कुशल बाजार परिकल्पना क्या है

कुशल बाजार परिकल्पना यह दावा है कि किसी प्रतिभूति की कीमत में पहले से ही उसके बारे में उपलब्ध जानकारी समाहित होती है, जिससे कोई भी शेष पैटर्न लागत वसूलने के बाद लाभप्रद व्यापार के लिए बहुत छोटा और बहुत अल्पकालिक रह जाता है। यूजीन फामा ने 1970 की एक समीक्षा पत्र में इस विचार को तीन रूपों में संगठित किया: दुर्बल, अर्ध-सशक्त, और सशक्त। प्रत्येक रूप सूचना के एक अलग समूह का नाम बताता है जो पहले से ही कीमत में शामिल है, और प्रत्येक पैसा कमाने के एक अलग तरीके को खारिज करता है। यह पृष्ठ बताता है कि तीनों रूप क्या मना करते हैं, फिर उनमें से सबसे दुर्बल को पाँच वर्षों के दैनिक मूल्यों के आधार पर प्रसिद्ध कंपनियों के नामों पर मापता है।

बाजार दक्षता के तीन रूप क्या हैं?

ये रूप एक-दूसरे के भीतर समाहित होते हैं। दुर्बल रूप जो कुछ भी दावा करता है, अर्ध-सशक्त रूप भी वही दावा करता है, साथ ही और भी अधिक।

• दुर्बल रूप: पिछली कीमतें और पिछला कारोबारी आयतन पहले से ही कीमत में शामिल हैं। केवल मूल्य इतिहास से निर्मित चार्ट आकृतियाँ, प्रवृत्ति नियम और गति फिल्टर इस संस्करण के तहत कोई भरोसेमंद बढ़त नहीं रखते।
• अर्ध-सशक्त रूप: सार्वजनिक जानकारी का हर टुकड़ा पहले से ही कीमत में शामिल है, जिसमें फाइलिंग, मार्गदर्शन, विश्लेषक नोट्स और आर्थिक रिलीज़ शामिल हैं। इस संस्करण के तहत, किसी सार्वजनिक दस्तावेज़ को उसके प्रकाशन के बाद पढ़ने से कोई बढ़त नहीं मिलती, क्योंकि जब बाकी सब वही दस्तावेज़ पढ़ रहे थे, तब कीमत समायोजित हो गई थी।
• सशक्त रूप: सारी जानकारी कीमत में शामिल है, जिसमें निजी सामग्री भी शामिल है। लगभग कोई भी इस संस्करण का बचाव नहीं करता। अंदरूनी व्यापार कानून इस आधार पर मौजूद है कि गैर-सार्वजनिक जानकारी वास्तविक धन के लायक है।

यह परिकल्पना भरोसेमंदता के बारे में एक कथन है, पूर्णता के बारे में नहीं। कोई यह दावा नहीं करता कि कीमतें हमेशा सही होती हैं। दावा यह है कि त्रुटियों की पहले से पहचान करना और व्यापारिक लागत निकलने के बाद उन्हें भुनाना कठिन है।

दुर्बल रूप: क्या कल की चाल आज की भविष्यवाणी करती है?

दुर्बल रूप की सबसे साफ परीक्षा एक दिन के रिटर्न और अगले दिन के रिटर्न के बीच सहसंबंध है। एक मजबूत सकारात्मक आंकड़ा उन प्रवृत्तियों को चिह्नित करेगा जो बनी रहती हैं। एक मजबूत नकारात्मक आंकड़ा भरोसेमंद वापसी को चिह्नित करेगा। इनमें से कोई भी व्यापार योग्य होगा। नीचे दिया गया पैनल जुलाई 2021 से जून 2026 तक पाँच वर्षों में बारह प्रसिद्ध कंपनियों के नामों के दैनिक रिटर्न के लैग-वन ऑटोसहसंबंध को मापता है।

