论文部分内容阅读
在过去20年中,亚洲股票市场形成了非常实质的资本化。早在1982年,国际金融组织对32个初具规模的股票市场进行了纵观勘查,得到的资本总额为670亿美金,占世界股票市场总额的2.5%。而到1994年底,以上这些新兴的股票市场已经发展壮大,翻了27番,资本总额达到1.8万亿美金,在世界股票市场中的份额也一跃上升到11.8%。全球的战略投资者们更关心的一个问题是:这些亚洲国家的股票市场估价、名义国内生产总值与它们的短期市场利率之间将会有怎样的系统关联?对于欧美股票市场,一个类似的问题早在15年前就被一位名叫“若尔(1988)”的学者提出了。到了今日,全球的战略投资者们针对亚洲地区的股票市场提出了相同的问题。该问题的确切答案必将会发挥越来越重大的作用。以世界金融文献的主流中所展现的方法论为指引,当前的金融分析家们诸如法马 (1990)、斯图尔特(1990)、比特菱梅(1992)、历(1992)、盖灵哲(1994)、卡诺瓦和尼克(1995)都采用传统的单向莱索托投影评估法,也就是单等式小误差消减模型来回答若尔的问题,他们的分析结果从来都是不确实的。 这些不确实的结论经常被攻击为“缺乏充分的大量的数据储备为宏观经济学及金融变量提供支持”。
本文详细地论证了一种全新的系统辨识论证方法。 这种论证法应用的是完整及多元化趋势的最小误差评估投影。简称“完整评估法”(“CLS”)。此种完整评估法应用了“噪声”系统辨识的论证法,萃取并借鉴了线性金融经济系统的数据结构,摒除了对理论不加应用的盲目假定及推测。此方法强调的是系统辨识的完整性。因为此方法对多维数据空间里全部有可能的直角坐标都进行了投影,而没有对任何一个特定的方向给予特定及优先的考虑。此外,本文也对此种完整评估法与金融文献中所列举的简单的论证法进行了对比,阐述了完整评估法的复杂性和不易实施性。
此种完整评估法是从两种既定理论中衍生出来的。一种是福瑞斯(1934)的“临界协方差”,又称“汇合”分解理论;另一种是上世纪40年代和50年代的考利斯委托代理。我们的完整评估法在论证方法方面已经远远超出了以上两种源方法。
是什么原因让我如此坚持“完整”分析对于协方差矩阵的重要性呢?从理论上讲,如果用最小方差投影配置,所有的单等式平面模态都可以被毫无差别地应用到多维的数据组当中去。这些有可能出现的投影的数量取决于数据组中的变量的数量。然而,实验式的科学分析的根本是,所有被辨识的系统必须与数据组的多维相关性结构“唯一地”相符合,即使对于不可预测的、“聒噪”的数据组也如此。该情况导致的结果就是计算出来的参数值将会落在一个有限的、不可预测的范围内。综上所述,只有当数据组被完整分析的时候,也就是所有可能的最小误差投影都被应用的时候,才能达到这种预期的效果。假如我们在分析前先从所有可能的空间方向中选定一个特定的方向来做投影,这种效果就达不到了,因为它违背了完整分析的科学必要条件。
数据组的大小,即观测数据的数量,我们用“T”来表示。在整个分析投影的过程中我们并不会大量地用到“T”,它也不会在太多的分析投影公式中出现。相反地,我们将多次地应用到“n”,即整个数据组中变量的个数。然而,像所有其他的相关分析一样,如格林治(1969)的光谱分析,分析投影结论将会非常依赖于数据组的稳定性,也就是协方差矩阵均值的相对恒定性。在因格和格林治(1987)以后,所有的对若尔的质疑作出回应的作者们,都把注意力集中到了均值及协方差所缺乏的稳定性上面,并开始致力于推出对他们的数据组变量进行的对数微分(常微分)分析,以便加强他们的分析方法的稳定性,哪怕冒着违背金融学理论基础的风险也在所不惜。举例来说,此种“恒定性”可以通过一种“窗体办法”来探测。即是说,把当前的数据组根据一定的标准细分为多个小数据组,再对相连贯的或部分重叠的小数据组们求协方差矩阵,并对这些矩阵进行对比。在每一个小数据组的分布不固定但却符合稳定性时,我们的论证方法仍然可以准确地运转。不固定但却符合稳定性的意思是指我们的小数据组分布的时间比度都呈一种非常相似的趋势,或者说它们可以被卡尔曼滤波器过滤而达到剩余分布都符合稳定性的程度。
为了能够更好地示范并证实我们的论证方法,也为了回应全球投资家们对亚洲股票市场投资意向的问题及其重要性,我们把我们的系统辨识完整评估法实施在了六大亚洲股票市场及领域中,它们分别是:台湾、马来西亚、新加坡、菲律宾、印度尼西亚和日本。每个国家股票市场的主要指标被用来追踪它们自身股票市场的评估与预测。这些国家的名义国内生产总值和短期市场利率是另外两个宏观经济学意义上的变量。1986年第一季度至1995年第三季度末的亚洲各国季度数据在本文一些特殊分析中得到了不同程度地应用。
