㈠ 正螺旋效应是怎么产生的
沪深A股市场价格混沌特性研究
Study on Chaos process of stock price in Shanghai and Shenzhen A shares Stock market
研究领域： 金融学
1、前言
现代金融经济学理论假定投资者是理性的，证券价格等于其内在“基本价值”，在这种理想的市场环境中，市场是有效率的。Fama(1970)提出有效市场假说（Efficient Market Hypothesis,EMH），认为在一个有效率的市场中，证券的价格充分反映了所有可获得的信息。为了检验市场是否有效，所采用的方法一般是通过检验证券价格收益率序列是否符合随机游走模型。关于市场效率的实证研究持续了近半个世纪，但结论仍然是存在极大争议的。
自然科学的研究成果表明，一个非线性正反馈系统的演化过程可能产生混沌（Chaos）。许多经济行为模式都是非线性的，例如，投资者对风险与收益的偏好、市场参与者之间的决策博弈、一些经济合同及金融工具的选择性条款等。行为金融学派认为，投资者并非完全理性的，而是存在“代表性直觉（Representativeness heuristic）”等认知偏差（Kahneman 与 Tversky，1979），在这些认知偏差影响下，由于羊群效应（Scharfstein 与 Stein，1990）、外推预期等因素，证券市场存在正反馈机制（De Long等，1990b）。因此，证券价格形成过程中，存在非线性正反馈机制， 在这种机制的驱动下，证券价格有可能出现混沌(Chaos)现象，使证券价格的演变表现出复杂性（Complexity）。
混沌概念是E．Lorenz（1963）最早在研究大气运动时提出的，它是指确定性系统的内在不规则的、永不重复的非周期性运动，这种系统存在内在非线性正反馈动力，其定常状态是一种性态复杂、紊乱但却使终有限的运动状态，且系统的运动路径受系统初始条件及参数影响很大。混沌表面上看起来像随机运动，它能通过所有传统的随机性检验，例如，在许多计算机系统中，类似于Logistic映射这样的混沌过程算法就被作为伪随机数发生器(Pseudo Random Number Generators)产生随机数序列。混沌貌似随机性（Randomness），但它不是随机性。随机性是随机过程，是噪声扰动引起的。而混沌则是由内在确定性的非线性正反馈引起的，因此也被称为确定性混沌(Deterministic Chaos)。
混沌的概念提出以后，对现代金融经济学中有效市场理论的冲击是巨大的。Fama(1970)通过检验证券价格收益率序列在统计上能通过随机行走模型检验，从而认为市场是有效的。但是，如果证券价格收益率序列存在确定性混沌过程，它在数学上也完全能够通过所有随机性检验，但它却不是随机运动，而是受内部确定性过程驱动，这样，传统金融经济学有效市场理论的基础将变得十分脆弱。
本文将简要回顾混沌理论的研究成果及其在金融市场研究中的应用，并对沪深A股市场价格的混沌特性进行实证研究。本文的研究表明，沪深A股市场存在低维确定性过程。
本文余下部分安排如下，第二部分是对混沌理论及相关研究成果进行简要回顾，第三部分对沪深A股市场股票价格混沌特性进行实证研究，第四部分是全文的总结。
2、混沌理论及证券价格的混沌特性
Lorenz（1963）在研究气象预测时发现，大气运动这样的复杂系统存在混沌过程，在一定的条件下，系统运动的轨迹将是围绕两个不动点（即奇异吸引子，Strange Attractor）的发散的螺旋，并局限在一个有界的、体积为零的曲面上，进行不断无规则的振荡。这种不规则的来回振荡，好像飞蛾看到两个光源，飞向一个光源，当靠近时感到太热又飞向另一光源，如此不规则地来回飞腾，其飞行的轨迹永不重复。由于它的形状类似蝴蝶的双翼，所以也被称为Lorenz蝴蝶结，如图1所示。
图1 Lorenz 蝴蝶结
周期运动或周期性振荡是大量存在的，但上述Lorenz过程是非周期振荡，好像永不结束的过程，然而它既不发散也不消失，一直是不规则的振荡。这种振荡的轨迹在三维相空间上是螺旋线，非常密集的曲线在无穷多层平面上呈分形结构（Fractal Structure，参见Mandelbrot, 1985），无穷长，且对初始条件敏感，初始条件中无足轻重的误差能够被系统迅速放大，导致系统的演变路径大相径庭。正如Lorenz 所指出的那样：“巴西一只蝴蝶的扇动可以引发得克萨斯洲的飓风”，即所谓“蝴蝶效应（Butterfly Effect）”。
混沌是作为确定性过程与随机性过程的桥梁，确定性过程是完全可预测的，而随机性过程则是完全不可预测的，而混沌过程则是界于确定性过程与随机性过程之间。由于混沌过程对初始条件敏感，初始细微的误差可以成倍地放大，因此，对于长期来看，系统的演变是不可预测的。但是，如果初始条件保持稳定，运用混沌过程对系统的短期演化状态进行预测，得到的结果将比采用线性随机过程可能得到的预测结果精确得多，因此，混沌过程对经济分析与预测的意义是明显的。这可以解释为什么传统经典金融理论认为奉行图表分析的技术分析是无意义的，但在金融市场仍然存在为数众多的投资者采用技术图表分析，追随证券价格趋势（Murphy, 1986），而且这些交易者并不像传统理论所认为的那样，在与理性交易者长期博弈过程中，这些交易者将因遭受亏损而被赶出市场。