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

निरपेक्ष रूप में सबसे बड़ा पाठ्यांक WMT का है जो 0.057 पर है, और सबसे छोटा KO का है जो -0.005 पर है। सेट का हर नाम लगभग 1252 कारोबारी दिनों में से प्रत्येक के लिए शून्य के कुछ सौवें हिस्से के भीतर आता है। इस आकार का एक सहसंबंध अगले दिन के रिटर्न में भिन्नता के एक प्रतिशत से काफी कम हिस्से की व्याख्या करता है। बारह नामों में संकेत बिना किसी ऐसे पैटर्न के वैकल्पिक होते हैं जो जांच में टिक सके, जो कि दुर्बल रूप बिल्कुल वही कर रहा है जो वह कहता है कि वह करेगा।

एक बड़ी एकल-दिवसीय चाल के बाद क्या होता है?

एक सहसंबंध हर सत्र का औसत होता है, और एक औसत किनारों पर व्यवहार को छिपा सकता है। उसी नमूने में प्रत्येक दिन को पिछले दिन की चाल के आधार पर क्रमबद्ध करना, और फिर यह मापना कि अगले दिन क्या हुआ, यह जाँचता है कि क्या चरम सत्र सामान्य सत्रों से अलग व्यवहार करते हैं।

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

सबसे निचला बकेट, वे सत्र जो 1. down 3% or more की चाल के बाद आए, 664 प्रेक्षणों में से 52.9% समय एक बढ़ते दिन के बाद आए। सबसे ऊपरी बकेट, 5. up 3% or more की चाल के बाद, 53.9% समय एक बढ़ते दिन के बाद आया। सामान्य मध्य बकेट, 3. flat, within 1%, 53.1% पर आया। सभी पाँच बकेट एक सिक्के के उछाल के कुछ अंकों के भीतर हैं, और प्रत्येक बकेट में औसत अगले-दिन का रिटर्न एक प्रतिशत का एक अंश है: सबसे तेज गिरावट के बाद 0.175%, सबसे तेज बढ़त के बाद 0.186%।

एक नियम जो 3% की गिरावट के बाद खरीदता है और एक नियम जो 3% की छलांग के बाद खरीदता है, लगभग अगले दिनों का एक ही वितरण पाता। बकेट के बीच का अंतर एक खुदरा आकार के ऑर्डर पर एक विशिष्ट बोली-पूछ स्प्रेड और कमीशन से छोटा है, जो कि दुर्बल रूप का व्यावहारिक रूप है: पैटर्न को कोई बढ़त होने से पहले उसके व्यापार की लागत से बड़ा होना होगा।

अर्ध-सशक्त रूप: चयन रिकॉर्ड क्या दिखाता है

अर्ध-सशक्त रूप के लिए सबसे अधिक बार उद्धृत साक्ष्य एक सहसंबंध नहीं है। यह लंबे समय से चला आ रहा निष्कर्ष है कि अधिकांश सक्रिय पोर्टफोलियो बहु-वर्षीय अवधियों में एक सादे सूचकांक से पीछे रह जाते हैं। उस अंकगणित का एक सरल संस्करण बड़ी, भारी कवरेज वाली अमेरिकी कंपनियों की एक टोकरी के अंदर है, जिसे साल-दर-साल S&P 500 ट्रैकर के मुकाबले मापा जाता है।

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

मापे गए 5 कैलेंडर वर्षों में, उनमें से चार में 34 नामों में से आधे से भी कम ने सूचकांक को पीटा। हिस्सेदारी 2024 में 32.4% से लेकर 2022 में 58.8% तक रही, जो खिड़की में एकमात्र गिरावट वाला वर्ष था, जब सूचकांक ने औसत नाम पर -13.3% के मुकाबले -20% रिटर्न दिया। 2024 में सूचकांक ने 24% रिटर्न दिया जबकि टोकरी में औसत नाम ने 12.7% रिटर्न दिया।

