㈠ 正螺旋效應是怎麼產生的
滬深A股市場價格混沌特性研究
Study on Chaos process of stock price in Shanghai and Shenzhen A shares Stock market
研究領域： 金融學
1、前言
現代金融經濟學理論假定投資者是理性的，證券價格等於其內在「基本價值」，在這種理想的市場環境中，市場是有效率的。Fama(1970)提出有效市場假說（Efficient Market Hypothesis,EMH），認為在一個有效率的市場中，證券的價格充分反映了所有可獲得的信息。為了檢驗市場是否有效，所採用的方法一般是通過檢驗證券價格收益率序列是否符合隨機遊走模型。關於市場效率的實證研究持續了近半個世紀，但結論仍然是存在極大爭議的。
自然科學的研究成果表明，一個非線性正反饋系統的演化過程可能產生混沌（Chaos）。許多經濟行為模式都是非線性的，例如，投資者對風險與收益的偏好、市場參與者之間的決策博弈、一些經濟合同及金融工具的選擇性條款等。行為金融學派認為，投資者並非完全理性的，而是存在「代表性直覺（Representativeness heuristic）」等認知偏差（Kahneman 與 Tversky，1979），在這些認知偏差影響下，由於羊群效應（Scharfstein 與 Stein，1990）、外推預期等因素，證券市場存在正反饋機制（De Long等，1990b）。因此，證券價格形成過程中，存在非線性正反饋機制， 在這種機制的驅動下，證券價格有可能出現混沌(Chaos)現象，使證券價格的演變表現出復雜性（Complexity）。
混沌概念是E．Lorenz（1963）最早在研究大氣運動時提出的，它是指確定性系統的內在不規則的、永不重復的非周期性運動，這種系統存在內在非線性正反饋動力，其定常狀態是一種性態復雜、紊亂但卻使終有限的運動狀態，且系統的運動路徑受系統初始條件及參數影響很大。混沌表面上看起來像隨機運動，它能通過所有傳統的隨機性檢驗，例如，在許多計算機系統中，類似於Logistic映射這樣的混沌過程演算法就被作為偽隨機數發生器(Pseudo Random Number Generators)產生隨機數序列。混沌貌似隨機性（Randomness），但它不是隨機性。隨機性是隨機過程，是雜訊擾動引起的。而混沌則是由內在確定性的非線性正反饋引起的，因此也被稱為確定性混沌(Deterministic Chaos)。
混沌的概念提出以後，對現代金融經濟學中有效市場理論的沖擊是巨大的。Fama(1970)通過檢驗證券價格收益率序列在統計上能通過隨機行走模型檢驗，從而認為市場是有效的。但是，如果證券價格收益率序列存在確定性混沌過程，它在數學上也完全能夠通過所有隨機性檢驗，但它卻不是隨機運動，而是受內部確定性過程驅動，這樣，傳統金融經濟學有效市場理論的基礎將變得十分脆弱。
本文將簡要回顧混沌理論的研究成果及其在金融市場研究中的應用，並對滬深A股市場價格的混沌特性進行實證研究。本文的研究表明，滬深A股市場存在低維確定性過程。
本文餘下部分安排如下，第二部分是對混沌理論及相關研究成果進行簡要回顧，第三部分對滬深A股市場股票價格混沌特性進行實證研究，第四部分是全文的總結。
2、混沌理論及證券價格的混沌特性
Lorenz（1963）在研究氣象預測時發現，大氣運動這樣的復雜系統存在混沌過程，在一定的條件下，系統運動的軌跡將是圍繞兩個不動點（即奇異吸引子，Strange Attractor）的發散的螺旋，並局限在一個有界的、體積為零的曲面上，進行不斷無規則的振盪。這種不規則的來回振盪，好像飛蛾看到兩個光源，飛向一個光源，當靠近時感到太熱又飛向另一光源，如此不規則地來回飛騰，其飛行的軌跡永不重復。由於它的形狀類似蝴蝶的雙翼，所以也被稱為Lorenz蝴蝶結，如圖1所示。
圖1 Lorenz 蝴蝶結
周期運動或周期性振盪是大量存在的，但上述Lorenz過程是非周期振盪，好像永不結束的過程，然而它既不發散也不消失，一直是不規則的振盪。這種振盪的軌跡在三維相空間上是螺旋線，非常密集的曲線在無窮多層平面上呈分形結構（Fractal Structure，參見Mandelbrot, 1985），無窮長，且對初始條件敏感，初始條件中無足輕重的誤差能夠被系統迅速放大，導致系統的演變路徑大相徑庭。正如Lorenz 所指出的那樣：「巴西一隻蝴蝶的扇動可以引發得克薩斯洲的颶風」，即所謂「蝴蝶效應（Butterfly Effect）」。
混沌是作為確定性過程與隨機性過程的橋梁，確定性過程是完全可預測的，而隨機性過程則是完全不可預測的，而混沌過程則是界於確定性過程與隨機性過程之間。由於混沌過程對初始條件敏感，初始細微的誤差可以成倍地放大，因此，對於長期來看，系統的演變是不可預測的。但是，如果初始條件保持穩定，運用混沌過程對系統的短期演化狀態進行預測，得到的結果將比採用線性隨機過程可能得到的預測結果精確得多，因此，混沌過程對經濟分析與預測的意義是明顯的。這可以解釋為什麼傳統經典金融理論認為奉行圖表分析的技術分析是無意義的，但在金融市場仍然存在為數眾多的投資者採用技術圖表分析，追隨證券價格趨勢（Murphy, 1986），而且這些交易者並不像傳統理論所認為的那樣，在與理性交易者長期博弈過程中，這些交易者將因遭受虧損而被趕出市場。