在行为金融学分析框架下，由于证券市场投资者并非完全是古典意义上的理性经济人，投资者存在认知偏差，对同一事件不同投资者具有不同的价值判断，从而表现出不同的决策行为。事实上，按照Kahneman 与 Tversky(1974,1979)提出的前景理论（Prospect Theory），各类投资者的风险偏好并不是固定不变的，存在风险偏好的反转。投资者的价值函数是根据参考点进行定义的，在赢利时是凹函数，在亏损时是凸函数，即在赢利时是风险厌恶型的，而在亏损时是风险追求型的，而且在亏损区间比在赢利区间更陡峭，人们对亏损比对赢利更加敏感。
此外，在前景理论中，投资者权重函数也是非线性的。在极端低概率及极端高概率处，权重函数都存在跳跃，某一事件如果其发生的概率极端地高，明显地接近于1，则决策者在编辑阶段将明确地将其视为确定性的事件，相反，如果某一事件发生的概率极端地小，接近于零，则决策者在编辑阶段可能就将其忽略。因此，人们倾向于对那些极端不可能的事件或者忽略或者高估，而对于一些极端高概率的事件则或者忽视或者夸大。
投资者在决策时存在保守主义(Edwards, W., 1968)，不会轻易对新收到的信息做出反应，除非人们确信得到足够的信息表明环境已经改变。而且投资者的行为模式一般是当环境的变化已经达到一定阀值以后，才一起对所有的信息集中做出反应。例如，对理性投资者来说，其对证券的需求并不完全与证券价格偏离基础价值的程度呈线性关系。在投资实务中，证券分析师与投资经理会经常设定一个他们认为安全的价格线, 价格在此安全价格线以上, 他将进一步等待, 而一旦价格低于这一预先判定的价格时, 他们将迅速大量买入。例如，价值投资理论的创立者本杰明•格拉厄姆（Benjamin Graham）特别强调投资的安全边际（Safety Margin），只有投资者的预期收益达到一定程度以上时，才会建议买入证券。
总之，在证券市场，由于噪声交易者的存在、从众心理及羊群效应等产生的群体性非理性行为可能形成正反馈效应，这种正反馈机制会使证券价格的演变产生十分复杂的运动，在一定条件下产生混沌过程，导致证券价格收益率分布呈现分形等复杂结构，表现出高度的复杂性。例如，价格的突然大幅度波动则导致分布产生胖尾现象，而混沌及局部奇异吸引子的出现，导致证券价格胶着于一些价格附近，来回进行无规则的反复振荡，则使证券价格分布出现局部尖峰的特征。
现实市场中的非线性特性将进一步增加证券价格形成的复杂程度，使市场交易在本质上变成一种不同投资者之间的多轮博弈。由于证券价格的演变可能形成混沌过程，系统的初始状态对证券价格的演变路径影响很大，初始状态细微的差别将导致长期结果的巨大差别，即所谓“失之毫厘，谬以千里”的蝴蝶效应。因此，就长时间跨度来说，证券价格波动的方向及波动的幅度都是难于预测的。股票价格的波动形式既可以呈现出稳定的均衡（即通常所说的“盘整”），也可以是非周期性的振荡，还可以突然出现暴发性上涨（泡沫）或者大幅度下跌（泡沫破灭或者负泡沫）等剧烈波动，局部可能与整体相似，但永不重复且不可逆转，呈现分形等复杂且不规则的分形结构，表现出高度的复杂性。混沌过程所拥有的“蝴蝶效应”还可以解释一些偶然性局部事件所引发的全球性金融市场异常波动，例如，上世纪90年代初的“墨西哥金融危机”及90年代后期的东南亚金融危机等。如果证券价格存在混沌特性，则意味着证券价格变化在短期内存在一定的可预测性，而进行长期预测则是极为困难的，从投资策略角度看，这意味着基于证券价格短期变化的交易者可能存在生存的空间。
在实证研究方面，Fama 1970年提出有效市场假说以后，关于资本市场效率的实证研究不胜枚举，大量经验研究表明，证券价格收益率分布不是高斯分布，具有尖峰与胖尾的特点，经常产生一些极端数值，而且，按不同的时间间隔建立收益率分布曲线，得到的都具有相似的尖峰与胖尾的特征，具有时间分形的特征。Mandelbrot(1972)提出重标极差分析法（Rescaled Range Analysis, R/S分析方法）以后，许多学者运用R/S方法研究了股票市场效率及检验股票市场价格是否存在记忆特性。这方面的文献包括：Peters（1989,1991,1996），Lo（1991）， Pandey，Kohers与Kohers（1998）等。这些经验研究结果显示，金融数据具有长期记忆的特征，即是说，股票当前价格运动受到以前的价格运动的影响。这意味着股票价格存在一定时间区间内的趋势持续效应，这也在一定程度上印证了股票价格形成过程中存在正反馈效应。
