1 Efektywność rynków finansowychDobromił Serwa akson.sgh.waw.pl/~dserwa/ef1.htm
2 Literatura E. Elton, M. Gruber, S. Brown, W. Goetzmann, Modern Portfolio Theory and Investment Analysis, Wiley 2007. J. Campbell, A. Lo, C. MacKinlay, The Econometrics of Financial Markets, Princeton University Press 1997. K. Cuthbertson, D. Nitzsche, Quantitative financial economics: stocks, bonds and foreign exchange, Wiley 2004
3 Literatura M. Osińska, Ekonometria finansowa, PWE 2006O. Starzeński, Analiza rynków finansowych, C.H.Beck, 2011 K. Jajuga i T. Jajuga, Inwestycje. Instrumenty finansowe, aktywa niefinansowe, ryzyko finansowe, inżynieria finansowa, PWN, 2011
4 Literatura E. Fama (1970) Efficient Capital Markets: A Review of Theory and Empirical Work, Journal of Finance 25, s E. Fama (1991) Efficient Capital Markets: II, Journal of Finance 46, s
5 Definicje Hipoteza rynku efektywnego (efficient market hypothesis, EMH; Fama 1991): ceny instrumentów finansowych w pełni odzwierciedlają całą dostępną informację Warunek: koszty pozyskania informacji i koszty transakcyjne = 0
6 Definicje Nieco słabsza forma hipotezy rynku efektywnego (Jensen 1978, Fama 1991): ceny odzwierciedlają informację do tego stopnia, że krańcowe korzyści z wykorzystania informacji (uzyskane zyski) nie przekraczają krańcowych kosztów.
7 Dodatkowe założenia Ceny dokładnie odzwierciedlają fundamentalne informacje o instrumencie finansowym racjonalność rynku finansowego np. brak baniek spekulacyjnych
8 Podział testów efektywnościPodział ze względu na 3 różne rodzaje informacji testowanych w EMH: Testy słabej formy (weak form) efektywności: czy cała informacja dostępna w historycznych cenach w pełni uwzględniona w aktualnych cenach instrumentów finansowych ogólniej: czy stopy zwrotu „prognozowalne” np. efekt stycznia, efekt poniedziałku
9 Podział testów efektywności2. Testy pół-silnej formy (semistrong form) efektywności: czy cała publicznie dostępna informacja w pełni odzwierciedlona w aktualnych cenach obecnie: testy analizy zdarzeń, badania ogłoszeń spółek
10 Podział testów efektywności3. Testy silnej formy (strong form) efektywności: czy cała publiczna i prywatna informacja w pełni odzwierciedlona w aktualnych cenach W praktyce: sprawdzanie, jak szybko informacja jest uwzględniana w cenach pod jakimi warunkami inwestor może osiągać nadzwyczajne zyski
11 Praktyczne pytania w testach EMHPrognozowanie stóp zwrotu: czy możliwe osiągnięcie nadzwyczajnych zysków na podstawie historycznych informacji Publiczne ogłoszenia informacji o instrumentach: (cena po ogłoszeniu dostosowana natychmiast) czy systematycznie powyżej lub poniżej ceny równowagi
12 Praktyczne pytania w testach EMHTesty silnej formy efektywności: czy istnieją inwestorzy (grupy inwestorów, np. zarządzający funduszami inwestycyjnymi) mający nadzwyczajne umiejętności w osiąganiu ponadprzeciętnych zysków czy możliwe osiąganie nadzwyczajnych zysków przy użyciu prywatnej informacji
13 Konsekwencje efektywnościStopy zwrotu „nie są prognozowalne” algorytmy tradingowe, analiza techniczna bezużyteczne Pół-silna efektywność rynku algorytmy wykorzystujące informację publiczną bezużyteczne Silna forma efektywności: analiza wartości spółki bezużyteczna
14 „Fair game” i słaba forma efektywnościOdchylenia oczekiwań inwestorów od cen równowagi nie powinny zawierać informacji o przyszłych zwrotach Informacja z poprzedniego okresu nie pozwala uzyskać ponadprzeciętnych zysków dziś po uwzględnieniu ryzyka związanego z inwestycją Historyczna wiedza nie zawiera żadnych informacji o aktualnych odchyleniach stóp zwrotu od oczekiwanych stóp zwrotu
15 „Fair game” i martyngałyProces stochastyczny spełniający: lub inaczej Wada: nie uwzględnia ryzyka
16 Modele stóp zwrotu (wykorzystywane przy testowaniu słabej formy efektywności)Model błądzenia losowego (1): lub unikając ujemnych cen:
17 Modele stóp zwrotu Model błądzenia losowego (2):Usunięcie założenia o stałym rozkładzie składnika losowego Model błądzenia losowego (3) Usunięcie założenia o niezależności składnika losowego. Założenie o braku korelacji między składnikami losowymi, … ale np.
