T ŐKEPIACI HATÉKONYSÁG Hatékonyság fogalma (I.) Hatékonyság ~ valaminek a működési „jósága” Tőkepiacon most: az árazás megfelelősége ~Tökéletes tőkepiaci árazás  A tőkepiaci árfolyamok minden pillanatban az akkor rendelkezésre álló összes információt teljességgel tükrözik,  Egyensúlyban vannak,  Amely egyensúlyból csak új információ hatására mozdulhatnak ki  → A piac az újonnan megjelenő információkra azonnal és helyesen reagál  Efficient market hypothesis (EMH)

Hatékonyság fogalma (II.) A definíció így eléggé általános  Pl. mit jelent, hogy „teljességgel tükrözi”, „egyensúly”, „helyesen reagál”? Szükség van egy egyensúlyi modellre: pl. CAPM  Nem a CAPM az egyetlen lehetséges modell  Tőkepiaci hatékonyság elvetése esetén lehet, hogy valójában az egyensúlyi modell rossz Mi tárgyalásunkban most: egy árfolyam a rendelkezésre álló információkat teljeséggel tükrözi, ha a pillanatnyi várható hozama megegyezik a CAPM alapján megadhatóval Két fő „hozam-elem”:  Normál hozam: az egyensúlyi modell szerinti várható hozam  Abnormál hozam: ami a normál hozam felett vagy alatt adódik

Hatékonyság fogalma (III.) A hozam valószínűségi változó, a várható értéke csak egy kitüntetett érték → valamekkora abnormális hozam szinte mindig van (~várható vs. tényleges hozam) Az EMH nem tagadja az abnormál hozamok létezését, de azt mondja, hogy ezek várható értéke nulla! Ugyanígy: az új információk elmozdíthatják az árfolyamot, de mégsem érhetünk el velük várhatóan többlethozamot  Az érkező információk végtelenül gyorsan beépülnek az árfolyamba  Így árfolyamváltozás csak új információk hatására következhet be  Az „új” pedig épp attól új, mert jelen tudásunknak egyáltalán nem része – teljességgel véletlenszerű kell, hogy legyen (nulla várható értékkel)  Más szóval: ha tudnánk, hogy holnap emelkedni fog, már ma emelkedett volna  (Samuelson (1965): Proof that properly anticipated prices fluctuate randomly)

Hatékonyság fogalma (IV.) Ha az abnormális hozamok előre jelezhetetlenek, akkor az árfolyamok a normál hozamok szerint rendeződnek Következmény: tőkepiaci tranzakciók nulla NPV-jűek kell, hogy legyenek  Tőkeköltségük pont a várható hozamuk → gazdasági profit zérus – vö. profit forrásai (különleges tudás hiánya)  Ezt is tekinthetnénk a tőkepiaci hatékonyság általános definíciójának (NPV = 0) Az árfolyamok bolyongása (random walk [with drift])  Minden időpontban a normál hozam szerinti emelkedésre számíthatunk + egy véletlen „zaj” komponensre (abnormál hozam, új információk érkezése) nulla várható értékkel  A „trendtől” tetszőlegesen eltávolodhat, és a távolabbi jövő egyre bizonytalanabb (időben növekvő variancia)  Matematikai formában (loghozammal):  E(r) a normál hozam, u t a „zaj”

Hatékonyság fogalma (V.) Példa lehetséges bolyongó árfolyam-realizációkra:

Hatékonyság fogalma (VI.) A háttérben embertömegek viselkedése, mi csak a „végeredményt” látjuk – így teljességében nem is vizsgálható A hatékonyság szintekre bontása:  Gyenge szint (weak form): a különböző pénzügyi változók (pl. árak, volumenek, osztalékok, kamatok, számviteli eredmények stb.) idősorának információtartalmát teljességgel tükrözik (historical information)  Félerős szint (semi-strong form): a nyilvánosan bejelentett, vállalat (befektetés, részvény) jövőjére vonatkozó információkat teljességgel tükrözik (public information)  Erős szint (strong form): a magán („titkos”) információkat is teljességgel tükrözik (private information) A különböző szintek tesztelésére különböző módszerek vannak

