中国股票市场价格发现功能的缺失——来自上证50指数的实证证据_

第１５卷第５期　

２　０　１　３年９月　

Ｖｏ１．１５，Ｎｏ．５　

Ｓｅｐ．２　０　１　３　

中国股票市场价格发现功能的缺失　

——

来自上证５０指数的实证证据　

宋玉臣，季　宇　

东　

匕　ａｍ　

大　

Ｎ　

（吉林大学数量经济研究中心，吉林长春１３００１２）　

学　

学　

摘　要：价格发现是股票市场的基本功能之一。运用均值回归理论，采用２００４年１月至　

２０１２年１２月月度数据，通过ＳＴＡＲ模型对上证５Ｏ指数的价格发现功能进行了检验，实证检验结　

果表明：上证５Ｏ指数在样本区间内呈显著的趋势性特征而非均值回归特征，上证５Ｏ指数价格发　

现功能仍然缺失，中国股票市场价格发现功能还没有很好地发挥出来。在此基础上，提出了加快　

ＩＰＯ定价市场化以及实行上市与发行相分离等对策。　

关

Ｓ　

报一　

社　

键词：股票市场；价格发现功能；均值回归；ＳＴＡＲ模型　

文献标志码：Ａ　文章编号：１００８—３７５８（２０１３）０５—０４６５—０６　中图分类号：Ｆ　８３０．９　

会哆　

科（；；　

一

“优质不优价”》一文。在该文中，中国证监会主席　

、

学　

问题的提出　

郭树清认为我国资本市场存在的主要问题是股价　

结构不平衡，炒新、炒绩差问题严重。２０１１年新　

Ｃ　

版肌　

价格发现（ｐｒｉｃｅ　ｄｉｓｃｏｖｅｒｙ）是股票市场的基　

，　

股平均发行市盈率为４８倍，而沪深市场的全年平　

均市盈率只有１７．７６倍，优质不优价问题突出，炒　

低、炒新、炒ＳＴ股票等等行为盛行，股票价格不　

能客观地反映股票的内在价值。此外，股票市场　

在绝大多数时间段内没有很好地反映中国宏观经　

济状况，甚至呈现严重的背离状态。梁琪、滕建州　

本功能。Ｓｃｈｒｏｅｄｅｒ认为价格发现是指买卖双方　

在给定的时间和交易场所对一种商品的质量和数　

量达成交易价格的过程。这一过程就是由于股票　

交易的参与者众多，买家和卖家在一个具有较高　

的透明度、集中交易、自由报价的公开竞争市场上　

进行竞价。当股票价格过高形成泡沫时，理性套　

利者会通过卖出股票的行为抑制股票价格的上涨　

运用过度识别条件约束下的协整向量分析发现股　

市发展与经济增长之间没有任何因果关系　］。伍　

志文、周建军的实证研究认为股票市场既不是国　

有经济的晴雨表，也不是非国有经济的晴雨表［３］。　

孙霄狮等分析了我国上市公司与国民经济的关系　

并减轻泡沫的程度；当股票价格过低形成负泡沫　

时，理性套利者会通过买人股票行为最终推动股　

票价格上升。在某一个时点上股票价格可能会高　

于或低于其内在价值，具有极强的随机性。但从　

一

以及股票价格与公司业绩的关系，结果显示我国　

股票指数在一定程度上脱离了我国经济基本　

面Ｌ４］。杜江、沈少波采用趋势分析、协整分析和因　

个足够长的时间段上看，股票价格具有均值回　

。　归的特性　

如果股票价格没有反映上市公司的内在价　

果关系检验方法，对我国股票市场和实体经济之　

间的关系进行了实证检验，结果发现两者之间存　

在背离关系［５］。这些研究表明中国股票市场没有　

充分发挥价格发现的功能，市场成熟程度有限。　

值，股票市场的资源优化配置功能就不能完全发　

挥，进而不能反映宏观经济的变动状况。２０１２年　

１０月２４日人民日报海外版刊载《股票缘何遍地　

收稿日期：２０１３一Ｏ３一Ｏ４　

基金项目：国家自然科学基金面上资助项目（７１２７３１１２）；教育部人文社会科学研究规划基金资助项目（１１ＹＪＡ７９０１３１）；吉林省社　

会科学基金资助项目（２０１１Ｂ０３０）；吉林省科技厅软科学资助项目（２０１１０６４２）。　