इनमें से कोई भी अर्ध-सशक्त रूप को साबित नहीं करता। बड़ी कंपनियों की एक टोकरी पूरा बाजार नहीं है, एक ट्रैकर हर बेंचमार्क नहीं है, और पाँच साल एक छोटा नमूना है। यह जो दिखाता है वह वह अंकगणित है जो परिकल्पना को खारिज करना कठिन बनाता है। एक सूचकांक अपने स्वयं के सदस्यों का भारित औसत होता है, जो इसे पीटना निर्माण के आधार पर ही एक अल्पमत परिणाम बनाता है, और कोशिश करने की शोध और व्यापारिक लागतें अल्पमत के हिस्से से निकलती हैं। सूचकांक स्तंभ और उपरोक्त औसत स्तंभ के बीच वर्ष-दर-वर्ष का प्रसार इस बात का एक संबंधित दृश्य प्रस्तुत करता है कि वे सदस्य रिटर्न कितने असमान हैं।

केंद्र में विरोधाभास

सैनफोर्ड ग्रॉसमैन और जोसेफ स्टिग्लिट्ज़ ने 1980 में सबसे तीखी आपत्ति प्रकाशित की, और यह एक ऐसी आपत्ति है जिसे ईमानदारी से बताना उचित है। जानकारी इकट्ठा करना महंगा है। यदि कीमतों में पहले से ही यह सब होता, तो कोई भी इसे इकट्ठा करने के लिए भुगतान नहीं करता, और वह इकट्ठा करना ही वह तंत्र है जो कीमतों में जानकारी डालता है। एक पूरी तरह से कुशल बाजार संतुलन में नहीं रह सकता। जो मौजूद हो सकता है वह एक ऐसा बाजार है जो इतना कुशल है कि शोध से होने वाला लाभ लगभग शोध की लागत को कवर करता है।

वह दुर्बल संस्करण वह है जिसके साथ अधिकांश व्यवसायी काम करते हैं, और यह उपरोक्त डेटा में पूर्ण संस्करण की तुलना में बेहतर फिट बैठता है। यह एक ऐसे बाजार का वर्णन करता है जहाँ बढ़तें मौजूद हैं, छोटी रहती हैं, और उनका पीछा करने वाले धन की गति से प्रतिस्पर्धा से समाप्त हो जाती हैं।

प्रलेखित विसंगतियाँ परिकल्पना के साथ-साथ बैठती हैं, न कि इसे ध्वस्त करती हैं। कम-अस्थिरता विसंगति सबसे अच्छी तरह से मापी गई विसंगतियों में से एक है: शांत शेयरों ने ऐतिहासिक रूप से जोखिम के एक अंश पर अधिक अस्थिर शेयरों के साथ गति बनाए रखी है, एक ऐसा पैटर्न जो मानक जोखिम-और-रिटर्न मॉडल में समायोजित नहीं होता। गति, मूल्य और छोटी-कंपनी प्रभावों के समान इतिहास हैं। प्रत्येक को दशकों में मापा जाता है, प्रत्येक के लंबे खिंचाव होते हैं जहाँ यह गायब हो जाता है, और प्रकाशन के बाद कई संकीर्ण हो जाते हैं।

एक पाठक के लिए परिकल्पना का क्या अर्थ है

व्यावहारिक पठन संकीर्ण है, और यह किसी भी बाजार के बारे में पूर्वानुमान नहीं है। परिकल्पना के किसी भी संस्करण के तहत, एक निवेशक वास्तव में जिन इनपुट को नियंत्रित करता है, वे हैं लागत, कर, विविधीकरण और व्यवहार, और उन चारों में से किसी को भी कुछ भी भविष्यवाणी करने की आवश्यकता नहीं है। एक शुल्क एक पोर्टफोलियो के खिलाफ उसी अंकगणित में चक्रवृद्धि होता है जिसमें एक रिटर्न उसके लिए चक्रवृद्धि होता है।

दो आदतें इस ढाँचे में फिट बैठती हैं बिना किसी से पूर्वानुमान लगाने के लिए कहे। डॉलर-लागत औसत एक पूर्वानुमान के बजाय एक शेड्यूलिंग नियम है, जो इसका एक कारण है कि यह एक ऐसे बाजार में टिकता है जहाँ पूर्वानुमान कठिन है। और जब दूसरे भयभीत हों तब खरीदने के पीछे का स्वभाव निवेशक के अपने आचरण के बारे में एक नियम है, न कि इस बारे में दावा कि कीमतें आगे कहाँ जाएँगी।

