Anomálie trhu - Market anomaly

A anomálie trhu v finanční trh je předvídatelnost, která se zdá být v rozporu s teoriemi cen aktiv (obvykle založenými na riziku).^[1] Standardní teorie zahrnují model oceňování kapitálových aktiv a Fama-francouzský třífaktorový model, ale nedostatek shody mezi akademiky ohledně správné teorie vede mnoho lidí k odkazování na anomálie bez odkazu na srovnávací teorii (Daniel a Hirschleifer 2015^[2] a Barberis 2018,^[3] například). Mnoho akademiků ve skutečnosti jednoduše označuje anomálie jako „prediktory návratu“, čímž se vyhne problému s definováním srovnávací teorie.^[4]

Akademici zdokumentovali více než 150 prediktorů návratnosti (viz Seznam anomálií dokumentovaných v akademických časopisech ). Tyto „anomálie“ však přicházejí s mnoha upozorněními. Téměř všechny zdokumentované anomálie se zaměřují na nelikvidní malé zásoby.^[4] Studie navíc nezohledňují náklady na obchodování. Výsledkem je, že mnoho anomálií nenabízí zisky, navzdory přítomnosti předvídatelnosti.^[5] Po zveřejnění prediktoru navíc předvídatelnost návratnosti podstatně klesá, a proto nemusí v budoucnu nabízet zisky.^[4] A konečně, předvídatelnost návratnosti může být způsobena průřezovými nebo časovými změnami rizika, a nemusí tedy nutně poskytovat dobrou investiční příležitost. Podobně návratnost předpovědi sama o sobě nevyvrací efektivní tržní hypotéza, protože je třeba prokázat předvídatelnost nad rámec implikovaného konkrétním modelem rizika.^[6]

Čtyři hlavní vysvětlení anomálií na trhu jsou (1) nesprávná cena, (2) neměřené riziko, (3) limity arbitráže a (4) zkreslení výběru.^[4] Akademici nedosáhli konsensu o základní příčině a prominentní akademici se nadále zasazují o zkreslení výběru,^[7] nesprávná cena,^[3] a teorie založené na riziku.^[8]

Anomálie lze obecně rozdělit do anomálií časových řad a průřezů. Anomálie časových řad odkazují na předvídatelnost na souhrnném akciovém trhu, jako je často diskutovaný prediktor cyklicky upravených cen a výnosů (CAPE).^[9] Tyto prediktory časových řad označují časy, ve kterých je lepší investovat do akcií oproti bezpečnému aktivu (například státní pokladniční poukázky). Průřezové anomálie odkazují na předvídatelný out-performance konkrétních akcií ve srovnání s ostatními. Například známá anomálie velikosti^[10] odkazuje na skutečnost, že akcie s nižší tržní kapitalizací mají tendenci v budoucnu překonávat akcie s vyšší tržní kapitalizací.

Vysvětlení anomálií

Nesprávná cena

Mnoho, ne-li většina, článků, které dokumentují anomálie, je připisují nesprávnému stanovení ceny (Lakonishok, Shelifer a Visny 1994,^[11] například). Vysvětlení nesprávné ceny je přirozené, protože anomálie jsou podle definice odchylky od srovnávací teorie cen aktiv. „Nesprávná cena“ je pak definována jako odchylka ve srovnání s referenční hodnotou.

Nejběžnějším měřítkem je CAPM (Model oceňování kapitálu a aktiv). Odchylka od této teorie se měří odhadem nenulového průsečíku linie bezpečnostního trhu. Tento průsečík se běžně označuje řeckým písmenem alfa:

${ displaystyle E (R_ {t} -R_ {f, t}) = alpha + beta [E (R_ {M, t} -R_ {f, t})] ,}$

kde ${ displaystyle R_ {t}}$ je návrat anomálie, ${ displaystyle R_ {f, t}}$je návratnost bezrizikové sazby, ${ displaystyle beta}$je sklon od regresní návratnosti anomálie k návratnosti trhu, a ${ displaystyle R_ {M, t}}$je návratnost na "trhu", často prodávaná návratností na CRSP index (index všech veřejně obchodovaných amerických akcií).

Vysvětlení nesprávného stanovení cen jsou v akademických financích často sporná, protože akademici se neshodují na správné teorii srovnávacích testů (viz níže Nezměřená rizika). Tato neshoda úzce souvisí s „problémem společné hypotézy“ efektivní tržní hypotéza.

Nezměřené riziko

Mezi akademiky byla běžnou reakcí na tvrzení o nesprávném stanovení ceny myšlenka, že anomálie zachycuje dimenzi rizika, která v referenční teorii chybí. Anomálie může například generovat očekávané výnosy nad rámec těch, které se měří pomocí CAPM regrese, protože časová řada jejích výnosů koreluje s pracovním příjmem, který není zachycen standardními proxy pro tržní výnos.^[12]

Snad nejznámější příklad tohoto neměřeného vysvětlení rizik lze najít v seminární práci Fama a Francouze o jejich 3faktorovém modelu: „pokud jsou aktiva oceňována racionálně, musí proměnné, které souvisejí s průměrnými výnosy ... ... pro citlivost na společné (sdílené a tedy nediferencovatelné) rizikové faktory ve výnosech. [3faktorový model] časové řady regresí poskytují přímé důkazy o této otázce. “^[13]

