Hipótese do Mercado Eficiente (EMH) e Forex.
Qual é a Hipótese do Mercado Eficiente?
A Efficient Market Hypothesis (EMH) afirma que os mercados financeiros são informacionalmente eficientes, o que significa que os investidores e traders não conseguirão consistentemente obter retornos acima da média do mercado. Simplificando, a EMH afirma que não é possível vencer o mercado a longo prazo. Os defensores da teoria sustentam que aqueles que de fato fazem retornos acima da média o fazem porque têm acesso a informações privilegiadas ou, alternativamente, simplesmente desfrutam de uma prolongada série de sorte. A forma moderna da Efficient Market Hypothesis foi desenvolvida pelo professor Eugene Fama, da Universidade de Chicago, em meados da década de 1960, e foi amplamente aceita na academia até a década de 1990, quando o trabalho em finanças comportamentais começou a trazer a hipótese. questão. Apesar disso, muitos acadêmicos e alguns especialistas em finanças sustentam que a hipótese do mercado eficiente é verdadeira até hoje.
Aqueles que apóiam a EMH geralmente planejam suas reivindicações em um dos três formulários principais, com cada forma da reivindicação tendo implicações ligeiramente diferentes.
Eficiência de Forma Fraca: Nesta formulação da EMH, os preços de mercado futuros não podem ser previstos simplesmente analisando o desempenho do preço passado. Por conseguinte, é impossível vencer o mercado a longo prazo, utilizando estratégias de investimento ou de negociação baseadas em dados históricos. Embora o uso de análise técnica possa não permitir que os negociadores batam no mercado a longo prazo, algumas formas de análise fundamental podem permitir que os participantes do mercado vença o mercado. Esta forma da hipótese sustenta que as movimentações futuras de preços são determinadas por informações que não estão contidas nos preços de mercado passados e correntes, essencialmente excluindo o uso de análise técnica. Eficiência de forma semi-forte: Esta formulação da EMH vai um pouco além da sua prima Weak Form. Sustentando que os preços de mercado se ajustam rapidamente a qualquer informação nova e publicamente disponível, isso exclui a análise técnica e fundamental. Somente aqueles com acesso a informações privilegiadas seriam capazes de superar o mercado a longo prazo. Eficiência de Forma Forte: Aqueles que acreditam na forma mais forte da EMH acreditam que os preços de mercado atuais refletem toda a informação pública e privada, o que significa que ninguém pode vencer o mercado, mesmo aqueles com informações privilegiadas. Pode parecer que esta versão da hipótese do mercado eficiente pode ser facilmente refutada, já que há um número considerável de gestores de dinheiro que conseguiram superar o mercado ano após ano. Aqueles que apoiam esta versão linha dura da EMH, muitas vezes respondem, apontando que com o grande número de pessoas que ativamente comercializam os mercados financeiros, você espera que alguns tenham sorte e façam retornos impressionantes ano após ano.
Crítica da EMH e finanças comportamentais.
Os investidores e, cada vez mais, os que estão na academia têm sido muito críticos em relação à Hipótese do Mercado Eficiente, questionando a hipótese em termos teóricos e empíricos. Economistas comportamentais têm apontado para inúmeras ineficiências do mercado, que muitas vezes podem ser atribuídas a certos vieses cognitivos e erros previsíveis no comportamento humano. A ascensão do comércio algorítmico e do financiamento quantitativo não necessariamente livrou os mercados financeiros de tais vieses cognitivos, com a crise financeira de 2008 demonstrando como os vieses cognitivos podem trabalhar lá em modelos quantitativos complicados. De fato, alguns foram tão longe ao sugerir que a EMH foi parcialmente responsável pela crise financeira de 2007-2012, com a hipótese de que os líderes políticos e financeiros tenham uma subestimação crônica dos perigos das bolhas de ativos quebrando. . Grande parte do trabalho dos economistas comportamentais sugere que temos boas razões para rejeitar as versões forte e semi-forte da hipótese do mercado eficiente.
Os mercados de Forex são um exemplo de mercado eficiente?
