弱式效率：全面概述

核心描述

• 弱式效率指出，所有歷史價格和交易量信息都已反映在當前市場價格中，因此技術分析難以獲得可交易的超額收益。
• 實證證據對其有效性既有支持也有質疑。雖然多數市場缺乏顯著的可預測性，但如動量等異常現象偶有持續。
• 弱式效率是投資者和研究人員理解價格可預測性與主動投資策略侷限性的基礎起點。

定義及背景

定義

弱式效率是有效市場假説（EMH）中最基本的形式。其認為，當前證券價格已經充分反映了歷史價格和交易量中包含的全部信息。因此，任何僅依賴歷史價格數據（如技術分析）的交易策略，長期來看都無法持續獲得風險調整後的超額收益。

歷史背景

弱式效率最早可以追溯到 1900 年巴舍利爾（Louis Bachelier）提出的隨機漫步理論。此後，薩繆爾森（Paul Samuelson）從數學上論證了若市場對價格的預期準確，則價格應遵循 “鞅過程”，即基於過去信息無法預測未來價格變動。

1970 年法馬（Eugene Fama）在其著名論文中將市場有效性分為三類：

• 弱式效率：指市場價格僅反映過去的價格和交易量
• 半強式效率：指價格反映所有公開信息
• 強式效率：指價格反映所有公開與私人信息

弱式效率是學術界和實務界研究價格可預測性的基礎，也受到監管機構的持續關注和檢驗，至今已有數十年研究積累。

在有效市場假説中的定位

在 EMH 體系中，弱式效率構成了分析市場可預測性的起點。如果弱式效率無法成立，則對更高層級（半強式、強式）的有效性也會產生懷疑。反之，即使弱式效率有效，也僅意味着歷史價格和交易量數據難以預測未來價格，並不代表其他公開或非公開信息已被完全吸收。

計算方法及應用

數據構建與收益計算

• 數據收集：獲取標的股票、指數或資產的長週期連續歷史行情，確定採樣頻率（日、周等）。
• 收益率計算：可用簡單收益率（如 ( r_t = P_t/P_{t-1} - 1 )）或對數收益率（如 ( \ln P_t - \ln P_{t-1} )）。應包含分紅收益。
• 數據調整：對拆股、分紅和退市等進行調整，避免在自相關等測試中產生誤導。

主要實證檢驗方法

自相關檢驗

• 測量當前和過去收益的相關性。
• 弱式效率成立時，各期收益的自相關應接近零。
• 常用方法包括 Ljung-Box Q 檢驗、Newey–West 穩健標準誤等。

遊程檢驗（Runs Test）

• 檢查收益方向的隨機性，而不關心漲跌幅度。
• 將收益變動轉化為 “正負號” 序列，統計連續同號的遊程數量。
• 遊程數顯著偏離理論值則表明存在可預測性。

方差比檢驗（Variance Ratio Test）

• Lo 和 MacKinlay（1988）提出。
• 檢驗多期收益方差是否與隨機漫步理論一致（即 ( VR(q) = 1 )）。
• 方差比偏離 1 説明可能存在均值迴歸或動量現象，對弱式效率構成挑戰。

單位根檢驗

• 常用 Augmented Dickey-Fuller（ADF）或 Phillips-Perron（PP）方法對價格序列做單位根檢驗。
• 隨機遊走模型下無法拒絕單位根假設與弱式效率相符。

研究與實踐中的應用

學術和實務人員廣泛使用上述方法測試弱式效率。研究結果影響了投資策略，例如對技術分析的謹慎應對，以及指數基金和被動化投資產品興起，正因歷史價格分析很難獲得超額收益。

優勢分析及常見誤區

弱式效率的優勢

• 削弱盲目依賴技術分析：解釋了為什麼單靠圖表和趨勢方法在扣除交易成本後難以持續戰勝市場。
• 支持指數化和分散投資：歷史價格分析難以實現超額收益，關注低成本、廣泛分散更具合理性。
• 為市場檢測提供基線：持續測試弱式效率，有助於市場流動性、透明度和健康發展。

主要質疑與不足

• 實證異常：如美國股票市場短期反轉、中期動量（Jegadeesh & Titman, 1993）等，説明即便在成熟市場仍有可預測性。
• 市場摩擦：手續費、税費、流動性約束與做空限制等因素可能讓偏離持續存在，並不像理論預期能被迅速糾正。