作者简介：宋玉臣（１９６５一），男，吉林长春人，吉林大学教授，博士生导师，主要从事金融市场研究。　

①均值回归特征是指证券价格无论高于或低于价值中枢（或均值）都会以很高的概率向价值中枢回归的趋势。　

４６６　东北大学学报（社会科学版）　第１５卷　

对于证券市场价格发现功能的研究，从不同　

的研究角度和不同的数量研究方法有很多的研究　

文献。何诚颖、张龙斌、陈薇使用向量误差修正模　

型和脉冲响应函数对沪深３００股指期货１分钟高　

频数据进行了分析，结果表明期货市场的价格发　

现能力都要强于指数现货市场＿６］。方匡南、蔡振　

忠利用沪深３００股指期货５分钟高频数据，引用　

信息共享模型、公共因子模型研究了我国股指期　

货市场的价格发现贡献程度，认为我国指数现货　

市场在价格发现功能中的作用相对较大　］。严　

敏、巴曙松、吴博使用向量误差修正模型、公共因　

子模型和带有误差修正的双变量ＥＧＡＲＣＨ模　

型，对沪深３００股指期货市场和现货市场的价格　

发现功能进行了实证研究，证明了指数现货市场　

在价格发现中起到主导作用ｌ＿８］。李海英、马卫锋、　

罗婷运用相关系数、协整检验、误差修正模型、格　

兰杰检验、Ｇａｒｂａｄｅ—Ｓｉｌｂｅｒ模型，通过现货和期货　

的对比对上海燃料油期货市场价格发现功能进行　

了分析，结果表明上海燃料油期货价格与国内现　

货价格之间存在协整关系，燃料油期货价格发现　

功能发挥较好［９］。华仁海、刘庆富的研究结果显　

示股指期货价格和股指现货价格之间存在协整关　

系和双向价格引导关系，股指期货对股指现货的　

引导力度相对较大，是价格发现过程的主要驱动　

力量［１　。徐国祥、李文首次利用由自己编制的中　

国金属期货价格指数（ＣＭＦＰＩ）和上海有色金属　

价格指数（ＳＭＭＩ）数据进行了对比分析，构建了　

信息传递效应模型和Ｇ—Ｓ模型，研究结果发现　

我国金属期货市场和现货市场之间存在显著的双　

向价格引导关系，金属期货市场已基本具备价格　

发现能力Ｅｌ１　２。苏治、陈杨龙采用Ｍｏｒｌｅｔ小波时　

频互相关分析方法检验了我国以及国际主要市场　

股指期货和现货价格序列的动态关联性，研究表　

明沪深３００指数和股指期货在低频长周期范围内　

呈现长时间高度相关、协同波动的特征；在高频短　

周期范围内，两者整体仍然具有协同波动性，期货　

与现货具有交错引导的特征，最终的结论是我国　

股指期货市场的价格发现效率较美国、英国等成　

熟市场仍有较大差距Ｅ１２］。陈秋雨、陈冲、冯炜利　

用对比的方法研究了黄金市场价格发现功能，使　

用的研究方法同样包括协整理论、误差修正模型、　

格兰杰因果分析和脉冲响应函数，并得出黄金期　

货市场已经逐渐发挥其价格发现功能的结论口引。　

通过研究以上文献可以看出，目前关于股票　

市场价格发现功能的检验方法以现货市场和期货　

市场的比较分析居多。该种检验方法是以一种价　

格理性为前提，一般来说，如果两种价格一致，则　

可以认为两种价格存在理性价格和非理性价格两　

种可能；如果检验的两种价格不一致，则至少有一　

个价格是非理性的。因此，笔者认为该方法对价　

格发现功能的检验存在缺陷。本文以均值回归为　

理论前提，通过检验当期股票指数与滞后期股票　

指数之间的相关性来说明股票指数是否存在均值　

回归现象，若存在，则说明股票市场基本具备价格　

发现能力。此种方法规避了对现货市场和期货市　

场理性价格的假设，更具备实践性。　

实证研究方法的选择　

均值本身就是证券的内在价值，反映一定时　

间长度范围内市场对该证券价格的承认。在某一　

个时点上证券价格变动具有随机性，而均值却具　

有较强的稳定性特征，它具有熨平证券价格随机　

波动的作用＿１　。如果股票收益率呈均值回归就　

