著者: Matt Connor
効率的市場仮説とは 三形態と検証
効率的市場仮説は価格に情報が織り込まれていると主張。弱度・準強度・強度の三形態を解説し、弱度を米国株五年データで検証します。
効率的市場仮説とは、証券価格にはその証券に関する利用可能な情報が既に織り込まれており、残されたパターンはどれも小さく、持続期間も短いため、コストを差し引いた後に利益を上げる取引はできないという主張です。ユージン・ファーマは1970年のレビュー論文でこの考えを3つの形態（弱度、準強度、強度）に整理しました。各形態は、価格に既に織り込まれている情報の種類を特定し、それぞれ異なる方法での利益獲得を否定します。このページでは、3つの形態が何を禁じているかを説明し、その中で最も弱い形態を、有名企業の5年間の日次価格データで検証します。
市場効率性の3つの形態とは？
各形態は入れ子構造になっています。弱度の形態が主張することはすべて、準強度の形態も主張し、さらにそれ以上のことを主張します。
- 弱度の形態: 過去の価格と出来高は既に価格に織り込まれています。このバージョンでは、価格履歴のみから構築されたチャートパターン、トレンドルール、モメンタムフィルターは、信頼できる優位性をもたらしません。
- 準強度の形態: 有価証券報告書、業績予想、アナリストノート、経済指標など、あらゆる公開情報が既に価格に織り込まれています。このバージョンでは、公開文書を発行後に読んでも優位性はなく、なぜなら他の全員が同じ文書を読んでいる間に価格が調整されるからです。
- 強度の形態: 未公開の重要情報を含む、あらゆる情報が価格に織り込まれています。このバージョンを擁護する者はほとんどいません。インサイダー取引法は、非公開情報に実際の金銭的価値があるという前提に基づいています。
この仮説は、完璧さではなく信頼性に関する主張です。価格が常に正しいと主張する者はいません。誤りは事前に特定するのが難しく、取引コストを差し引いた後にそれを利用するのも難しい、というのが主張です。
弱度の形態：昨日の値動きは今日を予測するか？
弱度の形態の最も明確なテストは、ある日のリターンと翌日のリターンの間の相関です。強い正の相関は持続するトレンドを示し、強い負の相関は信頼性のあるリバーサルを示します。どちらも取引可能です。以下のパネルは、2021年7月から2026年6月までの5年間における、12の有名企業の日次リターンのラグ1自己相関を測定したものです。
各数値の背後にある正確なSQL
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絶対値で最大の数値はWMTの0.057で、最小はKOの-0.005です。セット内の全銘柄が、約1252取引日において、ゼロから数百分の1の範囲内に収まっています。この大きさの相関は、翌日のリターンの変動の1%未満を説明します。12銘柄間で符号は交互に現れ、検査に耐えるパターンはなく、これは弱度の形態がまさにその主張通りの振る舞いをしていることを示しています。
大きな一日の値動きの後には何が起こるか？
相関は全セッションの平均であり、平均は端の部分での挙動を隠す可能性があります。同じサンプルの各日を前日の値動きで分類し、翌日がどうなったかを測定することで、極端なセッションが通常のセッションと異なる挙動をするかどうかを確認します。
各数値の背後にある正確なSQL
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最も低いバケット、つまり1. down 3% or moreの値動きの後のセッションでは、664の観測値のうち52.9%の確率で上昇日が続きました。最も高いバケット、つまり5. up 3% or moreの値動きの後では、53.9%の確率で上昇日が続きました。通常の中間のバケット、3. flat, within 1%では53.1%でした。5つのバケットすべてがコイン投げの確率から数ポイント以内にあり、すべてのバケットにおける翌日のリターンの中央値は1%未満です。最も急激な下落後は0.175%、最も急激な上昇後は0.186%でした。
3%下落後に買うルールと3%上昇後に買うルールは、ほぼ同じ翌日の分布に直面したでしょう。バケット間の差は、個人投資家向けの典型的なビッド・アスク・スプレッドに手数料を加えたものよりも小さく、これが弱度の形態がとる実用的な形です。つまり、パターンは、それが優位性となる前に、それを取引するコストよりも大きくなければならないのです。
準強度の形態：ファンド選択の記録が示すもの
準強度の形態の証拠として最も頻繁に引用されるのは、相関ではありません。それは、長年にわたる調査結果で、大多数のアクティブ運用ポートフォリオが複数年にわたる期間で単純なインデックスに劣後するというものです。この計算の単純なバージョンは、大型でアナリストカバレッジの厚い米国企業のバスケットを、S&P 500トラッカーと年ごとに比較したものに含まれています。
各数値の背後にある正確なSQL
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測定された5暦年の間、34銘柄のうち半数未満がインデックスをアウトパフォームした年は4年でした。その割合は、2024年の32.4%から、2022年の58.8%まで変動しました。2022年はこの期間で唯一の下落年であり、インデックスが-20%のリターンだったのに対し、中央値の銘柄は-13.3%でした。2024年には、インデックスが24%のリターンだったのに対し、バスケット内の中央値の銘柄は12.7%のリターンでした。