Lorenz(1963)提出混沌理论以后，Grassberger and Procaccia(1983a)提出了关联维数（Correlation Dimension）的分析方法，用以识别时间序列是否存在低维确定性过程。Scheinkman 与Lebaron（1989）根据美国证券价格研究中心（CRSP）提供的以市值为权重的美国股票收益率指数，对始于1960年代初期的共1226个周收益率数据考察了其关联维数（Correlation Dimension, CD）, 他们研究得到CD值为6，从而认为美国股票周收益率序列总体表现出了非线性关联，并认为这种非线性关联可以解释金融资产分布的尖峰、胖尾等特性。Brock与Back（1991）再度扩展了Scheinkman 与LeBaron的研究，得到的CD值在7-9之间，因此，也拒绝了股票价格收益率是独立同分布（Independent Identical Distribution，IID）的假设，倾向于支持股价收益率分布存在低维确定性过程的备择假设，但他们同时指出，并不能就此认为存在混沌过程。Urrutia等（2002）的研究则提出了针锋相对观点，他们研究了1984年至1998年期间美国保险公司股票收益率特性，研究表明保险公司股票收益率存在非线性特征，并且进一步验证导致这种非线性的原因就是低维混沌过程。总体而言，这些经验研究提供了实质性的证据表明，股票、汇率、商品期货等金融数据序列存在非线性结构，但就是否明确存在低维确定性混沌过程，则结论不完全一致，仍然存在争论。
对于中国大陆股票市场，戴国强等（1999）对上证综合指数及深证成份指数进行R/S分析，计算得到Hurst指数分别为0.661和0.643；史永东（2000）所作的R/S分析显示，上海证券交易所股票市场的Hurst指数为0.687，而深圳证券交易所股票市场的Hurst指数为0.667；曹宏铎等（2003）计算的深证证券交易所股票市场日收益率、周收益率、月收益率的Hurst指数分别为0.6507，0.7000，0.6906及0.7576。上述经验研究表明，上海及深圳股票市场并不呈随机行走的特征，而具有状态持续特征，同时也意味着中国股票市场不是弱式有效的。
事实上，关于中国股票市场是否弱式有效，一致存在极大争议。正如张亦春与周颖刚（2001）所意识到的那样，一方面，多数研究人士凭经验就感觉到中国股票市场投机性强，远未达到有效状态。例如，沪深A股市场近年来上市公司财务造假不断案发 ，庄家操作市场盛行 ，股价严重脱离内在价值，上海A股市场在2000年及2001年平均市盈率高达60多倍，被很多学者斥为“赌场”，宣称这样一个市场已达到弱式有效状态，确实让人们难以接受。另一方面，许多学者所作的实证研究却表明，证券价格收益率序列十分接近随机行走模型，因而无法有力地拒绝有效市场假设。经验感觉与理论研究结论大相径庭，这其中的原因究竟是什么？到底是现实错了？还是学术理论研究有问题？混沌的思想让我们豁然开朗！因为，如果证券价格存在混沌过程，或者是在混沌过程基础上迭加一个随机过程，那么，市场显然是无效的，但证券价格收益率序列同样能通过随机性检验。例如，假设证券价格波动序列是一个Logistic 映射过程，它显然是一个确定性的混沌过程，但是，这一过程在许多计算机系统是被当作伪随机数发生器，常规的检验方法根本无法识别确定性过程，而是将其视为随机序列！如果这样的话，所有通过考察证券价格是否能够通随机性检验的方法来考察资本市场有效性的研究，其理论基础及研究结论都将受到质疑。
3、沪深A股市场价格混沌特性实证研究
本文同时采用R/S分析方法及关联维数（Correlation Dimension,CD）分析方法考察沪深A股市场的非线性特征。通过R/S分析方法能够识别出证券价格序列是否存在持续效应，这在某种程度上可以验证股票市场是否存在正反馈交易机制，正反馈过程是产生混沌的前提。采用关联维数分析，可以识别股价序列是否存在混沌特征。我们的数据来源于乾隆公司的钱龙资讯系统。
3．1 R/S分析
Hurst（1951），Mandelbrot(1972)及Lo（1991）等所发展并完善了赫斯特指数(Hurst Index)的分析方法，即重标定域（Re-scaled range，R/S）分析方法。
赫斯特指数(H)可以用来识别时间序列的非随机性, 还可以识别序列的非周期性循环，因而可以用于识别时间序列的非线性特征。如果序列的赫斯特指数不等于0.50，则观测就不是独立的，每一个观测值都带着在它之前发生的所有事件的“记忆”，这种记忆不是短期的，它是长期的，理论上讲，它是永远延续的。虽然远期事件的影响不如近期事件的影响大，但残留影响总是存在的。在更宽泛的尺度上，一个表现出赫斯特统计特性的系统是一长串相互联系的事件的结果。今天发生的事情影响未来，今天我们所处的地位是过去我们所曾处的地位的一个结果。
关于Hurst赫斯特指数的详细计算参见文献Mandelbrot(1972)及Lo（1991）等，其计算过程如下：
1．对一个时间序列 ，考察长度为n的时间窗口内的子序列， ，n=1,2,3,……K，计算序列的平均值为：
………………………………（1）
2．计算子序列偏离均值的差值
………………………………（2）
显然， 的均值为零，这是重标定或归一化（标准化）。
3．计算偏离均值的累加值
……………………………（3）
4．计算时子序列的域
………………………………（4）
5．计算采样子序列的标准差
