فرضیه بازار کارآمد چیست

فرضیه بازار کارآمد ادعا می‌کند که قیمت یک اوراق بهادار از پیش حاوی اطلاعات موجود درباره آن است، به‌گونه‌ای که هر الگوی باقی‌مانده بسیار کوچک و کوتاه‌مدت است تا پس از کسر هزینه‌ها بتوان از آن سود برد. یوجین فاما این ایده را در مقاله مروری خود در سال 1970 در سه شکل دسته‌بندی کرد: ضعیف، نیمه‌قوی و قوی. هر شکل به مجموعه متفاوتی از اطلاعات اشاره دارد که از قبل در قیمت گنجانده شده است و هر یک راه متفاوتی برای کسب سود را رد می‌کند. این صفحه بیان می‌کند که سه شکل چه مواردی را منع می‌کنند و سپس ضعیف‌ترین آن‌ها را در برابر پنج سال قیمت روزانه نام‌های آشنا می‌سنجد.

سه شکل کارایی بازار کدامند؟

این اشکال درون یکدیگر تودرتو هستند. هر آنچه شکل ضعیف ادعا می‌کند، شکل نیمه‌قوی نیز ادعا می‌کند، به علاوه موارد بیشتر.

• شکل ضعیف: قیمت‌های گذشته و حجم معاملات گذشته از قبل در قیمت گنجانده شده‌اند. اشکال نموداری، قوانین روند و فیلترهای مومنتوم که تنها بر اساس تاریخچه قیمت ساخته شده‌اند، تحت این نسخه هیچ برتری قابل اتکایی ندارند.
• شکل نیمه‌قوی: هر قطعه از اطلاعات عمومی از قبل در قیمت گنجانده شده است، از جمله گزارش‌ها، راهنمایی‌ها، یادداشت‌های تحلیلگران و انتشارات اقتصادی. خواندن یک سند عمومی پس از انتشار آن تحت این نسخه هیچ برتری ندارد، زیرا قیمت در حالی که دیگران نیز همان سند را می‌خواندند، تعدیل شده است.
• شکل قوی: تمام اطلاعات، از جمله اطلاعات محرمانه، در قیمت جای گرفته است. تقریباً هیچ‌کس از این نسخه دفاع نمی‌کند. قانون معاملات مبتنی بر اطلاعات نهانی بر این فرض وجود دارد که اطلاعات غیرعمومی ارزش پولی واقعی دارند.

این فرضیه بیانی درباره قابلیت اتکا است، نه درباره کمال. هیچ‌کس ادعا نمی‌کند قیمت‌ها همیشه درست هستند. ادعا این است که خطاها به‌سختی از قبل قابل شناسایی هستند و پس از کسر هزینه‌های معاملاتی به‌سختی قابل بهره‌برداری هستند.

شکل ضعیف: آیا حرکت دیروز حرکت امروز را پیش‌بینی می‌کند؟

تمیزترین آزمون شکل ضعیف، همبستگی بین بازده یک روز و روز بعد است. یک رقم به‌شدت مثبت نشان‌دهنده روندهایی است که ادامه می‌یابند. یک رقم به‌شدت منفی نشان‌دهنده بازگشت‌های قابل اتکا است. هر یک از این موارد قابل معامله خواهند بود. نمودار زیر خودهمبستگی با وقفه یک روزه بازده روزانه دوازده نام آشنا را در طول پنج سال از جولای 2021 تا ژوئن 2026 اندازه‌گیری می‌کند.

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

بزرگ‌ترین قرائت به صورت مطلق متعلق به WMT با 0.057 و کوچک‌ترین متعلق به KO با -0.005 است. هر نام در این مجموعه در حدود چند صدم درصد از صفر در طی تقریباً 1252 روز معاملاتی هر یک قرار دارد. همبستگی با این اندازه کمتر از یک درصد از تغییرات بازده روز بعد را توضیح می‌دهد. نشانه‌ها در میان دوازده نام به طور متناوب تغییر می‌کنند بدون هیچ الگویی که در بررسی باقی بماند، که دقیقاً همان کاری است که شکل ضعیف می‌گوید انجام خواهد داد.

پس از یک حرکت بزرگ یک روزه چه اتفاقی می‌افتد؟

همبستگی میانگینی از هر جلسه معاملاتی است و یک میانگین می‌تواند رفتار را در لبه‌ها پنهان کند. مرتب‌سازی هر روز در همان نمونه بر اساس حرکت روز قبل و سپس اندازه‌گیری عملکرد روز بعد، بررسی می‌کند که آیا جلسات شدید با جلسات عادی متفاوت رفتار می‌کنند یا خیر.

