гипотеза эффективного рынка три формы

Гипотеза эффективного рынка утверждает, что цена ценной бумаги уже содержит всю доступную о ней информацию, поэтому любые оставшиеся закономерности слишком малы и краткосрочны, чтобы после вычета издержек можно было торговать по ним с прибылью. Юджин Фама в обзорной статье 1970 года разделил эту идею на три формы: слабую, полусильную и сильную. Каждая форма называет свой набор информации, который уже заложен в цене, и каждая исключает свой способ заработка. На этой странице изложено, что запрещает каждая из трех форм, а затем проверяется самая слабая из них на пятилетних дневных ценах известных компаний.

Каковы три формы рыночной эффективности?

Фформы вложены друг в друга. Все, что утверждает слабая форма, утверждает и полусильная, плюс еще больше.

• Слабая форма: прошлые цены и прошлые объемы уже учтены в цене. Формы графиков, трендовые правила и фильтры моментума, построенные только на истории цен, не дают надежного преимущества в рамках этой версии.
• Полусильная форма: вся публичная информация уже учтена в цене, включая отчетность, прогнозы, аналитические записки и экономические релизы. Чтение публичного документа после его публикации не дает преимущества в рамках этой версии, так как цена скорректировалась, пока все остальные читали тот же документ.
• Сильная форма: вся информация учтена в цене, включая инсайдерскую. Эту версию почти никто не защищает. Законы об инсайдерской торговле существуют исходя из предпосылки, что непубличная информация стоит реальных денег.

Гипотеза — это утверждение о надежности, а не о совершенстве. Никто не утверждает, что цены всегда верны. Утверждение в том, что ошибки трудно выявить заранее и трудно реализовать после вычета торговых издержек.

Слабая форма: предсказывает ли вчерашнее движение сегодняшнее?

Самая чистая проверка слабой формы — это корреляция между доходностью одного дня и следующего. Сильное положительное значение указывало бы на устойчивые тренды. Сильное отрицательное значение указывало бы на надежные отскоки. И то, и другое было бы пригодно для торговли. Таблица ниже измеряет автокорреляцию первого порядка дневных доходностей для двенадцати известных компаний за пять лет с июля 2021 по июнь 2026 года.

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

Наибольшее значение по абсолютной величине принадлежит WMT с показателем 0.057, а наименьшее — KO с показателем -0.005. Каждая компания в наборе находится в пределах нескольких сотых от нуля примерно за 1252 торговых дней каждая. Корреляция такого размера объясняет значительно менее одного процента вариации доходности следующего дня. Знаки чередуются между двенадцатью компаниями без какой-либо закономерности, заметной при проверке, — это и есть слабая форма, которая делает именно то, что обещает.

Что следует за большим однодневным движением?

Корреляция — это среднее значение по всем сессиям, и среднее может скрывать поведение на краях. Сортировка каждого дня в той же выборке по движению предыдущего дня и последующее измерение того, что произошло на следующий день, позволяет проверить, ведут ли себя экстремальные сессии иначе, чем обычные.

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

Нижняя корзина, сессии после движения в 1. down 3% or more, сопровождалась ростом в 52.9% случаев из 664 наблюдений. Верхняя корзина, после движения в 5. up 3% or more, сопровождалась ростом в 53.9% случаев. Обычная средняя корзина, 3. flat, within 1%, показала результат 53.1%. Все пять корзин находятся в пределах нескольких процентных пунктов от подбрасывания монеты, а медианная доходность следующего дня в каждой корзине составляет доли процента: 0.175% после самых резких падений, 0.186% после самых резких ростов.

Правило, которое покупало после падения на 3%, и правило, которое покупало после роста на 3%, встретили бы почти одинаковое распределение следующих дней. Разрыв между корзинами меньше, чем типичный спред bid-ask плюс комиссия для розничного ордера, что и является практической формой слабой формы: закономерность должна быть больше, чем стоимость ее торговли, чтобы вообще считаться преимуществом.

Полусильная форма: что показывает статистика отбора

Доказательство, на которое чаще всего ссылаются в пользу полусильной формы, — это не корреляция. Это давний вывод о том, что большинство активных портфелей отстают от простого индекса на многолетних горизонтах. Простая версия этой арифметики содержится в корзине крупных, широко освещаемых американских компаний, измеряемых год за годом против ETF на 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

За 5 измеренных календарных лет менее половины из 34 компаний обыгрывали индекс в четырех из них. Доля колебалась от 32.4% в 2024 до 58.8% в 2022, единственном падающем году в окне, когда индекс показал -20% против медианной компании с результатом -13.3%. В 2024 индекс показал 24%, а медианная компания в корзине — 12.7%.

