hipoteza rynku efektywnego definicja

Hipoteza rynku efektywnego głosi, że cena papieru wartościowego zawiera już dostępne na jego temat informacje, przez co wszelkie pozostałe prawidłowości są zbyt małe i zbyt krótkotrwałe, aby można było na nich zarobić po uwzględnieniu kosztów. Eugene Fama uporządkował tę koncepcję w trzech formach w artykule przeglądowym z 1970 roku: słabej, półsilnej i silnej. Każda forma określa inny zestaw informacji już zawartych w cenie, a każda wyklucza inny sposób zarabiania pieniędzy. Niniejsza strona określa, czego zabraniają trzy formy, a następnie mierzy najsłabszą z nich na podstawie pięciu lat dziennych cen dobrze znanych spółek.

Jakie są trzy formy efektywności rynku?

Formy są zagnieżdżone jedna w drugiej. Wszystko, co głosi forma słaba, głosi również forma półsilna, a także więcej.

• Forma słaba: przeszłe ceny i przeszły wolumen są już zawarte w cenie. Kształty wykresów, reguły trendów i filtry momentum zbudowane wyłącznie na podstawie historii cen nie dają wiarygodnej przewagi w tej wersji.
• Forma półsilna: każda publicznie dostępna informacja jest już zawarta w cenie, w tym raporty, prognozy, noty analityków i komunikaty gospodarcze. Przeczytanie publicznego dokumentu po jego publikacji nie daje przewagi w tej wersji, ponieważ cena dostosowała się, gdy wszyscy inni czytali ten sam dokument.
• Forma silna: wszystkie informacje są zawarte w cenie, włącznie z poufnymi informacjami materialnymi. Tej wersji prawie nikt nie broni. Prawo dotyczące insider tradingu opiera się na założeniu, że informacje niepubliczne są warte realnych pieniędzy.

Hipoteza jest stwierdzeniem o wiarygodności, a nie o doskonałości. Nikt nie twierdzi, że ceny są zawsze prawidłowe. Twierdzenie jest takie, że błędy są trudne do zidentyfikowania z wyprzedzeniem i trudne do wykorzystania po odjęciu kosztów transakcyjnych.

Forma słaba: czy wczorajszy ruch przewiduje dzisiejszy?

Najczystszym testem formy słabej jest korelacja między stopą zwrotu z jednego dnia a stopą zwrotu z dnia następnego. Silnie dodatnia wartość oznaczałaby utrzymujące się trendy. Silnie ujemna wartość oznaczałaby wiarygodne odbicia. Każda z nich byłaby możliwa do wykorzystania w handlu. Poniższy panel mierzy autokorelację opóźnienia o jeden dla dziennych stóp zwrotu dwunastu dobrze znanych spółek w ciągu pięciu lat od lipca 2021 do czerwca 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

Największa wartość w wartościach bezwzględnych należy do WMT i wynosi 0.057, a najmniejsza do KO i wynosi -0.005. Każda spółka w zestawie znajduje się w granicach kilku setnych zera przez około 1252 dni handlowych każda. Korelacja tej wielkości odpowiada za znacznie mniej niż jeden procent zmienności stopy zwrotu następnego dnia. Znaki zmieniają się w przypadku dwunastu spółek bez żadnego wzorca, który przetrwałby kontrolę, co jest dokładnie tym, co forma słaba mówi, że zrobi.

Co następuje po dużym jednodniowym ruchu?

Korelacja jest średnią z każdej sesji, a średnia może ukrywać zachowania na krańcach. Sortowanie każdego dnia w tej samej próbce według ruchu z poprzedniego dnia, a następnie mierzenie, co zrobił następny dzień, sprawdza, czy ekstremalne sesje zachowują się inaczej niż zwykłe.