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

دسته پایین، یعنی جلساتی که پس از یک حرکت 1. down 3% or more رخ داده‌اند، در 52.9% موارد در میان 664 مشاهده با یک روز صعودی همراه بودند. دسته بالا، یعنی پس از یک حرکت 5. up 3% or more، در 53.9% موارد با یک روز صعودی همراه بود. دسته میانی معمولی، 3. flat, within 1%، در 53.1% قرار گرفت. هر پنج دسته در فاصله چند درصدی از یک پرتاب سکه قرار دارند و میانه بازده روز بعد در هر دسته کسری از یک درصد است: 0.175% پس از شدیدترین کاهش‌ها و 0.186% پس از شدیدترین افزایش‌ها.

قاعده‌ای که پس از کاهش 3٪ خرید کند و قاعده‌ای که پس از افزایش 3٪ خرید کند، تقریباً با توزیع یکسانی از روزهای بعد مواجه می‌شدند. شکاف بین دسته‌ها کوچک‌تر از یک اسپرد پیشنهاد خرید و فروش معمولی به اضافه کارمزد یک سفارش خرده‌فروشی است، که شکل عملی شکل ضعیف است: الگو باید بزرگ‌تر از هزینه معامله آن باشد تا اصلاً یک برتری محسوب شود.

شکل نیمه‌قوی: رکورد انتخاب چه چیزی را نشان می‌دهد

شواهدی که اغلب برای شکل نیمه‌قوی ذکر می‌شود، یک همبستگی نیست. این یافته بلندمدت است که اکثر پرتفوی‌های فعال در بازه‌های چندساله از یک شاخص ساده عقب می‌مانند. یک نسخه ساده از آن محاسبات در سبدی از شرکت‌های بزرگ و پرپوشش آمریکایی که سال به سال در برابر ردیاب S&P 500 سنجیده می‌شوند، قرار دارد.

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

در طول 5 سال تقویمی اندازه‌گیری شده، در چهار سال از آن‌ها کمتر از نیمی از 34 نام موفق به شکست شاخص شدند. سهم از 32.4% در 2024 تا 58.8% در 2022 متغیر بود، تنها سال منفی در این بازه، زمانی که شاخص -20% بازده داشت در مقابل میانه نام‌ها با -13.3%. در 2024 شاخص 24% بازده داشت در حالی که میانه نام‌ها در سبد 12.7% بازده داشت.

هیچ‌یک از این موارد شکل نیمه‌قوی را اثبات نمی‌کند. یک سبد از سهام بزرگ‌ترین شرکت‌ها کل بازار نیست، یک ردیاب هر معیاری نیست و پنج سال نمونه کوتاهی است. آنچه نشان می‌دهد، محاسباتی است که رد کردن فرضیه را دشوار می‌کند. یک شاخص میانگین وزنی از اعضای خود است، که شکست دادن آن را ذاتاً به یک نتیجه اقلیت تبدیل می‌کند و هزینه‌های تحقیق و معامله تلاش برای این کار از سهم آن اقلیت کسر می‌شود. نمای مرتبطی از اینکه بازده اعضا چقدر نابرابر است، در شکاف سال به سال بین ستون شاخص و ستون میانه در بالا دیده می‌شود.

پارادوکس در مرکز

سَنفورد گراسمن و جوزف استیگلیتز در سال 1980 شدیدترین ایراد را منتشر کردند و این ایرادی است که ارزش بیان صادقانه را دارد. اطلاعات جمع‌آوری هزینه دارد. اگر قیمت‌ها از قبل همه آن را داشتند، هیچ‌کس برای جمع‌آوری آن هزینه نمی‌کرد و این جمع‌آوری همان مکانیسمی است که اطلاعات را وارد قیمت‌ها می‌کند. یک بازار کاملاً کارآمد نمی‌تواند در تعادل باقی بماند. آنچه می‌تواند وجود داشته باشد، بازاری است به اندازه کافی کارآمد که سود حاصل از تحقیق تقریباً هزینه‌های تحقیق را پوشش دهد.

این نسخه ضعیف‌تر همان چیزی است که اکثر فعالان بازار با آن کار می‌کنند و با داده‌های بالا بهتر از نسخه مطلق مطابقت دارد. بازاری را توصیف می‌کند که در آن برتری‌ها وجود دارند، کوچک می‌مانند و با سرعت پولی که به دنبال آن‌هاست، رقابتی از بین می‌روند.

ناهنجاری‌های مستند در کنار فرضیه قرار می‌گیرند، نه اینکه آن را نابود کنند. ناهنجاری نوسان کم یکی از بهترین‌های اندازه‌گیری شده است: سهام آرام‌تر از نظر تاریخی با کسری از ریسک سهام پرنوسان‌تر همگام بوده‌اند، الگویی که مدل استاندارد ریسک و بازده آن را توضیح نمی‌دهد. اثرات مومنتوم، ارزش و شرکت‌های کوچک تاریخچه مشابهی دارند. هر یک در طول دهه‌ها اندازه‌گیری شده‌اند، هر یک دوره‌های طولانی ناپدید شدن دارند و چندین مورد پس از انتشار باریک می‌شوند.