………………………………（5）
6．计算子序列重标定域
……………………………（6）
7．求解全序列 的均值
………………………………（7）
8．求解赫斯特指数
与 有幂关系，即：
……………………………（8）
……………………………（9）
在对数坐标上，设水平轴n，纵轴为 ，对 与 进行回归, 则线性回归的斜率为赫斯特指数。
我们选取上海证券交易所A股综合指数从1990年12月19日至2003年12月23日，以及深圳证券交易所A股综合指数从1992年10月4日至2003年12月23日期间的交易数据，分别计算其日收益率及周收益率序列的赫斯特指数，从而考察沪深A股市场的证券价格是否存在非线性特征。
采用上述方法,计算得到沪深A股综合指数的赫斯特指数,如表1所示，在图2—图5中，还详细地列出了R/S分析图。
表1 沪深A股综合指数Hurst 指数
上海A股指数 深圳A股指数
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 )
图2 上证A股指数日收益率序列 图3 上证A股指数周收益率序列
图4 深圳A股指数日收益率序列 图5 深圳A股指数周收益率序列
从表中数据我们可以看到，沪深A股市场的赫斯特指数无论以周数据统计还是以日数据统计，结果基本一致，均在0.60以上。H值大于0.50，意味着今天的事件确实影响明天，即是说，今天收到的信息在其被接收到之后继续被市场计算进去， 这从另一侧面印证沪深A股市场价格并不呈随机行走状态，收益序列之间存在一定的关联性，这是一种持续效应（Persistence effect）。如果股价序列在前一个期间是向上运动的，则它在下一个期间将更可能继续向上运动的趋势，反之，在前一个期间是向下运动的，则它在下一个期间更可能持续向下运动的趋势。股价序列的这一特性与经验感觉是一致的，无论是国内股票市场还是全球其它地区的股票市场，典型的牛市或者熊市，并非短暂的数日或者数月，往往持续数年。而股票市场极其异常的波动，例如，美国股市1929年股灾、1987年的暴跌等，均使投资者对市场的信心受到严重打击，市场在其后很长一段时间深受其影响。股价的持续效应在某种程度上印证了股票市场存在的正反馈效应机制。
3．2 关联维数分析
Grassberger 与Procaccia(1983a,1983b)提出了关联维数（Correlation Dimension，CD）方法，用以考察时间序列的非线性特性。其基本思想是：如果一个混沌过程是n维确定性过程，则该过程将充满n维空间，但如将其置于更高维的空间里，该过程将留下许多“洞眼”。一般地，关联维数度量的是相空间被一组时间序列“填充”的程度，关联维数越大，填充程度越高，表示时间序列内部结构越复杂，它类似随机过程时间序列的程度越强。需要指出的是，我们仅对低维混沌过程感兴趣。 如果股票价格真的是高复杂性的混沌过程，我们采用有限的样本数据是永远也无法识别出其复杂的结构的。此时，它可能与一个良好的“伪随机数发生器”产生的数据相近，高维混沌过程与随机过程将没有实际意义的区别。
设时间序列 由具有 个自由度的非线性动态系统产生，可以构造 维相空间失量：
………………（10）
其中， 被称为镶嵌维(Embedding dimension)， 为适当的时滞单位。时间序列过程在相空间的运行轨道是由一系列 维失量构成。如果该系统最终收敛为一组确定性过程，则该系统的运行轨道将收敛于相空间中维数低于 的相空间子集，即吸引子（Attractor），在这些吸引子周围的运动是混沌过程，具有非周期性且长期运动状态无法预测。
考虑吸引子附近的失量集合 ，关联积分（Correlation Integral） 定义为对于任意给定的 ，那些彼此之间的距离小于 的点数对（Pairs of Points） 的数量占所有可能的点数对的比例，即：
……………………（11）
其中， ……………（12）
当 时，对任意小 ，可以预期C遵循指数幂变化规律，即：
，从而关联幂（Correlation Exponent）可以通过对 与 对回归计算得到：
……………………………（13）
如果系统存在确定性混沌过程，随着镶嵌维数的增加，关联幂D值达到饱和值以后，将大约保持不变，这一关联幂指数的饱和值就是吸引子的关联维数。如果系统是随机过程，则随着镶嵌维数的增加，D值亦将成比例地增加，趋向无穷大 。
图6 上证A股指数在不同镶嵌维空间中的关联积分
图7 上证A股指数关联维
我们考察上海证券交易所A股综合指数从1990年12月19日至2003年12月31日期间日收益率时间序列的关联维。图6为上证A股综合指数在1-8维相空间中关联积分 随 值的变化情况。从图中我们可以看到，在 值处于0.0003-0.005区间时, 与 的变化呈现出指数幂关系。图7是关联幂D随镶嵌维数m的变化情况，我们可以看到，随着镶嵌维数m超过2以后，关联幂D值不再增加，而是稳定于大约 区间, 即上证A股综合指数的关联维数大约为1.4, 因此, 我们可以推测, 上证A股综合指数存在关联维数大约为 的低维确定性混沌过程。