常見誤區

將弱式效率等同於全然隨機

弱式效率並不等於價格純然 “隨機”；而是説歷史收益序列的自相關無法在扣除成本之後持續被盈利利用。

混淆 EMH 不同層級

有些批評者會把信息吸收慢（半強式效率問題）或內幕交易套利（強式效率問題）當作弱式效率的反例，實際上弱式效率僅關心歷史交易數據。

忽略交易費用

一些看似有效的交易規則在計入現實成本後，其收益優勢往往蕩然無存。

誤以為單一異常即顛覆有效性

只有異常現象持續穩定、且在被普遍知曉與套利後仍能帶來淨收益，才真正對弱式效率構成質疑。

實戰指南

實踐中的弱式效率檢驗

假設設定

• 明確定義問題：“歷史價格與成交量能否在扣除成本後獲得可靠的超額收益？”
• 明確資產類別、市場及時間段。

數據預處理

• 選用無生存偏差的高質量數據。
• 全面校準所有公司行為並檢查時間戳一致性。
• 明確篩選和處理異常值的標準。

統計檢驗

• 應用自相關、遊程、方差比、自迴歸模型或單位根等多種檢驗。
• 採用滾動窗口進行動態檢測，考察效率變化。
• 在收益統計中綜合考慮點差、手續費和流動性影響。

防範過擬合

• 限定技術規則或參數集數量，避免 “挖掘” 數據的陷阱。
• 進行樣本外回測，應用 White’s Reality Check 或 SPA 校正法等處理多重檢驗風險。

結果解釋

• 重點關注淨收益，勿拘泥於統計顯著性。
• 與市場指數、CAPM 等基準比較績效。

實例演示：技術策略檢驗（假設案例，僅供説明）

情景：某量化研究員希望測試 S&P 500 股採用均線交叉策略 是否能獲得超額收益。

步驟説明：

1. 數據獲取：收集 2000 年至 2023 年經拆分與分紅調整的 S&P 500 成分股每日價格及成交量。
2. 收益計算：計算日收益率。
3. 信號構建：用 50 日均線/200 日均線交叉生成買賣信號。
4. 策略回測：模擬真實買賣，計入交易費用與滑點。
5. 統計檢驗：檢驗信號驅動下收益的自相關與方差比。
6. 樣本外驗證：在不同樣本區間進行魯棒性檢驗。
7. 結果解釋：雖然樣本內或許有一定 alpha，但扣除各項成本及在樣本外檢驗後，其優勢消失，符合弱式效率的預期。

這一流程體現了多數實證結論：依賴歷史價格的簡單規則通常難以持續獲得淨超額收益。

資源推薦

這些資源適用於對弱式效率的系統學習和深入研究。

常見問題

什麼是簡明理解下的弱式效率？

弱式效率認為所有歷史價格與成交量信息都已經反映在當前資產價格中，因此，單靠技術分析或圖表規律難以獲得長期風險調整後的超額收益。

檢驗弱式效率的常見方法有哪些？

通常包括對歷史收益數據進行自相關檢驗、遊程（正負號）檢驗和方差比檢驗，以探查收益數據中是否存在系統性可用的規律。

如果弱式效率成立，技術分析還有效嗎？

若弱式效率有效，則圖表和價格規律類策略很難在扣除交易成本後穩定獲取風險調整後的超額收益。

弱式效率真的沒有例外嗎？

存在例外，例如短期價格反轉、中期動量（由 Jegadeesh & Titman 發現）、某些日曆效應等。但這些現象伴隨廣泛套利和成本後通常難以長期持續。

為什麼部分異常（如動量）還能長期存在？

手續費、流動性限制、投資者分層、資金約束等市場摩擦可能使一部分異常能夠長期存在，即便在成熟市場也如此。

弱式效率是否否定基本面分析的價值？

不會。弱式效率只否定基於歷史價格/交易量的預測，對利用公司基本面和公開信息的研究不做評價。

如果市場是弱式有效的，投資者該如何應對？

建議關注低成本、分散的投資策略，而不是依靠歷史價格選股。注重風險管理和長期資產配置依然重要。

弱式效率能在不同市場和時期變化嗎？

會有差異。效率水平受市場成熟度、流動性、監管環境、技術手段等影響，新興或流動性較低的市場更容易出現可預測性。

總結

弱式效率是現代金融理論的基礎觀點之一，認為過去價格和成交量數據均已反映在當前市場報價中，因此依賴技術分析或圖表規律難以穩健獲得可觀的超額收益。大量學術文獻與投資實踐表明，這一觀點在多數成熟市場成立，儘管也存在偶發異常，反映出市場的複雜和動態適應性。對於投資者，不論新手還是資深人士，理解弱式效率有助於形成理性、分散和基於長期證據的投資理念，避免僅憑歷史價格模式追求長期超額收益。理性、嚴謹地分析與管理投資，是當前市場環境下更有勝算的方法。

來源：Fama (1970, 1991)；Jegadeesh & Titman (1993)；Malkiel《漫步華爾街》；Campbell, Lo & MacKinlay《金融市場計量經濟學》；耶魯、MIT OpenCourseWare