说明股票市场具有价格发现的功能，如果股票收　

益率呈趋势特征就说明不具有价格发现的功能。　

一

直以来对于股票收益率均值回归的检验均　

以线性模型为主，即假设股票价格围绕其基本价值　

波动的过程具有线性特征。然而，越来越多的均值　

回归现象无法通过线性模型得到合理的解释，股票　

市场中存在很多随机因素使得股价的波动过程呈　

现非线性特征。导致这种现象的原因主要有两种：　

首先是投资者的异质性，即面对同样的信息，不同　

的投资者作出的抉择不可能完全一致；其次，监管　

部门对股票市场的调控行为的作用也会对不同种　

类的股票收益率均值回归过程产生影响并且大小　

和方向也不尽相同。因此，在股票收益率的均值回　

归实证检验中应该考虑到非线性因素。　

在非线性模型中，平滑转换自回归模型　

（ｓｍｏｏｔｈ　ｔｒａｎｓｉｔｉｏｎ　ａｕｔｏｒｅｇｒｅｓｓｉｖｅ，简称ｓＴＡＲ）　

是近年来运用较为广泛的模型之一，该模型可用　

于检验股票收益率的非线性均值回归。Ｍｉｃｈａｅｌ　

Ｍｏｎｏｙｉｏｓ　Ｌｕｃｉｏ　Ｓａｒｎｏ运用ＳＴＡＲ模型对　

１９８７年以来的美国标准普尔５００指数（Ｓ＆Ｐ　

５Ｏ０）和英国富时１００指数（ＦＴＳＥ　１００）进行了检　

验，结果表明两个指数在这段时期内均表现出明　

显的非线性均值回归ｌ＿１　。Ｓｅｂａｓｔｉａｎｏ　Ｍａｎｚａｎ讨　

论了美国股票市场是否能够合理地反映出股票的　

第５期　宋玉臣等：中国股票市场价格发现功能的缺失——来自上证５０指数的实证证据４６７　

内在价值，并利用ＳＴＡＲ模型来模拟股票对其基　

本价值的偏差路径，结果表明，股票价格偏离其基　

本价格的动态过程呈现一个非线性调整过程，即　

该区间股票价格存在非线性均值回归＿１　。Ｊｏｒｇｅ　

等运用ＳＴＡＲ模型对西班牙３５指数进行了分　

析，得到的结论是这一指数呈不对称均值回归特　

性，说明股票市场具有价格发现功能＿Ｊ　。Ｋｉａｎ—　

Ｐｉｎｇ　Ｌｉｍ＆Ｌｉｅｗ采用Ｋａｐｅｔａｎｉｏｓ等在ＳＴＡＲ　

模型中提出的非线性单位根检验方法，认为曼谷、　

中国香港、韩国、吉隆坡、日本、新加坡和中国台湾　

的股票收益率在１９８６－－２００３年存在着非线性均　

值回归的现象＿１　。Ｓｈｕ—Ｌｉｎｇ　Ｃｈｅｎ　Ｋｉｍ利用　

静态非线性单位根检验方法检验了亚洲新兴国家　

市场的股票价格，结论是这些国家的股票价格都　

呈现非线性均值回归趋势［１　。Ｃｈｉ—Ｃｈｅｎ　Ｃｈｉｕ，　

Ｓｈｉｈ—Ｃｈｕａｎ　Ｔｓａｉ＆Ｔｓｕｉ—Ｈｕａｎｇ　Ｗｕ运用非对称　

ＥＳＴＡＲ模型对包括英、美、德、法、日等国家及地　

区的具有代表性的股票期货指数的动态变化过程　

进行了分析，结果表明这九个国家及地区的期货　

股指均具备非对称均值回归的特征［２　。　

模型选择与实证研究　

１．数据选取　

本文采用上证５Ｏ指数作为样本数据。上证　

５Ｏ指数是根据科学客观的方法，挑选上海股票市　

场公司规模大、最具代表性的５０只股票组成的样　

本股，５０只股票净利润与利润总额占全部Ａ股的　

比例达到４Ｏ　左右，代表了优质蓝筹股。上证５０　

成分股具有很好的流动性，并且能够更准确地反　

映优质大盘蓝筹股的市场表现。对以蓝筹股为代　

表的上证５Ｏ指数价格发现功能的实证研究具有　

代表性。上证５Ｏ指数于２００４年１月２日正式发　

布，本文将样本区间确定为２００４年１月至２０１２　

年１２月，并采用月度数据进行检验。　

２，ＳＴＡＲ模型　

ＳＴＡＲ模型由若干个回归机制构成，各个机　

制之间的转换过程是逐渐连续平滑的。其中两个　

机制的ＳＴＡＲ模型应用最为广泛。具体来讲，单　

变量ＳＴＡＲ模型是两个线性自回归模型的加权　

平均。模型的一般表达方式如下：　

