摘要:资本市场尤其在新兴市场中,经常出现违反有效市场假说(Efficient Market Hypothesis,EMH)的情形,如何准确检测到市场对有效情形的偏离,对于投资者和市场监管者来说都意义重大.为了回答这一问题,本文对中美股市的有效性进行了对比分析,使用排列熵(permutation entropy,PE)算法,计算了深证成指(SZSE)和道琼斯工业平均指数(DJIA)的复杂度PE.研究发现无论使用低频还是高频数据,美国股市总是符合EMH,具有很强的随机性;而中国股市则仅在使用低频数据时符合EMH,然而在使用高频数据时,SZSE的PE值则显著偏离完全随机情形,表明我国股市违反EMH.为了更进一步研究这种市场偏离完全随机的机理,通过计算Hurst参数(Hurst parameter)检测了中美两个股票市场的记忆效应,发现在中国股市中,几十分钟内H显著地偏离1/2,表示在较小的时间尺度下市场严重违反EMH,与之对比的是,美国股市的H值则接近1/2,在不同时间尺度下总是符合EMH.最后考察H和PE的关系,得出中国股市的复杂度PE与较小时间尺度下的HS呈现显著的负相关关系,与较大时间尺度的HL则无关.