Was ist die Effizienzmarkthypothese?

Die Effizienzmarkthypothese besagt, dass der Kurs eines Wertpapiers die verfügbaren Informationen bereits enthält. Verbleibende Muster sind danach zu klein und zu kurzlebig, um sie nach Kosten profitabel zu handeln. Eugene Fama fasste die Idee 1970 in einem Überblicksartikel in drei Formen: schwach, halbstreng und streng. Jede Form bezeichnet einen anderen Informationsbestand, der bereits im Kurs enthalten ist. Zugleich schließt jede Form eine andere Art der Gewinnerzielung aus. Diese Seite erläutert, was die drei Formen ausschließen. Anschließend wird die schwächste Form anhand von fünf Jahren Tageskursen bekannter Unternehmen untersucht.

Welche drei Formen der Markteffizienz gibt es?

Die Formen bauen aufeinander auf. Alles, was die schwache Form besagt, umfasst auch die halbstrenge Form – und zusätzlich weitere Informationen.

• Schwache Form: Vergangene Kurse und vergangenes Handelsvolumen sind bereits im Kurs enthalten. Chartformationen, Trendregeln und Momentum-Filter, die ausschließlich auf der Kurshistorie beruhen, bieten nach dieser Form keinen verlässlichen Vorteil.
• Halbstrenge Form: Jede öffentlich verfügbare Information ist bereits im Kurs enthalten. Dazu gehören Geschäftsberichte, Prognosen, Analystenberichte und Konjunkturdaten. Das Lesen eines öffentlichen Dokuments nach seiner Veröffentlichung bietet nach dieser Form keinen Vorteil, weil sich der Kurs bereits angepasst hat, während alle anderen dasselbe Dokument gelesen haben.
• Strenge Form: Alle Informationen sind im Kurs enthalten, auch nicht öffentliche Informationen. Fast niemand vertritt diese Form. Das Insiderhandelsrecht beruht auf der Annahme, dass nicht öffentliche Informationen einen realen finanziellen Wert haben.

Die Hypothese ist eine Aussage über Verlässlichkeit, nicht über Perfektion. Niemand behauptet, dass Kurse immer richtig sind. Die Aussage lautet, dass Fehlbewertungen im Voraus schwer zu erkennen und nach Abzug der Handelskosten schwer auszunutzen sind.

Schwache Form: Sagt die Bewegung von gestern die von heute voraus?

Der klarste Test der schwachen Form ist die Korrelation zwischen der Rendite eines Tages und der Rendite des folgenden Tages. Ein stark positiver Wert würde auf anhaltende Trends hindeuten. Ein stark negativer Wert würde verlässliche Gegenbewegungen anzeigen. Beide Muster wären handelbar. Die folgende Grafik misst die Autokorrelation erster Ordnung der Tagesrenditen für zwölf bekannte Unternehmen über die fünf Jahre von Juli 2021 bis Juni 2026.

WITH daily AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS dt,
           argMax(toFloat64(close), window_start) AS close_px
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN ('SPY','AAPL','MSFT','KO','JNJ','XOM','JPM','WMT','NVDA','TSLA','PG','HD')
      AND toDate(toTimeZone(window_start, 'America/New_York')) >= toDate('2021-07-01')
      AND toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2026-06-30')
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
           + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY ticker, dt
),
returns AS (
    SELECT ticker, dt,
           close_px / lagInFrame(close_px) OVER (PARTITION BY ticker ORDER BY dt) - 1 AS ret
    FROM daily
),
paired AS (
    SELECT ticker, ret,
           lagInFrame(ret) OVER (PARTITION BY ticker ORDER BY dt) AS prev_ret
    FROM returns
    WHERE ret IS NOT NULL AND ret > -0.5 AND ret < 0.5
)
SELECT ticker,
       count() AS trading_days,
       round(corr(ret, prev_ret), 3) AS lag1_autocorrelation,
       round(abs(corr(ret, prev_ret)), 3) AS abs_autocorrelation
FROM paired
WHERE prev_ret IS NOT NULL
GROUP BY ticker
ORDER BY abs_autocorrelation DESC

Der betragsmäßig größte Wert entfällt auf WMT mit 0.057. Der kleinste Wert gehört KO mit -0.005. Jeder Wert der Stichprobe liegt über jeweils etwa 1252 Handelstage hinweg nur wenige Hundertstel von null entfernt. Eine Korrelation dieser Größenordnung erklärt deutlich weniger als ein Prozent der Schwankung der Rendite am folgenden Tag. Die Vorzeichen wechseln bei den zwölf Unternehmen ohne erkennbares Muster. Genau das entspricht der Aussage der schwachen Form.

