مفروضہ کارکردگی بازار کیا ہے؟

مفروضہ کارکردگی بازار (Efficient Market Hypothesis) یہ دعویٰ ہے کہ کسی بھی سیکیورٹی کی قیمت میں اس کے بارے میں دستیاب معلومات پہلے سے شامل ہوتی ہیں، جس کی وجہ سے کوئی بھی باقی ماندہ پیٹرن اتنا چھوٹا اور اتنا قلیل مدتی ہوتا ہے کہ اخراجات نکالنے کے بعد اس پر منافع بخش تجارت نہیں کی جا سکتی۔ یوجین فاما نے 1970 کے ایک جائزہ مقالے میں اس خیال کو تین شکلوں میں ترتیب دیا: کمزور، نیم مضبوط، اور مضبوط۔ ہر شکل معلومات کے ایک مختلف مجموعے کا نام بتاتی ہے جو پہلے سے قیمت میں موجود ہے، اور ہر ایک پیسہ کمانے کے ایک مختلف طریقے کو خارج کرتی ہے۔ یہ صفحہ بتاتا ہے کہ تینوں شکلیں کیا منع کرتی ہیں، پھر ان میں سے کمزور ترین شکل کو گھریلو ناموں کی پانچ سالہ روزانہ قیمتوں کے خلاف ناپتا ہے۔

مارکیٹ کی کارکردگی کی تین شکلیں کیا ہیں؟

شکلیں ایک دوسرے کے اندر گھری ہوئی ہیں۔ کمزور شکل جو کچھ دعویٰ کرتی ہے، نیم مضبوط شکل بھی وہی دعویٰ کرتی ہے، اور اس سے بھی زیادہ۔

• کمزور شکل: ماضی کی قیمتیں اور ماضی کا حجم پہلے سے قیمت میں موجود ہیں۔ چارٹ کی شکلیں، رجحان کے قواعد، اور رفتار کے فلٹر جو صرف قیمت کی تاریخ سے بنائے گئے ہیں، اس ورژن کے تحت کوئی قابل بھروسہ برتری نہیں رکھتے۔
• نیم مضبوط شکل: عوامی معلومات کا ہر ٹکڑا پہلے سے قیمت میں موجود ہے، بشمول فائلنگز، رہنمائی، تجزیہ کار نوٹس، اور اقتصادی ریلیزز۔ اس ورژن کے تحت، کسی عوامی دستاویز کو اس کی اشاعت کے بعد پڑھنے سے کوئی برتری حاصل نہیں ہوتی، کیونکہ قیمت اس وقت ایڈجسٹ ہو چکی تھی جب باقی سب اسی دستاویز کو پڑھ رہے تھے۔
• مضبوط شکل: تمام معلومات قیمت میں موجود ہیں، بشمول نجی مواد۔ تقریباً کوئی بھی اس ورژن کا دفاع نہیں کرتا۔ اندرونی تجارت کا قانون اس بنیاد پر موجود ہے کہ غیر عوامی معلومات حقیقی رقم کی مالیت کی ہوتی ہے۔

یہ مفروضہ قابل بھروسہ ہونے کے بارے میں ایک بیان ہے، نہ کہ کامل ہونے کے بارے میں۔ کوئی یہ دعویٰ نہیں کرتا کہ قیمتیں ہمیشہ درست ہوتی ہیں۔ دعویٰ یہ ہے کہ غلطیوں کی پہلے سے نشاندہی کرنا اور تجارتی اخراجات نکلنے کے بعد ان سے فائدہ اٹھانا مشکل ہے۔

کمزور شکل: کیا کل کی حرکت آج کی پیش گوئی کرتی ہے؟

کمزور شکل کا سب سے صاف ٹیسٹ ایک دن کی واپسی اور اگلے دن کی واپسی کے درمیان ارتباط ہے۔ ایک مضبوط مثبت اعداد و شمار ان رجحانات کو نشان زد کریں گے جو برقرار رہتے ہیں۔ ایک مضبوط منفی اعداد و شمار قابل بھروسہ واپسی کو نشان زد کریں گے۔ ان میں سے کوئی بھی قابل تجارت ہوگا۔ نیچے دیا گیا پینل جولائی 2021 سے جون 2026 تک کے پانچ سالوں میں بارہ گھریلو ناموں کے لیے روزانہ واپسیوں کے وقفہ-ایک خود ارتباط کی پیمائش کرتا ہے۔