Gyenge szint tesztelése (I.) Pénzügyi változók múltbeli sorozatából képesek vagyunk-e előre jelezni a jövőbeni árfolyamot?  Pl. elmúlt hét árfolyamadataiból a holnapi árfolyamot Régóta vizsgálják (Bachelier 1900; igazi előrelépés: Fama 1965), negatív válasz Sorozat tesztek Árfolyamváltozások előjelének vizsgálata (növekedés/csökkenés, a nagyság nem számít) Sorozat: az egymást követő, azonos előjelű árfolyamváltozások  a 0 árfolyamváltozás a negatívokhoz vagy a pozitívokhoz is sorolható, de konvencionálisan negatívnak tekintve  Példa: + – – – – – négy sorozatnak felel meg Minden mintanagysághoz megállapítható a sorozatszámnak egy olyan elméleti értéke, amely teljesen véletlenszerű változások esetén áll várhatóan elő → ehhez viszonyítjuk a vizsgálat során kapott sorozatok számát

Gyenge szint tesztelése (II.) Ha a kapott érték < az elméleti érték, akkor pozitív kapcsolat: pl. egy + értéket valószínűbben követ egy újabb +  Azaz: várhatóan hosszabb sorozatok alakulnak ki, tehát számuk kisebb lesz Eredmények: közel az elméleti értékhez, a gyenge szintet támasztják alá

Gyenge szint tesztelése (III.) (Andor és Ormos gyűjtése) Valós sorozatok száma 1000 elméleti érték mellett 1 nap4 nap MSCI % NYSE % BUX Ft % BUX $ % magyar részvény átlaga Fama (USA) Jennergren– Korsvold (Hollandia) 857nincs adat

Gyenge szint tesztelése (IV.) Korreláció-tesztek Auto-korreláció: ugyanazon értékpapír egymást követő hozamai közötti korreláció  Adott késleltetés (lag) mellett, pl. 1 nap, 2 nap, stb.  Akár adott múltbeli időszak átlagos hozamaival, pl. megelőző 5 nap átlagos hozama Kereszt-korreláció: más megelőző adatokkal vett korreláció (pl. más értékpapír múltbeli adataiból való előre jelezhetőség)  Itt is adott késleltetés (lag) mellett, akár átlagos hozamokkal  Időeltolódásra figyelni (pl. New York – Budapest) Hatékonyság esetén 0 kell, hogy legyen a korreláció Eredmények: közel nulla korrelációk, hatékonyságot alátámasztja (a táblázatok Andor és Ormos gyűjtései)

Gyenge szint tesztelése (V.) Auto- korrelációs vizsgálat: Kereszt- korrelációs vizsgálat:

Gyenge szint tesztelése (VI.) OrszágAdatIntervallumÁtlagos korreláció Magyarország14 vállalat 1 index 1 nap 1 hét 1 nap 1 hét 0,01 –0,02 0,06 0,00 USA30 vállalat 1 hét 1 nap –0,06 0,03 U. K.19 vállalat1 hét0,13 Görögország15 vállalat1 hónap0,04 Ausztrália16 index 20 vállalat 1 hét 0,00 –0,12 Norvégia15 vállalat1 nap 1 hét 0,07 0,00 Svédország30 vállalat1 nap 1 hét 0,10 –0,02 Autokorrelációk

Gyenge szint tesztelése (VII.) VállalatokKereszt-korreláció volumen és hozam között napok –2–1012 BorsodChem–0,0120,0220,0280,0050 Egis0,0180,010,028–0,016–0,015 Fotex0,0060,01–0,01–0,006–0,005 Mol–0,008-0,0030,084–0,092–0,09 OTP–0,0090,0190,017–0,031–0,011 Pick0,0310,0180,019–0,042–0,017 PannonPlast0,25-0,1040,0550,001–0,031 Prímagáz0,020,012–0,008–0,027–0,001 Richter0,0380,0140,0370,0580,076 Zalakerámia0,012-0,0020,004–0,017–0,003 Zwack–0,0360,0080,0160,045–0,054 Átlag0,02130,00010,0264–0,0073–0,0138

Gyenge szint tesztelése (VIII.) Naptári „mintázat” vizsgálatok Van-e valamilyen szezonális minta, ami alapján előre tudunk jelezni? „Január-effektus”: a januári hozam szignifikánsan magasabb, mint a többi hónapé  Lehetséges magyarázat: adómegtakarítási szándékkal év végi részvényeladás, illetve év eleji visszavásárlás  Ma már nem mérhető, felfedezése óta a piac megszüntette e hibáját  Mo. (2000): december is magas, augusztus alacsony (pl. nyári szabadságok miatti pozíciózárás?) „Hétvége-effektus”  Hétfői napok kiugróan alacsony hozamai, illetve péntek magasabb hozamai – mára ez is eltűnt  Magyar „csütörtök” Konklúzió: a gyenge szint fennállását elfogadhatjuk – nem tudunk előre jelezni múltbeli adatokból, az árfolyamoknak „nincs memóriája” (vö. bolyongás)  Következmény: a technikai elemzés hasznavehetetlensége

