In the light of current evidence, critically examine the efficient ..., Study Guides, Projects, Research of Economics

Download In the light of current evidence, critically examine the efficient ... and more Study Guides, Projects, Research Economics in PDF only on Docsity! In  the  light  of  current  evidence,  critically  examine  the  efficient  market  hypothesis  Niall Douglas    This paper shall firstly explain the Efficient Market Hypothesis (EMH),  its history and  its theoretical  justification  for  explaining  empirical  evidence.  Fundamental  problems  with  the  theory  are  then  highlighted,  followed  by  a  summary  of  the most modern  approaches  to  how markets work.  The  paper concludes that the EMH works by coincidence i.e.; by accident.  The Efficient Market Hypothesis (EMH)  The EMH  tries  to explain why  stock market prices appear  to  follow a  random walk  i.e.;  that  their  daily  variation  is  a  random  value  following  the Gaussian  distribution.  This  random walk  of  stock  market prices had been originally noticed by Bachelier (1900) but had only become widely realised  since Kendall (1953), at which point it was considered something rather unusual.  The reason that a random walk appeared unusual was because from Neo‐Classical Economic theory  (specifically Walrasian General Equilibrium Theory), markets were supposed to approach equilibrium  over  the medium  to  long  run and  they were  supposed  to do  this by  tâtonnement  (the process of  finding the market clearing prices to precisely match supply and demand). Prior to Arrow (1951) and  Debreu (1959), it had not yet been realised just how restrictive the assumptions would have to be in  order  to  enable  Walrasian  equilibrium  whilst  keeping  the  system  from  degenerating  into  indeterminacy1.  The EMH was originated by Fama (1965) in his PhD thesis, and given its modern three‐type form in  Fama (1970). The EMH explains the random walk by assigning its occurrence to uncertainty i.e.; the  existence of the future, whereby future events are unknown to or mispredicted by the market. As  we  now  know  that  determinate Walrasian  equilibrium  requires  perfect  knowledge  of  the  future,  uncertainty causes substantial long‐term deviations from expected behaviour.  There are three main forms of EMH, each becoming successively stronger in implication:  1. Weak form  That market prices correctly  represent all  the  information contained  in  the  record of past  prices and trading volume.                                                                   1  Subsequent  to  Arrow  and Debreu’s work,  the  Sonnenshein‐Mantel‐Debreu  assumptions  are  the modern  prerequisite  for determinacy  in micro‐economics. See Mas‐Colell’s  (1995) Microeconomic Theory  starting at  section 17.    2. Semi‐strong form  The previous, and also  that market prices  rapidly adapt  to new  information and  correctly  represent  not  only  all  past  information,  but  also  all  present  information  currently widely  known.  3. Strong form  The  previous  two,  and  also  that market  prices  not  only  correctly  represent  all  past  and  present information, but also accurately represent predicted future information and that the  random walk occurs due to mis‐predictions by the market about the future.  These forms all assume that the cost of credit is linear and uniform for all investors, that transaction  costs do not exist and that information asymmetry does not exist. Of course, none of these are true  in reality but modern markets approximate these assumptions for the most part.  There is substantial empirical evidence2 proving that generally speaking, in most cases over the long  run, no one  company or group  can  consistently outperform  the market. This  implies  that market  prices are always as true & fair as possible over the long term, and that therefore the strongest form  of EMH mostly applies, falling back to at worst semi‐strong  in  liberal capital Economies such as the  UK. Note that the EMH requires investors to be rational which is also a requirement of Neo‐Classical  Economic theory. It also implies that there is no point in studying the past price behaviour of a stock  when making  an  investment  decision,  and  for  semi‐strong  and  strong  forms  there  is  no  point  in  studying any past information at all! This would mean that market analysts and fund managers work  entirely by luck (and therefore do not deserve the fortunes they are paid).  