相对于Scheinkman 与Lebaron（1989）及Brock与Back（1991）等计算得到的成熟资本市场关联维数，我们计算得到的上海A股市场的关联维数明显更低。如果时间序列是一个低维确定性过程，则意味着时间序列在短期是具有一定的可预测性的。从这个意义上看，我们认为，相对成熟资本市场，上海A股市场指数的随机性程度更低，而短期可预测性更强，这在某程度上也说明市场效率程度相对更低。另外，由于混沌特性，证券价格在短期具有一定的预测性，但进行长期预测则是极为困难的，从投资策略角度看，意味着基于证券价格短期变化的交易者可能存在获取利润的空间。
4、结论
在一个存在非线性正反馈机制的系统中，系统的演化理论上可能出现混沌过程。 证券市场由于噪声交易者的存在、从众心理及羊群效应等产生的群体性非理性行为，形成正反馈效应，从而可能导致证券价格的演变呈现出混沌过程，表现出复杂性。
本论文所做的实证研究表明，沪深A股市场指数的赫斯特指数大于0.5，这意味着沪深A股市场价格并不呈随机行走状态，收益序列之间存在趋势持续的特性，这也在一定程度上说明了股价形成过程中存在正反馈效应。对上海A股市场指数的考察进一步表明，上海A股市场指数收益率序列存在低维确定性混沌过程，其关联维数大约为1.4。 这一数值远低于成熟资本市场的指标，这表明上海股票市场指数收益率序列随机性低于成熟资本市场, 市场在短期的可预测性更强一些, 这在某种程度上表明市场的效率程度更低一些。市场存在确定性混沌过程，市场显然是无效的，但是，由于混沌过程同样能够通过随机行走模型检验, 我们认为, 这也许是为什么关于资本市场效率的传统实证检验结果仍然存在极大争议的原因。因为常规检验方法无法区分混沌过程与随机过程，因此，本论文认为，所有采用常规方法，通过考察证券价格是否符合随机游走模型，从而推断资本市场有效性的研究，其理论基础及研究结论均存在严重缺陷。由于证券价格运动的混沌特性，这意味着证券价格在短期具有一定的可预测性，但进行长期预测则是极为困难的。证券价格的这种混沌特性，从投资策略角度看，意味着基于证券价格短期变化的交易者可能存在生存的空间。
内 容 提 要
行为金融理论认为，投资者不是完全理性的，而是存在各种认知偏差。由于噪声交易者的存在、从众心理及羊群效应等产生的群体性非理性行为，证券市场存在正反馈效应。而且，投资者行为模式都是非线性的，在一个存在非线性正反馈机制的系统中，证券价格的演化可能出现混沌过程。
本论文所做的实证研究表明，沪深A股市场价格并不呈随机行走状态，而是存在非线性结构；上海A股市场指数收益率序列存在低维确定性混沌过程，其维数大约为1.4, 这一数值远低于成熟资本市场的指标，这表明上海股票市场指数收益率序列随机性低于成熟资本市场。由于市场存在确定性混沌过程，市场虽然是无效的，但同样能够通过随机行走模型检验，这也从某一角度说明了，为什么关于资本市场效率的传统实证检验结果仍然存在极大争议。由于混沌的存在，证券价格变化在短期具有一定的可预测性，但进行长期预测则是十分困难的。
㈡ 噪声交易理论的噪声交易理论的启示
金融噪声交易理论比较好的解释了金融市场交易中的非理性行为。噪声交易普遍存在所造成的市场价格的剧烈波动及其严重后果对金融市场监管当局维护市场稳定的决心提出了挑战对普通投资者而言，制定投资策略时需要把噪声交易作为一个变量来考虑。金融市场噪声交易理论从市场监管和投资策略两方面具有启示作用。
1、噪声交易对金融市场监管的启示。
既然信息的高成本与不对称是产生 噪声”的根源，监管的方向就是尽可能的减少信息成本与信息的不对称性。鉴于我国的证券市场是典型的新兴市场，信息披露不充分，会计标准不清晰，产生信息的不合理配置的可能更大也更严重。因此，可以对信息披露制度进行完善，并制定措施保证其得到严格执行：对投资大户．机构投资者以及接近内幕消息的人士获取内幕消息进行监管和惩罚，提高其获得信息的成本和事后受惩罚的概率，从而降低人为因素造成的信息不对称程度：加强对证券投资机构，市场评论者，市场中介机构以及市场调查等机构对信息加工处理与公布质量的要求及其责任的承担。
2、金融噪声交易理论对投资者的启示。
我国的证券市场正处于由散户博弈时代向机构博弈时代过渡。在这个过程没有完成以前，市场上短期交易仍然十分普遍，投资者仍热衷于获得市场的各种小道消息。这种环境下，噪声交易的大量存在是不可避免的，而且在持续时间，涉及范围及价格波动幅度上都要比西方发达国家金融市场有过之而无不及。这可以从我国A股市场上极高的换手率和狂炒ST．PT股票得到证明。持续的噪声交易使金融资产价格不断偏离其基本价值．理性投资者不能通过其对基本价值的认识利用这种偏离套利，因为价格的偏离可能在理性投资者买入或卖出后继续沿同一个方向运动，而不是相反。噪声交易理论告诉每一个想在这样的市场环境下生存的理性交易者，获利的最好办法是预期噪声交易者对噪声的反应程度，于噪声交易开始不久后介入赚取价差。
㈢ 噪声交易者的起源