Gyenge szint tesztelése (IX.) (Andor és Ormos elemzései)

Félerős szint tesztelése (I.) A nyilvánosan bejelentett információk milyen gyorsan és mennyire pontosan épülnek be az árfolyamba Vizsgálatok összefoglaló neve: eseményvizsgálatok (event studies) Események utáni árfolyamváltozások vizsgálata  Események, bejelentések gyűjtése, majd ezeket követő abnormális árfolyamváltozások vizsgálata Elméleti eset hatékony piacon: „Hatékonytalanságra” utaló esetek: Túlreagálás: Lassú reakció / alulreagálás:

Félerős szint tesztelése (II.) A vizsgálat egy tipikus menete:  Sok (mérvadó) hír összegyűjtése  A hírek csoportosítása skálán: 10: nagyon jó, 1: nagyon rossz  Esemény utáni abnormál árfolyamgörbék előállítása Az érintett egyes részvények bétáinak becslése → normál hozam Tényleges hozamból levonva a normál hozam → abnormál hozam Az egymást követő abnormál hozamok összegzése (kumulálása) → abnormál árfolyamgörbe  Az egyes görbék közös „nullpontra” (bejelentési időpontra) hozása

Félerős szint tesztelése (III.) Az eseményeket valóban “lereagálta” a tőkepiac – pozitív bejelentéseket általában pozitív, negatívokat negatív többlethozamok követtek A többlethozamok döntő hányada közvetlenül a bejelentéskor (kb. ± egy nap) mérhető A bejelentéseket követően enyhe túlreagálás érzékelhető Egy érdekes tanulmány (Brooks, Patel, Su 2003)  21 db kifejezetten váratlan esemény (pl. olajszállító katasztrófa, repülőgép-szerencsétlenség, üzemrobbanás, vezető váratlan halála)  Két csoportban: tőzsdei nyitva tartás alatti és tőzsdei nyitva tartáson kívüli (a köv. nap nyitástól az árfolyam)

Félerős szint tesztelése (IV.) Gyors beépülést láthatunk:

Félerős szint tesztelése (V.) Egy más megközelítés: kiugró abnormális árfolyamváltozások utáni árfolyam- változások vizsgálata Nem konkrét események kiválogatása, hanem olyan kiugró abnormális árfolyamváltozások keresése (statisztikai úton), amik valamilyen véletlen esemény bekövetkeztére utalnak Előnye:  Így sokkal egyszerűbben, nagyobb mennyiségben lehet „eseményeket” kiválasztani  Az esemény pillanata (bizonyos szempontból) jobban beazonosítható Szintén csoportokba sorolás, az abnormális eltérés nagysága szerint Magyar tőkepiacra (Andor és Ormos, 2000):

Félerős szint tesztelése (VI.) A reakciók gyorsasága – perces (!) felbontásban (Andor, Kertész, Zavadowski 2003, NASDAQ adatok)

Félerős szint tesztelése (VII.) Előző vizsgálat nagy napi záró – nyitó különbségekre (a befektetőknek „volt ideje gondolkodni” az eseményen)

Félerős szint tesztelése (VIII.) A gyorsaság kulcsfontosságú mozzanat Rendkívül gyors beépülést tapasztalhatunk → Mire valaki felismeri az információt, addigra annak beépülése rendszerint már be is fejeződött → Tehát abnormális hozam elérésére már nem marad lehetősége Kivéve persze, ha az elsők között fedezte fel, elemezte és adás-vételével lereagálta a történteket, ráadásul mindezt különösebb extraköltségek nélkül! – rendkívül csekély a valószínűsége Konklúzió: a félerős szint fennállását elfogadhatjuk