Was folgt auf eine große Tagesbewegung?

Eine Korrelation ist ein Durchschnitt über alle Handelstage. Ein Durchschnitt kann Verhalten an den Extrempunkten verdecken. Werden die Tage derselben Stichprobe nach der Bewegung des vorangegangenen Tages sortiert und anschließend die Bewegung des Folgetages gemessen, lässt sich prüfen, ob sich extreme Handelstage anders verhalten als gewöhnliche.

WITH daily AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS dt,
           argMax(toFloat64(close), window_start) AS close_px
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN ('SPY','AAPL','MSFT','KO','JNJ','XOM','JPM','WMT','NVDA','TSLA','PG','HD')
      AND toDate(toTimeZone(window_start, 'America/New_York')) >= toDate('2021-07-01')
      AND toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2026-06-30')
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
           + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY ticker, dt
),
returns AS (
    SELECT ticker, dt,
           close_px / lagInFrame(close_px) OVER (PARTITION BY ticker ORDER BY dt) - 1 AS ret
    FROM daily
),
paired AS (
    SELECT ticker, ret * 100 AS ret_pct,
           lagInFrame(ret) OVER (PARTITION BY ticker ORDER BY dt) * 100 AS prev_pct
    FROM returns
    WHERE ret IS NOT NULL AND ret > -0.5 AND ret < 0.5
)
SELECT multiIf(prev_pct <= -3, '1. down 3% or more',
               prev_pct <= -1, '2. down 1 to 3%',
               prev_pct < 1,  '3. flat, within 1%',
               prev_pct < 3,  '4. up 1 to 3%',
               '5. up 3% or more') AS prior_day_move,
       count() AS observations,
       round(median(ret_pct), 3) AS next_day_median_pct,
       round(100 * countIf(ret_pct > 0) / count(), 1) AS next_day_up_share_pct
FROM paired
WHERE prev_pct IS NOT NULL
GROUP BY prior_day_move
ORDER BY prior_day_move

Auf das unterste Segment, also Handelstage nach einer Bewegung von 1. down 3% or more, folgte in 52.9% der Fälle ein steigender Tag. Grundlage waren 664 Beobachtungen. Auf das oberste Segment nach einer Bewegung von 5. up 3% or more folgte in 53.9% der Fälle ein steigender Tag. Das gewöhnliche mittlere Segment, 3. flat, within 1%, kam auf 53.1%. Alle fünf Segmente liegen nur wenige Prozentpunkte von einem Münzwurf entfernt. Die Medianrendite des Folgetages beträgt in jedem Segment einen Bruchteil eines Prozents: 0.175% nach den stärksten Rückgängen und 0.186% nach den stärksten Anstiegen.

Eine Regel, die nach einem Rückgang von drei Prozent kauft, und eine Regel, die nach einem Anstieg von drei Prozent kauft, hätten nahezu dieselbe Verteilung der Folgetage erzielt. Der Abstand zwischen den Segmenten ist kleiner als ein typischer Bid-Ask-Spread zuzüglich der Provision bei einem Ordervolumen für Privatanleger. Darin zeigt sich die praktische Bedeutung der schwachen Form: Ein Muster muss größer sein als die Kosten seines Handels, bevor es überhaupt einen Vorteil darstellt.

Halbstrenge Form: Was die Auswahlbilanz zeigt

Der am häufigsten angeführte Beleg für die halbstrenge Form ist keine Korrelation. Es ist die langfristige Beobachtung, dass die Mehrheit aktiv verwalteter Portfolios über mehrjährige Zeiträume hinter einem einfachen Index zurückbleibt. Eine vereinfachte Darstellung dieser Rechnung findet sich in einem Korb großer, intensiv analysierter US-Unternehmen. Die Rendite wird dabei Jahr für Jahr mit einem ETF auf den S&P 500 verglichen.

