Von Matt Connor
Effizienzmarkthypothese einfach erklärt
Die Effizienzmarkthypothese besagt, dass Kurse alle bekannten Informationen enthalten. Drei Formen und Messung der schwachen Form an fünf Jahren US-Aktiendaten.
Die Effizienzmarkthypothese besagt, dass der Preis eines Wertpapiers bereits alle verfügbaren Informationen über dieses Wertpapier enthält. Dadurch bleiben nur noch Muster übrig, die zu klein und zu kurzlebig sind, um nach Kosten gewinnbringend gehandelt zu werden. Eugene Fama unterteilte diese Idee in einem Übersichtsartikel von 1970 in drei Formen: die schwache, die halbstrenge und die strenge Form. Jede Form benennt einen anderen Informationskörper, der bereits im Preis enthalten ist, und jede schließt eine andere Art der Geldverdienens aus. Diese Seite erläutert, was die drei Formen verbieten, und misst dann die schwächste von ihnen anhand von fünf Jahren Tageskursen bekannter Namen.
Was sind die drei Formen der Markteffizienz?
Die Formen bauen aufeinander auf. Alles, was die schwache Form behauptet, behauptet auch die halbstrenge Form, und noch mehr.
- Schwache Form: Vergangene Kurse und vergangene Volumina sind bereits im Preis enthalten. Chartformationen, Trendregeln und Momentum-Filter, die nur auf der Kurshistorie basieren, bieten unter dieser Version keinen verlässlichen Vorteil.
- Halbstrenge Form: Jede öffentliche Information ist bereits im Preis enthalten, einschließlich Einreichungen, Prognosen, Analystennotizen und Konjunkturdaten. Das Lesen eines öffentlichen Dokuments nach seiner Veröffentlichung bringt unter dieser Version keinen Vorteil, da sich der Preis angepasst hat, während alle anderen dasselbe Dokument lasen.
- Strenge Form: Alle Informationen befinden sich im Preis, einschließlich privater, wesentlicher Informationen. Fast niemand verteidigt diese Version. Insiderhandelsgesetze existieren unter der Prämisse, dass nicht-öffentliche Informationen echtes Geld wert sind.
Die Hypothese ist eine Aussage über Verlässlichkeit, nicht über Perfektion. Niemand behauptet, dass Kurse immer richtig sind. Die Behauptung ist, dass die Fehler im Voraus schwer zu identifizieren und nach Abzug der Handelskosten schwer zu nutzen sind.
Schwache Form: Sagt die Bewegung von gestern die von heute voraus?
Der sauberste Test der schwachen Form ist die Korrelation zwischen der Rendite eines Tages und der des nächsten. Ein stark positiver Wert würde auf anhaltende Trends hindeuten. Ein stark negativer Wert würde auf verlässliche Rücksetzer hindeuten. Beides wäre handelbar. Die folgende Tabelle misst die Autokorrelation erster Ordnung der Tagesrenditen für zwölf bekannte Namen über die fünf Jahre von Juli 2021 bis Juni 2026.
Das exakte SQL hinter jeder Zahl
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 DESCDer absolut größte Wert gehört zu WMT mit 0.057, der kleinste zu KO mit -0.005. Jeder Name im Set liegt über etwa 1252 Handelstage hinweg innerhalb weniger Hundertstel von Null. Eine Korrelation dieser Größenordnung erklärt weit weniger als ein Prozent der Variation der Rendite des nächsten Tages. Die Vorzeichen wechseln über die zwölf Namen ohne erkennbares Muster – genau das, was die schwache Form tut.
Was folgt auf eine große Ein-Tages-Bewegung?
Eine Korrelation ist ein Durchschnitt über jede Sitzung, und ein Durchschnitt kann Verhalten an den Rändern verbergen. Wenn man jeden Tag in derselben Stichprobe nach der Bewegung des vorherigen Tages sortiert und dann misst, was der nächste Tag tat, wird geprüft, ob sich extreme Sitzungen anders verhalten als gewöhnliche.