在行為金融學分析框架下，由於證券市場投資者並非完全是古典意義上的理性經濟人，投資者存在認知偏差，對同一事件不同投資者具有不同的價值判斷，從而表現出不同的決策行為。事實上，按照Kahneman 與 Tversky(1974,1979)提出的前景理論（Prospect Theory），各類投資者的風險偏好並不是固定不變的，存在風險偏好的反轉。投資者的價值函數是根據參考點進行定義的，在贏利時是凹函數，在虧損時是凸函數，即在贏利時是風險厭惡型的，而在虧損時是風險追求型的，而且在虧損區間比在贏利區間更陡峭，人們對虧損比對贏利更加敏感。
此外，在前景理論中，投資者權重函數也是非線性的。在極端低概率及極端高概率處，權重函數都存在跳躍，某一事件如果其發生的概率極端地高，明顯地接近於1，則決策者在編輯階段將明確地將其視為確定性的事件，相反，如果某一事件發生的概率極端地小，接近於零，則決策者在編輯階段可能就將其忽略。因此，人們傾向於對那些極端不可能的事件或者忽略或者高估，而對於一些極端高概率的事件則或者忽視或者誇大。
投資者在決策時存在保守主義(Edwards, W., 1968)，不會輕易對新收到的信息做出反應，除非人們確信得到足夠的信息表明環境已經改變。而且投資者的行為模式一般是當環境的變化已經達到一定閥值以後，才一起對所有的信息集中做出反應。例如，對理性投資者來說，其對證券的需求並不完全與證券價格偏離基礎價值的程度呈線性關系。在投資實務中，證券分析師與投資經理會經常設定一個他們認為安全的價格線, 價格在此安全價格線以上, 他將進一步等待, 而一旦價格低於這一預先判定的價格時, 他們將迅速大量買入。例如，價值投資理論的創立者本傑明•格拉厄姆（Benjamin Graham）特別強調投資的安全邊際（Safety Margin），只有投資者的預期收益達到一定程度以上時，才會建議買入證券。
總之，在證券市場，由於雜訊交易者的存在、從眾心理及羊群效應等產生的群體性非理性行為可能形成正反饋效應，這種正反饋機制會使證券價格的演變產生十分復雜的運動，在一定條件下產生混沌過程，導致證券價格收益率分布呈現分形等復雜結構，表現出高度的復雜性。例如，價格的突然大幅度波動則導致分布產生胖尾現象，而混沌及局部奇異吸引子的出現，導致證券價格膠著於一些價格附近，來回進行無規則的反復振盪，則使證券價格分布出現局部尖峰的特徵。
現實市場中的非線性特性將進一步增加證券價格形成的復雜程度，使市場交易在本質上變成一種不同投資者之間的多輪博弈。由於證券價格的演變可能形成混沌過程，系統的初始狀態對證券價格的演變路徑影響很大，初始狀態細微的差別將導致長期結果的巨大差別，即所謂「失之毫釐，謬以千里」的蝴蝶效應。因此，就長時間跨度來說，證券價格波動的方向及波動的幅度都是難於預測的。股票價格的波動形式既可以呈現出穩定的均衡（即通常所說的「盤整」），也可以是非周期性的振盪，還可以突然出現暴發性上漲（泡沫）或者大幅度下跌（泡沫破滅或者負泡沫）等劇烈波動，局部可能與整體相似，但永不重復且不可逆轉，呈現分形等復雜且不規則的分形結構，表現出高度的復雜性。混沌過程所擁有的「蝴蝶效應」還可以解釋一些偶然性局部事件所引發的全球性金融市場異常波動，例如，上世紀90年代初的「墨西哥金融危機」及90年代後期的東南亞金融危機等。如果證券價格存在混沌特性，則意味著證券價格變化在短期內存在一定的可預測性，而進行長期預測則是極為困難的，從投資策略角度看，這意味著基於證券價格短期變化的交易者可能存在生存的空間。
在實證研究方面，Fama 1970年提出有效市場假說以後，關於資本市場效率的實證研究不勝枚舉，大量經驗研究表明，證券價格收益率分布不是高斯分布，具有尖峰與胖尾的特點，經常產生一些極端數值，而且，按不同的時間間隔建立收益率分布曲線，得到的都具有相似的尖峰與胖尾的特徵，具有時間分形的特徵。Mandelbrot(1972)提出重標極差分析法（Rescaled Range Analysis, R/S分析方法）以後，許多學者運用R/S方法研究了股票市場效率及檢驗股票市場價格是否存在記憶特性。這方面的文獻包括：Peters（1989,1991,1996），Lo（1991）， Pandey，Kohers與Kohers（1998）等。這些經驗研究結果顯示，金融數據具有長期記憶的特徵，即是說，股票當前價格運動受到以前的價格運動的影響。這意味著股票價格存在一定時間區間內的趨勢持續效應，這也在一定程度上印證了股票價格形成過程中存在正反饋效應。