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

مطلق شرائط میں سب سے بڑی ریڈنگ WMT کی ہے جو 0.057 پر ہے، اور سب سے چھوٹی KO کی ہے جو -0.005 پر ہے۔ سیٹ میں ہر نام تقریباً 1252 تجارتی دنوں میں سے ہر ایک میں صفر کے چند سوویں حصے کے اندر آتا ہے۔ اس سائز کا ارتباط اگلے دن کی واپسی میں تغیر کے ایک فیصد سے بھی کم کا حساب رکھتا ہے۔ بارہ ناموں میں نشانیاں بغیر کسی نمونے کے بدلتی رہتی ہیں جو معائنے سے بچ سکے، جو کمزور شکل ہے جو بالکل وہی کر رہی ہے جو وہ کہتی ہے کہ وہ کرے گی۔

ایک بڑی ایک روزہ حرکت کے بعد کیا ہوتا ہے؟

ارتباط ہر سیشن پر ایک اوسط ہے، اور اوسط کناروں پر رویے کو چھپا سکتا ہے۔ اسی نمونے میں ہر دن کو پچھلے دن کی حرکت کے مطابق ترتیب دینا، پھر یہ ناپنا کہ اگلے دن نے کیا کیا، یہ جانچتا ہے کہ آیا انتہائی سیشن عام سیشنوں سے مختلف برتاؤ کرتے ہیں۔

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

سب سے نیچے والی بالٹی، وہ سیشن جو 1. down 3% or more) کی حرکت کے بعد آئے، 52.9% بار ایک بڑھتے ہوئے دن کے بعد آئے 664 مشاہدات میں۔ سب سے اوپر والی بالٹی، 5. up 3% or more) کی حرکت کے بعد، 53.9% بار ایک بڑھتے ہوئے دن کے بعد آئی۔ عام درمیانی بالٹی، 3. flat, within 1%)، 53.1% پر آئی۔ تمام پانچ بالٹیاں ایک سکے کے پلٹنے کے چند پوائنٹس کے اندر بیٹھتی ہیں، اور ہر بالٹی میں اگلے دن کی واپسی کا میڈین ایک فیصد کا ایک حصہ ہے: 0.175% سب سے تیز کمی کے بعد، 0.186% سب سے تیز اضافے کے بعد۔

ایک قاعدہ جس نے 3% کی کمی کے بعد خریدا اور ایک قاعدہ جس نے 3% کی چھلانگ کے بعد خریدا، اگلے دنوں کی تقریباً ایک جیسی تقسیم سے ملے ہوتے۔ بالٹیوں کے درمیان فرق ایک عام بولی-پوچھ کے پھیلاؤ اور خوردہ سائز کے آرڈر پر کمیشن سے چھوٹا ہے، جو کمزور شکل کی عملی شکل ہے: پیٹرن کو تجارت کی لاگت سے بڑا ہونا ضروری ہے اس سے پہلے کہ وہ بالکل بھی برتری ہو۔

نیم مضبوط شکل: چناؤ کا ریکارڈ کیا ظاہر کرتا ہے

نیم مضبوط شکل کے لیے اکثر حوالہ دیا جانے والا ثبوت ارتباط نہیں ہے۔ یہ ایک طویل عرصے سے چلا آنے والا نتیجہ ہے کہ زیادہ تر فعال پورٹ فولیو کثیر سالہ ونڈوز پر ایک سادہ انڈیکس سے پیچھے رہ جاتے ہیں۔ اس ریاضی کا ایک سادہ ورژن بڑی، بھاری کوریج والی امریکی کمپنیوں کی ایک ٹوکری کے اندر بیٹھتا ہے جسے سال بہ سال S&P 500 ٹریکر کے خلاف ناپا جاتا ہے۔

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

ماپے گئے 5 کیلنڈر سالوں میں، 34 ناموں میں سے نصف سے بھی کم نے ان میں سے چار سالوں میں انڈیکس کو شکست دی۔ حصہ 2024 میں 32.4% سے لے کر 2022 میں 58.8% تک چلا، ونڈو میں واحد منفی سال، جب انڈیکس نے -20% واپس کیا جبکہ میڈین نام -13.3% پر تھا۔ 2024 میں انڈیکس نے 24% واپس کیا جبکہ ٹوکری میں میڈین نام نے 12.7% واپس کیا۔