Das exakte SQL hinter jeder Zahl
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_moveDas unterste Quintil, Sitzungen nach einer Bewegung von 1. down 3% or more, wurde in 52.9% der Fälle bei 664 Beobachtungen von einem steigenden Tag gefolgt. Das oberste Quintil, nach einer Bewegung von 5. up 3% or more, wurde in 53.9% der Fälle von einem steigenden Tag gefolgt. Das gewöhnliche mittlere Quintil, 3. flat, within 1%, lag bei 53.1%. Alle fünf Quintile liegen innerhalb weniger Prozentpunkte eines Münzwurfs, und die mediane Rendite des nächsten Tages beträgt in jedem Quintil einen Bruchteil eines Prozents: 0.175% nach den stärksten Rückgängen, 0.186% nach den stärksten Anstiegen.
Eine Regel, die nach einem Rückgang von 3% kauft, und eine Regel, die nach einem Anstieg von 3% kauft, hätten fast dieselbe Verteilung der Folgetage erlebt. Die Lücke zwischen den Quintilen ist kleiner als ein typischer Geld-Brief-Spread plus Provision für eine Order in Retail-Größe – das ist die praktische Form, die die schwache Form annimmt: Das Muster muss größer sein als die Kosten, es zu handeln, bevor es überhaupt ein Vorteil ist.
Halbstrenge Form: Was die Auswahlbilanz zeigt
Der am häufigsten für die halbstrenge Form angeführte Beleg ist keine Korrelation. Es ist die langjährige Erkenntnis, dass die Mehrheit der aktiven Portfolios über mehrjährige Zeiträume hinter einem einfachen Index zurückbleibt. Eine einfache Version dieser Rechnung befindet sich in einem Korb großer, stark beachteter US-Unternehmen, die Jahr für Jahr gegen den S&P-500-Tracker gemessen werden.
Das exakte SQL hinter jeder Zahl
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.yrIn den 5 gemessenen Kalenderjahren schlugen in vier von ihnen weniger als die Hälfte der 34 Namen den Index. Der Anteil reichte von 32.4% in 2024 bis zu 58.8% in 2022, dem einzigen Verlustjahr im Zeitfenster, als der Index -20% bei einem Median-Namen von -13.3% erzielte. In 2024 erzielte der Index 24%, während der Median-Name im Korb 12.7% erzielte.
Nichts davon beweist die halbstrenge Form. Ein Korb aus Large Caps ist nicht der gesamte Markt, ein Tracker ist nicht jede Benchmark, und fünf Jahre sind eine kurze Stichprobe. Was es zeigt, ist die Rechnung, die es schwer macht, die Hypothese einfach abzutun. Ein Index ist ein gewichteter Durchschnitt seiner eigenen Mitglieder, was es per Konstruktion zu einem Minderheiten-Ergebnis macht, ihn zu schlagen, und die Forschungs- und Handelskosten des Versuchs gehen zu Lasten des Anteils der Minderheit. Eine verwandte Ansicht, wie ungleichmäßig diese Mitgliedsrenditen sind, zeigt sich in der jährlichen Spanne zwischen der Index-Spalte und der Median-Spalte oben.
Das Paradoxon im Zentrum
Sanford Grossman und Joseph Stiglitz veröffentlichten 1980 den schärfsten Einwand, und es ist ein Einwand, den man ehrlich darlegen sollte. Information ist teuer zu beschaffen. Wenn Kurse bereits alle Informationen enthielten, würde niemand dafür bezahlen, welche zu beschaffen, und genau diese Beschaffung ist der Mechanismus, der Informationen in Kurse bringt. Ein vollkommen effizienter Markt kann sich nicht im Gleichgewicht befinden. Was existieren kann, ist ein Markt, der effizient genug ist, dass der Gewinn aus der Forschung ungefähr die Forschungskosten deckt.
Diese schwächere Version ist die, mit der die meisten Praktiker arbeiten, und sie passt besser zu den obigen Daten als die absolute Version. Sie beschreibt einen Markt, in dem Vorteile existieren, klein bleiben und mit der Geschwindigkeit des Geldes, das sie jagt, wegkonkurriert werden.
Dokumentierte Anomalien existieren neben der Hypothese, anstatt sie zu widerlegen. Die Low-Volatility-Anomalie ist eine der am besten gemessenen: Ruhigere Aktien haben historisch mit wilderen Aktien bei einem Bruchteil des Risikos Schritt gehalten – ein Muster, das das Standard-Risiko-Rendite-Modell nicht abbildet. Momentum-, Value- und Small-Cap-Effekte haben ähnliche Geschichten. Jeder wird über Jahrzehnte gemessen, jeder hat lange Phasen, in denen er verschwindet, und mehrere verengen sich nach der Veröffentlichung.