Lorenz(1963)提出混沌理論以後，Grassberger and Procaccia(1983a)提出了關聯維數（Correlation Dimension）的分析方法，用以識別時間序列是否存在低維確定性過程。Scheinkman 與Lebaron（1989）根據美國證券價格研究中心（CRSP）提供的以市值為權重的美國股票收益率指數，對始於1960年代初期的共1226個周收益率數據考察了其關聯維數（Correlation Dimension, CD）, 他們研究得到CD值為6，從而認為美國股票周收益率序列總體表現出了非線性關聯，並認為這種非線性關聯可以解釋金融資產分布的尖峰、胖尾等特性。Brock與Back（1991）再度擴展了Scheinkman 與LeBaron的研究，得到的CD值在7-9之間，因此，也拒絕了股票價格收益率是獨立同分布（Independent Identical Distribution，IID）的假設，傾向於支持股價收益率分布存在低維確定性過程的備擇假設，但他們同時指出，並不能就此認為存在混沌過程。Urrutia等（2002）的研究則提出了針鋒相對觀點，他們研究了1984年至1998年期間美國保險公司股票收益率特性，研究表明保險公司股票收益率存在非線性特徵，並且進一步驗證導致這種非線性的原因就是低維混沌過程。總體而言，這些經驗研究提供了實質性的證據表明，股票、匯率、商品期貨等金融數據序列存在非線性結構，但就是否明確存在低維確定性混沌過程，則結論不完全一致，仍然存在爭論。
對於中國大陸股票市場，戴國強等（1999）對上證綜合指數及深證成份指數進行R/S分析，計算得到Hurst指數分別為0.661和0.643；史永東（2000）所作的R/S分析顯示，上海證券交易所股票市場的Hurst指數為0.687，而深圳證券交易所股票市場的Hurst指數為0.667；曹宏鐸等（2003）計算的深證證券交易所股票市場日收益率、周收益率、月收益率的Hurst指數分別為0.6507，0.7000，0.6906及0.7576。上述經驗研究表明，上海及深圳股票市場並不呈隨機行走的特徵，而具有狀態持續特徵，同時也意味著中國股票市場不是弱式有效的。
事實上，關於中國股票市場是否弱式有效，一致存在極大爭議。正如張亦春與周穎剛（2001）所意識到的那樣，一方面，多數研究人士憑經驗就感覺到中國股票市場投機性強，遠未達到有效狀態。例如，滬深A股市場近年來上市公司財務造假不斷案發 ，莊家操作市場盛行 ，股價嚴重脫離內在價值，上海A股市場在2000年及2001年平均市盈率高達60多倍，被很多學者斥為「賭場」，宣稱這樣一個市場已達到弱式有效狀態，確實讓人們難以接受。另一方面，許多學者所作的實證研究卻表明，證券價格收益率序列十分接近隨機行走模型，因而無法有力地拒絕有效市場假設。經驗感覺與理論研究結論大相徑庭，這其中的原因究竟是什麼？到底是現實錯了？還是學術理論研究有問題？混沌的思想讓我們豁然開朗！因為，如果證券價格存在混沌過程，或者是在混沌過程基礎上迭加一個隨機過程，那麼，市場顯然是無效的，但證券價格收益率序列同樣能通過隨機性檢驗。例如，假設證券價格波動序列是一個Logistic 映射過程，它顯然是一個確定性的混沌過程，但是，這一過程在許多計算機系統是被當作偽隨機數發生器，常規的檢驗方法根本無法識別確定性過程，而是將其視為隨機序列！如果這樣的話，所有通過考察證券價格是否能夠通隨機性檢驗的方法來考察資本市場有效性的研究，其理論基礎及研究結論都將受到質疑。
3、滬深A股市場價格混沌特性實證研究
本文同時採用R/S分析方法及關聯維數（Correlation Dimension,CD）分析方法考察滬深A股市場的非線性特徵。通過R/S分析方法能夠識別出證券價格序列是否存在持續效應，這在某種程度上可以驗證股票市場是否存在正反饋交易機制，正反饋過程是產生混沌的前提。採用關聯維數分析，可以識別股價序列是否存在混沌特徵。我們的數據來源於乾隆公司的錢龍資訊系統。
3．1 R/S分析
Hurst（1951），Mandelbrot(1972)及Lo（1991）等所發展並完善了赫斯特指數(Hurst Index)的分析方法，即重標定域（Re-scaled range，R/S）分析方法。
赫斯特指數(H)可以用來識別時間序列的非隨機性, 還可以識別序列的非周期性循環，因而可以用於識別時間序列的非線性特徵。如果序列的赫斯特指數不等於0.50，則觀測就不是獨立的，每一個觀測值都帶著在它之前發生的所有事件的「記憶」，這種記憶不是短期的，它是長期的，理論上講，它是永遠延續的。雖然遠期事件的影響不如近期事件的影響大，但殘留影響總是存在的。在更寬泛的尺度上，一個表現出赫斯特統計特性的系統是一長串相互聯系的事件的結果。今天發生的事情影響未來，今天我們所處的地位是過去我們所曾處的地位的一個結果。
關於Hurst赫斯特指數的詳細計算參見文獻Mandelbrot(1972)及Lo（1991）等，其計算過程如下：
1．對一個時間序列 ，考察長度為n的時間窗口內的子序列， ，n=1,2,3,……K，計算序列的平均值為：
………………………………（1）
2．計運算元序列偏離均值的差值
………………………………（2）
顯然， 的均值為零，這是重標定或歸一化（標准化）。
3．計算偏離均值的累加值
……………………………（3）
4．計算時子序列的域
………………………………（4）
5．計算采樣子序列的標准差