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

Najniższy koszyk, sesje, które nastąpiły po ruchu 1. down 3% or more, był następnie dniem wzrostowym w 52.9% przypadków z 664 obserwacji. Najwyższy koszyk, po ruchu 5. up 3% or more, był następnie dniem wzrostowym w 53.9% przypadków. Zwykły środkowy koszyk, 3. flat, within 1%, wyniósł 53.1%. Wszystkie pięć koszyków znajduje się w granicach kilku punktów od rzutu monetą, a mediana stopy zwrotu następnego dnia w każdym koszyku to ułamek procenta: 0.175% po najostrzejszych spadkach, 0.186% po najostrzejszych wzrostach.

Reguła, która kupowała po spadku o 3%, i reguła, która kupowała po wzroście o 3%, spotkałyby się z prawie takim samym rozkładem następnych dni. Różnica między koszykami jest mniejsza niż typowy spread bid-ask plus prowizja od zlecenia detalicznego, co jest praktyczną formą, jaką przybiera forma słaba: wzorzec musi być większy niż koszt jego wykorzystania, zanim stanie się przewagą.

Forma półsilna: co pokazuje rekord wyboru

Dowody najczęściej przytaczane na rzecz formy półsilnej nie są korelacją. Jest to długotrwałe odkrycie, że większość aktywnych portfeli pozostaje w tyle za prostym indeksem w wieloletnich oknach. Prosta wersja tej arytmetyki znajduje się w koszyku dużych, szeroko opisywanych spółek amerykańskich mierzonych rok po roku w porównaniu z trackerem S&P 500.

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

W ciągu 5 mierzonych lat kalendarzowych mniej niż połowa z 34 spółek pokonała indeks w czterech z nich. Udział wahał się od 32.4% w 2024 do 58.8% w 2022, jedynym spadkowym roku w oknie, kiedy indeks zwrócił -20% wobec mediany spółki na poziomie -13.3%. W 2024 indeks zwrócił 24%, podczas gdy mediana spółki w koszyku zwróciła 12.7%.

Nic z tego nie dowodzi formy półsilnej. Koszyk dużych spółek to nie cały rynek, jeden tracker to nie każdy benchmark, a pięć lat to krótka próbka. To, co pokazuje, to arytmetyka, która sprawia, że hipotezę trudno zignorować. Indeks jest ważoną średnią swoich własnych członków, co sprawia, że pokonanie go jest z założenia wynikiem mniejszości, a koszty badań i handlu związane z próbą pomniejszają udział tej mniejszości. Powiązany pogląd na to, jak nierówne są te stopy zwrotu członków, pojawia się w rocznej różnicy między kolumną indeksu a kolumną mediany powyżej.

Paradoks w centrum

Sanford Grossman i Joseph Stiglitz opublikowali najostrzejszy zarzut w 1980 roku i jest to zarzut, który warto uczciwie przedstawić. Informacje są drogie w gromadzeniu. Gdyby ceny zawierały już wszystkie informacje, nikt nie płaciłby za ich gromadzenie, a to właśnie gromadzenie jest mechanizmem, który wprowadza informacje do cen. Doskonale efektywny rynek nie może znajdować się w równowadze. Może istnieć rynek wystarczająco efektywny, aby zysk z badań z grubsza pokrywał koszty tych badań.

Ta słabsza wersja jest tą, z którą pracuje większość praktyków i pasuje do powyższych danych lepiej niż wersja absolutna. Opisuje rynek, na którym przewagi istnieją, pozostają małe i są eliminowane przez konkurencję z prędkością pieniądza, który ich poszukuje.

Udokumentowane anomalie istnieją obok hipotezy, a nie ją obalają. Anomalia niskiej zmienności jest jedną z najlepiej zmierzonych: spokojniejsze akcje historycznie dotrzymywały kroku bardziej zmiennym przy ułamku ryzyka, co jest wzorcem, którego standardowy model ryzyka i stopy zwrotu nie uwzględnia. Efekty momentum, wartości i małych spółek mają podobną historię. Każdy jest mierzony przez dziesięciolecia, każdy ma długie okresy, w których zanika, a kilka zwęża się po publikacji.