اس میں سے کوئی بھی نیم مضبوط شکل کو ثابت نہیں کرتا۔ بڑے کیپس کی ایک ٹوکری پوری مارکیٹ نہیں ہے، ایک ٹریکر ہر بینچ مارک نہیں ہے، اور پانچ سال ایک مختصر نمونہ ہے۔ یہ جو کچھ دکھاتا ہے وہ وہ ریاضی ہے جو مفروضے کو نظر انداز کرنا مشکل بناتی ہے۔ ایک انڈیکس اپنے اراکین کا وزنی اوسط ہے، جو اسے شکست دینے کو تعمیر کے لحاظ سے ایک اقلیتی نتیجہ بناتا ہے، اور کوشش کرنے کی تحقیق اور تجارتی لاگتیں اقلیت کے حصے سے نکلتی ہیں۔ ان ممبر کی واپسیوں میں کتنی بے قاعدگی ہے اس کا ایک متعلقہ نظریہ اوپر انڈیکس کالم اور میڈین کالم کے درمیان سال بہ سال کے پھیلاؤ میں ظاہر ہوتا ہے۔

مرکز میں تضاد

سینفورڈ گراسمین اور جوزف اسٹیگلٹز نے 1980 میں سب سے تیز اعتراض شائع کیا، اور یہ ایک اعتراض ہے جسے ایمانداری سے بیان کرنا چاہیے۔ معلومات جمع کرنا مہنگا ہے۔ اگر قیمتوں میں پہلے سے یہ سب کچھ ہوتا، تو کوئی بھی جمع کرنے کے لیے ادائیگی نہ کرتا، اور یہ جمع کرنا ہی وہ طریقہ کار ہے جو معلومات کو قیمتوں میں ڈالتا ہے۔ ایک مکمل طور پر موثر مارکیٹ توازن میں نہیں بیٹھ سکتی۔ جو کچھ موجود ہو سکتا ہے وہ ایک مارکیٹ ہے جو اتنی موثر ہے کہ تحقیق سے منافع تقریباً تحقیق کی لاگت کو پورا کرتا ہے۔

یہ کمزور ورژن وہ ہے جس کے ساتھ زیادہ تر پریکٹیشنرز کام کرتے ہیں، اور یہ اوپر کے اعداد و شمار پر مطلق ورژن سے بہتر فٹ بیٹھتا ہے۔ یہ ایک ایسی مارکیٹ کو بیان کرتا ہے جہاں برتریاں موجود ہیں، چھوٹی رہتی ہیں، اور اس رقم کی رفتار سے مقابلہ ختم ہو جاتا ہے جو ان کا شکار کر رہی ہے۔

دستاویزی بے ضابطگیاں مفروضے کے ساتھ ساتھ بیٹھتی ہیں بجائے اس کے کہ اسے تباہ کریں۔ کم اتار چڑھاؤ کی بے ضابطگی سب سے بہتر ناپی گئی ہے: پرسکون اسٹاک تاریخی طور پر خطرے کے ایک حصے پر زیادہ بے ترتیب اسٹاک کے ساتھ رفتار برقرار رکھتے ہیں، ایک ایسا نمونہ جسے معیاری خطرہ اور واپسی کا ماڈل قبول نہیں کرتا۔ رفتار، قدر، اور چھوٹی کمپنی کے اثرات کی ایک جیسی تاریخیں ہیں۔ ہر ایک دہائیوں میں ناپا جاتا ہے، ہر ایک کے طویل حصے ہوتے ہیں جہاں یہ غائب ہو جاتا ہے، اور اشاعت کے بعد کئی تنگ ہو جاتے ہیں۔

مفروضہ ایک قاری کے لیے کیا معنی رکھتا ہے

عملی پڑھنا تنگ ہے، اور یہ کسی بھی مارکیٹ کے بارے میں پیش گوئی نہیں ہے۔ مفروضے کے کسی بھی ورژن کے تحت، وہ ان پٹ جنہیں ایک سرمایہ کار دراصل کنٹرول کرتا ہے وہ ہیں لاگتیں، ٹیکس، تنوع، اور رویہ، اور ان چاروں میں سے کسی کو بھی کچھ پیش گوئی کرنے کی ضرورت نہیں ہے۔ ایک فیس ایک پورٹ فولیو کے خلاف اسی ریاضی میں مرکب ہوتی ہے جس طرح ایک واپسی اس کے لیے مرکب ہوتی ہے۔

دو عادات اس فریمنگ میں فٹ بیٹھتی ہیں بغیر کسی سے پیش گوئی کرنے کو کہے۔ ڈالر لاگت اوسط ایک پیش گوئی کے بجائے ایک شیڈولنگ قاعدہ ہے، یہی وجہ ہے کہ یہ ایک ایسی مارکیٹ میں زندہ رہتا ہے جہاں پیش گوئی مشکل ہے۔ اور جب دوسرے خوفزدہ ہوں تو خریدنا کے پیچھے مزاج سرمایہ کار کے اپنے طرز عمل کے بارے میں ایک قاعدہ ہے، نہ کہ اس بارے میں دعویٰ کہ قیمتیں آگے کہاں جائیں گی۔