WITH daily AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS dt,
           argMax(toFloat64(close), window_start) AS close_px
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN ('SPY','AAPL','MSFT','NVDA','AMZN','GOOGL','META','TSLA','JPM','XOM','JNJ','WMT','PG','KO','PEP','HD','MRK','LLY','COST','CVX','ORCL','CSCO','INTC','VZ','MCD','NKE','DIS','CAT','HON','TXN','AMD','NFLX','MO','LMT','UNH')
      AND toDate(toTimeZone(window_start, 'America/New_York')) >= toDate('2021-01-01')
      AND toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2025-12-31')
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
           + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY ticker, dt
),
per_year AS (
    SELECT ticker, toYear(dt) AS yr,
           argMin(close_px, dt) AS first_px,
           argMax(close_px, dt) AS last_px
    FROM daily
    GROUP BY ticker, yr
),
perf AS (
    SELECT yr, ticker, (last_px / first_px - 1) * 100 AS ret_pct FROM per_year
),
bench AS (
    SELECT yr, ret_pct AS index_pct FROM perf WHERE ticker = 'SPY'
)
SELECT toString(perf.yr) AS year,
       round(any(bench.index_pct), 1) AS index_return_pct,
       round(median(perf.ret_pct), 1) AS median_stock_return_pct,
       countIf(perf.ticker != 'SPY') AS stocks_measured,
       round(100 * countIf(perf.ticker != 'SPY' AND perf.ret_pct > bench.index_pct)
             / countIf(perf.ticker != 'SPY'), 1) AS pct_beating_index
FROM perf
INNER JOIN bench ON perf.yr = bench.yr
GROUP BY perf.yr
ORDER BY perf.yr

In den 5 untersuchten Kalenderjahren übertrafen weniger als die Hälfte der 34 Unternehmen den Index in vier Jahren. Der Anteil reichte von 32.4% in 2024 bis 58.8% in 2022. Dabei handelte es sich um das einzige Verlustjahr des Zeitraums. Der Index erzielte eine Rendite von -20%, gegenüber -13.3% für das Medianunternehmen. In 2024 erzielte der Index 24%, während das Medianunternehmen im Korb auf 12.7% kam.

Nichts davon beweist die halbstrenge Form. Ein Korb großer Unternehmen bildet nicht den gesamten Markt ab. Ein ETF ist nicht jeder Vergleichsmaßstab. Und fünf Jahre sind eine kurze Stichprobe. Die Rechnung zeigt jedoch, warum die Hypothese schwer von der Hand zu weisen ist. Ein Index ist ein gewichteter Durchschnitt seiner Bestandteile. Ihn zu übertreffen, ist dadurch grundsätzlich ein Minderheitenergebnis. Forschungs- und Handelskosten eines solchen Versuchs werden aus dem Anteil dieser Minderheit bezahlt. Eine verwandte Darstellung der ungleichen Renditen der Indexbestandteile zeigt der oben dargestellte jährliche Abstand zwischen der Index- und der Medianspalte.

Das zentrale Paradoxon

Sanford Grossman und Joseph Stiglitz veröffentlichten 1980 den schärfsten Einwand. Dieser Einwand sollte ernst genommen werden. Informationen zu beschaffen ist kostspielig. Würden Kurse bereits alle Informationen enthalten, würde niemand für deren Beschaffung bezahlen. Gerade diese Informationsbeschaffung führt jedoch dazu, dass Informationen in die Kurse einfließen. Ein vollständig effizienter Markt kann daher kein Gleichgewicht erreichen. Möglich ist ein Markt, der ausreichend effizient ist, sodass der Gewinn aus der Recherche deren Kosten ungefähr deckt.

Mit dieser schwächeren Version arbeiten die meisten Praktiker. Sie passt auch besser zu den oben dargestellten Daten als die absolute Version. Sie beschreibt einen Markt, in dem Vorteile existieren, klein bleiben und durch das Kapital der nach ihnen suchenden Marktteilnehmer schnell verschwinden.

Dokumentierte Anomalien stehen neben der Hypothese, statt sie zu widerlegen. Die Low-Volatility-Anomalie gehört zu den am besten untersuchten. Aktien mit geringerer Schwankungsbreite haben historisch mit volatileren Aktien Schritt gehalten, und das bei einem Bruchteil des Risikos. Dieses Muster lässt sich mit dem klassischen Risiko-Rendite-Modell nicht erklären. Momentum-, Value- und Small-Cap-Effekte weisen eine ähnliche Historie auf. Jeder dieser Effekte wird über Jahrzehnte gemessen. Jeder weist lange Phasen auf, in denen er verschwindet. Mehrere Effekte wurden nach ihrer Veröffentlichung schwächer.