Nezměřené vysvětlení rizika úzce souvisí s nedostatky CAPM jako teorie rizika a také s nedostatky empirických testů CAPM a souvisejících modelů. Snad nejběžnější kritikou CAPM je, že je odvozena v nastavení jednoho období, a tedy chybí dynamické prvky, jako jsou období vysoké nejistoty. V obecnějším nastavení CAPM obvykle implikuje více rizikových faktorů, jak je uvedeno v Mertonův mezičasový CAPM teorie. Z ICAPM navíc obecně vyplývá, že očekávané výnosy se časem mění, a proto předvídatelnost časových řad není jasným důkazem nesprávného stanovení ceny. Jelikož CAPM vůbec nemůže zachytit očekávané dynamické výnosy, důkazy o předvídatelnosti časových řad se ve srovnání s předvídatelností v průřezu považují za nesprávné ceny.

Empirické nedostatky se týkají především obtíží při měření bohatství nebo mezní užitečnosti. Bohatství teoreticky zahrnuje nejen bohatství na akciových trzích, ale také neobchodovatelné bohatství, jako jsou soukromá aktiva a budoucí příjem z práce. V spotřeba CAPM, (což je teoreticky ekvivalentní Mertonově ICAPM), správným zástupcem bohatství je spotřeba, kterou je obtížné měřit (Savov 2011,^[14] například).

Navzdory teoretické spolehlivosti neměřeného vysvětlení rizik existuje mezi akademiky malá shoda ohledně správného modelu rizika nad rámec CAPM. Propozice zahrnují známý Fama-francouzský 3-faktorový model, Fama-French-Carhartův 4-faktorový model, Fama-francouzský 5-faktorový model a Stambaugh a Yuanův 4-faktorový model.^[15][16][17] Všechny tyto modely jsou spíše empiricky orientované, než odvozené z formální teorie rovnováhy, jako je Mertonův ICAPM.

Omezení arbitráže

Anomálie jsou téměř vždy dokumentovány pomocí závěrečných cen z datové sady CRSP. Tyto ceny neodrážejí obchodní náklady, což může zabránit arbitráži a tím předvídatelnosti eliminace. Navíc jsou téměř všechny anomálie dokumentovány pomocí stejně vážených portfolií,^[4] a proto vyžadují obchodování s nelikvidními (nákladově obchodovatelnými) akciemi.

Omezení vysvětlení arbitráže lze považovat za zdokonalení rámce pro nesprávné stanovení cen. Návratový model nabízí zisky pouze v případě, že výnosy, které nabízí, přežijí obchodní náklady, a proto by neměly být považovány za chybné ceny, pokud nejsou zohledněny obchodní náklady.

Velká literatura dokumentuje, že obchodní náklady výrazně snižují návratnost anomálií. Tato literatura sahá až do Stoll a Whaley (1983) a Ball, Kothari a Shanken (1995).^[18][19] Nedávný dokument, který studuje desítky anomálií, zjistil, že obchodní náklady mají obrovský vliv na průměrnou anomálii (Novy-Marx a Velikov 2015).^[5]

Výběr zkreslení

Zdokumentované anomálie jsou pravděpodobně nejlepšími hráči z mnohem většího počtu potenciálních prediktorů návratnosti. Tento výběr vytváří zkreslení a znamená, že odhady ziskovosti anomálií jsou nadhodnoceny. Toto vysvětlení anomálií je také známé jako snooping dat, p-hacking, dolování dat a bagrování dat, a úzce souvisí s problém s více srovnáními. Obavy o zkreslení výběru u anomálií sahají přinejmenším k Jensenovi a Benningtonovi (1970).^[20]

Většina výzkumů o zkreslení výběru v anomáliích trhu se zaměřuje na konkrétní podmnožiny prediktorů. Například Sullivan, Timmermann a White (2001) ukazují, že anomálie založené na kalendáři po úpravě zkreslení výběru již nejsou významné.^[21] Nedávná metaanalýza velikostní prémie ukazuje, že uváděné odhady velikostní prémie jsou dvojnásobně přehnané kvůli zkreslení výběru ^[22].

Výzkum zkreslení výběru u anomálií je obecněji relativně omezený a neprůkazný. McLean a Pontiff (2016) používají test mimo vzorek, aby prokázali, že zkreslení výběru představuje nejvýše 26% průměrného výnosu typické anomálie během období vzorku původní publikace. Aby to prokázali, replikují téměř 100 anomálií a ukazují, že průměrný návrat anomálií je za pouhých několik let bezprostředně po skončení původních vzorků pouze o 26% menší. Jelikož část tohoto poklesu může být způsobena účinky učení investorů, 26% představuje horní hranici.^[4] Naproti tomu Harvey, Liu a Zhu (2016) upravují několik úprav testování ze statistik, jako je Míra falešného objevu k „faktorům“ oceňování aktiv. Označují faktor jako jakoukoli proměnnou, která pomáhá vysvětlit průřez očekávaných výnosů, a proto do své studie zahrnují mnoho anomálií. Zjistili, že statistika vícenásobného testování naznačuje, že faktory s t-statistikami <3,0 by neměly být považovány za statisticky významné, a dochází k závěru, že většina publikovaných zjištění je pravděpodobně nepravdivá.^[23]

Seznam anomálií dokumentovaných v akademických časopisech

Reference

externí odkazy

• ANOMÁLIE A EFEKTIVITA TRHU
• Anomálie na finančním trhu