مفروضہ حکمت عملی کے دعووں کا فیصلہ کرنے کے لیے ایک معیار بھی دیتا ہے۔ کوئی بھی نمونہ جو کاغذ پر منافع بخش لگتا ہے، اسے برتری شمار ہونے سے پہلے تجارتی لاگتوں، ٹیکسوں، اور بیک ٹیسٹ میں بنی بقا کو صاف کرنا ہوگا۔ زیادہ تر اس بار کو صاف نہیں کرتے۔ جو کرتے ہیں وہ چھوٹے ہوتے ہیں، اور جیسے جیسے زیادہ سرمایہ آتا ہے وہ سکڑتے جاتے ہیں۔

عمومی سوالات

موثر مارکیٹ مفروضے کی تین شکلیں کیا ہیں؟

کمزور شکل کا خیال ہے کہ ماضی کی قیمتیں اور حجم پہلے سے قیمت میں موجود ہیں، جو صرف چارٹ کی تاریخ سے برتری کو خارج کرتا ہے۔ نیم مضبوط شکل کا خیال ہے کہ تمام عوامی معلومات پہلے سے قیمت میں موجود ہیں۔ مضبوط شکل کا خیال ہے کہ نجی معلومات بھی قیمت میں موجود ہے، اور یہ وہ ورژن ہے جس کا تقریباً کوئی دفاع نہیں کرتا۔

کیا موثر مارکیٹ مفروضے کا مطلب ہے کہ اسٹاک کی قیمتیں ہمیشہ درست ہوتی ہیں؟

نہیں۔ یہ دعویٰ کرتا ہے کہ غلط قیمتوں کی پہلے سے نشاندہی کرنا اور لاگتوں کے بعد ان پر قبضہ کرنا مشکل ہے، نہ کہ وہ کبھی واقع نہیں ہوتیں۔ بلبلے اور کریش مفروضے کے ساتھ مطابقت رکھتے ہیں جب تک کہ کوئی سرمایہ کار اس وقت ان کا قابل اعتماد طریقے سے استحصال نہ کر سکا ہو۔

موثر مارکیٹ مفروضہ کس نے پیش کیا؟

یوجین فاما نے 1970 کے ایک جائزہ مقالے میں تین شکلوں کا فریم ورک پیش کیا اور 2013 کا نوبل میموریل پرائز ان اکنامک سائنسز شیئر کیا۔ ریاضیاتی جڑیں مزید پیچھے جاتی ہیں، لوئس باچیلیئر کے 1900 کے قیمت کی بے ترتیبی پر کام اور پال سیموئلسن کے 1965 کے مناسب طور پر متوقع قیمتوں پر مقالے تک۔

موثر مارکیٹ مفروضے کی سب سے مضبوط تنقید کیا ہے؟

1980 کا گراسمین-اسٹیگلٹز تضاد: اگر قیمتوں میں پہلے سے معلومات کا ہر ٹکڑا موجود ہوتا، تو کوئی بھی معلومات جمع کرنے کے لیے ادائیگی نہ کرتا، اور جمع کرنا ہی وہ چیز ہے جو معلومات کو قیمتوں میں ڈالتی ہے۔ رویاتی تحقیق دستاویزی، مستقل سرمایہ کار کی غلطیوں کے بارے میں تنقید کی دوسری لائن کا اضافہ کرتی ہے۔

کیا کوئی مارکیٹ کو شکست دے سکتا ہے؟

کچھ سرمایہ کاروں اور فنڈز نے اپنے بینچ مارکس سے اوپر طویل ریکارڈ پوسٹ کیے ہیں۔ مفروضہ اس نتیجے کو منع نہیں کرتا؛ یہ دلیل دیتا ہے کہ مہارت کو قسمت سے الگ کرنے کے لیے زیادہ ڈیٹا کی ضرورت ہوتی ہے جتنا کہ زیادہ تر ٹریک ریکارڈز میں ہوتا ہے، اور یہ کہ فعال انتظام میں اوسط ڈالر فیسوں کے بعد بھی پیچھے رہتا ہے۔

اوپر ہر پینل ایک ذخیرہ شدہ استفسار ہے جس کے ساتھ اس کا SQL منسلک ہے۔ ریاضی چیک کرنے کے لیے ایک کھولیں، یا اسٹریسمور ٹرمینل پر ان ناموں پر وہی خود ارتباط ٹیسٹ چلائیں جن کی آپ پیروی کرتے ہیں۔