最早提出“噪音交易者”(noise trader)概念的是Kyle(1985)，Black(1986)。进一步将噪音交易者明确定义为无法获得内部信息(inside information)，非理性地把噪音当作信息进行交易的投资者。 市场选择理论的代表人物Fama和Friedman认为噪音交易者在市场的预期收益为负，总是处于亏损的状态，因此无法长期存在。而行为金融理论的最新研究成果则提出了相反的观点，De Long，Sh1eifer，Summers和Waldman(1990)提出的DSSW模型证明了噪音交易者可以获得正的预期收益。但是，某次或某几次交易中能够获得正的预期收益并不意味着他们能够获得更多的长期财富，具有长期生存的能力。迄今为止，De Long等人(1991)建立的资产组合配置模型和Kogan模型(2003)较好地说明了噪音交易者的长期生存能力问题。
㈣ 噪声交易者的削弱影响
噪音交易者在金融市场中长期生存既得到了理论上的证明，也是现实中各国证券市场都普遍实际存在的现象，这一现象将对证券市场的稳定产生极为不利的影响。而我国的股票市场兼有新兴和转轨两大特征，噪音交易者的影响就更为严重。要削弱这种影响，股票市场改革需要做到：
第一，培育理性市场主体，包括大力培育机构投资者、完善上市公司治理结构、加强对中介机构的管理：
第二，纠正股票市场信息垄断、竞争无序、运行机制不规范等结构性缺陷；
第三，建立和完善股票市场发行制度、国有股制度、卖空制度、市场分割制度、不完全退市制度、市场开放制度等制度性缺陷；
第四，规范政府监管行为，从政府导向向市场导向转变
㈤ 噪声交易者的简介
行为金融学中有个“噪音理论”，它是指短线投资者为了追求利润最大化，会忽视与基本面有关的信息，把注意力集中到那些与股票价值无关、但可能影响股票价格使之非理性变动的“噪音”（错误信息）上，这种行为会在短期内造成价格扭曲，使理性的投资者在短期市场上无所作为。
㈥ 噪声交易者的影响效应
在DSSW模型中，De Long等人总结了影响噪音交易者预期收益的四种效应：
① 多多益善效应(hold more effect)
即指当噪音交易者平均持有更多的风险资产时，也就意味着他们承受的风险份额越大， 自然他们所获得的风险回报也越多，相对于套利者来说， 噪音交易者预期的收益就会增加。
② 价格压力效应(price pressure effect)
即指当噪音交易者情绪越来越乐观时，他们对风险资产的平均需求会增加，这必然会导致股价上升，这样他们就降低了风险回报以及他们与套利者之间的收益差别。
③ 买高卖低效应(buy high sell low effect)或弗里德曼效应(Friedman effect)
即指由于噪音交易者的非理性，致使他们选择了错误的入市时间，在高价时买进、低价时卖出，从而形成亏损。噪音交易者的投资心态越易变，他们错误的入市时间对他们收益的损害就越大。
④ 空间创造效应(Create space effect)
即指当噪音交易者的想法改变得越来越频繁，价格风险也就越来越大。套利者如果想利用噪音交易者的错误来牟取利润就必须承受越来越大的风险。因为套利者是风险规避者，所以随着风险的增加，他们从噪音交易者手中购买的风险资产就会减少，从而噪音交易者“创造了自己的生存空间”。
以上四种效应，多多益善效应和空间创造效应有助于提高噪音交易者的相对预期收益，而价格压力效应和买高卖低效应则将减少噪音交易者的预期收益。因此，噪音交易者的预期收益是高还是低，就要看一定条件下，上述两组效应中哪一组占有明显的优势。如果噪音交易者普遍看淡后市，此时不存在多多益善效应，他们的平均收益不会太高；当噪音交易者对市场过于看好时，价格压力效应会增大并发挥主导影响，他们平均来说也不会获得高的收益只有在对市场看多的程度处于中等时，多多益善效应和空间创造效应发挥主要作用，噪音交易者才能获得相对较高的预期收益，并且风险回避型的投资者越多，噪音交易者的平均收益也相对越高。De Long等人的这一发现表明，噪音交易者在市场中并不总是亏损的，当然他们也并不总是盈利，在条件具备的情况下，他们的预期收益可以为正，甚至高于套利者。
㈦ 噪音交易者的预期收益
早在70年代，弗里德曼Friedman和法马Fama就讨论了噪音交易者长期存在的可能性及其对市场的影响问题：他们认为，当噪音交易者抬高了股票的瞬时价格使其高于基本面价值时，理性套利者就会卖空股票、打压市场价格，直到价格回复价值为止，此时，套利者低价买回股票，赚取高卖低买的差价收益，这使噪音交易者所获投资收益水平比与之进行交易的套利者要低，所以经济利益的选择机制会把他们逐渐淘汰。而这种套利行为的另一个结果就是任何价格偏差都将被市场迅速纠正，价格始终贴近基础价值，这就是通常所说的“市场选择理论” 根据这一理论，噪音交易者在资产价格形成过程中的作用是无足轻重的，可以忽略不计。就连噪音交易理论的代表布莱克(Black，1986)也认为，由于噪音交易者总是高买低卖，所以噪音交易者作为一个整体将是亏损的，相反，套利者则在财务上处于强势。而且， 噪音交易越多，套利者就有越多的获利机会
1990年，De Long，Shleifer，Summers和Waldman建立了DSSW模型，证明了噪音交易者可以获得正的预期收益，并且他们的收益可能比套利者更高。