Was die Hypothese für Anleger bedeutet

Die praktische Schlussfolgerung ist eng gefasst. Sie ist keine Prognose für irgendeinen Markt. Unabhängig von der gewählten Form kontrolliert ein Anleger vor allem Kosten, Steuern, Diversifikation und sein Verhalten. Keine dieser vier Größen erfordert eine Prognose. Eine Gebühr belastet ein Portfolio nach derselben Rechenlogik, nach der eine Rendite es wachsen lässt.

Zwei Gewohnheiten passen zu diesem Rahmen, ohne eine Prognose zu verlangen. Cost-Average-Strategien sind eine Regel für den Anlagezeitpunkt und keine Prognose. Das ist ein Grund dafür, dass sie auch in einem Markt funktionieren, in dem Prognosen schwierig sind. Auch die Haltung hinter Kaufen, wenn andere ängstlich sind betrifft das eigene Verhalten des Anlegers und ist keine Aussage darüber, wohin sich die Kurse als Nächstes bewegen.

Die Hypothese liefert außerdem einen Maßstab für die Bewertung von Strategiebehauptungen. Jedes Muster, das auf dem Papier profitabel aussieht, muss Handelskosten, Steuern und den im Backtest enthaltenen Survivorship Bias übertreffen, bevor es als Vorteil gelten kann. Die meisten Muster schaffen diese Hürde nicht. Diejenigen, die sie schaffen, sind meist klein. Außerdem werden sie typischerweise schwächer, sobald mehr Kapital in sie investiert wird.

FAQ

Welche drei Formen der Effizienzmarkthypothese gibt es?

Die schwache Form besagt, dass vergangene Kurse und vergangenes Handelsvolumen bereits im Kurs enthalten sind. Damit schließt sie Vorteile aus, die allein aus der Kurshistorie von Charts entstehen. Die halbstrenge Form besagt, dass alle öffentlichen Informationen bereits im Kurs enthalten sind. Die strenge Form besagt, dass auch private Informationen im Kurs enthalten sind. Fast niemand vertritt diese letzte Version.

Bedeutet die Effizienzmarkthypothese, dass Aktienkurse immer richtig sind?

Nein. Die Hypothese besagt, dass Fehlbewertungen im Voraus schwer zu erkennen und nach Kosten schwer auszunutzen sind. Sie besagt nicht, dass Fehlbewertungen nie auftreten. Blasen und Crashs sind mit der Hypothese vereinbar, solange ein Anleger sie zu diesem Zeitpunkt nicht verlässlich hätte ausnutzen können.

Wer hat die Effizienzmarkthypothese entwickelt?

Eugene Fama stellte den Rahmen mit den drei Formen 1970 in einem Überblicksartikel dar. 2013 erhielt er den Nobel-Gedächtnispreis für Wirtschaftswissenschaften. Die mathematischen Ursprünge reichen weiter zurück. Dazu gehören Louis Bacheliers Arbeiten von 1900 zur Zufälligkeit von Kursen und Paul Samuelsons Aufsatz von 1965 über richtig erwartete Kurse.

Was ist die stärkste Kritik an der Effizienzmarkthypothese?

Das Grossman-Stiglitz-Paradoxon von 1980 lautet: Wenn Kurse bereits jede Information enthielten, würde niemand für die Informationsbeschaffung bezahlt. Die Informationsbeschaffung ist jedoch gerade der Mechanismus, durch den Informationen in die Kurse gelangen. Die verhaltensökonomische Forschung ergänzt eine zweite Kritiklinie. Sie verweist auf dokumentierte und anhaltende Fehler von Anlegern.

Kann jemand den Markt schlagen?

Einige Anleger und Fonds haben über lange Zeiträume Renditen über ihren Vergleichsindizes erzielt. Die Hypothese schließt dieses Ergebnis nicht aus. Sie besagt jedoch, dass die Trennung von Können und Glück deutlich mehr Daten erfordert, als die meisten Erfolgsbilanzen enthalten. Außerdem bleibt der durchschnittliche in aktiv verwalteten Strategien investierte Dollar nach Gebühren hinter dem Markt zurück.

Jede oben dargestellte Grafik basiert auf einer gespeicherten Abfrage, einschließlich der zugehörigen SQL. Öffnen Sie eine Abfrage, um die Berechnung zu prüfen, oder führen Sie denselben Autokorrelationstest für die von Ihnen beobachteten Unternehmen auf dem Strasmore-Terminal aus.