………………………………（5）
6．計運算元序列重標定域
……………………………（6）
7．求解全序列 的均值
………………………………（7）
8．求解赫斯特指數
與 有冪關系，即：
……………………………（8）
……………………………（9）
在對數坐標上，設水平軸n，縱軸為 ，對 與 進行回歸, 則線性回歸的斜率為赫斯特指數。
我們選取上海證券交易所A股綜合指數從1990年12月19日至2003年12月23日，以及深圳證券交易所A股綜合指數從1992年10月4日至2003年12月23日期間的交易數據，分別計算其日收益率及周收益率序列的赫斯特指數，從而考察滬深A股市場的證券價格是否存在非線性特徵。
採用上述方法,計算得到滬深A股綜合指數的赫斯特指數,如表1所示，在圖2—圖5中，還詳細地列出了R/S分析圖。
表1 滬深A股綜合指數Hurst 指數
上海A股指數 深圳A股指數
日收益率序列H值 0.66(t=336) 0.63(t=306)
周收益率序列H值 0.69(t=84 ) 0.69(t=97 )
圖2 上證A股指數日收益率序列 圖3 上證A股指數周收益率序列
圖4 深圳A股指數日收益率序列 圖5 深圳A股指數周收益率序列
從表中數據我們可以看到，滬深A股市場的赫斯特指數無論以周數據統計還是以日數據統計，結果基本一致，均在0.60以上。H值大於0.50，意味著今天的事件確實影響明天，即是說，今天收到的信息在其被接收到之後繼續被市場計算進去， 這從另一側面印證滬深A股市場價格並不呈隨機行走狀態，收益序列之間存在一定的關聯性，這是一種持續效應（Persistence effect）。如果股價序列在前一個期間是向上運動的，則它在下一個期間將更可能繼續向上運動的趨勢，反之，在前一個期間是向下運動的，則它在下一個期間更可能持續向下運動的趨勢。股價序列的這一特性與經驗感覺是一致的，無論是國內股票市場還是全球其它地區的股票市場，典型的牛市或者熊市，並非短暫的數日或者數月，往往持續數年。而股票市場極其異常的波動，例如，美國股市1929年股災、1987年的暴跌等，均使投資者對市場的信心受到嚴重打擊，市場在其後很長一段時間深受其影響。股價的持續效應在某種程度上印證了股票市場存在的正反饋效應機制。
3．2 關聯維數分析
Grassberger 與Procaccia(1983a,1983b)提出了關聯維數（Correlation Dimension，CD）方法，用以考察時間序列的非線性特性。其基本思想是：如果一個混沌過程是n維確定性過程，則該過程將充滿n維空間，但如將其置於更高維的空間里，該過程將留下許多「洞眼」。一般地，關聯維數度量的是相空間被一組時間序列「填充」的程度，關聯維數越大，填充程度越高，表示時間序列內部結構越復雜，它類似隨機過程時間序列的程度越強。需要指出的是，我們僅對低維混沌過程感興趣。 如果股票價格真的是高復雜性的混沌過程，我們採用有限的樣本數據是永遠也無法識別出其復雜的結構的。此時，它可能與一個良好的「偽隨機數發生器」產生的數據相近，高維混沌過程與隨機過程將沒有實際意義的區別。
設時間序列 由具有 個自由度的非線性動態系統產生，可以構造 維相空間失量：
………………（10）
其中， 被稱為鑲嵌維(Embedding dimension)， 為適當的時滯單位。時間序列過程在相空間的運行軌道是由一系列 維失量構成。如果該系統最終收斂為一組確定性過程，則該系統的運行軌道將收斂於相空間中維數低於 的相空間子集，即吸引子（Attractor），在這些吸引子周圍的運動是混沌過程，具有非周期性且長期運動狀態無法預測。
考慮吸引子附近的失量集合 ，關聯積分（Correlation Integral） 定義為對於任意給定的 ，那些彼此之間的距離小於 的點數對（Pairs of Points） 的數量占所有可能的點數對的比例，即：
……………………（11）
其中， ……………（12）
當 時，對任意小 ，可以預期C遵循指數冪變化規律，即：
，從而關聯冪（Correlation Exponent）可以通過對 與 對回歸計算得到：
……………………………（13）
如果系統存在確定性混沌過程，隨著鑲嵌維數的增加，關聯冪D值達到飽和值以後，將大約保持不變，這一關聯冪指數的飽和值就是吸引子的關聯維數。如果系統是隨機過程，則隨著鑲嵌維數的增加，D值亦將成比例地增加，趨向無窮大 。
圖6 上證A股指數在不同鑲嵌維空間中的關聯積分
圖7 上證A股指數關聯維
我們考察上海證券交易所A股綜合指數從1990年12月19日至2003年12月31日期間日收益率時間序列的關聯維。圖6為上證A股綜合指數在1-8維相空間中關聯積分 隨 值的變化情況。從圖中我們可以看到，在 值處於0.0003-0.005區間時, 與 的變化呈現出指數冪關系。圖7是關聯冪D隨鑲嵌維數m的變化情況，我們可以看到，隨著鑲嵌維數m超過2以後，關聯冪D值不再增加，而是穩定於大約 區間, 即上證A股綜合指數的關聯維數大約為1.4, 因此, 我們可以推測, 上證A股綜合指數存在關聯維數大約為 的低維確定性混沌過程。
