论文部分内容阅读
金融市场的可预测性(MarketPredictability)一直以来都是金融学研究的核心问题,也是一个最富有争议性的话题。对该问题的研究既具有理论意义又具有实践意义。一方面,市场可预测性是现代金融学理论的基础;另一方面,市场的可预测性是现代资产管理理论的基础。虽然已有大量的文献对市场可预测性进行了深入的理论和实证研究,但绝大多数文献所采用的研究方法在交易信息的利用上都存在明显的不足。因此,研究如何综合利用已有的公开交易信息来研究市场的可预测性不仅具有十分重要的理论意义而且具有很强的现实意义。本文是在这个方面的首次尝试。
本文以公开交易价格信息为研究对象,系统地研究了开盘价、收盘价、最高价和最低价之间的内在联系,提出了金融资产价格的极差分解理论,建立了新的模型来预测金融资产价格收益率,并对该模型进行了深入的理论探讨和实证研究。本文的研究工作为研究市场可预测性提供了一个崭新的视角。
本文的主要创新之处体现在以下几个方面:
1.在综合研究了金融资产价格的极值性质基础之上,提出了资产价格的极差分解理论,证明了在一定条件下,金融资产价格可以近似的分解成T极差与P极差的线性组合。
2.在极差分解理论基础之上,首次研究了技术分析指标T极差的理论性质,为研究技术分析指标的统计理论性质奠定了基础。
3.在极差分解理论的基础之上,提出了资产价格收益率的分解方法,并从理论上证明了构成收益率的两个成分之间具有互为Granger因果关系。
4.在收益率分解的基础之上,提出了基于分解的向量自回归(DVAR)模型来预测金融资产价格,从而为研究市场的可预测性提供了新的研究思路和模型分析框架。
5.在DVAR模型的框架之下,实证研究了证券市场、汇率市场以及大宗商品市场的可预测性,研究结果表明DVAR模型给出的预测结果包含了预测未来价格变动的信息,因此很好的论证了技术分析的预测有效性。
6.为深入研究弱势有效市场假说奠定了统计理论基础。基于技术分析来检验弱势有效市场假说的方法,由于缺少必要的经济或统计理论基础,因而得出的结论往往备受质疑。本研究获得的结果为检验市场的弱势有效性奠定了统计理论基础。