Ｙ　一声　１ｚ　（１一Ｇ（　；ｙ，ｆ））＋　２ｚ　Ｇ（＆；ｙ，ｆ）＋　

（１）　

或　

一　１ｚ　＋（　２一乒１）　ＸｔＧ（ｓ　；ｙ，ｆ）＋ｓ　（２）　

其中，ｚ　一（　Ｈ，…，Ｙ　一　）　为自变量向量。　，　

为自变量的参数向量。分布函数Ｇ（ｓ　；ｙ，ｃ）是　

权数，Ｓ　是转换变量，参数ｙ决定了该函数的平滑　

性，参数ｃ为两个机制之间的门限值。　

根据Ｇ（ｓ　；７，ｃ）的不同形式，ＳＴＡＲ模型还可　

以分为ＬＡＳＴＡＲ模型和ＥＳＴＡＲ模型。　

ＬＳＴＡＲ模型为：　

ｓ　ｙ，　一再　ｌ十　—ｙｅｘｐ　专　Ｌ，５　Ｃ一　　＞０

（３）　

随着Ｓ　的增加，函数Ｇ（ｓ　；），，ｆ）从０到１单调递　

增。ｙ越小，机制转换越平滑。　

ＥＳＴＡＲ模型为：　

Ｇ（　；ｙ，ｆ）一１一ｅｘｐ（一７（ｓ　一ｆ）　），ｙ＞０　

（４）　

大量的实证研究证明，与ＬＳＴＡＲ模型相比，　

ＥＳＴＡＲ模型更适合时间序列中存在明显拐点的　

情况。　

３．模型的设定　

由于均值回归是指当期股指和滞后期股指之　

一　

间的回归关系，因此，可用∑Ｙ　代替式（２）中的　

＝

１　

ｚ　，则式（２）可变为（解释变量的系数也相应变　

化）：　

一

∑　Ｙ　，＋∑ａ　ｙ，－ｊＧ（ｓ　；ｙ，ｃ）＋ｅ　一　

Ｊ一１　Ｊ一１　

一　声　

口１Ｙ　ｌ＋∑　Ｙ　＋Ｅａ　ｙ￣－ｊＧ（ｓ　；），，ｃ）＋￡　

Ｊ＝ｚ　Ｊ＝１　

（５）　

式（５）左右两边同时减去ＹＨ，可得到：　

Ｐ　

△　１一（ａ１—１）ｙ　１＋∑０。Ｙ　＋　

，＝２　

户　

∑ａＪ　ｙｔ－ｊＧ（　ｙ，ｃ）＋ｅ　（６）　

Ｊ＝１　

令　一ａ，一１，　＝ａｚ，…，　一ａ　，则式（６）可转换　

成式（７）的形式：　

Ｐ　

△　一∑　＋∑　ｙ￣ｑＧ（ｙ　ｄ；），，ｃ）＋ｅ　

一

１　Ｊ一１　

（７）　

其中，　为第ｔ期上证５０指数，Ｙ　为滞后Ｊ期上　

证５０指数，Ａｙ　为第ｔ期指数减去滞后１期指数，　

转换变量ｓ　取Ｙ　一　，ｄ为延迟参数　。　。接下来通　

过步骤１至５对式（７）进行估计　。　

４６８　东北大学学报（社会科学版）　第１５卷　

（１）滞后阶数ｐ的确定　在１Ｏ　９，６的置信水平下，　小于０．１则拒绝原　

对平稳的时间序列建立　阶自回归模型，根　假设，接受非线性假设。从表２中可以看出，在ｄ　

据ＡＩＣ或ＳＣ准则选择滞后阶数①。通常户的取　

一３时，其结果明显拒绝原假设，因此选用Ｙ　作　

值范围在１至６之间，检验结果如表１所示。　

为平滑转换变量。　

表１　自回归模型的滞后阶数表　

（３）选择分布函数形式　

滞后阶数ｐ　ＡＩＣ　ＳＣ　

由式（９）和式（１０）可以看出，若　。≠０，则选　

一

２．４７２　８　２．３９６　５　

择ＥＳＴＡＲ模型。因此，再次对式（１０）进行ｗａ１ｄ　

—

２．４７４　４　

—

２．３７２　１　

检验，此时的原假设为Ｈ。：　。一０。检验结果如　

—

２．５ＯＯ　８　

—

２．３７２　１　

表３所示，在１％、５　和１Ｏ％的置信水平下，明显　

—

２．４８５　Ｏ　

—

２．３２９　６　

一

２．４６２　８　

２．２８Ｏ　４　

拒绝原假设，因此，分布函数选用指数形式，模型　

２．４３２　７　

—

２．２２３　０　

为ＥＳＴＡＲ模型。　

可以看出ＡＩＣ在　一３时取最小值，而ＳＣ在　

表３约束条件检验结果　

一１时取最小值。通常在ＡＩＣ和ＳＣ结果不一　

致时，采用ＳＣ结果作为标准，遂将滞后阶数定为　

１。式（７）则改写为：　

Ａｙ　＝　Ｙ　ｌ　４－　Ｙ　１Ｇ（ｙ　ｄ；ｙ，ｃ）＋ｅ　（８）　

（４）实证结果　

（２）模型的线性检验以及确定延迟参数ｄ　

在对式（８）进行估计之前，首先要检验非线性　

