一、研究背景

自1970年Fama提出有效市场假设以来，关于如何检验资本市场效率形态的研究就成为实证金融学领域的热门课题，其中由于弱式有效是有效市场中的最低层次，因而对它的检验最受关注和争议。早期对弱式有效的检验方法，主要是基于过去收益的预测能力检验，后来又进一步扩展到其他变量对收益预测能力的研究。如果根据市场交易的历史信息(如交易价格、交易量、收益率等)能够显著地解释股票未来的收益水平，则说明市场是无效的[1]；反之，则是有效的。用数学模型表示如下：定义pt为第t天的股价，Rt=ln(pt/pt-1)×100为股票的日收益率，如果Rt统计上独立于Rt-1、Rt-2……并且分布相同，则说明当前收益率的概率分布不依赖于历史收益，股价波动服从随机游走模式(赵留彦等，2005)[2]。

虽然这种检验方法的构建与发展代表了现代金融理论的一个主要研究方向，但是其所遵循的线性思维模式也局限了有效市场假设的合理性和适用性。随着实证理论和技术的发展，大量证据表明，股市收益分布明显偏离正态分布，具有尖峰、肥尾等特征，而导致这些特征的原因不乏非线性因素的影响。因此，很多学者开始对时间序列的非线性特征进行研究。1982年，恩格尔(Engle)提出了自回归条件异方差模型(ARCH)，并由博勒斯莱文(Bollerslev)发展成为广义自回归条件异方差模型(GARCH)，这些模型广泛地应用于经济学各个领域，尤其是金融时间序列分析中。与此同时，关于时间序列非线性结构的统计检验也取得了很大的进步，目前常用的检验方法有McLeod-Li检验、BDS检验和Hsieh检验等。

挤压法是一种新兴的微胶囊技术,相对其他微胶囊制作方法有自身优势,它是在低温下加工生产微胶囊的技术,表面孔面积较小,能防止精油挥发和氧气进入; 表面油量少,货架寿命长; 操作温度低,对风味物质损害小。因此有必要在挤压法制备精油微胶囊工艺方面进行深入研究。

我国学者解保华等(2002)[3]、张永东(2003)[4]、赵留彦等(2005)[2]、马超群等(2008)[5]、何兴强(2009)[6]、张小宇和刘金全(2015)[7]等运用这些方法对我国股市效率进行研究，他们普遍发现我国股市收益率之间存在着显著的非线性相关性。但总的来说，我国目前对非线性金融行为的研究和探索是非常少的，无论是教学科研还是金融实践中，人们仍将有效市场假设以及在其基础上建立起来的一系列理论框架奉为经典和正统，加以传授和使用。然而，面对股市中客观存在的非线性因素，如果我们长期忽略其作用和影响就会产生错误的结论，导致重大风险的产生。因此，笔者在各位学者研究成果的基础上，采用最新发展的非线性检验方法来探寻我国股市收益的非线性可预测性的来源、分布情况及其特征等，以达到对我国资本市场运动规律的基本理解，加深对股价波动行为的认识，提高对未来收益的预测能力。

分离立交桥梁工程是高速公路重要组成部分，由于其规模性、复杂性常常要面临许多难以预测的安全风险[1]，这通常会导致施工期间人身伤亡事故的发生.因此，对分离立交桥梁工程施工风险进行分析就显得十分重要[2].

二、非线性检验方法

目前常用的非线性相关性的检验方法，如ARCH-LM检验[8]、BDS检验等[9][10]，1995年Hinich和Patterson(正式发表于2005年)[11]在Box-Pierce Q统计量的基础上，提出了一种新的非线性相关结构的检验方法,即混合双重相关性检验(portmanteau bicorrelation test，PBT)，似乎还没引起国内学者的注意，至今没有人应用过，因此笔者首先对该方法进行介绍。

其中，my和sy分别表示该窗口的样本均值和样本标准离差。标准化后的序列{Z(t)}应该均值为0，方差为1。

Hinich和Patterson认为，即使某个时间序列具有显著的自相关性，这些自相关性可能只是来自某个时间片段，因此PBT检验方法主要用来检测纯白噪音过程中存在序列相关的短暂片段[11-13]，具体过程如下：

