股价报酬的可测性三状态马可夫转换模型应用-经济与管理论丛.docVIP

股價報酬的可測性 : 三狀態馬可夫轉換模型應用 (1) 淡江大學 財務金融學系金融研究所 臺中健康暨管理學院 財務金融學系(2) 嶺東技術學院 財務金融研究所 (3) 淡江大學 財務金融學系金融研究所 *為主要通訊作者 聯絡住址：電話：電子信箱：股價報酬的可測性三狀態馬可夫轉換模型應用 摘要 本文使用三狀態馬可夫轉換模型探討台灣股價指數日報酬的可测性。實證結果發現台灣股價指數日報酬並不具有隨機漫步行為的現象不能拒絕存在、與三個狀態，馬可夫轉換模型。預測績效，馬可夫轉換模型明顯優於其他模型，樣本外方面，馬可夫轉換模型無明顯優於其他線性模型，優於隨機漫步模型，表示馬可夫轉換模型市場的資訊 關鍵字馬可夫模型、狀態轉換、預測績效1. 前言 股價是否可預測一直是財務上很有趣的問題。在1950年代早期，經濟學上分析時間序列就使用電腦來分析。一些景氣循環理論的經濟學家認為觀察一些經濟變數在不同時間的發展，可以釐清並預測經濟在景氣擴張與景氣衰退期間的變化。在不同時間下的股票價格很自然成為一個分析的現象。假設股票價格能夠反映出公司的遠景，而且景氣循環的高峰和谷底等現象會反映在這些價格身上。Kendall (1953)針對上面的理論加以驗證，但是令人訝異的是，他發現股票價格無法以任何型式加以預測。股價乎呈現隨機變動，不管過去股價表現為何，任何一天的股價都可能上漲或下跌而這些資無法預測股票價格的變動提供任何的幫助。Fama (1965)利用序列相關檢定來檢定股票前後期的相關是否具有關聯性，實證結果發現，平均而言相關係數非常接近0，這表示過去股價的變化與未來沒有很大的關係。Fama and French (1988)使用股利除以股價(dividend/price ratio)來預測長期股票報酬，發現股利除以股價比只能解釋5%的報酬率變動，但對於長期中(3至5年)，解釋能力將超過25%，持有投資組合期間越長，其預測到的報酬越多。李如光 (1998)針對股票報酬率來進行研究各模式投資組合之報酬率在扣除交易成本後均沒有正向報酬率，台灣股市弱勢效率市場假說成立。Campbell and Shiller (1989) 提出未來報酬的折現總值與股利率、和股利成長率之間存在一個關係，可用此一關係來預測未來長期股票報酬的折現值。Fama and French (1992) 延伸資本資產定價模型(Capital Asset Pricing Model, CAPM)，建立三因子模型，分別為市場風險因子、規模風險因子和淨值與市價比風險因子，實證發現這三個因子可以解釋約90%的股票報酬，且能夠解釋一月效應。Patelis (1997) 探討貨幣政策對超額報酬預測能力的影響，實證結果發現不論貨幣政策變數或財務變數，都強烈拒絕超額報酬不能預測的假設其中聯邦基金利率與股利率影響未來超額報酬的預測能力最大，一個具有強烈的負相關，一個具有正相關。馬可夫轉換(Markov-switching)模型為近期學者們另一關注之焦點，相異於傳統的估計方法假設所有樣本時間序列資料皆來自一個相同分配，或是以虛擬變數主觀的將時間點做一區隔點，馬可夫轉換模型得以自行將整段時間數列歸屬於不同狀態，並允許狀態互相轉換，此將得以更準確捕捉時間序列資料之特性，在預測上也應該更為準確。Hamilton (1989)認為一階差分序列應該是非線性定態過程而不是線性定態過程，故其利用間斷狀態移動的馬可夫轉換迴歸來描述自我迴歸過程中參數變動的特性；Hamilton在文中將美國景氣區分為蕭條與繁榮兩狀態，以馬可夫模型界定其臨界點，成為一具代表性之指標。Engle and Hamilton (1990)發現利用馬可夫模型來預測匯率優於隨機模型Marsh (2000)與Dueker and Neely (2002)發現以馬可夫模型得以適切捕捉匯率走勢，但是馬可夫模型的預測績效不佳台灣股價指數報酬率是否具有隨機漫步的行為隨機模型ARIMA模型來比較樣本外預測績效的優劣。本文研究架構如下，第一節為前言，包含研究動機與文獻回顧，第二節為研究方法，第三節為實證研究結果與分析，最後一節為結論。研究方法 可夫鏈 讓為一個隨機變數且假設其整數值為{ 1, 2, …,N }，假如等於特定值j且依賴在過去最近的值，其機率表示為 (1) 這種過程是被描述一個N狀態(state)的馬可夫鏈，其移轉機率為，此移轉機率乃是狀態i將至狀態j的機率，其限制為 其對於的移轉機率矩陣表示為: 對於第j列，第i行的P矩陣元素是移轉機率，表示狀態1至狀態2的機率。 混合常態分配 馬可夫模型第一個特點就是在強調資料是一個混合分配，比如對於兩狀態的馬可夫模型，其假設是由兩個機率分配混合產生。因為所抽取的樣本，可能來自一個有限的混合母體 (finite mixtur