㈧ 噪声交易理论的市场流动性
流动性对一个市场的存在是至关重要的，Teweleshe和Bradly认为，判断市场持续性的四个标准是： （1）市场交易频繁；（2）买入卖出报价价差甚微；（3）执行委托迅速；（4）交易价格波动不大。
市场流动性具有多重性，其定义取决于人们所强调的方面而发生改变，很难做出一个准确的定义。 Hicks对流动性定义为“立即执行一笔交易的可能性”。Grossman和Miler认为可以通过“当前报价和时间下执行交易的能力”评价一个市场的流动性。Massimb与Phelps把流动性概括为“为进人市场的订单提供立即执行交易的一种 市场能力和执行小额市价订单时不会导致市场价格较大幅度变化的能力”。因此，我们将市场流动性定义为：如果交易商在其需要的时候能够以较低的交易成本很快地买或卖大量的股票，并对价格产生较小的影。向，则称市场是流动的。根据这一定义，流动性集中体现在两个方面——即时性和不变价格。前者主要表现在交易的速度上，由交易的数量（包括交易人数和交易次数）与交易机制决定；后者则体现了价格的稳定性。
流动性的衡量指标主要是市场深度（depth）、宽度 （width）和弹性（elasticity）。
（1）深度是指在一个给定的买卖报价下可以交易的股票数量，在实际应用中，市场深度由高于目前证券成交价格的订单和低于目前证券成交价格的订单数量之和表示。这些订单数量越多，市场越有深度，流动性越强；反之，市场缺乏深度，市场流动性较差。
（2）宽度是指对某一给定数量的股票的买卖价差，即它衡量流动性的每股成本。买卖价差越大，交易的成本越高，市场的流动性越差。
（3）弹性是指由交易引起的价格波动消失的速度，或委托单不平衡的调整速度，具体而言，当临时性的订单不平衡导致价格发生变化后，新的订单立即大量进入，并使价格很快调整到原先价格时，则称市场是具有弹性的；当订单流量对价格变化的调整缓慢，则市场缺乏弹性。据此定义，市场弹性：交易前后价格变化比率/交易发生后价差恢复到交易前状态的时间。
不管是有效市场假说还是噪声交易理论，噪声交易的基本作用被假设为活跃市场，为市场提供流动性。由于噪声交易者通常都是一些非知情交易者，他们交易的首要目的是通过迅速变现实现手持证券的流动性，而非收益或利润最大化，在一定程度上提高了市场交易的活跃程度。
衡量噪声交易的一个指标就是换手率，换手率是指在一定时间内市场中股票转手买卖的频率，指当天成交量与公司流通量的比率，其计算公式为：换手率=（某一段时间内的成交量/流通股数）×100%。由于噪声交易对市场流动性有直接的促进作用，换手率的高低又直接体现噪声交易的程度，人们常常把换手率当作市场流动性的衡量指标。如前所述，市场流动性，作为反映市场有效性的指标之一，有自身的衡量指标。不包含价格稳定性的换手率的高低在一定程度上反映了市场的活跃程度，但不能完全反映出市场是否具有高流动性，所以，并不能得出结论：换手率越高，噪声交易越频繁，市场的流动性就越高。
总的来说，由于噪声交易的基本目的是获得变现能力，对单只股票和单次交易而言，是流动能力，但对于整个市场而言，是众多股票的交易，是众多知情、非知情（噪声）交易者之间反复讨价还价的交易过程，其间价格的波动程度不是单纯由噪声交易者完全左右的，因此，噪声交易对市场流动性的作用有限，换手率对市场流动性的反映程度也有限。
㈨ 金融市场中噪音理论产生的原因
1999-03-03 作者：高扬 来源：北京商学院
金融资产是商品经济发展到一定程度的产物，其根源来自于对现实物质生产的需求，通过发行股票、债券等方式筹集资金用于实物资产的投资。金融资产作为一种权利（债权、所有权）凭证，却脱离了实物资产而在金融市场中作为一种商品由众多的投资者来交易。金融资产的这种虚拟性质，在现代经济社会中因其电子虚拟化的交易方式和越来越多的衍生产品的存在而更加突出。尽管金融资产在形式上逐渐脱离了与实物资产的联系，但两者之间的内在联系却是不能忽视的，即金融资产的价值实质上是由与之相关的实物资产等基本因素决定的。金融资产价值本质也就体现出它与实物资产最根本的联系，也只有如此，资源才能在这一价值的引导下进行合理配置，从而提高经济运行效率。
在金融市场上，金融资产的价值是由众多交易者的交易行为表现出来的。交易者根据各自对信息的收集与分析预测而进行交易，其价格是众多交易者收集信息所反映的结果。在一个充满不确定的经济现实中，信息是纷乱的、复杂的，信息的收集也是要花费成本的。同时，不同交易者收集、分析信息能力是有差异的，所以交易者占有的信息也是不完全对称的。在这一前提下，交易形成的价格是不充分、不完全的，与金融资产的价值存在着偏差，由此产生了以研究这一偏差的理论—“噪声”理论。
金融市场噪声可以表述为：资产价格偏离资产均衡价值的状态。噪声理论就是研究“噪声”产生的原因与表现。噪声理论立足于金融市场上交易者的现实情况，通过对价格异常变化的分析、研究以及数理模型的推导，论证了金融市场上的“噪声”。“噪声”理论共同的基本前提包括两个方面：
1?噪声交易者是长期存在着的。布莱克将噪声交易者定义为：把“噪声”视为真正的信息而进行交易的人。在噪声理论研究者中，噪声交易者有着不同的行为特征：