A maior parte da pesquisa sobre a hipótese do mercado eficiente tem se concentrado nos mercados de ações, mas tem havido um número de pesquisadores que analisaram se os mercados de Forex são informacionalmente eficientes. Um estudo publicado em 2008 por J. Nyugen, da Universidade de Wollongong, analisou 19 anos de dados e descobriu que era possível criar regras comerciais que pudessem gerar retornos significativos, indicando que os mercados de câmbio podem ser ineficientes. Embora o estudo tenha entrado em questão, as regras comerciais só produziram retornos significativos durante o primeiro período de cinco anos, sugerindo que ou os mercados de câmbio se tornaram mais eficientes durante o período ou simplesmente as regras de negociação criadas pelos autores dos estudos falharam. Outro estudo de 2008, descobriu que era possível prever movimentos no preço usando apenas dados estatísticos, no entanto, não teria sido rentável ter negociado os mercados usando o modelo preditivo de estudos. Estes estudos sugerem que os mercados de FX são um pouco eficientes, mas eles certamente não demonstram que é impossível transformar consistentemente uma negociação de lucro.
A Efficient Market Hypothesis (EMH) foi extremamente popular entre os acadêmicos durante o final do século XX, no entanto, muitos daqueles que atuam em finanças nunca foram convencidos pela EMH. Durante os anos 90, a hipótese começou a perder credibilidade com muitos economistas comportamentais que começaram a minar seriamente a hipótese. Quando se trata da questão de saber se os mercados de FX à vista são eficientes, conforme definido por uma das formas da EMH, simplesmente não há pesquisa suficiente para fazer qualquer tipo de declaração conclusiva. Os dados mostram que é possível criar regras e estratégias de negociação que permitam prever movimentos de mercado com um grau significativo de precisão. As estratégias nesses estudos tiveram dificuldades em relação à lucratividade, mas isso pode apenas sugerir que os mercados de câmbio apresentam alguma eficiência de forma fraca sob certas circunstâncias.
Backtesting para eficiência.
Seus backtests forex são absolutamente inúteis se você não testar a eficiência de entrada estatística e a eficiência de saída da estratégia. Todo mundo que executa um backtest inevitavelmente relata os dólares ganhos como resultado. Outros fatores existem, como a média da perda até a perda, o fator lucro e o índice de Sharpe, mas eles não dizem nada útil até a etapa final de projetar um sistema de negociação automatizado.
A abordagem correta para testar uma estratégia deve focar na questão, "minha estratégia é uma peça de lixo" & # 8221; A maioria das pessoas tenta provar que está certa. O verdadeiro teste é não ser capaz de se provar errado. A única maneira de fazer isso é através de uma abordagem estatística.
Entrada e saída de eficiência.
A eficiência coloca um número difícil em qual porcentagem de um intervalo de negociação disponível que uma estratégia captura. A janela de negociação começa na barra onde uma negociação entrou no mercado. A janela fecha quando a negociação sai.
A janela total disponível é a mais alta, menos a mais baixa, na janela. Calcular a eficiência de entrada e saída simplesmente mede a porcentagem dessa janela que sua estratégia tende a capturar. Tome a média de todos os negócios e você obtém a eficiência geral.
Fórmula de eficiência de entrada.
Fórmula para um longo comércio: (Maior alta & # 8211; preço de entrada) ÷ (Máxima máxima & # 8211; baixa mais baixa)
Fórmula para um curto comércio: (preço de entrada & # 8211; mais baixo baixo) ÷ (Mais alto mais alto # 8211; mais baixo baixo)
Saia da fórmula de eficiência.
Fórmula para um longo período de comércio: (Preço de saída & # 8211; baixo mais baixo) ÷ (Máxima mais alta & # 8211; mais baixa baixa)
Fórmula para um curto comércio: (Maior alta & # 8211; preço de saída) ÷ (Maior alta & # 8211; baixa mais baixa)
Tomemos um exemplo em que você compra uma moeda hipotética em 150 e a vende em 170. A mínima mais baixa entre a hora de entrada e a saída era 140. O preço então subiu para 200 antes de baixar para 170, que é onde a saída ocorreu.
A eficiência de entrada é (200-150) ÷ (200-140) = 50 ÷ 60 = 83%. Quase todos concordam que isso contribui para uma boa entrada.
A eficiência de saída é (170-140) ÷ (200-140) = 30 ÷ 60 = 50%. A maioria concordaria que a saída teria idealmente ocorrido mais cedo do que aconteceu.
As eficiências não mudam por instrumento ou período de tempo.
Um grande problema que encontramos nos backtests forex é o conjunto limitado de dados. Isso é especialmente verdadeiro para aqueles interessados em testar estratégias de longo prazo, como as dos gráficos H4 ou D1. A coisa maravilhosa sobre eficiências de entrada e saída é que elas não variam de gráfico para gráfico ou mesmo período a período.
