市场效率假说是现代金融经济学最有影响力、也最具争议的理论。它声称资产价格充分反映了所有可获得的信息。这一假说既是指数基金崛起的理论基础，也是行为金融学批判的核心靶标。理解它的真相与谎言，是每个投资者的必修课。
Fama的有效市场假说
尤金·法玛在1970年的经典论文中将有效市场假说（EMH）系统化。他定义了三种形式的效率。
弱式效率（Weak Form）
资产价格充分反映了所有历史价格和交易量信息。技术分析（通过图表模式预测价格）无法产生超额收益。这一观点得到了大量学术研究的支持——大多数技术交易策略在扣除交易成本后无法持续跑赢市场。随机游走模型（random walk）是弱式效率的数学表达：价格变动是独立同分布的随机变量，过去的价格走势无法预测未来。
半强式效率（Semi-Strong Form）
资产价格充分反映了所有公开信息——包括财务报表、新闻报道、分析师报告等。基本面分析无法产生超额收益。法玛、费舍尔、詹森和罗尔在1969年的论文中首次系统地检验了这一假说。发现股票价格在信息公布后迅速调整，投资者无法通过公开信息获利。事件研究法（event study）成为检验半强式效率的标准工具。
强式效率（Strong Form）
资产价格充分反映了所有信息，包括内幕信息。即使是公司内部人士也无法持续获得超额收益。这一版本被广泛认为过于极端——大量证据表明内幕交易确实能够获利。贾菲在1974年的研究显示，公司内部人士的交易确实获得了超额收益。
行为金融学的挑战
罗伯特·席勒和理查德·塞勒是EMH最有影响力的批评者。
过度波动性
席勒在1981年的论文中证明，股票价格的波动幅度远大于股息现值的波动幅度。如果市场是有效的，两者应该大致匹配。这一发现被称为"过度波动性之谜"（excess volatility puzzle），是行为金融学的奠基之作（Shiller, 1981）。
非理性繁荣
席勒创造了"非理性繁荣"（irrational exuberance）一词来描述资产价格脱离基本面的现象。他准确预测了2000年互联网泡沫和2007年房地产泡沫的破裂。在《叙事经济学》（2019）中，他进一步指出经济行为受叙事驱动而非理性计算。
心理偏差
丹尼尔·卡尼曼和阿莫斯·特沃斯基的前景理论揭示了投资者的系统性偏差。损失厌恶（loss aversion）：损失的痛苦约为等量收益快乐的两倍。过度自信（overconfidence）：80%的司机认为自己的驾驶水平高于平均。锚定效应（anchoring）：投资者过度依赖初始信息。代表性启发法（representativeness heuristic）：用相似性代替概率判断。这些偏差导致了市场价格的系统性偏离（Kahneman & Tversky, 1979）。
塞勒的市场异常
理查德·塞勒系统地记录了多种市场异常现象。封闭式基金折价之谜（closed-end fund puzzle）：封闭式基金的市场价格系统性地低于其净资产价值。日历效应（calendar effects）：一月效应、周一效应等。过度反应/不足反应现象：投资者对短期信息过度反应，对长期趋势反应不足。这些异常现象的存在对EMH构成了持续的挑战。
异常现象
学术文献记录了多种违反EMH的市场异常。
动量效应（Momentum）
过去3-12个月表现好的股票在未来3-12个月继续表现良好。杰加迪什和蒂特曼在1993年首次记录了这一现象，后续研究在全球多个市场中证实了其存在。动量策略的历史年化超额收益约为6-8%。这一溢价的存在是EMH面临的最严重挑战之一（Jegadeesh & Titman, 1993）。
价值效应（Value）
低市盈率或低市净率的股票长期表现优于高市盈率或高市净率的股票。法玛和弗伦奇在1992年的论文中记录了这一现象，并将其纳入三因子模型。价值溢价的存在引发了激烈的理论争论——它是风险补偿还是行为偏差的结果？ 格雷厄姆和多德的价值投资传统可以追溯到1934年，但学术界直到1990年代才正式承认价值溢价的存在。
规模效应（Size）
小市值公司的股票长期表现优于大市值公司的股票。班茨在1981年首次记录了这一现象。虽然规模效应在近年有所减弱（部分原因是交易成本的下降使更多投资者能够投资小市值股票），但在新兴市场中仍然显著。
后盈余公告漂移（Post-Earnings Announcement Drift）
公司发布超预期盈利后，股价在随后60-90天内继续上涨。这一现象违反了半强式效率，因为投资者应该在盈利公布时立即调整预期。伯纳德和托马斯在1989年的论文中详细记录了这一异常。