Problems with the Efficient Market Hypothesis  There  are many  arguments which have been used  to discredit  the  EMH over  the decades. Many  focus on market anomalies such as the January effect where the price of small‐cap stocks will rise  abnormally during  the  first  few days of  trading  in a new year  (Pietranico & Riepe  [2004]), or  the  existence of long‐term successful investors such as Warren Buffet or George Soros, but there are far  more problematic prima‐facie problems at a  theoretical  level. This paper shall concentrate on  the  three most important of these.  Problem 1: Information Asymmetry  One obvious requirement of EMH  is  that new  information must circulate around all  investors very  quickly indeed if even semi‐strong EMH is to be possible. Good information is costly to generate and  rapidly  loses  value  as more  people  learn  it  (Chen  [2005]),  so  there  is  an  obvious  vested  interest  against the widespread sharing of information. Empirical studies show that good information tends  to be hoarded by investors – indeed, often there are even deliberate attempts at disseminating mis‐ information by one investor to other investors! (Akerlof [1970])  Yet  the  empirical  record  (Patell & Wolfson  [1984]) would  suggest  that news  is  incorporated  into  price within ten minutes despite that substantial disparities  in  investor access to  information exist.  This problem of how  the market  is  really  so able  to adjust  its prices  so accurately and  so quickly  when such information asymmetry exists has occupied a lot of recent research which we shall come  to shortly.                                                               2 See Jensen (1968) & Kim (1978).  This  is pretty damming  stuff, especially  from  someone  as eminent  as W.F.  Sharpe.  It means  that  these assumptions are domain assumptions i.e.; assumptions required to make a theory valid and in  the absence of which the theory  is no  longer true. This strongly  implies that EMH, and CAPM,  just  happens to fit the data by  luck for certain ranges of price movement, but that  in fact other factors  are at work. This fits with our empirical comparison to the normal distribution above.  So what is actually going on then?  This  is moving away  from  the EMH,  so  I won’t  spend much  time on  it but  it  is worth considering  alternatives to the EMH. There are two main categories: (i) Behavioural Finance, which comes from a  background  of  cognitive  psychology  and  (ii)  Econophysics,  which  applies  theories  and  methods  originally developed by physicists  in order  to solve problems  in Economics, usually  those  including  uncertainties or stochastic elements and non‐linear dynamics.  EMH holds that investors objectively consider information about investment opportunities and that  because new information arrives randomly, it generates random movements in the expected future  prospects  of  firms.  It  does  not  consider  that  investors  are  primarily  interested  in  what  other  investors  are  doing, which makes  sense  if  all  investors  are  supposed  to  commonly  agree  on  the  valuations of prices (through arriving at equilibrium).  Behavioural Finance takes this opposite approach: that investors are primarily concerned with what  other  investors  do  and  that  the  underlying  fundamentals  of  their  investments  are  of  secondary  importance.  This  explains  the much  larger  daily movements  in  price  than  a  normal  distribution  would permit and the  irrationality of speeding up a bull market when everyone knows  it will crash  soon  –  the  self‐reinforcing  feedback  loops  generate  such  abnormal  behaviour  through  runaway  effect.  Econophysics goes far further than that again however. It explains that the “random walk” of prices  isn’t actually random at all but is in fact a non‐linear power distribution i.e.; a property of a chaotic  fractal  system  – which  tends  toward Gaussian  behaviour  (apparent  pure  randomness) when  not  activated4.  