相對於Scheinkman 與Lebaron（1989）及Brock與Back（1991）等計算得到的成熟資本市場關聯維數，我們計算得到的上海A股市場的關聯維數明顯更低。如果時間序列是一個低維確定性過程，則意味著時間序列在短期是具有一定的可預測性的。從這個意義上看，我們認為，相對成熟資本市場，上海A股市場指數的隨機性程度更低，而短期可預測性更強，這在某程度上也說明市場效率程度相對更低。另外，由於混沌特性，證券價格在短期具有一定的預測性，但進行長期預測則是極為困難的，從投資策略角度看，意味著基於證券價格短期變化的交易者可能存在獲取利潤的空間。
4、結論
在一個存在非線性正反饋機制的系統中，系統的演化理論上可能出現混沌過程。 證券市場由於雜訊交易者的存在、從眾心理及羊群效應等產生的群體性非理性行為，形成正反饋效應，從而可能導致證券價格的演變呈現出混沌過程，表現出復雜性。
本論文所做的實證研究表明，滬深A股市場指數的赫斯特指數大於0.5，這意味著滬深A股市場價格並不呈隨機行走狀態，收益序列之間存在趨勢持續的特性，這也在一定程度上說明了股價形成過程中存在正反饋效應。對上海A股市場指數的考察進一步表明，上海A股市場指數收益率序列存在低維確定性混沌過程，其關聯維數大約為1.4。 這一數值遠低於成熟資本市場的指標，這表明上海股票市場指數收益率序列隨機性低於成熟資本市場, 市場在短期的可預測性更強一些, 這在某種程度上表明市場的效率程度更低一些。市場存在確定性混沌過程，市場顯然是無效的，但是，由於混沌過程同樣能夠通過隨機行走模型檢驗, 我們認為, 這也許是為什麼關於資本市場效率的傳統實證檢驗結果仍然存在極大爭議的原因。因為常規檢驗方法無法區分混沌過程與隨機過程，因此，本論文認為，所有採用常規方法，通過考察證券價格是否符合隨機遊走模型，從而推斷資本市場有效性的研究，其理論基礎及研究結論均存在嚴重缺陷。由於證券價格運動的混沌特性，這意味著證券價格在短期具有一定的可預測性，但進行長期預測則是極為困難的。證券價格的這種混沌特性，從投資策略角度看，意味著基於證券價格短期變化的交易者可能存在生存的空間。
內 容 提 要
行為金融理論認為，投資者不是完全理性的，而是存在各種認知偏差。由於雜訊交易者的存在、從眾心理及羊群效應等產生的群體性非理性行為，證券市場存在正反饋效應。而且，投資者行為模式都是非線性的，在一個存在非線性正反饋機制的系統中，證券價格的演化可能出現混沌過程。
本論文所做的實證研究表明，滬深A股市場價格並不呈隨機行走狀態，而是存在非線性結構；上海A股市場指數收益率序列存在低維確定性混沌過程，其維數大約為1.4, 這一數值遠低於成熟資本市場的指標，這表明上海股票市場指數收益率序列隨機性低於成熟資本市場。由於市場存在確定性混沌過程，市場雖然是無效的，但同樣能夠通過隨機行走模型檢驗，這也從某一角度說明了，為什麼關於資本市場效率的傳統實證檢驗結果仍然存在極大爭議。由於混沌的存在，證券價格變化在短期具有一定的可預測性，但進行長期預測則是十分困難的。
㈡ 雜訊交易理論的雜訊交易理論的啟示
金融雜訊交易理論比較好的解釋了金融市場交易中的非理性行為。雜訊交易普遍存在所造成的市場價格的劇烈波動及其嚴重後果對金融市場監管當局維護市場穩定的決心提出了挑戰對普通投資者而言，制定投資策略時需要把雜訊交易作為一個變數來考慮。金融市場雜訊交易理論從市場監管和投資策略兩方面具有啟示作用。
1、雜訊交易對金融市場監管的啟示。
既然信息的高成本與不對稱是產生 雜訊」的根源，監管的方向就是盡可能的減少信息成本與信息的不對稱性。鑒於我國的證券市場是典型的新興市場，信息披露不充分，會計標准不清晰，產生信息的不合理配置的可能更大也更嚴重。因此，可以對信息披露制度進行完善，並制定措施保證其得到嚴格執行：對投資大戶．機構投資者以及接近內幕消息的人士獲取內幕消息進行監管和懲罰，提高其獲得信息的成本和事後受懲罰的概率，從而降低人為因素造成的信息不對稱程度：加強對證券投資機構，市場評論者，市場中介機構以及市場調查等機構對信息加工處理與公布質量的要求及其責任的承擔。
2、金融雜訊交易理論對投資者的啟示。
我國的證券市場正處於由散戶博弈時代向機構博弈時代過渡。在這個過程沒有完成以前，市場上短期交易仍然十分普遍，投資者仍熱衷於獲得市場的各種小道消息。這種環境下，雜訊交易的大量存在是不可避免的，而且在持續時間，涉及范圍及價格波動幅度上都要比西方發達國家金融市場有過之而無不及。這可以從我國A股市場上極高的換手率和狂炒ST．PT股票得到證明。持續的雜訊交易使金融資產價格不斷偏離其基本價值．理性投資者不能通過其對基本價值的認識利用這種偏離套利，因為價格的偏離可能在理性投資者買入或賣出後繼續沿同一個方向運動，而不是相反。雜訊交易理論告訴每一個想在這樣的市場環境下生存的理性交易者，獲利的最好辦法是預期雜訊交易者對雜訊的反應程度，於雜訊交易開始不久後介入賺取價差。
㈢ 雜訊交易者的起源