低波动率异象（Low Volatility Anomaly）
低波动率的股票长期表现优于高波动率的股票。这直接违反了金融学的基本原理（高风险应对应高回报）。贝克、布拉德利和沃格勒在2011年的论文中记录了这一异象。
当代共识
当代金融经济学家的主流共识是：市场"大致有效"但不是"完全有效"。
价格发现的效率：大型流动性市场（如标普500成分股）的日常定价效率很高，个人投资者很难持续跑赢市场。
法玛在2013年获得诺贝尔经济学奖，部分肯定了EMH的核心洞察。与他一同获奖的席勒则代表了行为金融学的视角——这种"对立统一"的授奖方式本身就反映了学术界对市场效率的复杂态度。
系统性偏差的存在：市场在极端情况下（泡沫和崩盘）会严重偏离有效价格。
行为金融学对这些偏离提供了有力的解释。但在日常交易中，市场的定价效率足以使大多数主动管理策略无法产生超额收益。
套利限制：即使存在定价错误，理性套利者也可能无法纠正它。
因为套利需要成本、承担风险、且面临资金约束。施莱弗和维什尼在1997年的论文中系统地分析了"有限套利"（limits to arbitrage）问题。解释了为什么定价错误可以持续存在。
对投资者的启示
市场效率假说对投资实践有深远的启示。
被动投资的合理性：如果市场大致有效，大多数主动管理型基金无法持续跑赢市场。
约翰·博格尔创立的先锋集团正是基于这一逻辑——低成本指数基金为普通投资者提供了最优的长期投资策略。数据支持这一判断：在任何给定的10年期间，约85-90%的主动管理型基金跑输了对应的指数基金。
行为套利的机会：如果市场存在系统性偏差，少数杰出的投资者（如巴菲特、索罗斯）可以通过识别和利用这些偏差获得超额收益。
但这种能力极为罕见。巴菲特在2007年与Protégé Partners立下、2008–2017 为期十年的赌约中，用标普500指数基金击败了对方精选的五只对冲基金的基金（fund of funds）。生动地证明了被动投资的优势。
风险管理的重要性：即使市场大致有效，系统性风险（如2008年金融危机）仍然存在。
有效的投资策略不仅关注预期收益，更关注风险管理和分散化。
市场效率与信息时代
互联网和算法交易的普及改变了市场效率的动态。一方面，信息传播速度的加快和算法交易的普及使市场定价更加高效——套利机会在毫秒级别被消除。另一方面，社交媒体和算法推荐创造了新的"信息茧房"和"叙事泡沫"。散户投资者在Reddit等平台上形成集体行动，推动GameStop等股票的价格严重偏离基本面。
市场效率假说的最终结论是：市场不是完全有效的，但它比大多数个人投资者更聪明。对大多数人来说，低成本指数基金仍然是最优选择。
为什么这很重要
市场效率假说不仅是一个学术理论——它直接影响了数万亿美元的投资决策和金融监管政策。
你应该买指数基金还是自己选股？ 如果市场是有效的，你无法持续跑赢市场，最佳策略是购买低成本指数基金。先锋集团创始人约翰·博格尔正是基于这一逻辑创立了指数基金行业。数据显示，在任何给定的10年期间，约85-90%的主动管理型基金跑输了对应的指数基金。巴菲特在2007年与Protégé Partners立下、2008–2017 为期十年的赌约中，用标普500指数基金击败了对方精选的五只对冲基金的基金——生动地证明了被动投资的优势。
GameStop与市场效率的边界。2021年1月，散户投资者通过Reddit论坛集体买入GameStop股票，将其价格从约$20推至约$480——远超任何基本面分析所能解释的水平。这一事件挑战了市场效率假说：如果市场是有效的，这种"非理性"的价格偏离不应该发生。但它也挑战了行为金融学：如果市场存在系统性偏差，为什么专业投资者没有做空GameStop来纠正偏差？答案可能在于"有限套利"——做空GameStop的成本和风险极高（无限损失潜力），使套利者望而却步。
算法交易与市场效率的未来。高频算法交易占全球股票交易量的60%以上。一方面，算法交易提高了市场的信息处理效率——套利机会在毫秒级别被消除。另一方面，算法交易可能引发"闪崩"——2010年5月6日，道琼斯指数在几分钟内暴跌约1000点（约9%），随后迅速反弹。算法交易的同质性（使用相似的策略和数据）可能在极端情况下放大市场波动。
关键洞察
