毕业论文：中国股市日历效应研究——基于随机优势的方法（终稿）.doc

摘要：本文以上证综指1993-2008年的数据为基础，运用随机优势理论对中国股市中存在的日历效应进行了实证检验和分析。结果表明，中国股市存在周末效应，一周内最高日收益率出现在周五，最低日收益率出现在周一。其次，中国股市存在月初效应，月内第一周的平均收益比月内其他周的平均收益高。本文还发现中国股市存在的相对较弱的“二月效应”，上海证券交易所二月份的平均收益大于其他月份。 关键词：中国股市 日历效应 随机优势 Calendar Effect in China’s Stock Market: A Stochastic Dominance Approach Abstract: This paper gives empirical analysis and test for calendar anomalies in China’s stock market using Shanghai Stock Composite Index during 1993 and 2008 with a stochastic dominance approach. We find that there exists turn-of-the-week effect and relatively not robust weekend and February effect in China’s stock market. Keywords：China’s stock market calendar anomalies; stochastic dominance; mean-variance; efficient set 目录： 一．导论 二．文献回顾 三．基本概念 四．数据来源和研究方法 五．实证检验结果 六．有效集分析 七．结论 一、导论 随着我国将在2007年年内推出股指期货交易，指数期货的相关研究正在成为理论界和实务界面对的课题。以前，学者对指数期货的研究都集中于美、欧、日、韩以及我国港台地区的市场，针对国内首只金融期货——沪深300指数期货的实证分析严重不足，对其标的指数运行特征的研究也部分受限于沪深300指数发布时间较晚而相对匮乏。但作为重要的市场异常现象之一的日历效应，代表着市场呈现某种规律性变动，这对投资者投机、套利和规避风险有着重要的参考意义. 早在1985 年, M c In ish 和Wood 利用分钟数据发现日内的波动率都是开盘与收盘时高, 中间低, 即通常所说的波动率的日内“U ”型模式[1 ]; A dmat i 与Pf leiderer, B rock 与Kleidon 各自给出了日内“U ”型模式的理论解释[2—3 ] , Hedvall 对他们的解释进行了比较[4 ]; 另外, A ndersen 和Bo llerslev 研究了“日历效应”与波动持续性之间的关系[5 ]; A ndersen 和Bo llerslev 系统地分析了“日历效应”,并解释了它产生的原因, 并研究了德国马克对美元的汇率数据的“日历效应”[6 ].但是, 金融市场微观结构理论还只是从定量的角度研究“日历效应”, 为了对金融市场有更深刻地理解, 需要从定量的角度去研究“日历效应”. 由于“日历效应”本质上是一种非线性关系, 所以本文提出用小波神经网络(W avelet N eu ral N etwo rk, 简称WNN ) 来定量刻画高频数据“日历效应”. Pat i 和Krishnap rasad 最早提出了离散仿射小波网络模型[7 ]. Szu 提出连续小波变换的两种自适应小波神经网络模型[8 ]: 一种用于信号表示, 偏重于函数逼近; 另一种偏重于选取合适的小波作特征提取. Bask sh i 和Stephanopo lou s 采用正交小波函数作为神经元的激活函数, 提出了正交多分辨小波神经网络[9 ]. Zhang Jun 选用正交且具有紧支特性的尺度函数对函数逼近[10 ]. 高协平和张钹针提出一种小波区间网络模型[11—12 ].本文下面的研究是这样安排的: 第1 节详细讨论了“日历效应”的概念, 并提出使用的小波神经网络(WNN ) 模型来定量地刻画“日历效应”; 第2 节在上证指数高频数据的基础上,利用小波神经网络(WNN ) 模型对上海股票市场的“日历效应”进行估计; 第3 节是结语部分, 对本文研究作了总结, 对未来的研究作了展望。 证券的流动性是指证券的变现能力。从证券流动性的概念来看，其本质是指在现在价位不变的情况下或在价位波动较小的情况下，能够卖出证券的数量或金额，如果能够卖出的数量或金融较大则该证券的流动性较好。从另外一个角度来看，流动性还指在现在价位不变或在价位波动较小的情况下，能够买入证券的数量或金额，这也是证