全部版块 我的主页
› 论坛 › 经济学人 二区 › 外文文献专区
印度股票市场效率研究
mingdashike22
643 6
2022-04-24
英文标题：
《A Study on the Efficiency of the Indian Stock Market》
---
作者：
Devansh Jain, Manthan Patel, Aman Narsaria and Siddharth Malik
---
最新提交年份：
2020
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：General Finance        一般财务
分类描述：Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--
一级分类：Economics        经济学
二级分类：General Economics        一般经济学
分类描述：General methodological, applied, and empirical contributions to economics.
对经济学的一般方法、应用和经验贡献。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--
一级分类：Quantitative Finance        数量金融学
二级分类：Trading and Market Microstructure        交易与市场微观结构
分类描述：Market microstructure, liquidity, exchange and auction design, automated trading, agent-based modeling and market-making
市场微观结构，流动性，交易和拍卖设计，自动化交易，基于代理的建模和做市
--

---
英文摘要：
  The efficiency of the stock market has a significant impact on the potential return on investment. An efficient market eliminates the possibility of arbitrage and unexploited profit opportunities. This study analyzes the weak form efficiency of the Indian Stock market based on the two major Indian stock exchanges, viz., BSE and NSE. The daily closing values of Sensex and Nifty indices for the period from April 2010 to March 2019 are used to perform the Runs test, the Autocorrelation test, and the Autoregression test. The study confirms that the Indian Stock market is weak form inefficient and can thus be outperformed.
---
PDF下载：
-->
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复
可人4
2022-4-24 18:38:18
关于印度股票市场效率的研究德凡·詹曼珊·帕特拉曼·纳萨里亚斯德哈特·马利克经济和金融部贝拉技术和科学研究所，皮拉尼{f20180798，f20180823，f20180743，f20180838}@Pilani。比拉尼。ac.无法利用有利机会。本研究基于印度两大证券交易所，即：。，疯牛病和疯牛病。Sensex指数和Nifty指数在2010年4月至2019年3月期间的每日收盘值用于执行运行测试、自相关测试和表格无效，因此可以表现出色。关键词··证券交易所（BSE）·自相关·自回归1简介资本市场将持有资本的人和寻求资本的人聚集在一起，并提供一个实体可以交换证券（如股票和债券）的场所。如果有关资产的所有可用信息都已纳入资产价格，那么资本市场就是有效的。因此，一个高效的市场消除了套利和未开发利润机会的可能性。股票价格从长远来看是徒劳的。它认为技术分析不可靠，因为它是basedarXiv:2012.01160v1[q-fin.GN]2020年12月2日不承担额外风险就不可能跑赢大盘。有效市场假说也忽略了技术和基本面分析，因为它认为当前价格完全独立于过去的价格，无法预测未来的变化。根据股票价格反映的信息水平对假设进行分类。1.1弱表EMHWeak表表明，今天的股票价格反映了过去价格的所有数据。这些数据包括技术分析不可靠和无用的传统。
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nandehutu2022
2022-4-24 18:38:24
然而，它确实允许使用基本分析来识别低估和高估的股票。1.2半强式EMHM宏观经济因素、公司年报、公告等信息。因此，半强形式意味着无论是技术分析还是基本面分析都不能在交易中带来高优势。1.3强形式EMHexist任何能给投资者带来市场优势的信息。因此，强势形式意味着，无论检索到的信息或进行的研究如何，投资者都无法获得超过平均市场回报的投资回报。基于有效市场假说的理论。研究人员考虑到数据交换（股票交换）是否有效。2文献综述Kashif Hamid等人，2010[1]本研究旨在测试亚洲国家和澳大利亚股票市场收益的弱形式市场效率。每月观测时间为2004年1月至2009年12月。使用自相关、Ljung-Box Q-统计检验、运行检验、单位根检验和方差比等数学技术，调查亚太地区所有14个国家的选定股票和月度价格是否遵循随机游走。跨越这些市场。答：问：。
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nandehutu2022
2022-4-24 18:38:31
Khan等人，2011[2]既不遵循随机游走模型，也不具备弱形式效率。Sachin等人，2014年[3]这项研究通过使用每日股价的序列自相关检验（非参数检验），使用二十步假设调查了印度股市的效率。结果表明，印度股市表现为疲软和不充分。Hartika Arora等人，2017年[4]频率数据，用于捕捉股市的日内可预测性特征。通过交易可预测的市场特征。Matteo Rossi et al.，2018[5]这项研究研究了一些最关键的市场不规则性，如GARCH模型和OLS回归。该分析没有显示出显著的异常，但显示了一些特定的市场效应。Ajju Patel等人，2018[6]本文研究了市场效率的弱形式。从2015年4月1日至2018年3月31日，孟买证券交易所（BSE）的官方网站上记录了三年的每日收盘点。运行测试用于分析数据。该研究的结论是，市场不足以根据有关可能影响市场表现的因素的新闻进行调整。Vidya A，2018[7]使用运行测试和自相关测试。研究发现，过去股价与市场之间的关系在弱形式下是有效的。3 2010年4月至2019年3月期间的数据和Nifty（国家证券交易所）指数。4方法论EMH的弱形式主要来自随机游走理论。因此，测试人员需要检查连续的价格变化是否相互独立。在这项研究中，运行测试、自相关和自回归被用来测试股票市场的弱形式有效性。这些测试是使用Microsoft Excel、STATA和Python进行的。4.1测试价格的大小。
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nandehutu2022
2022-4-24 18:38:37
测试用于确定数据集是否来自随机过程。测试只考虑时间序列的变化方向。运行定义为一系列增加值或一系列减少值。运行测试的假设定义为：无效假设H：数据集来自随机过程。替代假设H：数据集不是来自随机过程。用于测试上述运行测试假设的Z分布由以下公式给出：Z=R-uσ（1）R=运行次数u=运行平均值σ=运行标准偏差4。2自相关函数ACF（k）[8]yt-kas:ACF（k）=Pnt=1-k（yt）- y）（yt-K- y）Pnt=1（yt- “y”（2）这里，“y”是n个观测值的相关系列的总体平均值。ACF（k）的标准误差由以下公式得出：seACF（k）=√N- k（3）对于足够大的n（n≥ 50），ACF（k）的标准误差近似为：seACF（k）=√n（4）ACF检验的假设定义为：无效假设H：相关性不存在。替代假设H：存在相关性。用于测试上述ACF（k）假设的t分布由以下公式给出：t=ACF（k）seACF（k）（5）4.3自回归在某种程度上，我们可以将自回归定义为以过去值为独立变量的多元回归，类似于简单多元回归中使用的预测因子。用于自回归的模型由以下公式给出：Indext=常数+t-1Xpβp（指数）t-结果5。1.假设被拒绝。这意味着数据集不是随机的。因此，运行测试证明当前价格取决于过去的价格。表1:Runs TestStatistic Sensex NiftyNumber of Runs 1037 1033正运行数1158 1153负运行数1053 1047运行平均数1104.1 1047运行标准偏差23.45 23.39计算的Z-统计量-2.857-2.7685.2自相关图中每个峰值的长度表示自相关值。
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