معنای فرضیه برای یک خواننده

خوانش عملی محدود است و پیش‌بینی درباره هیچ بازاری نیست. تحت هر نسخه‌ای از فرضیه، ورودی‌هایی که یک سرمایه‌گذار واقعاً کنترل می‌کند، هزینه‌ها، مالیات‌ها، متنوع‌سازی و رفتار هستند و هیچ‌کدام از این چهار مورد نیاز به پیش‌بینی چیزی ندارند. یک کارمزد با همان حسابی که بازده برای یک پرتفوی جمع می‌شود، علیه آن عمل می‌کند.

دو عادت با این چارچوب بدون اینکه از کسی بخواهد پیش‌بینی کند، هماهنگ هستند. میانگین‌گیری هزینه به دلار یک قانون زمان‌بندی است تا یک پیش‌بینی، که بخشی از دلیل بقای آن در بازاری است که پیش‌بینی در آن دشوار است. و خلق‌وخوی پشت خریدن زمانی که دیگران ترسیده‌اند قاعده‌ای درباره رفتار خود سرمایه‌گذار است، نه ادعایی درباره اینکه قیمت‌ها به کجا خواهند رفت.

فرضیه همچنین معیاری برای قضاوت درباره ادعاهای استراتژی ارائه می‌دهد. هر الگویی که روی کاغذ سودآور به نظر می‌رسد، باید هزینه‌های معاملاتی، مالیات‌ها و سوگیری بقای ساخته شده در بکتست را پشت سر بگذارد تا به عنوان یک برتری محسوب شود. اکثر آن‌ها از این مانع عبور نمی‌کنند. آن‌هایی که عبور می‌کنند، معمولاً کوچک هستند و با ورود سرمایه بیشتر تمایل به کوچک‌تر شدن دارند.

پرسش‌های متداول

سه شکل فرضیه بازار کارآمد کدامند؟

شکل ضعیف معتقد است قیمت‌ها و حجم‌های گذشته از قبل در قیمت گنجانده شده‌اند، که برتری‌های حاصل از تاریخچه نمودار به تنهایی را رد می‌کند. شکل نیمه‌قوی معتقد است تمام اطلاعات عمومی از قبل در قیمت گنجانده شده است. شکل قوی معتقد است اطلاعات خصوصی نیز در قیمت است و این نسخه‌ای است که تقریباً هیچ‌کس از آن دفاع نمی‌کند.

آیا فرضیه بازار کارآمد به این معناست که قیمت سهام همیشه درست است؟

خیر. ادعا می‌کند که تشخیص نادرست‌قیمت‌گذاری‌ها از قبل دشوار است و پس از کسر هزینه‌ها به‌سختی قابل بهره‌برداری هستند، نه اینکه هرگز رخ نمی‌دهند. حباب‌ها و سقوط‌ها با فرضیه سازگار هستند تا زمانی که یک سرمایه‌گذار نتوانسته باشد در آن زمان به طور قابل اتکایی از آن‌ها بهره‌برداری کند.

چه کسی فرضیه بازار کارآمد را مطرح کرد؟

یوجین فاما چارچوب سه‌شکلی را در یک مقاله مروری در سال 1970 تنظیم کرد و در سال 2013 جایزه نوبل یادبود علوم اقتصادی را به اشتراک گذاشت. ریشه‌های ریاضی به کار لویی باچلیه در سال 1900 درباره تصادفی بودن قیمت و مقاله پل ساموئلسون در سال 1965 درباره قیمت‌های به درستی پیش‌بینی شده بازمی‌گردد.

قوی‌ترین نقد بر فرضیه بازار کارآمد چیست؟

پارادوکس گراسمن-استیگلیتز در سال 1980: اگر قیمت‌ها از قبل شامل هر قطعه اطلاعاتی بودند، هیچ‌کس برای جمع‌آوری اطلاعات دستمزد نمی‌گرفت و جمع‌آوری همان چیزی است که اطلاعات را وارد قیمت‌ها می‌کند. تحقیقات رفتاری خط دوم نقد را در مورد خطاهای مستند و پایدار سرمایه‌گذاران اضافه می‌کند.

آیا کسی می‌تواند بازار را شکست دهد؟

برخی سرمایه‌گذاران و صندوق‌ها رکوردهای بلندمدتی بالاتر از معیارهای خود ثبت کرده‌اند. فرضیه این نتیجه را منع نمی‌کند؛ استدلال می‌کند که جداسازی مهارت از شانس به داده‌های بسیار بیشتری نسبت به آنچه در اکثر سوابق وجود دارد نیاز دارد و میانگین دلار در مدیریت فعال همچنان پس از کسر هزینه‌ها عقب می‌ماند.

هر نمودار بالا یک پرس‌وجوی ذخیره شده با SQL پیوست آن است. یکی را باز کنید تا محاسبات را بررسی کنید، یا همان آزمون خودهمبستگی را روی نام‌هایی که در ترمینال Strasmore دنبال می‌کنید، اجرا کنید.