首先，把时间序列划分为等长度的子样本窗口。用序列{y(t)}表示样本时间序列，其中时间单位t是整数。如果确定窗口的长度为n，那么第k个窗口就是{y(tk),y(tk+1),……y(tk+n-1)}，下一个窗口则是{y(tk+1),y(tk+1+1),……y(tk+1+n-1)}，以此类推。其中tk+1=tk+n。

首先对上证指数、深证成指和深证综指的收益率时间序列进行了BDS检验(Value=0.7)，结果见表4的A部分。可以发现，直接对收益率时间序列的BDS检验结果的P值都为0，因此拒绝原假设，时间序列存在显著的序列相关。但是BDS检验并不能说明，这些相关性是来自线性相关还是非线性相关，这就需要进一步探求相关性的来源。

 

(1)

(1)由图1可知，政策法律环境与信息沟通与共享、战略目标具有直接的正相关关系，路径系数分别为0.15和0.38，结果支持假设H1和H3。作为企业合作驱动力的政策法律环境直接影响企业间的协调联动。通过政府政策等宏观协调管理可有效鼓励履约行为，推动合作伙伴间技术知识等信息的交流与沟通，间接改善合作绩效，可见政策法律环境与协调绩效存在间接影响作用关系，企业沟通与信息交流做为中间变量发挥着桥梁作用，假设H2不成立。

检验的零假设为每个窗口的转换数据{Z(t)}为固定的纯白噪声过程，即对于所有的r和s(0CZZZ(r,s)=E[Z(t)Z(t+r)Z(t+s)]都等于零(除非r=s=0)。替代假设为窗口中的序列存在某种非0的双重相关性。换而言之，如果窗口中存在双重相关性，那么至少有一对r和s使得CZZZ(r,s)≠0。

 

(2)

(1)ARCH-LM检验的结果

我国互联网汽车金融与国外存在着较大的差距，主要原因就是管理模式、管理理念的落后，而企业管理的核心就在人才。要对互联网汽车金融行业中的关键部门，如技术部门、风险管控部门、营销部门等的人才选拔和培养工作引起重视，将业务开展过程中的经营风险降到最低。

 

(3)

其中，

(4)

我国证券市场包括沪深两市，其中深证交易所成立于1989年，1991年7月正式营业，上海证券交易所1990年11月正式营业。代表中国股市发展最重要的三个指数包括上证指数、深证成指和深证综指，因此选择这三个股指作为研究对象。由于20世纪90年代初刚建立股市交易所时，交易制度还不完善，市场规模很小，投资者也很不成熟，考虑到数据采样的一致性和可靠性，同时也为了尽可能地包括更多样本，研究期限选择了从1995年1月1日至2017年6月30日。令Pt表示第t日股指的收盘指数，Rt=ln(Pt/Pt-1)×100表示股价变动的收益率，分别计算了上证综合、深证成份和深证综合三大股指的日收益率时间序列。研究数据全部来自国泰安数据库(CSMAR)，所有运算都在EVIEWS 8.0上完成。

三、实证检验

1.数据来源及描述性统计

如果H指数显著，则说明该窗口存在非线性相关性。对于整个股市收益率的时间序列来说，H指数显著的窗口越多，说明市场效率越低，拒绝零假设。当然，在计算H指标时还有两个参数要确定。一是间隔长度L，其计算公式为L=nb，其中0

 

表1 股市收益率时间序列的描述性统计结果

  

项目上证指数深证成指深证综指样本量546054535453均 值0 02920 03880 0477中位数0 06310 04400 1366方差1 78651 93621 9357偏 度0 1957-0 1647-0 2343峰 度18 446310 481412 8766

对这三个时间序列进行描述性统计，对其基本特性进行分析，结果见表1。可以发现，沪深两个股市交易的一些基本特征：从偏度上来看，上证指数为右偏0.1957，深证成指为左偏0.1647，深证综指也为左偏0.2343；从峰度来看，三个时间序列的峰度都大于3，分别为18.4463、10.4814和12.8766，说明这三个时间序列都不太符合正态分布，“尖峰肥尾”现象比较明显，因此以正态分布为基础的检验方法就要慎重使用。