经过步骤１至３，初步确定待估计模型为：　

△　一　Ｙ　一１＋　～ｌ（１－－ｅｘｐ（一ｙ　一３）），７＞０②　

是否存在。由于在线性假设条件下，参数ｙ并没　

有被定义，因而无法直接对式（８）进行检验。通常　

（１１）　

的解决方法是在），一０处对转换函数作一阶泰勒　

使用非线性最小二乘估计法对式（１１）进行估　

展开，并以此作为辅助回归进行线性检验。　

计，具体结果见表４。　

ＬＳＴＡＲ模型中，辅助回归的形式为：　

表４　非线性最小二乘估计结果　

Ａｙ　一　１Ｙ　１＋　２Ｙ　ｌＹ　ｄ＋　（９）　

ＥＳＴＡＲ模型中，辅助回归的形式为：　

Ａｙｆ＝＝＝声１　１＋声２　ｒｌＹｔ－ｄ＋≯３　１　ｄ十Ｗｆ　

（１０）　

可以看出，式（９）包含于式（１０）之中，只需对　

式（１０）进行线性检验。原假设Ｈ。为：　一　

从表４可以看出，各个参数在１Ｏ　的置信水　

。一０。对式（１０）进行Ｗａ［ｄ检验，其中对ｄ取１　

平下均不显著，由此可以看出，在２００４年至今这　

至８分别检验，得出的结果如表２所示。　

段期间内，上证５０指数的滞后期价格同当期价格　

之间不存在必然的联系，均值回归现象不明显。　

表２　Ｗａｌｄ检验结果　

（５）非线性单位根检验（ＫＳＳ检验）　

ｄ值　Ｆ值　声　

Ｋａｐｅｔａｎｉｏｓ（２ＯＯ３）针对ＳＴＡＲ模型提出了非　

Ｏ．２９８　４　

Ｏ．７４２　６　

０．５８８　Ｏ　

０．５５７　３　

线性单位根检验（ＫＳＳ）的思想，利用该思想可以　

３．１５３　１　０．０４７　０　

完善对上证５Ｏ指数的均值回归检验。　

０．５９１　５　

Ｏ．５５５　４　

Ｋａｐｅｔａｎｉｏｓ的原文中使用ＥＳＴＡＲ模型为例，模　

Ｏ．４３１　３　０．６５０　９　

２．２９６　０　

Ｏ．１Ｏ６　２　

型设定如下：　

０．２４３　７　

０．７８４　２　

Ａｘ　一　１（１一ｅｘｐ（一缸　１））＋ｅ　（１２）　

０．３８９　３　０．６７８　６　

检验的原假设Ｈ。：　一０，考虑到ｙ在原假设　

①　由于时间序列通常为一阶差分平稳序列，这里对原数列数据取对数后再进行一阶差分处理。　

②　Ｋａｐｅｔａｎｉｏｓ（２００３）将指数ＳＴＡＲ模型中分布函数的门限值省略。　

第５期　宋玉臣等：中国股票市场价格发现功能的缺失——来自上证５０指数的实证证据４６９　

下没有定义，因此对式（１２）在ｙ一０处进行一阶泰　

勒展开：　

ｊ　

制就必须进行市场化改革。市场化改革的过程中　

要明确两点启示：　

Ａｘ　一　＋∑ＰｌＡＸ　＋ｅｒｒｏｒ　（１３）　

第一，明确中国股票市场价格发现功能缺失　

的根本原因，逐步实现ＩＰＯ定价的市场化。由于　

一１　

如此就能够对式（１３）直接进行最小二乘估　

计。ＫＳＳ检验的统计量ｔＮＬ一占／Ｓ．ｅ（　）。由于步　

骤２中将延迟参数定为３，因而将转换变量设定　

为Ｙ　。根据式（１３），模型设计如式（１４）：　

Ａｙ　一　ｌＹ　１　＋　２Ａｙ　１＋ｅｒｒｏｒ　（１４）　

对式（１４）进行最小二乘估计，Ｈ。：　一０，Ｈ　：　

。

＜０。估计结果如表５所示，此时ｔＮＬ一　

蠢　

，

可以计算出ｔＮＬ一一０・７２０　７。　

表５辅助回归检验结果　

注：在１％和５％置信水平下的ｔＮＬｌ临界值分别为一３．９０　

和一３．４０。　

根据　。的户值可以看出，可以看出，在１％、　

５　和１Ｏ　的置信水平下，不能拒绝存在单位根　

（非稳定）的原假设。　

四、结论及启示　

ＳＴＡＲ模型框架下的非线性最小二乘估计和　

ＫＳＳ法的检验结果都表明上证５０指数不存在均　

值回归现象。由此得出结论，在样本区间范围内，　

上证５Ｏ指数的股票平均起来看没有很好地发挥　

其价格发现的功能，中国股票市场尚未成熟。造　