能者818
2022-4-24 18:38:45
前20年的峰值取决于过去的价格。（a） 自相关：Sensex（b）自相关：Nifty图1：相关图Sensex和Nifty的自相关测试结果如表2所示。Sensex和Nifty的每个滞后的自相关值约为标准误差水平的五倍。这意味着存在自相关。因此，自相关测试证明当前值与过去值相关。3.994 0.994 0 0.994 0.994 0.994 0.994 0.994 0.994 0.994 0.994 0.993 0.993 0.990 0 0.990 0.990 0 0.990 0 0.999 0 0.989 0.989 0 0.987 0.987 0.987 0 0.987 0.987 0.987 0.989 9 9 9 9 9 9 9 9 9 9 9 9 9 0.989 9 0.989 0.989 9 9 9 9 9 9 9 9 9 0.989 0.989 9 0.989 0.987 0.987 0.987 0.987 0.987 0.987 0.987 0.987 0.987 0.987 0.987 0.987 0.987 0.987 0.987 0.987 0.987 0.987 0.987 0.987 0.5.3自回归Sensexβp6=0取决于过去的价值对于Sensex。表3：自回归：SensexRegression统计学家R平方0.968调整R平方0.967系数t值p值截距7.907 0.42 0.6790Lag 1 1.077 50.60 0.0000Lag 2-0.077-3.61 0.0003五分之一βp6=0取决于过去的数值。表4：自回归：NiftyRegression Statistics R Squared 0.999调整R Squared 0.999系数t值p值截距2.902 0.50 0.6142滞后1 1.077 50.56 0.0002-0.077-3.61 0.00036结论自相关检验和自回归检验。运行测试拒绝出现随机行走，确认过去值和当前值之间存在相关性。自回归测试表明，当前值实际上取决于过去的值。股票。因此，公允价值较低的公司可能会发现，有关可能影响股票市场价格的因素的新闻具有挑战性。
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

微信QQ空间QQ微博
扫码加好友，拉您进群
各岗位、行业、专业交流群