2.传统的线性检验结果

为了进一步分析这三个时间序列的特征，采用传统的线性检验方法做了进一步检验，具体选择了单位根检验和序列相关检验，结果见表2。单位根检验一般用来检验时间序列的平稳性，选择最常用的ADF单位根检验，ADF检验结果分别是-71.69、-70.31和-69.29，P值都显著小于临界值0.01，故在1%的显著性水平上拒绝原假设，即时间序列不存在单位根，是平稳序列。序列相关检验是通过序列的自相关系数是否为零来检验序列是否是随机游走的。对三个时间序列进行Ljung-Box统计量检验，结果显示，所有的Q值都比较大，伴随概率P值都小于0.01，说明在1%的显著性水平下，拒绝原假设，序列存在显著的自相关性。

(2)提高上市公司质量

 

表2 股市收益率的单位根检验和序列相关检验结果

  

项目上证指数深证成指深证综指ADF-71 69(0 000)∗∗∗-70 31(0 000)∗∗∗-69 29(0 000)∗∗∗Q(1)4 9020(0 027)∗∗12 949(0 000)∗∗∗21 490(0 000)∗∗∗Q(5)15 673(0 008)∗∗∗28 205(0 000)∗∗∗36 426(0 000)∗∗∗Q(10)24 860(0 006)∗∗∗38 318(0 000)∗∗∗43 200(0 000)∗∗∗Q(20)53 155(0 000)∗∗∗53 535(0 000)∗∗∗64 590(0 000)∗∗∗Q(30)87 138(0 000)∗∗∗70 062(0 000)∗∗∗83 750(0 000)∗∗∗

注：括号内为P值；*、**、***表示在10%、5%、1%的显著性水平下显著；下同。

3.非线性检验结果

根据累计卡方分布函数的原理，Hinich设计了H指标用来检验窗口中是否存在非0的双重相关系数，其分布函数为：

序列相关检验发现股市收益率时间序列中具有严重的序列相关，因此对自相关AR(1)模型的残差，进行滞后1-5阶的ARCH-LM检验，结果见表3。从表3中可以发现，股市收益率序列的检验结果都比较大，P值都为零，因此拒绝原假设，说明我国股市日收益率序列中存在显著的ARCH效应，即其波动具有聚类的特性。我们也发现深证成分与深证综合的检验结果比较类似，这可能是因为它们都是反映同一个股市收益率波动情况的原因。除去线性自相关后残差中仍存在相关性，说明AR(1)线性模型不能很好地刻画收益率时间序列的波动。

宪法学研究要同中国近现代史特别是党领导人民长期奋斗的光辉历程紧密结合起来，同改革开放和社会主义现代化建设紧密结合起来。深入研究阐释我国宪法是党领导人民长期奋斗历史逻辑、理论逻辑、实践逻辑的必然结果，反映了全党全国各族人民的共同愿望，是国家意志的最高表现形式。要正确阐释新时代依宪治国、依宪执政的内涵和意义，使宪法精神深入人心，以宪法精神凝心聚力，为把宪法实施提高到一个新水平打牢坚实的思想基础和社会基础。

 

表3 AR(1)模型残差序列的ARCH-LM检验结果

  

滞后n阶上证指数深证成指深证综指1120 82(0 000)∗∗∗90 78(0 000)∗∗∗91 54(0 000)∗∗∗2142 59(0 000)∗∗∗136 55(0 000)∗∗∗136 55(0 000)∗∗∗3138 79(0 000)∗∗∗633 08(0 000)∗∗∗633 09(0 000)∗∗∗4143 58(0 000)∗∗∗634 67(0 000)∗∗∗634 67(0 000)∗∗∗5140 14(0 000)∗∗∗634 95(0 000)∗∗∗634 95(0 000)∗∗∗