これらのどれも、準強度の形態を証明するものではありません。大型株のバスケットは市場全体ではなく、一つのトラッカーがすべてのベンチマークではなく、5年間は短いサンプルです。しかし、この仮説を簡単に無視できなくする計算を示しています。インデックスはその構成銘柄の加重平均であり、そのため、インデックスに勝つことは構造的に少数派の結果となり、そのための調査と取引のコストはその少数派の取り分から差し引かれます。構成銘柄のリターンがどれほど不均一であるかという関連する見解は、上記のインデックス列と中央値列の間の年ごとの差に表れています。
中心にあるパラドックス
サンフォード・グロスマンとジョセフ・スティグリッツは1980年に最も鋭い反論を発表しましたが、それは正直に述べる価値のある反論です。情報を収集するにはコストがかかります。もし価格が既にすべての情報を保持しているなら、誰も情報収集にお金を払わないでしょう。そして、その情報収集こそが、価格に情報を織り込むまさにそのメカニズムなのです。完全に効率的な市場は均衡状態にありえません。存在しうるのは、調査による利益が調査コストをほぼカバーする程度に十分に効率的な市場です。
このより弱いバージョンは、ほとんどの実務家が扱うものであり、上記のデータにも絶対的なバージョンよりもよく適合します。これは、優位性が存在し、小さく、それを追う資金の速度で競争によって消滅する市場を描写しています。
文書化されたアノマリーは、仮説を覆すのではなく、仮説と並存しています。低ボラティリティ・アノマリーは最もよく測定されたものの一つです。穏やかな銘柄は歴史的に、リスクがはるかに低い状態で、荒い銘柄と同等のパフォーマンスを維持してきました。これは標準的なリスク・リターンモデルでは説明できないパターンです。モメンタム、バリュー、小型株効果にも同様の歴史があります。それぞれ数十年にわたって測定され、それぞれ長期にわたって消失する期間があり、いくつかは公表後に縮小します。
仮説が読者にとって意味すること
実用的な解釈は狭く、特定の市場に関する予測ではありません。仮説のどのバージョンにおいても、投資家が実際にコントロールできるインプットは、コスト、税金、分散投資、そして行動であり、これら4つのどれも予測を必要としません。手数料は、リターンがポートフォリオに対して複利効果をもたらすのと同じ計算で、ポートフォリオに対して複利効果をもたらします。
二つの習慣は、誰にも予測を求めずにこの枠組みに適合します。ドルコスト平均法は予測ではなくスケジュールルールであり、それが予測が難しい市場で生き残る理由の一部です。そして、他人が恐怖しているときに買うという考え方の背後にある気質は、価格が次にどこへ行くかという主張ではなく、投資家自身の行動に関するルールです。
この仮説はまた、戦略の主張を評価するための基準を与えます。紙の上で利益を上げているように見えるパターンは、それが優位性とみなされる前に、取引コスト、税金、そしてバックテストに組み込まれたサバイバーシップ・バイアスをクリアしなければなりません。ほとんどのパターンはそのハードルをクリアしません。クリアするものは小さくなる傾向があり、より多くの資本が到着するにつれて縮小する傾向があります。
FAQ
効率的市場仮説の3つの形態とは何ですか？
弱度の形態は、過去の価格と出来高は既に価格に織り込まれており、チャート履歴だけからの優位性を否定します。準強度の形態は、すべての公開情報が既に価格に織り込まれているとします。強度の形態は、非公開情報も価格に織り込まれているとし、これはほとんど誰も擁護しないバージョンです。
効率的市場仮説は、株価が常に正しいことを意味しますか？
いいえ。誤った価格設定は決して発生しないと主張するのではなく、事前に特定するのが難しく、コストを差し引いた後にそれを獲得するのが難しいと主張します。バブルや暴落は、投資家がその時点でそれらを確実に利用できなかった限り、仮説と両立可能です。
効率的市場仮説を提唱したのは誰ですか？
ユージン・ファーマは1970年のレビュー論文で3形態の枠組みを提示し、2013年にノーベル経済学賞を受賞しました。数学的なルーツはさらに遡り、ルイ・バシュリエの1900年の価格のランダム性に関する研究や、ポール・サミュエルソンの1965年の適切に予想された価格に関する論文にあります。
効率的市場仮説に対する最も強い批判は何ですか？
1980年のグロスマン＝スティグリッツのパラドックスです。もし価格が既にあらゆる情報を含んでいるなら、情報を収集するためにお金を払う人は誰もおらず、情報収集こそが価格に情報を織り込む行為です。行動ファイナンス研究は、文書化された持続的な投資家の誤りに関する第二の批判線を追加します。
誰でも市場に勝てますか？
一部の投資家やファンドは、ベンチマークを上回る長期の記録を残しています。仮説はその結果を禁じてはいません。それは、スキルと運を分離するには、ほとんどのトラックレコードが含むよりもはるかに多くのデータが必要であり、アクティブ運用における平均的な1ドルは、依然として手数料控除後に劣後する、と主張しています。
上記の各パネルは、SQLが添付された保存済みクエリです。計算を確認するために開くか、Strasmoreターミナルでフォローしている銘柄に対して同じ自己相関テストを実行してください。