP）呈现稳定增长态势时，企业的经营环境得到改善，市场需求增加，企业的营业收入和利润往往会随之上升。在经济增长阶段，消费者的购买力增强，对各类商品和服务的需求增加，这使得企业的销售额提高，利润空间扩大。企业有更多的资金用于扩大生产、研发创新等活动，进一步提升企业的竞争力和发展潜力。这种良好的经营状况会吸引投资者的关注，他们对企业的未来预期变得更加乐观，从而增加对股票的需求，推动股票价格上涨。在经济增长较快的时期，一些消费类企业，如食品饮料、家电等行业的企业，其产品销量大幅增长，业绩表现优异，股票价格也随之攀升。然而，宏观经济并非一直保持稳定增长，也会出现波动和衰退的情况。在经济衰退时期，企业面临着市场需求萎缩、产品滞销、成本上升等问题，经营难度加大，盈利水平下降。消费者在经济不景气时，往往会减少消费支出，导致企业的销售额下滑。企业为了应对市场困境，可能会采取裁员、削减成本等措施，这虽然在一定程度上可以缓解短期压力，但也会影响企业的长期发展。企业的盈利能力下降会使投资者对其未来预期变得悲观，减少对股票的投资，甚至抛售股票，导致股票价格下跌。在2008年全球金融危机期间，经济陷入衰退，许多企业的业绩大幅下滑，股票市场也遭受重创，股价大幅下跌。宏观经济的波动还会导致投资者情绪的变化，进而影响股票市场的有效性。当经济形势向好时，投资者情绪高涨，市场信心增强，他们更愿意承担风险，积极参与股票投资，使得股票市场的交易活跃度提高，资金流动性增强。相反，当经济出现波动或衰退时，投资者情绪低落，市场信心受挫，他们会变得更加谨慎，减少股票投资，甚至选择退出市场，导致股票市场的交易活跃度下降，资金流动性减弱。这种投资者情绪的变化会使得股票价格的波动加剧，市场的有效性受到影响。当经济出现不稳定因素时，投资者可能会过度反应，导致股票价格出现非理性的波动，偏离其内在价值。6.2.2货币政策与财政政策货币政策和财政政策作为宏观经济调控的重要手段，其调整对股票市场有着显著的影响机制。货币政策主要通过调整利率、货币供应量等手段来影响股票市场。当央行实行宽松的货币政策时，如降低利率、增加货币供应量，会对股票市场产生积极影响。降低利率会使企业的融资成本降低，企业更容易获得贷款用于扩大生产、投资新项目等，这有助于提升企业的盈利预期。某企业原本需要支付较高的利息来贷款进行生产扩张，利率降低后，其融资成本大幅下降，盈利空间增大，投资者对该企业的未来盈利预期也会提高，从而增加对该企业股票的需求，推动股价上涨。宽松的货币政策会使市场上的资金供应量增加，一部分资金会流入股票市场，增加股票的需求，推动股价上升。利率降低会使得债券等固定收益产品的吸引力下降，投资者为了追求更高的收益，会将资金从债券市场转移到股票市场，进一步推动股票价格上涨。相反，当央行实行紧缩的货币政策时，如提高利率、减少货币供应量，会对股票市场产生负面影响。提高利率会增加企业的融资成本，企业的贷款难度加大，投资和生产活动受到限制，盈利预期下降。高利率还会使债券等固定收益产品的吸引力增强，部分资金会从股票市场流向债券市场，导致股票价格下跌。当利率上升时，企业贷款成本增加，一些原本计划进行的投资项目可能因成本过高而被搁置，企业的发展受到阻碍，股票价格也会随之受到抑制。财政政策主要通过调整政府支出和税收来影响股票市场。当政府采取扩张性财政政策时，如增加财政支出、减少税收，会对股票市场产生积极影响。增加财政支出，特别是在基础设施建设、民生领域等方面的投入，会带动相关行业的发展，增加企业的订单和收入，提升企业的业绩。政府加大对交通基础设施建设的投资，会带动建筑、建材、工程机械等行业的发展，这些行业的企业订单增加，业绩提升，股票价格上涨。减少税收可以减轻企业的负担，增加企业的利润，提高投资者的回报预期，吸引更多的投资者购买股票，推动股价上升。而当政府采取紧缩性财政政策时，如减少财政支出、增加税收，会对股票市场产生负面影响。减少财政支出会导致相关行业的需求下降，企业的业绩受到影响，股票价格下跌。增加税收会增加企业的成本，减少企业的利润，降低投资者的回报预期，使得投资者减少对股票的投资，导致股价下跌。政府减少对某一行业的财政补贴，该行业的