成这种功能缺失的根本原因是ＩＰＯ的非市场化。　

中国股票市场一级市场ＩＰ０的定价权基本是由　

政府监管部门来控制，而二级市场是一个由众多　

投资者构成的竞价交易市场，其市场化程度会远　

远高于一级市场。目前，中国股票市场形成了一　

个恶性循环：由于一级市场定价过高，二级市场回　

归的方向就只能选择下跌。低迷的二级市场会使　

一

级市场ＩＰＯ无法顺利进行，于是监管部门开始　

调控股市，政策托起并形成牛市，形成有利于上市　

公司并引导圈钱的工具，这就是所谓的“政策市”。　

正是由于“政策市”才导致中国股票二级市场价格　

发现功能不断地被中断和不断地被破坏。　

要想有效发挥股票市场价格发现的功能就必　

须充分利用市场机制的作用，而充分利用市场机　

中国股票市场价格发现功能缺失主要是受“政策　

市”的影响，因而我国应该逐步实现ＩＰＯ制度向　

注册制迈进，将ＩＰＯ的定价权转移给市场，从根　

本上实现股票市场价格发现功能的修复。　

第二，股票发行与上市分离模式是实现市场　

化的重要步骤。在市场化改革的过程中要经历无　

数阵痛，为使市场化改革能够逐步地进行，而非急　

于求成，笔者认为可以先试行股票发行与上市分　

离模式。股票上市本来解决的是流动性问题，但　

中国股票市场的一个显著特征是股票上市的主要　

目的是为了筹资，圈钱动机显露无疑。为了杜绝　

这种现象的发生，可以先实现发行市场（一级市　

场）市场化，然后二级市场市场化，最后形成完全　

市场化模式。企业股份只要符合条件，不发行新　

股也允许原有股份上市交易，这样一来，可以立即　

消除发行市场虚假繁荣现象，还原一级市场本应　

存在的风险。　

市场化改革可能面临风险，即对股票市场上　

投资者和上市公司的非市场化行为的矫正必将经　

历股市低迷的过程。所以，我国应该健全监管体　

制，合理推行制度创新，努力帮助股票市场顺利走　

出改革阵痛的阴影，使其充分发挥价格发现这一　

基本功能，最终实现资源的优化配置。　

参考文献：　

［１］　宋玉臣，寇俊生．沪深股市均值回归的实证检验［Ｊ］．金融　

研究，２００５（１２）：５９—６５．　

［２］梁琪，滕建州．股票市场、银行与经济增长：中国的实证分　

析［Ｊ］．金融研究，２００５（１０）：９—１９．　

［３］伍志文，周建军．“股经背离”的存在性之争及其实证检验　

［Ｊ］．财经研究，２００５（３）：３７—４７．　

［４］孙霄狲，高峰，马菁蕴，等．上证综指脱离中国经济吗？　

——

兼论如何改进上证综指［Ｊ］．金融研究，２００５（１０）：　

１７３—１８３．　

［５］杜江，沈少波．我国股票市场与实体经济的相关性分析　

ＥＪ３．求索，２０１０（５）：２７—２８．　

［６］何诚颖，张龙斌，陈薇．基于高频数据的沪深３００指数期　

货价格发现能力研究［Ｊ］．数量经济技术经济研究，２０１１　

（５）：１３９—１５１．　

［７］　方匡南，蔡振忠．我国股指期货价格发现功能研究［Ｊ］．统　

计研究，２０１２（５）：７３—７８．　

［８］严敏，巴曙松，吴博．我国股指期货市场的价格发现与波　

动溢出效应ＥＪ２．系统工程，２００９（１０）：３２—３８．　

４７０　东北大学学报（社会科学版）　第１５卷　

［９］　

李海英，马卫锋，罗婷．上海燃料油期货价格发现功能研　

究——基于ＧＳ模型的实证分析［Ｊ］．财贸研究，２００７（２）：　

９８—１０１．　

ａｎｄ　ＡＮＮ　Ｍｏｄｅｌｓ：Ｆｏｒｅｃａｓｔｉｎｇ　Ｐｅｒｆｏｒｍａｎｃｅ　ｏｎ　ｔｈｅ　

Ｓｐａｎｉｓｈ“Ｉｂｅｘ－３５”Ｓｔｏｃｋ　Ｉｎｄｅｘ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｅｍｐｉｒｉｃａｌ　

Ｆｉｎａｎｃｅ，２００５，１２（３）：４９０～５０９．　

ｍ　Ｋ　Ｐ，Ｌｉｅｗ　Ｖ．Ｎｏｎｌｉｎｅａｒ　Ｍｅａｎ　Ｒｅｖｅｒｓｉｏｎ　ｉｎ　Ｓｔｏｃｋ　

［１８３　

Ｌｉ

ＥｌＯ］　

华仁海，刘庆富．股指期货与股指现货市场间的价格发现　

能力探究［Ｊ］．数量经济技术经济研究，２０１０（１０）：９０　

—

Ｐｒｉｃｅｓ：Ｅｖｉｄｅｎｃｅ　ｆｒｏｍ　Ａｓｉａｎ　Ｍａｒｋｅｔｓ［Ｊ］．Ａｐｐｌｉｅｄ　

Ｆｉｎａｎｃｉａｌ　Ｅｃｏｎｏｍｉｃｓ　Ｌｅｔｔｅｒｓ，２００７，３（１）：２５—２９．　

１００．　

Ｅｌ１］　

徐国祥，李文．基于中国金属期货价格指数的价格发现能　

力实证研究ＥＪ］．统计研究．２０１２（２）：４８—５７．　

［１９３　

Ｃｈｅｎ　Ｓ　Ｌ，Ｋｉｍ　Ｈ．Ｎｏｎｌｉｎｅａｒ　Ｍｅａｎ　Ｒｅｖｅｒｓｉｏｎ　Ａｃｒｏｓｓ　

Ｎａｔｉｏｎａｌ　Ｓｔｏｃｋ　Ｍａｒｋｅｔｓ：Ｅｖｉｄｅｎｃｅ　ｆｒｏｍ　Ｅｍｅｒｇｉｎｇ　Ａｓｉａｎ　

［１２］　

苏治，陈杨龙．基于Ｍｏｒｌｅｔ小波时频互相关的股指期货价　

格发现效率研究［Ｊ］．数量经济技术经济研究，２０１２（６）：　

ｌ４Ｏ一１５１．　

Ｍａｒｋｅｔｓ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｅｃｏｎｏｍｉｃ　Ｊｏｕｒｎａｌ，２０１１，２５　

（２）：２３９—２５０．　

　Ｓ　Ｃ，Ｗｕ　Ｔ　Ｈ．Ａｓｙｍｍｅｔｒｉｃ　Ｎｏｎｌｉｎｅａｒ　

［２Ｏ］　

Ｃｈｉｕ　Ｃ　Ｃ，Ｔｓａｉ

［１３］　

陈秋雨，陈冲，冯炜．中国黄金期货市场价格发现功能研　

究［Ｊ］．浙江社会科学，２０１２（７）：１９—２５．　

［１４］　宋玉臣．现代金融学理论的缺陷与解决路径［Ｊ］．社会科　

学，２０１２（２）：５０—５８．　

Ｍｅａｎ　Ｒｅｖｅｒｓｉｏｎ　ｉｎ　Ｎｉｎｅ　Ｓｔｏｃｋ　Ｉｎｄｅｘ　Ｆｕｔｕｒｅｓ　Ｍａｒｋｅｔｓ［Ｊ］．　

１ｎｔｅｒｎａｔｉｏｎａｌ　Ｒｅｓｅａｒｃｈ　Ｊｏｕｒｎａｌ　ｏｆ　Ｆｉｎａｎｃｅ　ａｎｄ　Ｅｃｏｎｏｍｉｃｓ，　

２０１２，１０１：１１５—１２２．　

ｏｓ　Ｇ，Ｓｈｉｎ　Ｙ，Ｓｎｅｌｌ　Ａ．Ｔｅｓｔｉｎｇ　ｆｏｒ　ａ　Ｕｎｉｔ　Ｒｏｏｔ　

Ｅ２１］　

Ｋａｐｅｔａｎｉ

［１５］　

Ｍｏｎｏｙｉｏｓ　Ｍ，Ｓａｒｎｏ　Ｉ　．Ｍｃａｎ　Ｒｅｖｅｒｓｉｏｎ　ｉｎ　Ｓｔｏｃｋ　Ｉｎｄｅｘ　

ｉｎ　ｔｈｅ　Ｎｏｎｌｉｎｅａｒ　ＳＴＡＲ　Ｆｒａｍｅｗｏｒｋ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　

Ｅｃｏｎｏｍｅｔｒｉｃｓ，２００３，１１２（２）：３５９—３７９．　

Ｆｕｔｕｒｅｓ　Ｍａｒｋｅｔｓ：Ａ　Ｎｏｎｌｉｎｅａｒ　Ａｎａｌｙｓｉｓ［Ｊ］．Ｔｈｅ　Ｊｏｕｒｎａｌ　

ｏｆ　Ｆｕｔｕｒｅｓ　Ｍａｒｋｅｔｓ，２００２，２２（４）：２８５—３１４．　

Ｅ２２］　

王俊，孔令夷．非线性时间序列分析ＳＴＡＲ模型及其在经　

济学中的应用ＥＪ］．数量经济技术经济研究，２００６（１）：７７　

—

［１６３　

Ｍａｎｚａｎ　Ｓ．Ｎｏｎｌｉｎｅａｒ　Ｍｅａｎ　Ｒｅｖｅｒｓｉｏｎ　ｉｎ　Ｓｔｏｃｋ　Ｐｒｉｃｅｓ　

ＥＭ］．Ａｍｓｔｅｒｄａｍ：Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ａｍｓｔｅｒｄａｍ，２００３．　