最早提出「噪音交易者」(noise trader)概念的是Kyle(1985)，Black(1986)。進一步將噪音交易者明確定義為無法獲得內部信息(inside information)，非理性地把噪音當作信息進行交易的投資者。 市場選擇理論的代表人物Fama和Friedman認為噪音交易者在市場的預期收益為負，總是處於虧損的狀態，因此無法長期存在。而行為金融理論的最新研究成果則提出了相反的觀點，De Long，Sh1eifer，Summers和Waldman(1990)提出的DSSW模型證明了噪音交易者可以獲得正的預期收益。但是，某次或某幾次交易中能夠獲得正的預期收益並不意味著他們能夠獲得更多的長期財富，具有長期生存的能力。迄今為止，De Long等人(1991)建立的資產組合配置模型和Kogan模型(2003)較好地說明了噪音交易者的長期生存能力問題。
㈣ 雜訊交易者的削弱影響
噪音交易者在金融市場中長期生存既得到了理論上的證明，也是現實中各國證券市場都普遍實際存在的現象，這一現象將對證券市場的穩定產生極為不利的影響。而我國的股票市場兼有新興和轉軌兩大特徵，噪音交易者的影響就更為嚴重。要削弱這種影響，股票市場改革需要做到：
第一，培育理性市場主體，包括大力培育機構投資者、完善上市公司治理結構、加強對中介機構的管理：
第二，糾正股票市場信息壟斷、競爭無序、運行機制不規范等結構性缺陷；
第三，建立和完善股票市場發行制度、國有股制度、賣空制度、市場分割制度、不完全退市制度、市場開放制度等制度性缺陷；
第四，規范政府監管行為，從政府導向向市場導向轉變
㈤ 雜訊交易者的簡介
行為金融學中有個「噪音理論」，它是指短線投資者為了追求利潤最大化，會忽視與基本面有關的信息，把注意力集中到那些與股票價值無關、但可能影響股票價格使之非理性變動的「噪音」（錯誤信息）上，這種行為會在短期內造成價格扭曲，使理性的投資者在短期市場上無所作為。
㈥ 雜訊交易者的影響效應
在DSSW模型中，De Long等人總結了影響噪音交易者預期收益的四種效應：
① 多多益善效應(hold more effect)
即指當噪音交易者平均持有更多的風險資產時，也就意味著他們承受的風險份額越大， 自然他們所獲得的風險回報也越多，相對於套利者來說， 噪音交易者預期的收益就會增加。
② 價格壓力效應(price pressure effect)
即指當噪音交易者情緒越來越樂觀時，他們對風險資產的平均需求會增加，這必然會導致股價上升，這樣他們就降低了風險回報以及他們與套利者之間的收益差別。
③ 買高賣低效應(buy high sell low effect)或弗里德曼效應(Friedman effect)
即指由於噪音交易者的非理性，致使他們選擇了錯誤的入市時間，在高價時買進、低價時賣出，從而形成虧損。噪音交易者的投資心態越易變，他們錯誤的入市時間對他們收益的損害就越大。
④ 空間創造效應(Create space effect)
即指當噪音交易者的想法改變得越來越頻繁，價格風險也就越來越大。套利者如果想利用噪音交易者的錯誤來牟取利潤就必須承受越來越大的風險。因為套利者是風險規避者，所以隨著風險的增加，他們從噪音交易者手中購買的風險資產就會減少，從而噪音交易者「創造了自己的生存空間」。
以上四種效應，多多益善效應和空間創造效應有助於提高噪音交易者的相對預期收益，而價格壓力效應和買高賣低效應則將減少噪音交易者的預期收益。因此，噪音交易者的預期收益是高還是低，就要看一定條件下，上述兩組效應中哪一組佔有明顯的優勢。如果噪音交易者普遍看淡後市，此時不存在多多益善效應，他們的平均收益不會太高；當噪音交易者對市場過於看好時，價格壓力效應會增大並發揮主導影響，他們平均來說也不會獲得高的收益只有在對市場看多的程度處於中等時，多多益善效應和空間創造效應發揮主要作用，噪音交易者才能獲得相對較高的預期收益，並且風險迴避型的投資者越多，噪音交易者的平均收益也相對越高。De Long等人的這一發現表明，噪音交易者在市場中並不總是虧損的，當然他們也並不總是盈利，在條件具備的情況下，他們的預期收益可以為正，甚至高於套利者。
㈦ 噪音交易者的預期收益
早在70年代，弗里德曼Friedman和法馬Fama就討論了噪音交易者長期存在的可能性及其對市場的影響問題：他們認為，當噪音交易者抬高了股票的瞬時價格使其高於基本面價值時，理性套利者就會賣空股票、打壓市場價格，直到價格回復價值為止，此時，套利者低價買回股票，賺取高賣低買的差價收益，這使噪音交易者所獲投資收益水平比與之進行交易的套利者要低，所以經濟利益的選擇機制會把他們逐漸淘汰。而這種套利行為的另一個結果就是任何價格偏差都將被市場迅速糾正，價格始終貼近基礎價值，這就是通常所說的「市場選擇理論」 根據這一理論，噪音交易者在資產價格形成過程中的作用是無足輕重的，可以忽略不計。就連噪音交易理論的代表布萊克(Black，1986)也認為，由於噪音交易者總是高買低賣，所以噪音交易者作為一個整體將是虧損的，相反，套利者則在財務上處於強勢。而且， 噪音交易越多，套利者就有越多的獲利機會
1990年，De Long，Shleifer，Summers和Waldman建立了DSSW模型，證明了噪音交易者可以獲得正的預期收益，並且他們的收益可能比套利者更高。