18 Testy słabej formy EMH Sezonowe stopy zwrotuwewnątrzdzienne i tygodniowe stopy zwrotu: Ujemne stopy zwrotu w poniedziałki Największy wpływ zmian od zamknięcia w piątek do 45 min. Po otwarciu w poniedziałek efekt stycznia Najsilniejszy efekt dla małych spółek Wytłumaczenie: duży „bid-ask spread”, „tax-selling hypothesis”
19 Efekty sezonowe Testy na równość średnich w próbachstatystyka ma rozkład t(n1+n2-2)
20 Efekty sezonowe Modele regresji ze zmiennymi sezonowymiPrzykład: model jednoczynnikowy
21 Testy słabej formy EMH Prognozowanie krótkookresowych stóp zwrotu:Testy korelacji: Testy liczby serii: Wyniki: mała autokorelacja, ale zwykle dodatnia, wyższe koszty transakcyjne kiedy większa korelacja „Filter rules” – algorytmy handlu: „kupuj po wzrostach, sprzedawaj po spadkach” kupowanie portfeli z wyższymi stopami wzrostu w przeszłości koszty transakcyjne ograniczają zyski
22 Testy słabej formy EMH korelacja dla kolejnych transakcji często negatywna Wytłumaczenie: limit orders + bid-ask spread silniejsza autokorelacja portfeli akcji wytłumczanie: różna płynność akcji w portfelach autokorelacja długookresowych stóp zwrotu negatywna i bliska 0
23 Testy modeli błądzenia losowegoTesty modelu (1) Sekwencje i zmiany trendu (Cowles, Jones 1937):
24 Testy modeli błądzenia losowego… po uwzględnieniu „dryfu” cen:
25 Testy modelu błądzenia losowegoTesty serii (Mood 1940): … Prostsza wersja: test Walda-Wolfowitza kiedy Asymptotycznie: K ma rozkład normalny
26 Testy modeli błądzenia losowegoTesty modelu (2) „filter rules” (algorytmy handlu) filtr k% - kupuj, gdy cena wzrośnie k% i sprzedaj kiedy spadnie k% uwzględnij koszty transakcyjne porównaj całkowity zwrot z tej strategii ze zwrotem ze strategii „kupuj i trzymaj”
27 Testy modeli błądzenia losowegoTesty modelu (3) Współczynniki korelacji
28 Testowanie statystyczneReguła decyzyjna: Wartości krytyczne przy poziomie istotności x% Obszar odrzuceń H0
29 Autokorelacja stóp zwrotuPrzykład: stopy zwrotu indeksu Dow Jones
30 Testy modeli błądzenia losowegoTesty dla wielu wsp. korelacji na raz (Box, Pierce 1970)
31 Testy modeli błądzenia losowegoIlorazy wariancji czyli , gdy wszystkie korelacje = 0
32 Testy modeli błądzenia losowegoTesty ilorazu i różnicy wariancji dla 2n+1 obserwacji mamy zdefiniowane:
33 Testy modeli błądzenia losowegoc.d. (H0: VR-1=0, VD=0) czyli inaczej: Można także zbudować statystykę testową dla VD:
34 Testy modeli błądzenia losowegoUogólnienie dla zwrotów wielookresowych dla qn+1 obserwacji
35 Testy modeli błądzenia losowegoc.d. testy (H0: VR-1=0, VD=0)
36 Testy modeli błądzenia losowegoTesty dla długookresowych stóp zwrotu (duże q) Problem: słaba moc testu Inne rozwiązanie: Hurst-Mandelbrot rescaled range statistic
37 Testy słabej formy EMH Prognozowanie na podstawie charakterystyki firm„size effect” – wyższe stopy zwrotu dla małych spółek (ale zdarzają się okresy odwrotne) Kombinacja z efektem stycznia Wyłumaczenia: źle liczone nadzwyczajne stopy zwrotu, małe spółki bardziej ryzykowne, premia za brak płynności, duże koszty transakcyjne „market to book” – wyższe stopy zwrotu dla spółek z wyższą wartością księgową w relacji do rynkowej