Ничто из этого не доказывает полусильную форму. Корзина крупных компаний — это не весь рынок, один трекер — не каждый бенчмарк, а пять лет — это короткая выборка. Что это действительно показывает, так это арифметику, которая не позволяет просто отмахнуться от гипотезы. Индекс — это взвешенное среднее своих собственных членов, что делает его обыгрывание результатом меньшинства по построению, а затраты на исследования и торговлю для попытки вычитаются из доли этого меньшинства. Связанный взгляд на то, насколько неравномерны доходности этих членов, проявляется в годовом разбросе между столбцом индекса и столбцом медианы выше.

Парадокс в центре

Сэнфорд Гроссман и Джозеф Стиглиц опубликовали самое резкое возражение в 1980 году, и это возражение стоит изложить честно. Информация дорога в сборе. Если бы цены уже содержали ее всю, никто не стал бы платить за ее сбор, а этот сбор и есть тот самый механизм, который закладывает информацию в цены. Идеально эффективный рынок не может находиться в равновесии. Может существовать рынок, эффективный настолько, что прибыль от исследований примерно покрывает их стоимость.

Эта более слабая версия — та, с которой работает большинство практиков, и она лучше соответствует данным выше, чем абсолютная версия. Она описывает рынок, где преимущества существуют, остаются небольшими и исчезают в результате конкуренции со скоростью денег, которые за ними охотятся.

Документированные аномалии сосуществуют с гипотезой, а не опровергают ее. Аномалия низкой волатильности — одна из наиболее изученных: более спокойные акции исторически не отставали от более волатильных при доле риска, что не укладывается в стандартную модель риска и доходности. Эффекты моментума, стоимости и малых компаний имеют схожую историю. Каждый измеряется десятилетиями, у каждого есть длительные периоды, когда он исчезает, и некоторые сужаются после публикации.

Что гипотеза означает для читателя

Практический вывод узок и не является прогнозом для какого-либо рынка. В рамках любой версии гипотезы входные данные, которые инвестор действительно контролирует, — это издержки, налоги, диверсификация и поведение, и ни один из этих четырех пунктов не требует прогнозирования. Комиссия работает против портфеля по той же арифметике, по которой доходность работает за него.

Две привычки соответствуют этой рамке, не требуя от кого-либо прогнозов. Усреднение долларовой стоимости — это правило планирования, а не прогноз, отчасти поэтому оно выживает на рынке, где прогнозирование затруднено. А темперамент, стоящий за покупкой, когда другие боятся, — это правило поведения самого инвестора, а не утверждение о том, куда пойдут цены дальше.

Гипотеза также дает стандарт для оценки заявлений о стратегиях. Любая закономерность, которая выглядит прибыльной на бумаге, должна пройти проверку торговыми издержками, налогами и выживаемостью, заложенной в бэктест, прежде чем ее можно будет считать преимуществом. Большинство не проходят этот барьер. Те, которые проходят, как правило, невелики и имеют тенденцию сжиматься по мере поступления нового капитала.

Часто задаваемые вопросы

Каковы три формы гипотезы эффективного рынка?

Слабая форма утверждает, что прошлые цены и объемы уже учтены в цене, что исключает преимущества, основанные только на истории графиков. Полусильная форма утверждает, что вся публичная информация уже учтена в цене. Сильная форма утверждает, что и частная информация учтена в цене, и это версия, которую почти никто не защищает.

Означает ли гипотеза эффективного рынка, что цены акций всегда верны?

Нет. Она утверждает, что неверные оценки трудно выявить заранее и трудно реализовать после вычета издержек, а не то, что они никогда не возникают. Пузыри и крахи совместимы с гипотезой, если инвестор не мог надежно использовать их в то время.

Кто придумал гипотезу эффективного рынка?

Юджин Фама изложил трехформенную структуру в обзорной статье 1970 года и разделил Нобелевскую мемориальную премию по экономическим наукам 2013 года. Математические корни уходят глубже, к работе Луи Башелье 1900 года о случайности цен и статье Пола Самуэльсона 1965 года о правильно ожидаемых ценах.

Какова самая сильная критика гипотезы эффективного рынка?

Парадокс Гроссмана-Стиглица 1980 года: если бы цены уже содержали каждую часть информации, никто не получал бы плату за сбор информации, а сбор — это то, что закладывает информацию в цены. Поведенческие исследования добавляют вторую линию критики, касающуюся документированных, устойчивых ошибок инвесторов.

Может ли кто-то обыграть рынок?

Некоторые инвесторы и фонды показали долгосрочные результаты выше своих бенчмарков. Гипотеза не запрещает такой исход; она утверждает, что для отделения мастерства от удачи требуется гораздо больше данных, чем содержится в большинстве послужных списков, и что средний доллар в активном управлении все еще отстает после вычета комиссий.

Каждая таблица выше — это сохраненный запрос с прикрепленным SQL. Откройте его, чтобы проверить арифметику, или запустите тот же тест автокорреляции на интересующих вас компаниях в терминале Strasmore.