As  Ormerod  (1998)  reports,  any  biological  system  is  a  fractal  system  and  therefore  exhibits chaotic behaviour with allometric scaling. This is a very new and unorthodox research area  with heavy mathematics but papers  I reviewed for this papers  include  ‘The statistical properties of  the volatility of price fluctuations’ by Liu, Gopikrishnan, Cizeau, Meyer, Peng and Stanley (1999) and  ‘Scaling of  the distribution of price  fluctuations of  individual  companies’ by Vasiliki, Gopikrishnan,  Amaral, Meyer and Stanley (1999). Both of these papers conclude that on a statistical level, market  price behaviour follows an allometric law. Therefore, EMH is most definitely false.  Conclusion  We have analysed  three  fundamental  theoretical and empirical problems with  the EMH. We have  suggested  two modern  approaches  to better  fitting  the empirical data  and what we  know  about  human psychology  and  the  functioning of biological  systems. We  conclude  that  the  EMH  fits  the  facts by accident, and is in fact false when considering a wider picture.                                                                 4 For example, neurons reside  in a state of chaotic randomness when not activated and move out of  it  into  order when they fire (Stewart 1997).  Bibliography    Akerlof, G.,  (1970),  ‘The market  for  ‘Lemons’: Quality, Uncertainty  and  the Market Mechanism’,  Quarterly Journal of Economics, vol. 84, pp. 488‐500.  Arrow, K., (1951), Social Choice and Individual Values, Cowles Commission for Research in Economics  Monographs Series, no.12.  Bachelier, L., (1900), Theorie de la Speculation, Gauthier‐Villars, Paris.    Brealey, R.A. & Myers, S.C., (1984), Principles of Corporate Finance, McGraw‐Hill Ltd., New York.    Chen, J., (2005), The Physical Foundations of Economics, World Scientific Publishing Co., London.    Debreu, G., (1959), Theory of Value: An Axiomatic Analysis of Economic Equilibrium, Yale University  Press, New Haven.  Fama, E., (1965), ‘The Behavior of Stock Market Prices’, Journal of Business, vol. 38, pp 34‐105. Fama,  E.,  (1970),  ‘Efficient  Capital Markets:  A  Review  of  Theory  and  Empirical Work’,  Journal  of  Finance, vol. 25, issue 2, pp. 383‐417.  Jensen, M.C., (1968), ‘The Performance of Mutual Funds in the Period 1945‐64’, Journal of Finance,  vol. 23, pp. 389‐416.  Kendall, M.G.,  (1953),  ‘The Analysis  of  Economic  Time‐Series,  Part  I.  Prices’,  Journal  of  the Royal  Statistical Society, vol. 96, pp. 11‐25.  Kim,  T.,  (1978),  ‘An  Assessment  of  the  Performance  of Mutual  Fund Management:  1969‐1975’,  Journal of Financial and Quantitative Analysis, vol. 13.  Liu,  Y., Gopikrishnan, P., Cizeau, P., Meyer, M., Peng, C.‐K. &  Stanley, H.E.  (1999),  ‘The  statistical  properties of the volatility of price fluctuations’, Physical Review E, vol. 60, pp. 1390 – 1400.  Mas‐Colell, A., Whinston, M. & Green., J.R., (1995), Microeconomic Theory, Oxford University Press,  New York.  Ormerod, P., (1998), Butterfly Economics, Faber and Faber Ltd., London.  Ormerod, P., (2005), Why Most Things Fail – Evolution, Extinction & Economics, Faber and Faber Ltd,  London.  Patell, J.M. & Wolfson, M.A., (1984), ‘The Intraday Speed of Adjustment of Stock Prices to Earnings  and Dividend Announcements’, Journal of Financial Economics, vol. 13, pp. 223‐252.  Pietranico, P. & Riepe, M.W., (2004), ‘The January Effect Revisited’, Journal of Financial Planning, vol.  17, pp. 26‐29.  Sharpe, W.F., (1964), ‘Capital Asset Prices: a theory of market equilibrium under conditions of risk’,  Journal of Finance, vol. 19, pp. 425‐442.  Sharpe, W.F., (1970), Portfolio Theory and Capital Markets, McGraw‐Hill, New York.  Stewart,  I.,  (1997), Does God Play Dice? – The New Mathematics of Chaos 2nd ed, Penguin Books,  Great Britain.  Vasiliki,  P.,  Gopikrishnan,  P.,  Amaral,  L.A.N.,  Meyer,  M.  &  Stanley,  H.E.  (1999),  ‘Scaling  of  the  distribution  of  price  fluctuations  of  individual  companies’,  Physical  Review  E,  vol.  60,  pp.  6519  –  6529.