㈧ 雜訊交易理論的市場流動性
流動性對一個市場的存在是至關重要的，Teweleshe和Bradly認為，判斷市場持續性的四個標準是： （1）市場交易頻繁；（2）買入賣出報價價差甚微；（3）執行委託迅速；（4）交易價格波動不大。
市場流動性具有多重性，其定義取決於人們所強調的方面而發生改變，很難做出一個准確的定義。 Hicks對流動性定義為「立即執行一筆交易的可能性」。Grossman和Miler認為可以通過「當前報價和時間下執行交易的能力」評價一個市場的流動性。Massimb與Phelps把流動性概括為「為進人市場的訂單提供立即執行交易的一種 市場能力和執行小額市價訂單時不會導致市場價格較大幅度變化的能力」。因此，我們將市場流動性定義為：如果交易商在其需要的時候能夠以較低的交易成本很快地買或賣大量的股票，並對價格產生較小的影。向，則稱市場是流動的。根據這一定義，流動性集中體現在兩個方面——即時性和不變價格。前者主要表現在交易的速度上，由交易的數量（包括交易人數和交易次數）與交易機制決定；後者則體現了價格的穩定性。
流動性的衡量指標主要是市場深度（depth）、寬度 （width）和彈性（elasticity）。
（1）深度是指在一個給定的買賣報價下可以交易的股票數量，在實際應用中，市場深度由高於目前證券成交價格的訂單和低於目前證券成交價格的訂單數量之和表示。這些訂單數量越多，市場越有深度，流動性越強；反之，市場缺乏深度，市場流動性較差。
（2）寬度是指對某一給定數量的股票的買賣價差，即它衡量流動性的每股成本。買賣價差越大，交易的成本越高，市場的流動性越差。
（3）彈性是指由交易引起的價格波動消失的速度，或委託單不平衡的調整速度，具體而言，當臨時性的訂單不平衡導致價格發生變化後，新的訂單立即大量進入，並使價格很快調整到原先價格時，則稱市場是具有彈性的；當訂單流量對價格變化的調整緩慢，則市場缺乏彈性。據此定義，市場彈性：交易前後價格變化比率/交易發生後價差恢復到交易前狀態的時間。
不管是有效市場假說還是雜訊交易理論，雜訊交易的基本作用被假設為活躍市場，為市場提供流動性。由於雜訊交易者通常都是一些非知情交易者，他們交易的首要目的是通過迅速變現實現手持證券的流動性，而非收益或利潤最大化，在一定程度上提高了市場交易的活躍程度。
衡量雜訊交易的一個指標就是換手率，換手率是指在一定時間內市場中股票轉手買賣的頻率，指當天成交量與公司流通量的比率，其計算公式為：換手率=（某一段時間內的成交量/流通股數）×100%。由於雜訊交易對市場流動性有直接的促進作用，換手率的高低又直接體現雜訊交易的程度，人們常常把換手率當作市場流動性的衡量指標。如前所述，市場流動性，作為反映市場有效性的指標之一，有自身的衡量指標。不包含價格穩定性的換手率的高低在一定程度上反映了市場的活躍程度，但不能完全反映出市場是否具有高流動性，所以，並不能得出結論：換手率越高，雜訊交易越頻繁，市場的流動性就越高。
總的來說，由於雜訊交易的基本目的是獲得變現能力，對單只股票和單次交易而言，是流動能力，但對於整個市場而言，是眾多股票的交易，是眾多知情、非知情（雜訊）交易者之間反復討價還價的交易過程，其間價格的波動程度不是單純由雜訊交易者完全左右的，因此，雜訊交易對市場流動性的作用有限，換手率對市場流動性的反映程度也有限。
㈨ 金融市場中噪音理論產生的原因
1999-03-03 作者：高揚 來源：北京商學院
金融資產是商品經濟發展到一定程度的產物，其根源來自於對現實物質生產的需求，通過發行股票、債券等方式籌集資金用於實物資產的投資。金融資產作為一種權利（債權、所有權）憑證，卻脫離了實物資產而在金融市場中作為一種商品由眾多的投資者來交易。金融資產的這種虛擬性質，在現代經濟社會中因其電子虛擬化的交易方式和越來越多的衍生產品的存在而更加突出。盡管金融資產在形式上逐漸脫離了與實物資產的聯系，但兩者之間的內在聯系卻是不能忽視的，即金融資產的價值實質上是由與之相關的實物資產等基本因素決定的。金融資產價值本質也就體現出它與實物資產最根本的聯系，也只有如此，資源才能在這一價值的引導下進行合理配置，從而提高經濟運行效率。
在金融市場上，金融資產的價值是由眾多交易者的交易行為表現出來的。交易者根據各自對信息的收集與分析預測而進行交易，其價格是眾多交易者收集信息所反映的結果。在一個充滿不確定的經濟現實中，信息是紛亂的、復雜的，信息的收集也是要花費成本的。同時，不同交易者收集、分析信息能力是有差異的，所以交易者佔有的信息也是不完全對稱的。在這一前提下，交易形成的價格是不充分、不完全的，與金融資產的價值存在著偏差，由此產生了以研究這一偏差的理論—「雜訊」理論。
金融市場雜訊可以表述為：資產價格偏離資產均衡價值的狀態。雜訊理論就是研究「雜訊」產生的原因與表現。雜訊理論立足於金融市場上交易者的現實情況，通過對價格異常變化的分析、研究以及數理模型的推導，論證了金融市場上的「雜訊」。「雜訊」理論共同的基本前提包括兩個方面：
1?雜訊交易者是長期存在著的。布萊克將雜訊交易者定義為：把「雜訊」視為真正的信息而進行交易的人。在雜訊理論研究者中，雜訊交易者有著不同的行為特徵：