Co hipoteza oznacza dla czytelnika

Praktyczne znaczenie jest wąskie i nie jest prognozą dotyczącą żadnego rynku. W każdej wersji hipotezy nakłady, które inwestor faktycznie kontroluje, to koszty, podatki, dywersyfikacja i zachowanie, a żaden z tych czterech nie wymaga prognozowania. Opłata działa na niekorzyść portfela w tej samej arytmetyce, w której stopa zwrotu działa na jego korzyść.

Dwa nawyki pasują do tych ram, nie wymagając od nikogo prognozowania. Uśrednianie kosztu dolara jest regułą harmonogramowania, a nie prognozą, co jest częścią powodu, dla którego utrzymuje się na rynku, gdzie prognozowanie jest trudne. A temperament stojący za kupowaniem, gdy inni się boją jest regułą dotyczącą własnego postępowania inwestora, a nie twierdzeniem o tym, dokąd pójdą ceny.

Hipoteza daje również standard oceny twierdzeń dotyczących strategii. Każdy wzorzec, który wygląda na dochodowy na papierze, musi pokonać koszty transakcyjne, podatki i błąd przeżywalności wbudowany w backtest, zanim zostanie uznany za przewagę. Większość nie przekracza tej poprzeczki. Te, które to robią, są zwykle małe i zwykle kurczą się wraz z napływem większego kapitału.

FAQ

Jakie są trzy formy hipotezy rynku efektywnego?

Forma słaba utrzymuje, że przeszłe ceny i wolumen są już zawarte w cenie, co wyklucza przewagi oparte wyłącznie na historii wykresów. Forma półsilna utrzymuje, że wszystkie publiczne informacje są już zawarte w cenie. Forma silna utrzymuje, że poufne informacje również są w cenie i jest to wersja, której prawie nikt nie broni.

Czy hipoteza rynku efektywnego oznacza, że ceny akcji są zawsze prawidłowe?

Nie. Twierdzi ona, że błędne wyceny są trudne do zidentyfikowania z wyprzedzeniem i trudne do uchwycenia po kosztach, a nie że nigdy nie występują. Bańki i krachy są zgodne z hipotezą, o ile inwestor nie mógł ich wiarygodnie wykorzystać w danym momencie.

Kto wymyślił hipotezę rynku efektywnego?

Eugene Fama przedstawił ramy trzech form w artykule przeglądowym z 1970 roku i podzielił Nagrodę Nobla w dziedzinie ekonomii w 2013 roku. Matematyczne korzenie sięgają dalej, do pracy Louisa Bacheliera z 1900 roku nad losowością cen i artykułu Paula Samuelsona z 1965 roku o prawidłowo przewidywanych cenach.

Jaka jest najsilniejsza krytyka hipotezy rynku efektywnego?

Paradoks Grossmana-Stiglitza z 1980 roku: gdyby ceny zawierały już każdą informację, nikt nie byłby opłacany za zbieranie informacji, a zbieranie jest tym, co wprowadza informacje do cen. Badania behawioralne dodają drugą linię krytyki dotyczącą udokumentowanych, trwałych błędów inwestorów.

Czy ktokolwiek może pokonać rynek?

Niektórzy inwestorzy i fundusze mają długie rekordy powyżej swoich benchmarków. Hipoteza nie zabrania takiego wyniku; argumentuje, że oddzielenie umiejętności od szczęścia wymaga znacznie więcej danych, niż zawiera większość rekordów, i że przeciętny dolar w aktywnym zarządzaniu wciąż pozostaje w tyle po opłatach.

Każdy panel powyżej jest zapisanym zapytaniem z dołączonym SQL. Otwórz jeden, aby sprawdzić arytmetykę, lub uruchom ten sam test autokorelacji na spółkach, które obserwujesz na terminalu Strasmore.