Somente para fins educacionais; não constitui recomendação nem aconselhamento de investimento. Investir pode causar perdas.
Resposta direta
A hipótese dos mercados eficientes (HME) é uma família de hipóteses sobre como informações se refletem nos preços dos ativos. Sua afirmação prática não é que todo preço esteja correto, mas que uma estratégia baseada em determinado conjunto informacional não deve gerar de modo confiável retornos positivos ajustados ao risco, após custos realistas, apenas porque essa informação já está disponível aos concorrentes.
A afirmação deve identificar mercado, conjunto informacional, horizonte, modelo de retorno esperado, custos e momento da decisão. A evidência é, portanto, condicional, não um veredito universal sobre todos os ativos e períodos.
Como funciona
As formas convencionais são conjuntos informacionais aninhados:
- Forma fraca: Preços atuais refletem preços e volumes passados. Uma regra repetível baseada apenas nesse histórico não deve produzir excesso de retorno líquido ajustado ao risco.
- Forma semiforte: Preços refletem informações públicas, inclusive documentos, comunicados e notícias amplamente divulgadas. Isso não exige ajuste literalmente instantâneo ou sem custo.
- Forma forte: Preços refletem informações públicas e privadas. A premissa de que informação material não pública pode conferir vantagem contradiz essa afirmação. Leis de insider trading e a Regulation FD regulam conduta e divulgação; não provam eficiência forte.
Preços podem mudar bruscamente em mercado eficiente porque novas informações alteram fluxos esperados, risco, taxas de desconto ou distribuição dos resultados. Tampouco é preciso que todo investidor seja racional. Concorrência, arbitragem e perdas dos sistematicamente errados podem limitar erros previsíveis, embora restrições de financiamento, venda a descoberto, liquidez, mandato e horizonte impeçam correção imediata.
Coletar e interpretar informações custa. Se os preços fossem perfeitamente informativos sem remunerar a produção da informação, faltaria incentivo para pesquisar. Uma visão realista admite alguma recompensa bruta, mas pergunta se ela sobrevive a dados, trabalho, negociação, financiamento, impostos, capacidade e risco de modelo.
Um estudo de eventos costuma começar com:
abnormal return on day t = security return on day t - expected return on day t
e agrega a janela selecionada como:
cumulative abnormal return = sum of abnormal returns over the event window
O retorno esperado pode vir de benchmark ajustado ao mercado, modelo fatorial ou outro modelo predefinido. Surge o problema da hipótese conjunta: rejeitar retorno anormal zero pode indicar ineficiência, modelo ruim, dados ruins ou ambos. Significância estatística não implica negociabilidade: a divulgação pode preceder o preço observável, as cotações podem mudar antes da execução e custos ou capacidade podem consumir a vantagem.
Testes de longo prazo são sensíveis a benchmark, observações sobrepostas, exclusões de listagem, sobrevivência, múltiplos testes e amostras pequenas. Uma estratégia crível deve ser especificada antes, usar dados ponto no tempo, reservar período fora da amostra intacto e reportar variantes fracassadas e bem-sucedidas.
Exemplo
Suponha que uma empresa divulgue resultados às 4:05 p.m. ET após fechamento regular de US$50.00. A abertura oficial seguinte é US$54.00. Do fechamento à abertura, o retorno é:
stock event return = (US$54.00 / US$50.00) - 1 = 8.0000%
Um benchmark amplo predefinido rende 1.0000% no intervalo. O resultado ajustado ao mercado é:
abnormal event return = 8.0000% - 1.0000% = 7.0000 percentage points
O gap é compatível com rápida incorporação da notícia pública, mas uma observação não prova eficiência semiforte nem que US$54.00 seja valor intrínseco. Quem recebe a notícia às 4:05 p.m. ET não pode presumir execução no fechamento defasado de US$50.00.
Agora a ação termina a sessão seguinte em US$52.00, retorno fechamento a fechamento de:
stock close-to-close return = (US$52.00 / US$50.00) - 1 = 4.0000%
Se o benchmark rende 1.5000%, o retorno ajustado é 2.5000%. Isso não contradiz os 7.0000 percentage-point do fechamento à abertura: janelas e preços executáveis diferem.