在论证过程中,我们还阐述了传统的“本金成分分析”相对于我们的新式系统辨识完整评估法的不足之处。我们也论述了噪声系统辨识论证法是如何涵盖、引申并提高了传统的本金成分分析的。在此过程中, 我们对亚洲六国金融经济体系的相对一致性有了更好的理解,我们也辨识了它们股票市场多种不确定的估价系统。但是,我们并没找到任何明显的证据以证明这六个国家之间的金融经济系统的连贯性。比如:台湾的金融经济系统非常的连贯,而在日本的数据中,我们的系统辨识论证法一点儿也没找出连贯性的证据。
本文详细地论证了一种全新的系统辨识论证方法。 这种论证法应用的是完整及多元化趋势的最小误差评估投影。简称“完整评估法”(“CLS”)。此种完整评估法应用了“噪声”系统辨识的论证法,萃取并借鉴了线性金融经济系统的数据结构,摒除了对理论不加应用的盲目假定及推测。此方法强调的是系统辨识的完整性。因为此方法对多维数据空间里全部有可能的直角坐标都进行了投影,而没有对任何一个特定的方向给予特定及优先的考虑。此外,本文也对此种完整评估法与金融文献中所列举的简单的论证法进行了对比,阐述了完整评估法的复杂性和不易实施性。
此种完整评估法是从两种既定理论中衍生出来的。一种是福瑞斯(1934)的“临界协方差”,又称“汇合”分解理论;另一种是上世纪40年代和50年代的考利斯委托代理。我们的完整评估法在论证方法方面已经远远超出了以上两种源方法。
是什么原因让我如此坚持“完整”分析对于协方差矩阵的重要性呢?从理论上讲,如果用最小方差投影配置,所有的单等式平面模态都可以被毫无差别地应用到多维的数据组当中去。这些有可能出现的投影的数量取决于数据组中的变量的数量。然而,实验式的科学分析的根本是,所有被辨识的系统必须与数据组的多维相关性结构“唯一地”相符合,即使对于不可预测的、“聒噪”的数据组也如此。该情况导致的结果就是计算出来的参数值将会落在一个有限的、不可预测的范围内。综上所述,只有当数据组被完整分析的时候,也就是所有可能的最小误差投影都被应用的时候,才能达到这种预期的效果。假如我们在分析前先从所有可能的空间方向中选定一个特定的方向来做投影,这种效果就达不到了,因为它违背了完整分析的科学必要条件。
数据组的大小,即观测数据的数量,我们用“T”来表示。在整个分析投影的过程中我们并不会大量地用到“T”,它也不会在太多的分析投影公式中出现。相反地,我们将多次地应用到“n”,即整个数据组中变量的个数。然而,像所有其他的相关分析一样,如格林治(1969)的光谱分析,分析投影结论将会非常依赖于数据组的稳定性,也就是协方差矩阵均值的相对恒定性。在因格和格林治(1987)以后,所有的对若尔的质疑作出回应的作者们,都把注意力集中到了均值及协方差所缺乏的稳定性上面,并开始致力于推出对他们的数据组变量进行的对数微分(常微分)分析,以便加强他们的分析方法的稳定性,哪怕冒着违背金融学理论基础的风险也在所不惜。举例来说,此种“恒定性”可以通过一种“窗体办法”来探测。即是说,把当前的数据组根据一定的标准细分为多个小数据组,再对相连贯的或部分重叠的小数据组们求协方差矩阵,并对这些矩阵进行对比。在每一个小数据组的分布不固定但却符合稳定性时,我们的论证方法仍然可以准确地运转。不固定但却符合稳定性的意思是指我们的小数据组分布的时间比度都呈一种非常相似的趋势,或者说它们可以被卡尔曼滤波器过滤而达到剩余分布都符合稳定性的程度。
为了能够更好地示范并证实我们的论证方法,也为了回应全球投资家们对亚洲股票市场投资意向的问题及其重要性,我们把我们的系统辨识完整评估法实施在了六大亚洲股票市场及领域中,它们分别是:台湾、马来西亚、新加坡、菲律宾、印度尼西亚和日本。每个国家股票市场的主要指标被用来追踪它们自身股票市场的评估与预测。这些国家的名义国内生产总值和短期市场利率是另外两个宏观经济学意义上的变量。1986年第一季度至1995年第三季度末的亚洲各国季度数据在本文一些特殊分析中得到了不同程度地应用。
在论证过程中,我们还阐述了传统的“本金成分分析”相对于我们的新式系统辨识完整评估法的不足之处。我们也论述了噪声系统辨识论证法是如何涵盖、引申并提高了传统的本金成分分析的。在此过程中, 我们对亚洲六国金融经济体系的相对一致性有了更好的理解,我们也辨识了它们股票市场多种不确定的估价系统。但是,我们并没找到任何明显的证据以证明这六个国家之间的金融经济系统的连贯性。比如:台湾的金融经济系统非常的连贯,而在日本的数据中,我们的系统辨识论证法一点儿也没找出连贯性的证据。