(2)BDS检验的结果

然后，对每个窗口的样本值都进行标准化处理，用Z(t)表示标准化后的观测值：

目前用得最多的常规工艺是平流式沉淀池和网格反应斜管沉淀池，其中平流式沉淀池具有占地面积大，易因流速与昼夜温差产生异重流和局部紊动流，刮、吸泥机运行时在污泥沉淀层上表面形成稳流而使得该时段内出水水质不稳定，以及沉淀池两头吸泥死角污泥堆积腐化等缺点，从该工艺在水源为水库水的应用情况来看，出水量一般难以达到设计水量。而“网格反应+斜管沉淀”工艺中，目前通常采用的穿孔排泥管排泥不彻底，且排泥自耗水量大，需定期将池内水放空进行冲洗，否则污泥腐化会产生厌氧，引起异味，导致水质达不到要求。经过方案比较，最终决定在明湖水厂采用高效节能新工艺。

如何进一步判断序列的相关性是否来自线性相关，我们的思路是：首先过滤掉收益率序列中的线性相关成分，再对其残差序列进行BDS检验，如果不再相关，则说明该序列的相关性主要是线性结构；如果仍然相关，则说明线性相关不是该序列的主要结构。前文单位根检验结果显示，股市收益率时间序列是平稳序列，因此选择ARMA模型来过滤线性相关成分。根据AIC和SIC值最小原则，最终确认上证综合收益率序列采用ARMA(6，4)模型，而深证成分收益率序列采用ARMA(10，9)模型，深证综合收益率序列采用ARMA(10，6)模型分别来过滤序列中的线性相关性。表4的B部分是对过滤后的残差序列进行BDS检验的结果，可以发现收益率序列ARMA模型残差的BDS值仍然比较大，P值也都为0，说明在1%的显著性水平下，残差序列仍然存在着序列相关，这也说明股指收益率序列的相关性主要并不是来自线性相关，因此需要进一步过滤序列中的非线性结构。

根据ARCH-LM检验的结果可知，收益率序列具有ARCH效应，因此继续用ARMA-GARCH模型来过滤其中的非线性相关成分，表4的C部分是对过滤后残差序列的BDS检验结果。结果显示，对于这三个时间序列，过滤后的残差中已经不存在相关性了，它们BDS值很小，而相伴概率P值都在0.01以上，所以可以接受原假设，ARMA-GARCH过滤后的残差序列服从独立同分布假设(IID)。这就说明，导致沪深两市股指收益率的序列相关的因素，主要是来自非线性相关的ARCH效应。这也进一步说明，我国股市收益率的波动易受到谣言、政府的货币政策与财政政策等因素变化的影响，具体表现为波动具有“聚类性”，在某一时期内波动相对较小，而在另一时期内却又比较大。

 

表4 BDS检验结果

  

m上证指数深证成指深证综指PanelA：股指收益率时间序列的BDS检验结果20 0174(0 000)∗∗∗0 0192(0 000)∗∗∗0 0217(0 000)∗∗∗30 0377(0 000)∗∗∗0 0406(0 000)∗∗∗0 0440(0 000)∗∗∗40 0536(0 000)∗∗∗0 0559(0 000)∗∗∗0 0606(0 000)∗∗∗50 0621(0 000)∗∗∗0 0640(0 000)∗∗∗0 0703(0 000)∗∗∗PanelB：ARMA模型过滤后的残差序列的BDS检验结果20 0178(0 000)∗∗∗0 0200(0 000)∗∗∗0 0222(0 000)∗∗∗30 0383(0 000)∗∗∗0 0414(0 000)∗∗∗0 0446(0 000)∗∗∗40 0543(0 000)∗∗∗0 0568(0 000)∗∗∗0 0612(0 000)∗∗∗50 0628(0 000)∗∗∗0 0647(0 000)∗∗∗0 0706(0 000)∗∗∗PanelC：ARMA-GARCH模型过滤后的残差序列的BDS检验结果20 0004(0 714)0 0010(0 384)0 0009(0 4102)30 0025(0 187)0 0035(0 054)∗0 0029(0 1040)40 0048(0 034)∗∗0 0050(0 024)∗∗0 0048(0 0210)∗∗50 0054(0 024)∗∗0 0048(0 034)∗∗0 0057(0 0086)∗∗∗