(1)錯誤地認為他們掌握了有關風險資產未來價格的特殊信息，這些信息雜訊可能來自於技術分析師、股票經紀人或者經濟顧問的一些虛假信息；
(2 )對未來價格表現出來的過分主觀的錯誤看法；
(3)對選擇證券組合依據一種不正確的理念等等。
盡管行為表現有所不同，但他們的本質是相同的，即在信息不完全情況下對未來價格的判斷是錯誤的，與之相對的則是信息相對完全的理性的交易者。雜訊交易者的存在，增加了市場流動性。並且，由於交易者之間始終存在著收集信息的差異、信息成本差異以及投資理念上的差異，使得雜訊交易者始終作為交易者的一部分而存在於金融市場中。
2?投資者中存在著短期交易者。他們出於消費需求或調整投資組合的需要而進行持倉期較短的交易。
在以上兩個前提存在的情況下，經濟學家從不同角度分析了不同交易者在這一環境下的行為特徵以及所帶來的價格上的「雜訊」。
一、理性泡沫理論——對理性套利者行為影響
德朗等在1990年發表的名為《金融市場中的雜訊交易者風險》的論文中，詳細闡述了這一觀點。該模型假設存在兩種交易者：雜訊交易者和理性套利者。對於理性套利者來說，他們所面臨的不僅有基礎性風險，而且還有雜訊交易者自身創造的風險。例如：當雜訊交易者今天對某一資產持悲觀態度時，則會使價格下跌，套利者此時進行交易是因為他認為價格在不久就會恢復。如果雜訊交易者的看法並未扭轉並更加悲觀時，對於短期套利者來說，就可能使他遭受損失。
由於這種風險的存在，套利者與雜訊交易者對抗力量削弱，從而使雜訊交易者「創造了自己的生存空間」。由於雜訊交易者收益高，因此可能有部分理性套利者轉為雜訊交易者。從長期來看，雜訊交易者主導了整個市場，從而使市場效率消失。對於專業套利者來說，他們的行為可能受此影響，不再是對基本面的套利，而是對雜訊交易者的反映，他們花費資源去檢驗、預測雜訊交易者的行為，從而與之對抗，由此所獲的私人回報可能超過社會平均收益。
這一理論能夠合理地解釋證券、期貨、外匯市場中的價格異常現象，及其價格過分波動、股票市場價格的反彈、資本價值的高估及限額共同基金的低估等等。這一理論與弗里德曼和法馬(Fama)的觀點截然相反，他們認為雜訊交易者不是資產價格形成的重要因素，因為非理性的雜訊交易者會遇到理性套利者的反擊，在對抗過程中會使價格趨向於基礎價值。並且，在交易過程中，對資產價值判斷完全錯誤並影響價格的人遭到損失，套利者會從中受益，最終雜訊交易者會從市場上消失，因此他們不會過多地影響價格，即使會，也不會持續很長時間。
二、信息聚集理論——對搜尋信息者行為的研究
弗魯特等人在1992年闡述了信息聚集這一理論。在他們的模型中，交易者分為三種：長期交易者、短期交易者、流動交易者(即雜訊交易者)。
假設存在a、b兩個與基礎資產有關的信息，交易者只能無成本的獲取其中之一而不能同時佔有(信息是有成本的)。對於長期投資者來說，依賴於相同信息a交易的人越多，就會減少利用該信息的投資者的效用。這種負的信息溢出效應符合傳統的有效市場理論。
但是，當投資者是短期交易者時，信息的溢出效應可能為正，即越多的投資者集中於某一個信息（如a），投資者從中獲利就越多。在這種情況下，a信息就漸漸融入到價格中，而b信息則未充分反映到價格上，從而降低信息效率，使價格存在雜訊。該模型進一步放寬了a、b是與基礎資產價值有關的假設，即當存在與基礎資產價值無關的信息c時，研究c的投資者越多，也同樣會使交易者獲利更多。
例如，以技術分析為依據的交易者，他們交易所依據的並非是與資產價值相關的信息，而是價格、交易量變化的圖表，當越來越多交易者採用圖表分析法，分析得出相似的結論時，他就從中獲利，從而促使更多的交易者去研究它，盡管它是與基礎價值完全不相關的。在這個模型中，正的信息溢出效應導致投機者傾向於忽視與基本面有關的信息，「聚集」在某一信息上，而忽視其他信息。這種正的信息溢出效應使專業投資者在收集分析信息時，關注的不是自己認為重要
㈩ 雜訊交易者的預期收益
早在70年代，弗里德曼Friedman和法馬Fama就討論了噪音交易者長期存在的可能性及其對市場的影響問題：他們認為，當噪音交易者抬高了股票的瞬時價格使其高於基本面價值時，理性套利者就會賣空股票、打壓市場價格，直到價格回復價值為止，此時，套利者低價買回股票，賺取高賣低買的差價收益，這使噪音交易者所獲投資收益水平比與之進行交易的套利者要低，所以經濟利益的選擇機制會把他們逐漸淘汰。而這種套利行為的另一個結果就是任何價格偏差都將被市場迅速糾正，價格始終貼近基礎價值，這就是通常所說的「市場選擇理論」 根據這一理論，噪音交易者在資產價格形成過程中的作用是無足輕重的，可以忽略不計。就連噪音交易理論的代表布萊克(Black，1986)也認為，由於噪音交易者總是高買低賣，所以噪音交易者作為一個整體將是虧損的，相反，套利者則在財務上處於強勢。而且， 噪音交易越多，套利者就有越多的獲利機會
1990年，De Long，Shleifer，Summers和Waldman建立了DSSW模型，證明了噪音交易者可以獲得正的預期收益，並且他們的收益可能比套利者更高。