ｇｕｅｚ　Ｊ　Ｖ，Ｔｏｒｒａ　Ｓ，Ａｎｄｒａｄａ—Ｆ６１ｉｘ　Ｊ．ＳＴＡＲ　

［１７］　

Ｐ６ｒｅｚ—Ｒｏｄｒｉ

８５．　

Ｍ　

ｉｓｓｉｎｇ　Ｆｕｎｃｔｉｏｎ　ｏｆ　Ｐｒｉｃｅ　Ｄｉｓｃｏｖｅｒｙ　ｉｎ　Ｃｈｉｎａ’ｓ　Ｓｔｏｃｋ　Ｍａｒｋｅｔ　

Ｂａｓｅｄ　ｏｎ　ｔｈｅ　Ｅｍｐｉｒｉｃａｌ　Ｅｖｉｄｅｎｃｅ　ｏｆ　ＳＳＥ　５０　Ｉｎｄｅｘ　

Ｓ０ＮＧ　Ｙｕ－ｃｈｅｎ。ＪＩ　Ｙｕ　

（Ｒｅｓｅａｒｃｈ　Ｃｅｎｔｅｒ　ｏｆ　Ｏｕａｎｔｉｔａｔｉｖｅ　Ｅｃｏｎｏｍｉｃｓ，Ｊｉｌｉｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｃｈｕｎ　１　３００　１　２，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｐｒｉｃｅ　ｄｉｓｃｏｖｅｒｙ　ｉｓ　ａ　ｂａｓｉｃ　ｆｕｎｃｔｉｏｎ　ｏｆ　ｓｔｏｃｋ　ｍａｒｋｅｔ．Ｂｙ　ａｄｏｐｔｉｎｇ　ｔｈｅ　ｍｅａｎ　ｒｅｖｅｒｓｉｏｎ　ｔｈｅｏｒｙ　

ａｎｄ　ＳＴＡＲ　ｍｏｄｅｌ，ｔｈｉｓ　ｓｔｕｄｙ，ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｍｏｎｔｈｌｙ　ｄａｔａ　ｆｒｏｍ　Ｊａｎｕａｒｙ　２００４　ｔｏ　Ｄｅｃｅｍｂｅｒ　２０　１　２，　

ｃａｒｒｉｅｓ　ａｎ　ｅｍｐｉｒｉｃａｌ　ｒｅｓｅａｒｃｈ　ｔｏ　ｅｘｐｌｏｒｅ　ｔｈｅ　ｐｒｉｃｅ　ｄｉｓｃｏｖｅｒｙ　ｆｕｎｃｔｉｏｎ　ｏｆ　ｔｈｅ　ｍｏｓｔ　ｒｅＤｒｅｓｅｎｔａｔｉｖｅ　ＳＳＥ　５０　

Ｉｎｄｅｘ．Ｔｈｅ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ＳＳＥ　５０　Ｉｎｄｅｘ　ｔａｋｅｓ　ｏｎ　ａ　ｓｉｇｎｉｆｉｃａｎｔ　ｔｒｅｎｄ　ｉｎ　ｔｈｅ　ｓａｍｐｌｅ　ｉｎｔｅｒｖａ１　ｒａｔｈｅｒ　

ｔｈａｎ　ｔｈｅ　ｆｅａｔｕｒｅ　ｏｆ　ｍｅａｎ　ｒｅｖｅｒｓｉｏｎ，ａｎｄ　ｉｔ　ｌａｃｋｓ　ｔｈｅ　ｂａｓｉｃ　ｆｕｎｃｔｉｏｎ　ｏｆ　ｐｒｉｃｅ　ｄｉｓｃｏｖｅｒｙ．Ｔｈｕｓ。ｉｔ　ｃａｎ　ｂｅ　

ｃｏｎｃｌｕｄｅｄ　ｔｈａｔ　ｔｈｅ　ｐｒｉｃｅ　ｄｉｓｃｏｖｅｒｙ　ｆｕｎｃｔｉｏｎ　ｏｆ　Ｃｈｉｎａ’ｓ　ｓｔｏｃｋ　ｍａｒｋｅｔ　ｄｏｅｓ　ｎｏｔ　ｏｐｅｒａｔｅ　ｗｅｌ１．Ｆｉｎａｌｌｙ，ｔｈｅ　

ｐａｐｅｒ　ｐｕｔｓ　ｆｏｒｗａｒｄ　ｓｏｍｅ　ｃｏｕｎｔｅｒｍｅａｓｕｒｅｓ　ｓｕｃｈ　ａｓ　ａｃｃｅｌｅｒａｔｉｎｇ　ＩＰＯ　ｍａｒｋｅｔ—ｏｒｉｅｎｔｅｄ　ｐｒｉｃｉｎｇ　ａｎｄ　

ｓｅｐａｒａｔｉｎｇ　ｌｉｓｔｉｎｇ　ｆｒｏｍ　ｉｓｓｕｉｎｇ．　

Ｋｅｙ　ｗｏｒｄｓ：ｓｔｏｃｋ　ｍａｒｋｅｔ；ｐｒｉｃｅ　ｄｉｓｃｏｖｅｒｙ　ｆｕｎｃｔｉｏｎ；ｍｅａｎ　ｒｅｖｅｒｓｉｏｎ；ＳＴＡＲ　ｍｏｄｅｌ　

（责任编辑：王　薇）