(3)PBT检验的结果

那么，是哪些事件的发生易导致股指收益率的波动聚类呢？我们进一步采用PBT检验来探寻。Hinich教授编写了计算PBT的程序①，可直接得到时间序列的H指标显著的窗口及其比例。运用该程序，以90天的窗口长度，对我国上证综合和深证成分的股指收益率序列进行了PBT检验，结果如表5所示。H指标显著则说明该窗口具有显著的双重相关性(bicorrelation)，可以发现，其中上证指数有16个窗口H指标显著，比例为26.67%；而深圳成指有14个窗口H指标显著，比例为20%；深证综指有16个窗口H指标显著，比例为26.67%。从H指标显著的具体窗口来看，除了个别窗口不同之外，三个股指的收益率序列中H指标显著的窗口是相互重合的，尤其是股市最初阶段，这说明这两个证券交易所都受到同样因素的影响，导致股市效率的波动。但随着股市的发展，同步发展的现象逐渐减弱，不同股指的发展表现出不同的特征，这说明整体而言股市效率有所提升。另外还可以发现，2001年之后H指标显著的窗口出现的频率下降了很多，这跟我国很多学者认为我国股市在2001年左右已实现弱式有效的观点基本吻合。

 

表5 PBT检验结果

  

上证指数深证成指深证综指总窗口606060H指标显著的窗口161416比例26 67%20%26 67%具体H指标显著的窗口1996 01 29—1996 06 191996 01 29—1996 06 191996 01 29—1996 06 191996 10 24—1997 03 131996 10 24—1997 03 131996 10 24—1997 03 131997 03 14—1997 07 231997 03 14—1997 07 231997 03 14—1997 07 231997 07 24—1997 12 011997 07 24—1997 12 011997 07 24—1997 12 011998 04 23—1998 08 271998 04 23—1998 08 271998 04 23—1998 08 271999 01 06—1999 05 311999 01 06—1999 05 311999 01 06—1999 05 311999 06 01—1999 10 111999 06 01—1999 10 111999 06 01—1999 10 112000 03 03—2000 07 132000 03 03—2000 07 132000 03 03—2000 07 132000 07 14—2000 11 232001 04 16—2001 08 242001 04 16—2001 08 242001 04 16—2001 08 242002 01 10—2002 06 052002 01 10—2002 06 052002 01 10—2002 06 052002 06 06—2002 10 172002 06 06—2002 10 172002 10 18—2003 03 042002 10 18—2003 03 042002 10 18—2003 03 042003 03 05—2003 07 172003 03 05—2003 07 182003 03 05—2003 07 182006 02 28—2006 07 102004 04 16—2004 08 262009 02 23—2009 07 022009 02 11—2009 06 222009 11 26—2010 03 262014 08 27—2015 01 092010 12 24—2011 05 11

从这些窗口的具体分布情况来看，发现它们主要集中在三个时间段：1996年、1999年和2001年。首先，1996年沪深股市疯涨，特别是垃圾股涨势凶猛，庄家操纵明显，典型案例如琼民源等。该年12月16日开始实施10%的涨跌停板制度，限制了股价的随机游走，可能对股市效率有一定损害，因此该年H指标显著的窗口比较多，说明股市整体效率较低。而1999年与之类似，当时中国股市结束了两年的低迷，突然爆发了一波大牛市，量价齐涨的“5.19行情”就出现在该年。而这一出世纪末的疯狂导致市场效率明显下降，如果市场中理性投资者较多，市场效率则较高；而如果疯众(madness of mobs)控制了市场，则市场效率降低。导致2001年左右股市效率下降最主要的原因，可能是当年的“国有股减持政策”引发了市场恐慌，股价暴跌。其他H指标显著的窗口也都是各种因素的变化引起股市效率的降低，收益率的非线性可预测性增强，随着股权分置、国有股一股独大等长期影响股市效率的制度因素得以改善，我国股票市场的效率逐渐提高，达到了弱式有效程度，因此2001年以后虽然股市也经历了暴涨暴跌的情况，但我们没有发现股市效率大面积下降的情况。PBT检验方法敏锐地捕捉到了这一切，是一个合适的分析工具。