Eu gosto de pular para o gráfico M1 para testes de eficiência. Os dados são quase infinitos. Eu nunca tenho que me preocupar em me esgotar. O melhor de tudo é que sei quando volto ao gráfico H4, as eficiências não devem mudar mais do que ± 5%.
Se você perceber que a eficiência varia muito, talvez não tenha negociações suficientes para formar um grupo estatisticamente significativo. Minha experiência me diz que 75 negociações geralmente ficam muito próximas da eficiência real. 100 trades ou mais é melhor. Quando executo testes em gráficos M1, muitas vezes recebo vários milhares de negociações ao longo de alguns meses. Os números que são grandes podem dizer com muita confiança até que ponto os parâmetros da estratégia são realmente sólidos.
Normalmente, você pode assumir que quaisquer resultados que caiam dentro de 45 a 55% são o resultado de um processo estocástico aleatório. Quando vejo backtests que se arrastam até essas barreiras como 54,9% ou mesmo 55,1%, os resultados inevitavelmente voltam para a marca de 50%.
Resultados do comércio aleatório e lucros em dólar.
Eu gostaria que esta seção fosse sobre como ganhar dinheiro com uma eficiência aleatória. Infelizmente, devemos cobrir como a aleatoriedade pode resultar em euriforia injustificada.
Eu estive interessado no conceito de aleatoriedade há vários anos. Os matemáticos referem-se a ele com o nome mais opaco de um "processo estocástico". Apesar do nome não-sensorial, é apenas uma maneira elegante de dizer o estudo da aleatoriedade & # 8211; como isso muda, sua distribuição, até onde anda o & # 8221 ;, etc.
Ontem, usei a analogia de coin flips para descrever como as estratégias de Martingale estão probabilisticamente condenadas ao fracasso. Um conceito interessante que não mencionei refere-se ao movimento browniano. Mesmo com um conjunto de resultados aleatórios, as negociações serão realizadas aleatoriamente longe do ponto de partida.
Einstein recebe o crédito real por resolver a matemática por trás do conceito, embora seu nome não esteja no termo. Ele demonstrou que a distância que um processo aleatório seguirá é a raiz quadrada do número de tentativas. Se decidirmos apostar uma moeda 60 vezes, sabemos que 50% do tempo deve cair na cabeça e os outros 30 na coroa.
Acontece que deveríamos esperar um ligeiro viés no número de vencedores ou perdedores, embora não saibamos qual deles. É aleatório. O viés preciso, seja qual for o caminho que preferir, deve ser igual a & radic; 60, que funciona.
7. Os resultados principais devem tipicamente variar entre 23 e 37, com os resultados finais garantindo a diferença.
Sete comércios fora de sessenta altera fortemente os percentuais, mesmo se sabemos que é realmente suposto ser de 50%. Se os chefes só chegam a 23 vezes em 60, isso é 38%. O problema não é com a moeda. É com o número de tentativas. Conforme você faz um número cada vez maior de trilhas, o viés aleatório diminui em termos de significância em termos de porcentagem de precisão. 50.000 negociações, por exemplo, devem mostrar um excedente de aproximadamente 223 negociações em favor de ganhar ou perder. A faixa de precisão cai dentro de 1% de 50% em ambos os lados, uma melhoria dramática.
Riscos de ajuste de curvas.
A curva que se ajusta a uma eficiência aleatória está relacionada à ideia do movimento browniano. Digamos que usamos uma estratégia que eu saiba que nunca mostrará uma eficiência de entrada ou saída: o crossover de média móvel. Eu passei por essa estratégia seis maneiras a partir do domingo, quase que exclusivamente a pedido de clientes. Não funciona como uma estratégia totalmente automatizada. Não existe um conjunto secreto de períodos rápidos e lentos que desbloqueiem as chaves ocultas para lucrar.
A maioria dos traders, experientes ou não, abusam do backtester procurando por um conjunto de parâmetros que produzam o maior lucro em dólar. Curvam seu teste para otimizar o lucro máximo. O que realmente acontece é que os operadores otimizam a quantidade de movimentos aleatórios que já ocorreram.
Quando usei o exemplo de 50.000 negociações, criando um desvio natural de 223, citei-o com o propósito de mostrar quão pouco ele reduz o erro no percentual real de precisão. A outra conseqüência para os sistemas de negociação é que, à medida que a porcentagem de erros diminui, o viés natural em seus resultados aumenta. Cegamente executando o otimizador só seleciona o conjunto de combinação que produz uma combinação de dois critérios:
O desvio que aconteceu para trabalhar em favor desse conjunto de parâmetros O lucro e a perda que varia com esses parâmetros. O lucro em dólar muda naturalmente porque as duas médias móveis se cruzam em pontos diferentes.