Was die Hypothese für einen Leser bedeutet
Die praktische Lesart ist eng und keine Prognose über einen Markt. Unter jeder Version der Hypothese sind die Inputs, die ein Anleger tatsächlich kontrolliert, Kosten, Steuern, Diversifikation und Verhalten, und keiner dieser vier erfordert eine Vorhersage. Eine Gebühr wirkt sich in derselben Arithmetik gegen ein Portfolio aus, wie eine Rendite dafür wirkt.
Zwei Gewohnheiten passen zu diesem Rahmen, ohne dass jemand eine Prognose abgeben müsste. Dollar-Cost-Averaging ist eine Planungsregel und keine Vorhersage, was ein Grund dafür ist, dass es in einem Markt überlebt, in dem Vorhersagen schwierig sind. Und das Temperament hinter Kaufen, wenn andere ängstlich sind, ist eine Regel über das eigene Verhalten des Anlegers, keine Behauptung darüber, wohin die Kurse als nächstes gehen.
Die Hypothese liefert auch einen Maßstab für die Beurteilung von Strategiebehauptungen. Jedes Muster, das auf dem Papier profitabel aussieht, muss Handelskosten, Steuern und die im Backtest eingebaute Überlebensverzerrung überwinden, bevor es als Vorteil zählt. Die meisten schaffen diese Hürde nicht. Diejenigen, die es tun, sind tendenziell klein, und sie neigen dazu, zu schrumpfen, wenn mehr Kapital ankommt.
FAQ
Was sind die drei Formen der Effizienzmarkthypothese?
Die schwache Form besagt, dass vergangene Kurse und Volumina bereits im Preis enthalten sind, was Vorteile allein aus der Charthistorie ausschließt. Die halbstrenge Form besagt, dass alle öffentlichen Informationen bereits im Preis enthalten sind. Die strenge Form besagt, dass auch private Informationen im Preis enthalten sind, und sie ist die Version, die fast niemand verteidigt.
Bedeutet die Effizienzmarkthypothese, dass Aktienkurse immer richtig sind?
Nein. Sie behauptet, dass Fehlbewertungen schwer im Voraus zu identifizieren und nach Kosten schwer zu nutzen sind, nicht dass sie nie auftreten. Blasen und Crashs sind mit der Hypothese vereinbar, solange ein Anleger sie zum Zeitpunkt des Geschehens nicht zuverlässig hätte ausnutzen können.
Wer hat die Effizienzmarkthypothese aufgestellt?
Eugene Fama legte das Drei-Formen-Rahmenwerk in einem Übersichtsartikel von 1970 dar und teilte sich 2013 den Alfred-Nobel-Gedächtnispreis für Wirtschaftswissenschaften. Die mathematischen Wurzeln reichen weiter zurück, bis zu Louis Bacheliers Arbeit von 1900 über Kurszufälligkeit und Paul Samuelsons Aufsatz von 1965 über korrekt antizipierte Kurse.
Was ist die stärkste Kritik an der Effizienzmarkthypothese?
Das Grossman-Stiglitz-Paradoxon von 1980: Wenn Kurse bereits jede Information enthielten, würde niemand dafür bezahlt werden, Informationen zu sammeln, und das Sammeln ist das, was Informationen in Kurse bringt. Die Verhaltensforschung fügt eine zweite Kritiklinie hinzu, die dokumentierte, anhaltende Anlegerfehler betrifft.
Kann irgendjemand den Markt schlagen?
Einige Anleger und Fonds haben lange Erfolgsbilanzen oberhalb ihrer Benchmarks vorzuweisen. Die Hypothese verbietet dieses Ergebnis nicht; sie argumentiert, dass die Trennung von Können und Glück weit mehr Daten erfordert, als die meisten Erfolgsbilanzen enthalten, und dass der durchschnittliche Dollar im aktiven Management nach Gebühren immer noch hinterherhinkt.
Jede der obigen Tabellen ist eine gespeicherte Abfrage mit angehängtem SQL. Öffnen Sie eine, um die Rechnung zu überprüfen, oder führen Sie denselben Autokorrelationstest für die Namen durch, die Sie auf dem Strasmore-Terminal verfolgen.