परिकल्पना रणनीति के दावों का न्याय करने के लिए एक मानक भी देती है। कोई भी पैटर्न जो कागज पर लाभदायक दिखता है, उसे बढ़त गिने जाने से पहले व्यापारिक लागत, कर और बैकटेस्ट में निर्मित उत्तरजीविता पूर्वाग्रह को साफ करना होता है। अधिकांश उस बार को साफ नहीं करते। जो करते हैं, वे छोटे होते हैं, और जैसे-जैसे अधिक पूंजी आती है, वे सिकुड़ते जाते हैं।

अक्सर पूछे जाने वाले प्रश्न

कुशल बाजार परिकल्पना के तीन रूप क्या हैं?

दुर्बल रूप मानता है कि पिछली कीमतें और आयतन पहले से ही कीमत में हैं, जो अकेले चार्ट इतिहास से बढ़त को खारिज करता है। अर्ध-सशक्त रूप मानता है कि सभी सार्वजनिक जानकारी पहले से ही कीमत में है। सशक्त रूप मानता है कि निजी जानकारी भी कीमत में है, और यह वह संस्करण है जिसका लगभग कोई बचाव नहीं करता।

क्या कुशल बाजार परिकल्पना का मतलब है कि शेयर की कीमतें हमेशा सही होती हैं?

नहीं। यह दावा करता है कि गलत मूल्य निर्धारण की पहले से पहचान करना और लागत के बाद उन्हें हासिल करना कठिन है, न कि यह कि वे कभी नहीं होते। बुलबुले और क्रैश परिकल्पना के अनुकूल हैं, जब तक कि कोई निवेशक उस समय उनका विश्वसनीय रूप से शोषण नहीं कर सकता था।

कुशल बाजार परिकल्पना किसने बनाई?

यूजीन फामा ने 1970 की एक समीक्षा पत्र में तीन-रूप ढाँचा निर्धारित किया और 2013 का आर्थिक विज्ञान में नोबेल मेमोरियल पुरस्कार साझा किया। गणितीय जड़ें और पीछे, लुई बैचेलियर के 1900 के मूल्य यादृच्छिकता पर काम और पॉल सैमुएलसन के 1965 के उचित रूप से प्रत्याशित मूल्यों पर पेपर तक जाती हैं।

कुशल बाजार परिकल्पना की सबसे मजबूत आलोचना क्या है?

1980 का ग्रॉसमैन-स्टिग्लिट्ज़ विरोधाभास: यदि कीमतों में पहले से ही जानकारी का हर टुकड़ा होता, तो किसी को जानकारी इकट्ठा करने के लिए भुगतान नहीं किया जाता, और इकट्ठा करना ही वह चीज़ है जो कीमतों में जानकारी डालती है। व्यवहारिक शोध प्रलेखित, लगातार निवेशक त्रुटियों के बारे में आलोचना की एक दूसरी पंक्ति जोड़ता है।

क्या कोई बाजार को हरा सकता है?

कुछ निवेशकों और फंडों ने अपने बेंचमार्क से ऊपर लंबे रिकॉर्ड पोस्ट किए हैं। परिकल्पना उस परिणाम को मना नहीं करती; यह तर्क देती है कि कौशल को भाग्य से अलग करने के लिए अधिकांश ट्रैक रिकॉर्ड की तुलना में कहीं अधिक डेटा की आवश्यकता होती है, और सक्रिय प्रबंधन में औसत डॉलर अभी भी शुल्क के बाद पीछे रह जाता है।

ऊपर दिया गया प्रत्येक पैनल उसके SQL के साथ एक संग्रहीत क्वेरी है। अंकगणित की जाँच करने के लिए एक खोलें, या स्ट्रासमोर टर्मिनल पर आप जिन नामों का अनुसरण करते हैं, उन पर वही ऑटोसहसंबंध परीक्षण चलाएँ।