Considere uma regra testada em muitos anúncios. A carteira rende 9.2000% bruto e o benchmark 7.5000%. Custos de negociação são 0.9000%, e dados mais financiamento 0.3000%:
net pre-tax excess return = 9.2000% - 7.5000% - 0.9000% - 0.3000% = 0.5000%
Se o slippage real for 0.4000% pior que no backtest, restará só 0.1000% antes de impostos e ajuste fatorial. A ineficiência explorável não se estabelece sem ajuste de risco, reconstrução ponto no tempo, correção de testes múltiplos, evidência fora da amostra e execução realista.
Riscos e checklist de verificação
- Declare a hipótese: Nomeie a forma fraca, semiforte, forte ou conjunto mais restrito testado.
- Defina disponibilidade: Registre quando cada preço, documento, divulgação, estimativa e dado era observável.
- Use dados ponto no tempo: Preserve valores originais, não históricos revisados ou preenchidos depois.
- Escolha o relógio do evento: Identifique fuso, horário, sessão e preços inicial e final.
- Predefina a janela: Não escolha o intervalo depois de ver o resultado.
- Modele o retorno esperado: Informe benchmark ou modelo e sua adequação ao ativo e horizonte.
- Reconheça o teste conjunto: Separe erro de preço de erro do modelo esperado.
- Inclua distribuições: Ajuste dividendos, desdobramentos, direitos, cisões e outros eventos.
- Inclua ativos fracassados: Preserve deslistagens, falências e inativos para evitar viés de sobrevivência.
- Controle a seleção: Explique exclusões, dados faltantes, filtros de liquidez e mudanças no índice.
- Corrija múltiplos testes: Conte sinais, parâmetros, universos, janelas e modelos descartados.
- Reserve holdout: Mantenha período ou mercado realmente intacto fora da amostra.
- Estime todos os custos: Inclua spread, corretagem, taxas, impacto, aluguel, financiamento, dados, trabalho e impostos.
- Use preços executáveis: Não negocie retrospectivamente em cotação anterior à informação pública.
- Teste capacidade: Meça efeito de tamanho, giro, crowding e liquidez.
- Ajuste risco: Verifique mercado, tamanho, valor, momentum, qualidade, duration, volatilidade e downside.
- Reporte incerteza: Dê amostra, dispersão, intervalos e significância econômica e estatística.
- Teste regimes: Examine mercados calmos e estressados sem universalizar um subperíodo favorável.
- Separe lei de teoria: Não infira eficiência forte de regras de divulgação ou acesso legal.
- Exija mecanismo: Explique por que o efeito existe, por que a competição não o removeu e o que o eliminaria.
Equívocos comuns
- “Preços eficientes sempre equivalem ao valor intrínseco.” Eficiência trata de lucros previsíveis com certa informação; valor intrínseco é não observável e depende do modelo.
- “Um crash refuta a HME.” Um grande movimento pode refletir novas informações de fluxo ou desconto; sobrerreação exige modelo e evidência predefinidos.
- “Todo retorno previsível prova erro de preço.” Pode compensar risco, iliquidez, restrições ou exposições, e o benchmark pode estar errado.
- “Eficiência forte é a legislação de valores mobiliários.” Ela é uma afirmação informacional; regras de insider trading e divulgação seletiva são padrões legais delimitados.
- “Pesquisa é inútil em mercado eficiente.” Pesquisa ajuda a incorporar informação e pode gerar recompensa bruta, mas a vantagem deve sobreviver a competição, risco e custo total.
Tópicos relacionados
Fontes
- Fama, Efficient Capital Markets: A Review of Theory and Empirical Work.
- Grossman and Stiglitz, On the Impossibility of Informationally Efficient Markets.
- Fama, Market Efficiency, Long-Term Returns, and Behavioral Finance.
- Malkiel, The Efficient Market Hypothesis and Its Critics.
- SEC, Selective Disclosure and Insider Trading.
- Investor.gov, Executing an Order.