四、结论与建议

1.结论

通过对我国沪深两市股票收益率时间序列可预测性的实证检验，可以发现非线性的可预测性是我国股市收益率序列相关的主要形式，大部分时间里股市其实是有效的，而导致整个时间序列非线性可预测的却往往只是其中的某几个时间段。引起股市效率下降、非线性可预测性增强的因素主要有两大类：一是制度因素，如股权分置、涨跌停板的限制等制度都长期影响股价的随机游走；二是市场情绪，股价的暴涨暴跌都可能引起投资者的非理性行为，导致市场整体效率下降。随着股市制度的不断完善和投资者的不断成熟，2001年以后我国股市达到了弱式有效，股市收益率时间序列的非线性可预测性大大降低。

2.政策建议

(1)尽量避免政策干预

由于市场波动是复杂而难以把握的，我们目前对股市波动的内在原因也知之甚少，这就要求管理当局不能过多地介入市场运行，宏观调控要由直接的行政手段转向间接的政策引导。过度的行政干预，如救市措施、托市政策等非市场行为，往往会增加市场的不确定性，引起系统外的扰动，从而导致非线性风险的集聚和增强，这可以从我们的实证结果中发现。事实上，资本市场具有一定的自适应性，其组织特性保证了它能不断进化、自我完善，通过自身调整不断适应环境的变化[13][15]。而不恰当的行政干预，是对资本市场自适应性的破坏，也使得我国资本市场无法自我成长，永远离不开政府的扶持。

为了提高管理实效，乡镇水利工程管理需要构建管理责任制。首先，管理责任制能够约束员工的行为，保障水利工程稳定运行。为了提高管理制度的合理性，需要按照水利工程施工标准和乡镇地区对水利工程设施的应用需求构建相关制度。管理人员应当了解同一地区水利工程所应用的管理制度，将其中的优点融入到管理工作中，从而提高管理制度的科学性，提升乡镇水利工程管理水平。其次，为了提高员工对管理责任制的重视程度，管理人员应当将奖惩制度融入管理制度。提高检查力度，推动工程管理良性发展，为乡镇地区经济发展奠定良性的基础。

虽然必须要有一定数量的上市公司，才能与我国巨大的经济体量相适应，才能对宏观经济充分反映，但这绝不是说坑蒙拐骗的垃圾公司也可以到资本市场上去圈钱，毫无价值创造的“僵尸企业”不应长期留在资本市场上。如何提高上市公司的质量，要从两方面着手：第一，继续完善推行股票发行的注册制；第二，要建立和完善上市公司的退市制度。这其实是一个问题的两个方面，一个健康发展的股票市场，应该可以通过其内在的吐故纳新进行动态调整，不断吸收优质公司上市，同时又不断淘汰劣质公司使其退市，以提高资源的配置效率。我国股市目前这两方面都存在着严重问题，而由于历史遗留问题，改革过程却又困难重重。但不管如何，进一步完善股市制度，提高上市公司质量是未来发展的必由之路。

(3)培养理性的机构投资者

（4）计算更新后各粒子的适应度，并与之前最好位置的适应度进行比较，如果更新后的适应度较小，则将其作为个体历史最优值，并将当前位置作为个体历史最优位置；

我国股市很多次崩盘、股灾都是由于投资者的恐慌造成的。这可能是因为我国股市投资者的构成大多是散户，而机构投资者很少。从西方成熟资本市场的情况来看，构成市场交易主体的是机构投资者，而我国却正好相反。一般来说，散户投资者抗风险能力较差，容易受到股市中各种传言的影响，情绪易波动，而机构投资者技术力量强大，资金实力雄厚，更能抵抗金融市场中的各种风险，因而也就更为理性。因此，培养和发展合格的机构投资者也是改善我国股市效率、减少风险的方法之一。

(4)构建和完善做市商制度

做市商制度是一种报价驱动式的交易机制，具体的运作机理如下：由具备一定实力和信誉的法人充当做市商，在充分收集相关交易信息的基础上，不断地向投资者报出买入价格和卖出价格，并按其提供的价格接受投资者的买卖要求，以其自有资金和持有的存货与投资者进行交易。其优点在于：第一，能保持市场的流动性，做市商不断进行双向报价并接受交易，使得市场流动性得以维持；第二，能维护市场的稳定性，做市商的操作总是与其他投资者的方向相反，这在很大程度上维持了市场的稳定，避免出现暴涨暴跌；第三，具有价格发现功能，做市商不断报出的买卖价格，是在广泛收集各种信息，并综合分析投资者心理、行为等多种因素，权衡自身风险与收益的基础上形成的，公平合理，体现了价格发现功能。世界上大多数发达的证券交易都是采用做市商制度，但我国仍然是指令驱动系统(张小宇等，2015)[7]。