Você precisa de uma ferramenta como a eficiência para se proteger contra esses tipos de resultados aleatórios. É o único método que conheço que afirma definitivamente se uma estratégia se comporta de maneira aleatória ou não. Eu gosto especialmente do fato de que ele divide esses elementos em dois dos três componentes básicos de uma estratégia de negociação: a entrada, a saída e o dimensionamento da posição.
Estratégias eficientes não funcionam o tempo todo.
O dimensionamento de posição marca o obstáculo final para a construção de sua estratégia de negociação totalmente automatizada. Um conjunto de regras que produz uma entrada estatisticamente eficiente, combinada com uma saída eficiente, não gera necessariamente dinheiro. O valor de cada configuração de negociação também pode variar.
Cada estratégia contém diferentes conjuntos de vencedores e perdedores. Cada vencedor e perdedor varia em seu valor em dólar. Seja qual for a abordagem de gerenciamento de dinheiro que você adote, é preciso equilibrar a proporção entre vencedores e perdedores de uma maneira que normalize o resultado de cada negociação. Você deseja, idealmente, eliminar a variação no valor do dólar. 20 transações de pip devem ganhar ou perder você exatamente tanto quanto os 100 negócios de pip.
Isso parece contra-intuitivo. A maioria dos comerciantes quer ganhar em proporção ao tamanho da oportunidade. É melhor do ponto de vista do sistema ignorar totalmente o tamanho da oportunidade e fazer com que cada transação valha a mesma quantia. Apostar mais ou menos em cada negociação efetivamente normaliza o valor de cada negociação.
Usando um stop loss destaca-se como um candidato óbvio para fixar quanto vale um comércio. A grande desvantagem é que quase sempre afeta negativamente a eficiência de saída. Sempre que posso me safar, sempre recomendo usar uma saída baseada no mercado, em vez de uma perda de parada arbitrária. Os comerciantes geralmente gritam a plenos pulmões quando me ouvem dizer isso. Eu estou falando como um desenvolvedor de sistemas. Os números são o que são.
6 respostas.
Eu gostei deste artigo. O parágrafo sobre "Riscos de ajuste de curvas" # 8221; é interessante & # 8230; Ele também é chamado no livro Ernie Chan (Quantitative Trading: Como construir seu próprio negócio de negociação algorítmica) & # 8220; distorções de snooping de dados & # 8221; é por isso que ele aconselha ter duas partes para seus dados & # 8220; em dados de amostra & # 8221; (para otimizar as configurações) e excluir dados de amostra & # 8221; (para testar configurações)
O conceito de testar & # 8220; eficácia & # 8221; ou & # 8220; eficiência & # 8221; de entrada / ponto de saída também é interessante & # 8230; é um outro ponto de vista que provavelmente tentarei considerar nos meus próximos backtests.
Eu já vi uma ideia que não está presente em seu artigo e que é chamada de análise de avanço & # 8221; WFA ou & # 8220; caminhar para a otimização futura & # 8221; WFO & # 8230; uma imagem às vezes é melhor que texto & # 8230; google. fr/search? q=walk+forward+optimization.
Qual a sua opinião sobre essa forma de backtesting / otimização?
Obrigado por seu comentário. Eu recomendo altamente o livro de Ernie Chan. Senta-se orgulhosamente na minha estante.
A análise de caminhada é exatamente a mesma ideia que você delineou com Chan com viés de snooping de dados. Caminhar adiante é a terminologia mais comumente aceita. Quanto à minha opinião, caminhar para frente é o único método aceitável para o teste de estratégia.
Eu sei que isso pode parecer bobo ou idiota
Como sabemos, o backtesting no teste walkforward é verificar se um sistema é robusto o suficiente para trocar os dados da amostra.
Vamos dizer que nós otimizamos em dados de amostra 2000-2008, depois testamos em dados de amostra em 2008-2013. Se a estratégia ainda gerasse lucro em 2008-2013, os dados seriam superados, por isso o sistema é robusto.
Agora, e se nós otimizássemos os dados em 2008-2013 como nos dados de amostra, então testá-los em 2000-2013. Eu vi alguns dos meus testes geraram lucro também naqueles que retornaram a amostra. Assim, poderíamos ver, o sistema é robbust também para a condição de mercado no passado que nós não otimizamos isso.