Erős szint tesztelése (I.) Exkluzív, bennfentes információkkal tudunk-e „nyerni”? Az információkhoz való „korábbi” hozzájutás, amikre várhatóan reagálni fog a piac, várható abnormális profitot eredményez Exkluzív információk birtokosai a vizsgálatokban: leginkább a befektetési tanácsadókkal, illetve befektetési alapok portfólió- menedzsereivel azonosítják Cowles és Osborne (1933): több ezer, befektetési tanácsadóktól származó előrejelzés eredményessége: több a rossz tanács, mint a jó tanács, sőt, a tanácsok összességének eredménye a piaci átlag alatt Malkiel és Cragg (~1970): neves wall street-i pénzügyi elemzők előrejelzései (1 és 5 évre) vs. a hozamok tényleges alakulása: nem hoztak volna pozitív abnormális hozamot (az egyéves prognózisok még rosszabbak voltak, mint az ötévesek) Nem találni olyan elemzőt, aki konzisztensen jobb, mint a többi – persze van időszak, amikor jobb, de utána rosszabb, átlagban tehát ugyanolyan

Erős szint tesztelése (II.) Befektetési alapkezelők teljesítménye – Jensen (1968) az egyik legidézettebb  Figyelembe vette az eltérő bétákat, CAPM szerint számított abnormál hozamot (1945 és 1964 között)  Eredmény: átlagosan nincs pozitív abnormál hozam; ha van is, a működési költségek levonása után negatív! Nincs tudományos bizonyíték arra, hogy a professzionálisan menedzselt portfóliók átlagteljesítménye jobb lenne, mint a találomra összeválogatott portfólióké Az alapok eredményei között természetesen van (jelentős) különbség, de ez szinte kizárólag az eltérő kockázat miatt van A különbség tehát nem a profizmus kérdése, hanem a nagyobb kockázatvállalásé és/vagy a szerencséé

Erős szint tesztelése (III.) Eseményvizsgálatok újra – nézzük meg az esemény előtti időszakot is! Exkluzív, bennfentes információkkal történő kereskedésre utalnak Másik módszer: egy adott részvényhez kapcsolódó vállalatnál dolgozók kereskedésének átlagos eredményei vs. a „többiek” eredményei  Általában a vállalatnál dolgozók szerény mértékű többlethozamát találni Mindezek az erős szintet némileg cáfolni látszó jelenségek

Erős szint tesztelése (IV.) Abnormál hozam reménye: a fundamentális elemzés sem jobb, mint a technikai Ok: nagyon sok fundamentális elemző igen jól tudja elemezni a hozzáférhető új információkat és villámgyorsan cselekszenek is → Szinte reménytelen kiemelkedni az elemzők tömegéből Fontos: a részvényárfolyamok nem találomra, ötletszerűen alakulnak, hanem igenis a fundamentális információkra reagálnak De ezek beépülése olyan gyors és pontos, hogy nem tudunk konzisztensen nyerni

Tőkepiaci hatékonyság – konklúzió Múltbeli adatokból olyan „szabály” megtalálása, amire mások nem jöttek rá – várhatóan sikertelen → gyenge szint Az új információk másoknál gyorsabb és pontosabb feldolgozása – várhatóan sikertelen → félerős szint Bennfentes információk „kiaknázása” – legfeljebb szerény mértékben → erős szint  „Profi” szakemberek – átlagosan nem jobbak, mint mások  Viszont bennfentes kereskedés jelei a nyilvános bejelentéseket megelőzően, ill. vállalati dolgozók eredménye – viszonylag csekély mértékű Az adatok a tőkepiac rendkívül magas szintű hatékonyságát mutatják Tökéletes vs. hatékony tőkepiac: attól még, hogy nem tökéletes (pl. vannak tranzakciós költségek, adók, költséges információszerzés), lehet hatékony – épp ezt látjuk

Tőkepiaci hatékonyságot megingató jelenségek, megközelítések Anomáliák, pl.:  Releváns információ nélküli árfolyamváltozás  Pénzügyi változók (pl. P/E ráta) hozam-meghatározó képessége  Alul- és túlreagálások (ld. eseményvizsgálatok, „kis-cég effektus”) Korábban nem tudtunk ezekről, azért léteztek/léteznek vs. nem véletlenül maradtak fenn, törvényszerűségek vannak mögöttük Tőkepiaci mikrostruktúra  Tranzakciók motivációi, kölcsönhatása az árakkal, többféle piaci szereplő csoport (nem csak racionálisak, hanem információ nélküliek, heurisztikusak, árjegyzők) Pénzügyi viselkedéstan  Emberi viselkedés, gondolkodás sajátosságai, pszichológia Ezek fényében: ha rövid távon nem is, de hosszabb távon a közgazdasági racionalitás határozza meg az árakat