当然除此之外，我国股市还有很多地方需要进一步完善，只有制度的不断完善才能有效预警股市风险的产生，避免股市风险的爆发[16]。但是，资本市场是一个具有非线性特征的复杂系统，作为理论研究工作者，我们必须认识到这种复杂性，并且虚心承认我们对资本市场复杂性的认识还是相当肤浅的[17]。但我们相信，随着混沌理论、人工神经网络、小波滤波理论等非线性检验的理论与方法，以及未来可能出现的更先进的理论方法，在金融学理的研究与实践中的广泛应用和深入发展，越来越多的研究人员将会把这些理论与市场实践结合起来，以实现对未来市场价格波动的非线性风险更为精确的识别。

他两只眼睛瞪得溜圆，又把对方上下打量了一遍。梦里的长辫子变成了齐耳短发，掺杂着白头发。原来圆鼓鼓的脸，瘦成了尖刀，皱纹里都是沧桑。但细看看，还能找出点当年的影子。

【注 释】

① 该程序的下载地址为：http://www.la.utexas.edu/hinich/files/Economics/T23_Nem.pdf.

【参考文献】

[1]周 亮.影响股票收益的基本面因子略探——基于中小板上市公司的实证分析[J].金融理论与实践，2017(2)：93-38.

[2]赵留彦，王一鸣.中国证券市场波动与收益的非线性相关[J].系统工程理论与实践，2005(12)：1-10.

[3]解保华，高荣兴，马 征.中国股票市场有效性实证检验[J].数量经济技术经济研究，2002(5)：100-103.

[4]张永东.上海股票市场非线性与混沌的检验[J].管理工程学报，2003(3)：21-26.

[5]马超群，邹 琳，李红权.股票市场的非线性结构与混沌效应检验：基于BDS与CR方法[J].湖南大学学报(自科版)，2008(5)：85-88.

[6]何兴强.股票市场可预测性研究[M].广州：中山大学出版社，2009：23-37

[7]张小宇，刘金全.内地股票市场与国际主要股票市场的非线性关联机制研究[J].数理统计与管理，2015(5)：923-932.

[8]Anatolyev S.Nonparametric retrospection and monitoring of predictability of financial returns[J].Journal of Business and Economic Statistics, 2009(27):149-160.

[9]Brock W.A., Dechert W.D., Scheinkman J.A.A test for independence based on the correlation dimension, Econometric Reviews, 1996(15):197-235.

[10]Caginalp G., DeSantis M.Stock price dynamics: nonlinear trend, volume, volatility, resistance and money supply[J].Quantitative Finance, 2011(6):849-861.

[11]Lim K.P., Hinich M.J.Non-linear market behavior: events detection in the Malaysian stock market[J].Economics Bulletin, 2005(6):1-5.

[12]Lim K.P., Brooks R.D., Hinich M.J.Nonlinear serial dependence and the weak-form efficiency of Asian emerging stock markets[J].Journal of International Financial Markets Institutions & Money, 2008(5):527-544.

[13]Lim K.P., Hooy C.W.Non-linear predict ability in G7 stock index returns[J].Manchester School, 2013(4):620-637.

[14]Lo, A.W.The adaptive markets hypothesis: market efficiency from an evolutionary perspective[J].Journal of Portfolio Management, 2004(30): 15-29.

[15]Lo, A.W.Reconciling efficient markets with behavioral finance: the adaptive markets hypothesis[J].Journal of Investment Consulting, 2005(7): 21-44.

[16]周 亮.股灾是否改变了股市的投资逻辑[J].金融理论探索，2017(4)：38-45.

[17]杨 榛，等.我国股票市场走势历史类似性的研究[J].金融教育研究，2017(1)：23-30.