O problema é que otimizamos os dados com a condição mais próxima do mercado atual. Som sua teve mais adaptabilidade à condição atual do mercado com a prova de robustnest em dados de mercado de amostra no passado.
Eu acho que o ponto de walkforward é ter a robustez como dados de amostra que não foram otimizados. Então, quando o sistema teve a mesma robustez com essa amostra no teste inverso, por que não o tomamos?
E o outro ponto não é, onde vamos negociar nosso dinheiro real no futuro, mas, na verdade, devemos negociar nosso dinheiro real na condição de amostra / dados desconhecidos / condição de mercado & # 8221;.
Qualquer coisa que não tenhamos otimizado é uma condição de mercado desconhecida / amostra. Então eu acho que, andar para trás teste (eu não sei o que nomear essa idéia) tinha preenchido aqueles robustez de amostra se fazer lucro também no passado fora da amostra. É claro, com benefício de mais adaptabilidade à situação atual do mercado, já que o processo de otimização é o mais próximo do mercado atual.
Poderia estar fazendo a otimização a cada mês, ou se houvesse algum aspecto básico como violação histórica, o pn foi novamente otimizado para os últimos 2 a 3 anos e também verificamos a robustez desse conjunto de otimização para a amostra backward out.
Isso faz sentido estatisticamente? Por favor, deixe-me saber sua opinião.
Não há um teorema matemático que eu possa dar para refutar a ideia. O que eu sinto fortemente é que não funciona.
Digamos que você otimize para 2008-2010 e, em seguida, "teste direto" # 8221; a ideia de 2000-2007. Até certo ponto, a ideia já é conhecida e estudada durante o tempo que você está testando.
Na verdade, passei o último mês experimentando essa ideia. Um cliente me encarregou de recriar sua estratégia de negociação manual, com base em dados fornecidos a partir de 2010. Testei meu algoritmo, que fez um bom trabalho ao aproximar seus negócios. Eu estava curioso sobre o desempenho anterior, então fiz um teste todo até 2000. Os resultados, não surpreendentemente, foram igualmente sólidos. Se eu parasse por aí, pareceria 10 anos de desempenho sólido otimizado apenas em um único ano.
Depois veio o temido teste de caminhada. Os resultados desmoronaram completamente. & # 8220; Teste avançado & # 8221; em dados anteriores não foi possível realizar nada.
Obrigado pela ótima pergunta!
Parabéns pelo seu site. Muita informação sólida aqui. Acabei de ler com interesse seu artigo discutindo o conceito de medir a eficiência de entrada e saída. Você forneceu as fórmulas, mas não explica como aplicá-las. Eu estou no processo de backtesting um número de estratégias em MT4. É possível codificar as fórmulas no EA I usando o backtesting?
Estou ansioso para ouvir de volta de você.
Eu honestamente passei da eficiência para diferentes ferramentas de análise. A eficiência ainda é sólida para jogar fora as estratégias de entrada e saída menos favorecidas. Dito isto, isso não significa que o que resta vale a pena manter.
Não vale a pena construir as medições de eficiência quando você pode programar uma estratégia rapidamente na TradeStation ou NinjaTrader para descobrir o mesmo número.
Eficiência Fractal Polarizada (PFE)
O indicador Polarized Fractal Efficiency - PFE - baseia-se no Mandelbrot e na geometria fractal para descrever como o preço se move entre 2 pontos durante um período de tempo definido. Quanto mais linear e eficiente a flutuação de preços, menor a distância que os preços devem se mover. Hans Hanula criou o indicador Polarized Fractal Efficiency.
O indicador PFE é usado para calcular o quão moderno ou sobrecarregado é o preço da ação. PFE 0 indica que a tendência está em alta. Quanto maior a leitura, mais "trendier" e mais eficiente será o movimento ascendente. As leituras em torno de zero mostram uma mudança brusca e menos eficiente e um equilíbrio entre demanda e oferta.
Geralmente, um padrão de enganchamento acontece logo após o término de um período eficiente, quando o PFE parece estar no máximo, vira no sentido contrário em direção a zero e, então, faz uma última tentativa com a máxima eficiência.
Fique com o comércio todo o caminho até o outro extremo, a menos que desacelere em torno da linha zero. Se diminuir em torno de zero, saia da negociação e espere por uma nova entrada de eficiência máxima. Comércios podem ser inseridos na direção oposta, com uma parada logo além do extremo do gancho.
