作者： Matt Connor
效率市場假說 三種形式 弱式效率
效率市場假說主張價格已反映已知資訊。本文說明弱式、半強式與強式三種形式，並以五年美國股票資料衡量弱式效率的自我相關性。
效率市場假說主張，證券價格已充分反映所有可獲得的相關資訊，因此任何殘留的價格模式都過於微小且短暫，在扣除交易成本後無法從中獲利。尤金·法馬在1970年的一篇回顧論文中，將此概念整理為三種形式：弱式、半強式與強式。每一種形式都指出不同類別的資訊已被納入價格中，並各自排除了不同的獲利方式。本頁將說明這三種形式所禁止的行為，接著以五年期間的知名公司日資料，來衡量其中最弱的弱式效率。
市場效率的三種形式為何？
這三種形式層層相疊。弱式效率的主張，半強式效率也同樣主張，並且涵蓋更多。
- 弱式效率：過去的價格與成交量已反映在當前價格中。僅基於價格歷史所建構的圖形型態、趨勢法則與動能濾網，在此版本下不具備可靠的優勢。
- 半強式效率：所有公開資訊，包括財報、財測、分析師報告與經濟數據發布，都已反映在價格中。在此版本下，閱讀已發布的公開文件不具備優勢，因為當所有人都在閱讀同一份文件時，價格早已調整完畢。
- 強式效率：所有資訊，包含內線消息，都已反映在價格中。幾乎沒有人為此版本辯護。內線交易法的存在，正是基於非公開資訊具有實際金錢價值的假設。
此假說探討的是可靠性，而非完美性。沒有人主張價格永遠是對的。其主張在於，錯誤難以事先辨識，且在扣除交易成本後難以從中獲利。
弱式效率：昨天的走勢能預測今天嗎？
對弱式效率最直接的檢驗，是今日報酬率與昨日報酬率之間的相關性。一個強烈的正相關代表趨勢會持續。一個強烈的負相關則代表可靠的價格反轉。這兩種情況都具備交易價值。下圖衡量了十二家知名公司，在2021年7月至2026年6月這五年期間，每日報酬率的落後一期自我相關係數。
每個數據背後的精確 SQL 語法
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絕對值最大的讀數屬於WMT，數值為0.057；最小的讀數屬於KO，數值為-0.005。在此樣本中，每一檔股票在大約1252個交易日內，其相關係數都落在零點附近的幾個百分點之內。這種規模的相關係數，對隔日報酬率的變異解釋力遠低於百分之一。這十二檔股票的相關係數正負號交替出現，沒有任何經得起檢驗的規律，這正是弱式效率如其所宣稱的運作方式。
單日大幅波動之後會發生什麼？
相關係數是對所有交易日的平均，而平均值可能隱藏了極端情況下的行為。將同一樣本中的每一天，根據其前一個交易日的漲跌幅進行分組，然後衡量下一日的表現，這可以檢驗極端交易日是否與一般交易日有所不同。
每個數據背後的精確 SQL 語法
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最低的分組，即在前一日下跌1. down 3% or more之後的交易日，在664個觀察值中，有52.9%的機率是上漲日。最高的分組，即在前一日上漲5. up 3% or more之後的交易日，有53.9%的機率是上漲日。一般的中間分組3. flat, within 1%，其上漲機率為53.1%。所有五個分組的上漲機率都與擲硬幣的結果相差無幾，且每個分組的隔日報酬率中位數都僅為零點幾個百分點：在最大跌幅之後為0.175%，在最大漲幅之後為0.186%。
一個在下跌3%後買進的規則，與一個在上漲3%後買進的規則，所面臨的隔日報酬率分布幾乎相同。各分組之間的差距，小於一般零售規模訂單的買賣價差加上手續費，這正是弱式效率的實際體現：一個模式必須大於其交易成本，才能構成真正的優勢。
半強式效率：選股記錄顯示了什麼
支持半強式效率最常被引用的證據並非相關係數，而是長期以來的研究發現：在多數以多年為期的時間窗口內，大多數主動型投資組合的表現落後於簡單的指數。這個論點的一個簡單版本，可以透過一籃子大型、備受關注的美國公司，逐年與標普500指數追蹤器進行比較來呈現。
每個數據背後的精確 SQL 語法