(1)错误地认为他们掌握了有关风险资产未来价格的特殊信息，这些信息噪声可能来自于技术分析师、股票经纪人或者经济顾问的一些虚假信息；
(2 )对未来价格表现出来的过分主观的错误看法；
(3)对选择证券组合依据一种不正确的理念等等。
尽管行为表现有所不同，但他们的本质是相同的，即在信息不完全情况下对未来价格的判断是错误的，与之相对的则是信息相对完全的理性的交易者。噪声交易者的存在，增加了市场流动性。并且，由于交易者之间始终存在着收集信息的差异、信息成本差异以及投资理念上的差异，使得噪声交易者始终作为交易者的一部分而存在于金融市场中。
2?投资者中存在着短期交易者。他们出于消费需求或调整投资组合的需要而进行持仓期较短的交易。
在以上两个前提存在的情况下，经济学家从不同角度分析了不同交易者在这一环境下的行为特征以及所带来的价格上的“噪声”。
一、理性泡沫理论——对理性套利者行为影响
德朗等在1990年发表的名为《金融市场中的噪声交易者风险》的论文中，详细阐述了这一观点。该模型假设存在两种交易者：噪声交易者和理性套利者。对于理性套利者来说，他们所面临的不仅有基础性风险，而且还有噪声交易者自身创造的风险。例如：当噪声交易者今天对某一资产持悲观态度时，则会使价格下跌，套利者此时进行交易是因为他认为价格在不久就会恢复。如果噪声交易者的看法并未扭转并更加悲观时，对于短期套利者来说，就可能使他遭受损失。
由于这种风险的存在，套利者与噪声交易者对抗力量削弱，从而使噪声交易者“创造了自己的生存空间”。由于噪声交易者收益高，因此可能有部分理性套利者转为噪声交易者。从长期来看，噪声交易者主导了整个市场，从而使市场效率消失。对于专业套利者来说，他们的行为可能受此影响，不再是对基本面的套利，而是对噪声交易者的反映，他们花费资源去检验、预测噪声交易者的行为，从而与之对抗，由此所获的私人回报可能超过社会平均收益。
这一理论能够合理地解释证券、期货、外汇市场中的价格异常现象，及其价格过分波动、股票市场价格的反弹、资本价值的高估及限额共同基金的低估等等。这一理论与弗里德曼和法马(Fama)的观点截然相反，他们认为噪声交易者不是资产价格形成的重要因素，因为非理性的噪声交易者会遇到理性套利者的反击，在对抗过程中会使价格趋向于基础价值。并且，在交易过程中，对资产价值判断完全错误并影响价格的人遭到损失，套利者会从中受益，最终噪声交易者会从市场上消失，因此他们不会过多地影响价格，即使会，也不会持续很长时间。
二、信息聚集理论——对搜寻信息者行为的研究
弗鲁特等人在1992年阐述了信息聚集这一理论。在他们的模型中，交易者分为三种：长期交易者、短期交易者、流动交易者(即噪声交易者)。
假设存在a、b两个与基础资产有关的信息，交易者只能无成本的获取其中之一而不能同时占有(信息是有成本的)。对于长期投资者来说，依赖于相同信息a交易的人越多，就会减少利用该信息的投资者的效用。这种负的信息溢出效应符合传统的有效市场理论。
但是，当投资者是短期交易者时，信息的溢出效应可能为正，即越多的投资者集中于某一个信息（如a），投资者从中获利就越多。在这种情况下，a信息就渐渐融入到价格中，而b信息则未充分反映到价格上，从而降低信息效率，使价格存在噪声。该模型进一步放宽了a、b是与基础资产价值有关的假设，即当存在与基础资产价值无关的信息c时，研究c的投资者越多，也同样会使交易者获利更多。
例如，以技术分析为依据的交易者，他们交易所依据的并非是与资产价值相关的信息，而是价格、交易量变化的图表，当越来越多交易者采用图表分析法，分析得出相似的结论时，他就从中获利，从而促使更多的交易者去研究它，尽管它是与基础价值完全不相关的。在这个模型中，正的信息溢出效应导致投机者倾向于忽视与基本面有关的信息，“聚集”在某一信息上，而忽视其他信息。这种正的信息溢出效应使专业投资者在收集分析信息时，关注的不是自己认为重要
㈩ 噪声交易者的预期收益
早在70年代，弗里德曼Friedman和法马Fama就讨论了噪音交易者长期存在的可能性及其对市场的影响问题：他们认为，当噪音交易者抬高了股票的瞬时价格使其高于基本面价值时，理性套利者就会卖空股票、打压市场价格，直到价格回复价值为止，此时，套利者低价买回股票，赚取高卖低买的差价收益，这使噪音交易者所获投资收益水平比与之进行交易的套利者要低，所以经济利益的选择机制会把他们逐渐淘汰。而这种套利行为的另一个结果就是任何价格偏差都将被市场迅速纠正，价格始终贴近基础价值，这就是通常所说的“市场选择理论” 根据这一理论，噪音交易者在资产价格形成过程中的作用是无足轻重的，可以忽略不计。就连噪音交易理论的代表布莱克(Black，1986)也认为，由于噪音交易者总是高买低卖，所以噪音交易者作为一个整体将是亏损的，相反，套利者则在财务上处于强势。而且， 噪音交易越多，套利者就有越多的获利机会
1990年，De Long，Shleifer，Summers和Waldman建立了DSSW模型，证明了噪音交易者可以获得正的预期收益，并且他们的收益可能比套利者更高。