Eficiência de mercado.
O que é "eficiência de mercado"?
A eficiência do mercado refere-se ao grau em que os preços das ações e outros preços dos títulos refletem todas as informações relevantes disponíveis. A eficiência do mercado foi desenvolvida em 1970 pelo economista Eugene Fama, cuja teoria da hipótese de mercado eficiente (EMH) afirmou que não é possível para um investidor superar o mercado porque todas as informações disponíveis já estão incorporadas a todos os preços das ações. Os investidores que concordam com essa declaração tendem a comprar fundos de índices que acompanham o desempenho geral do mercado e são defensores do gerenciamento passivo do portfólio.
QUEBRANDO PARA BAIXO 'Eficiência do mercado'
Crenças Diferentes de um Mercado Eficiente.
Investidores e acadêmicos têm uma ampla gama de pontos de vista sobre a eficiência real do mercado, como refletido nas versões fortes, semiforte e fraca da EMH. Os crentes que o mercado é forte são aqueles que concordam com Fama, isto é, investidores passivos. Praticantes da versão fraca da EMH acreditam que a negociação ativa pode gerar lucros anormais, enquanto os crentes semiformes estão em algum lugar no meio.
Por exemplo, no outro extremo do espectro de Fama e seus seguidores estão os investidores de valor, que acreditam que as ações podem ficar subvalorizadas, ou com preços abaixo do que realmente valem. Os investidores de valor bem-sucedidos ganham dinheiro comprando ações quando estão subvalorizadas e vendendo-as quando o preço sobe para atingir ou exceder seu valor intrínseco.
As pessoas que não acreditam em um mercado eficiente apontam para o fato de que os operadores ativos existem. Se não houver oportunidades de ganhar lucros que superem o mercado, não deve haver incentivo para se tornar um operador ativo. Além disso, as taxas cobradas pelos gerentes ativos são vistas como prova de que a EMH não está correta porque estipula que um mercado eficiente tem baixos custos de transação.
Um exemplo de um mercado eficiente.
Embora existam investidores que acreditam em ambos os lados da EMH, há provas reais de que uma disseminação mais ampla das informações financeiras afeta os preços dos títulos e torna o mercado mais eficiente. Por exemplo, a aprovação da Lei Sarbanes-Oxley de 2002, que exigiu maior transparência financeira para as empresas de capital aberto, teve um declínio na volatilidade do mercado de ações depois que uma empresa divulgou um relatório trimestral. Verificou-se que as demonstrações financeiras foram consideradas mais credíveis, tornando a informação mais confiável e gerando mais confiança no preço declarado de um título. Há menos surpresas, então as reações aos relatórios de ganhos são menores. Essa mudança no padrão de volatilidade mostra a aprovação da Lei Sarbanes-Oxley e suas exigências de informação tornaram o mercado mais eficiente.
Hipótese de mercado eficiente - EMH.
Qual é a Hipótese do Mercado Eficiente - EMH?
A hipótese do mercado eficiente (EMH) é uma teoria de investimento que afirma ser impossível "bater o mercado" porque a eficiência do mercado acionário faz com que os preços das ações existentes sempre incorporem e reflitam todas as informações relevantes. De acordo com a EMH, as ações sempre são negociadas pelo valor justo nas bolsas de valores, impossibilitando que os investidores comprem ações subvalorizadas ou vendam ações por preços inflacionados. Como tal, deve ser impossível superar o mercado global através da seleção especializada de ações ou do momento de mercado, e a única maneira de um investidor obter retornos maiores é adquirindo investimentos mais arriscados.
QUEBRANDO PARA BAIXO 'Efficient Market Hipothesis - EMH'
Embora seja uma pedra angular da teoria financeira moderna, a EMH é altamente controversa e muitas vezes contestada. Os crentes argumentam que é inútil procurar ações subvalorizadas ou tentar prever tendências no mercado por meio de análises fundamentais ou técnicas.
Enquanto acadêmicos apontam para um grande corpo de evidências em apoio à EMH, uma quantidade igual de dissensão também existe. Por exemplo, investidores como Warren Buffett têm espancado consistentemente o mercado por longos períodos de tempo, o que, por definição, é impossível de acordo com a EMH. Detratores da EMH também apontam para eventos como o crash da bolsa de valores de 1987, quando o Dow Jones Industrial Average (DJIA) caiu mais de 20% em um único dia, como prova de que os preços das ações podem se desviar seriamente de seus valores justos.
No comments:
Post a Comment