38 Testy słabej formy EMH „earnings/price” – po uwzględnieniu „market/book” nieistotnie wyższe zyski zmienne prognozujące długookresowe stopy zwrotu: dywidendy/indeks rynkowy, dochody z indeksu/wartość indeksu, aktualny indeks/historyczna średnia z indeksu premia terminowa, premia za ryzyko wyniki: zmienne wyjaśniają dużą część zmienności stóp zwrotu
39 Autokorelacja stóp zwrotu i różne typy inwestorówOczekiwane stopy zwrotu zależą od historycznych stóp zwrotu: Feedback trading Liquidity trading ( ) Private information trading ( )
40 Testowanie pół-silnej formy EMHPubliczne ogłoszenia informacji o spółkach, rynku itp. Metoda testowania: analiza zdarzeń Czy inwestor osiągnie szybkie nadzwyczajne zyski w momencie ogłoszenia informacji Czy inwestor osiągnie długookresowe zyski kupując po ogłoszeniu i trzymając portfel
41 Testowanie pół-silnej formy EMHPrzykłady zdarzeń/ogłoszeń: Połączenia, przejęcia spółek Podział akcji Publikacje rekomendacji Ogłoszenia wysokości dywidend Wyniki: połączenia i przejęcia spółek generują krótkookresowe nadzwyczajne stopy zwrotu głównie w momencie ogłoszenia – brak zysków
42 Testowanie pół-silnej formy EMHWyniki: Publikacje rekomendacji mają wpływ na stopy zwrotu Ogłoszenia dywidend (nieoczekiwane, dobre i złe informacje) często razem z ogłoszeniem podziału akcji rynki szybko reagują na informacje
43 Testowanie pół-silnej formy EMHTestowanie okresu po zdarzeniu/ ogłoszeniu Firmy kupujące inne – wyższe długookresowe stopy zwrotu Niższe stopy zwrotu po IPO (debiucie na giełdzie)
44 Testowanie silnej formy EMH„Insider trading” Wykorzystywanie informacji prywatnej przez „insiderów” – nielegalne, wymóg informowania giełdy Wykorzystanie rekomendacji przed ich publikacją (np. Value Line - doraca inwestycyjny) Problemy: „selection bias”, „survivorship bias” Wyniki: analitycy posiadają małe zdolności prognostyczne, prognozy przydatne tylko w krótkim horyzoncie
45 Testowanie silnej formy EMHWyniki c.d.: nie da się zidentyfikować najlepszych analityków – wyniki bez korelacji w czasie, menedżerowie funduszy powierniczych przegrywają z rynkiem, po uwzględnieniu kosztów
46 Racjonalność rynków Czy ceny dokładnie odzwieciedlają oczekiwania inwestorów o przyszłych przepływach finansowych: Nieistotna różnica między aktualną ceną i ceną równowagi Brak reakcji na „nieekonomiczne” zdarzenia (np. podział akcji), brak efektów sezonowych, efektów charakterystyki spółek na stopy zwrotu
47 Racjonalność rynków Testy zmienności:Założenia: ceny odzwierciedlają oczekiwania dywidend, realna oczekiwana stopa zwrotu stała w czasie, dywidendy generowane przez proces stacjonarny ze stałą stopą wzrostu Wyniki: zbyt duża zmienność Przegrani/wygrani: Przegrani mają lepsze rezultaty „Tax-selling effect”, „relative strength”, „size effect”
48 Racjonalność rynków Kryzysy giełdowe: czy inwestorzy racjonalni?Paniki, mechanizmy handlu, stosowanie algorytmów – odpowiedzialne za kryzys raczej niż napływ ważnych informacji…