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在所衡量的5個曆年中，有四年，這34檔股票中不到一半的表現優於指數。這個比例範圍從2024年的32.4%，到2022年的58.8%。2022年是該期間內唯一指數下跌的一年，當時指數報酬率為-20%，而樣本中位數公司的報酬率為-13.3%。在2024年，指數報酬率為24%，而樣本中位數公司的報酬率為12.7%。
這些數據都無法證明半強式效率。一籃子大型股並非整個市場，一個追蹤器也非所有基準，而五年只是一個短暫的樣本。但它所展示的算術，使得這個假說難以被輕易否定。指數是其自身成分股的加權平均值，這使得打敗指數在本質上就是少數結果，而嘗試這麼做的研究與交易成本，則會從這少數結果的份額中扣除。上述指數欄位與中位數欄位之間逐年擴大的差距，也顯示了成分股報酬率的不均勻程度。
核心矛盾
桑福德·格羅斯曼與約瑟夫·斯蒂格利茨在1980年提出了最尖銳的反對意見，這是一個值得誠實陳述的反對意見。資訊的收集成本高昂。如果價格已經包含了所有資訊，就沒有人會花錢去收集資訊，而正是這種收集行為，將資訊納入了價格。一個完全有效的市場無法處於均衡狀態。現實中可能存在的是效率足夠高的市場，使得研究帶來的利潤大致能覆蓋研究成本。
這個較弱的版本是大多數從業者實際運用的版本，它比絕對版本更符合上述數據。它描述了一個存在優勢、但優勢很小，並且會隨著追逐利潤的資金速度而被競爭殆盡的市場。
有文獻記載的市場異象與此假說並存，而非將其推翻。低波動率異象是其中研究最充分的之一：歷史上，波動較低的股票以較低的風險，取得了與波動較高的股票相當的報酬，這是標準的風險與報酬模型所無法解釋的模式。動能、價值與小型股效應也有類似的歷史記錄。每一種異象都經過數十年的衡量，每一種都有長期消失的時期，並且有幾種在相關研究發表後影響力便縮小了。
此假說對讀者的意義
其實際意義是狹隘的，並非對任何市場的預測。在任何版本的假說下，投資人真正能控制的投入因素是成本、稅務、分散投資與行為，而這四者都不需要預測。費用對投資組合的複利效應，與報酬對投資組合的複利效應，遵循同樣的算術法則。
有兩種習慣符合此框架，且無需預測。定期定額是一種排程規則而非預測，這正是它能在難以預測的市場中存活下來的原因之一。而在他人恐懼時買進背後的心態，是關於投資人自身行為的準則，而非對價格未來走向的主張。
此假說也提供了一個判斷策略主張的標準。任何在紙上看起來有利可圖的模式，都必須先扣除交易成本、稅務，以及回測中內建的倖存者偏差，才能算得上是優勢。大多數模式都無法通過這個門檻。那些能通過的，往往規模很小，並且隨著更多資金湧入而趨於縮小。
常見問題
效率市場假說的三種形式是什麼？
弱式效率認為過去的價格與成交量已反映在當前價格中，這排除了僅憑圖表歷史獲得優勢的可能性。半強式效率認為所有公開資訊都已反映在價格中。強式效率則認為內線消息也已反映在價格中，這是幾乎沒有人為之辯護的版本。
效率市場假說是否意味著股價永遠是對的？
不是。它主張的是，錯誤定價難以事先辨識，且在扣除成本後難以從中獲利，而非它們從未發生。泡沫與崩盤與此假說並不相悖，只要投資人在當時無法可靠地利用這些事件獲利即可。
誰提出了效率市場假說？
尤金·法馬在1970年的一篇回顧論文中提出了三種形式的架構，並於2013年共同獲得諾貝爾經濟學獎。其數學根源可追溯至更早，包括路易·巴舍利耶1900年關於價格隨機性的研究，以及保羅·薩繆爾森1965年關於合理預期價格的論文。
對效率市場假說最強烈的批評是什麼？
1980年提出的格羅斯曼-斯蒂格利茨悖論：如果價格已經包含所有資訊，就沒有人會因為收集資訊而獲得報酬，而收集資訊正是將資訊納入價格的機制。行為經濟學研究則提供了第二條批評路線，關於有文獻記載且持續存在的投資人錯誤。
有人能打敗市場嗎？
有些投資人與基金確實留下了長期優於其基準的記錄。此假說並不禁止這種結果；它主張的是，區分技巧與運氣所需的數據遠多於大多數記錄所能提供，並且主動管理中的平均每單位資金在扣除費用後，表現仍然落後。
上方的每個圖表都是一個已儲存的查詢，並附有SQL語法。您可以打開任一圖表來檢查其算術邏輯，或在Strasmore終端機上，對您關注的股票執行相同的自我相關係數測試。