市场效率假说最深刻的洞见不是"市场总是对的"，而是"你很难比市场更聪明"。 市场不是完全有效的——泡沫和崩盘反复出现。但对大多数投资者来说，市场的定价效率足以使主动管理策略无法产生持续的超额收益。理解市场效率的边界——它在哪里成立、在哪里失效——是做出明智投资决策的关键。
跨域连接
- 统计学：三种效率形式的差别不只是信息集大小，更是可检验程度：弱式可以直接检验价格序列的自相关，半强式要人为设定事件窗口，强式则依赖不可观测的私有信息。推论是：形式越强，"未被拒绝"就越接近"无法检验"，而不是越接近成立。
- 信息不对称：强式效率之所以被普遍否证，靠的正是内部人交易确实能获得超额收益这一类证据。这等于说：内幕信息的价值恰好等于价格尚未反映它的那一部分——推论是内幕交易监管的成效，原则上可以用内部人交易的超额收益是否收窄来度量。
- 可重复性危机：动量、价值、规模、低波动这份异象目录，是在同一批历史数据上反复检索出来的，而规模效应近年已明显减弱。推论是：报告出来的异象里必然混有多重比较的产物，判据只能是样本外检验与事前登记，而不是显著性。
- 机器学习概览：算法交易把套利机会压到毫秒级，意味着效率是一个随算力与数据竞赛变化的量，而不是市场的固有属性。推论是：不同年代的效率检验结果不可直接比较——同一市场在参与者技术升级前后，本该给出不同的答案。
- 社会网络分析：散户在社交平台上协调买入时，信息不再独立地流向个体，而是在网络里被放大。这破坏了"噪声互相抵消"的前提：个体误差一旦相关，大数定律就不再适用——推论是聚集度越高的投资者群体，其定价偏离越持久。
行为金融学的实证挑战
行为金融学对EMH的挑战不仅停留在理论层面，更有大量实证数据支持。德邦特和塞勒在1985年发现了"长期反转效应"——过去3-5年表现最好的股票在未来3-5年表现最差，反之亦然。这一发现挑战了EMH的核心预测：如果市场是有效的，过去的收益不应预测未来的收益。
拉科尼肖克、施莱弗和维什尼（Lakonishok, Shleifer & Vishny, 1994）的实证研究进一步表明，投资者对信息的反应存在系统性偏差——他们把企业当前的高增长"天真地"线性外推到未来，忽视了均值回归。这导致投资者高估成长股、低估价值股。这一"过度外推"机制解释了为什么价值股（通常因坏消息被超卖）长期表现优于成长股（通常因好消息被高估），且作者论证这一价值溢价源于行为偏差而非更高的风险。
机器学习与市场效率的新挑战
机器学习和人工智能正在改变市场效率的动态。一方面，AI驱动的量化交易策略可以在毫秒级别识别和消除定价错误，使市场更加高效。另一方面，算法交易的同质性（使用相似的数据和模型）可能在极端情况下放大市场波动。2020年3月，多个量化基金因使用类似的"风险平价"策略而同时抛售资产，加剧了市场下跌。这表明，算法交易可能创造了新的系统性风险——当所有算法同时做出相同决策时，市场的多样性消失，稳定性下降。
参考文献
- Fama, E. F. (1970). "Efficient Capital Markets: A Review of Theory and Empirical Work." Journal of Finance, 25(2), 383-417.
- Shiller, R. J. (1981). "Do Stock Prices Move Too Much to be Justified by Subsequent Changes in Dividends?" American Economic Review, 71(3), 421-436.
- Malkiel, B. G. (1973). A Random Walk Down Wall Street. W. W. Norton.
- Kahneman, D., & Tversky, A. (1979). "Prospect Theory: An Analysis of Decision under Risk." Econometrica, 47(2), 263-291.
- Jegadeesh, N., & Titman, S. (1993). "Returns to Buying Winners and Selling Losers." Journal of Finance, 48(1), 65-91.
- Shleifer, A., & Vishny, R. W. (1997). "The Limits of Arbitrage." Journal of Finance, 52(1), 35-55.