- 作者：Crypto_xu_yan
- 編譯：DA Trader Association
- 撰寫日期：2023 / 04 / 27
前言
當代著名的美國經濟學家 Eugene Fama 在 1970 年代提出的效率市場假說為財金界立下了重要的研究基礎，並對現代投資組合理論、資產定價模型等等都有著深遠的影響。
我也曾好奇加密貨幣市場到底算不算一個效率市場，不過因自身研究能力有限，尚未有辦法為這麼大的命題提出觀點。因此今天這篇文章主要想簡單分析一下效率市場下的異常現象是否適用在 BTC 與 ETH 這兩項資產標的身上。
效率市場假說（EMH）
早在 1953 年，就已提出了股價之隨機漫步理論，主張股價變動乃是獨立的，沒有任何軌跡可尋，無法被預知，並且股價再任何給定時間內的上漲與下跌機率完全相同，此為效率市場的濫觴。
而效率市場假說的定義為在一個完全競爭的市場中，所有可獲得的資訊都已經反映在了資產的價格中，因此，任何人都不可能透過分析資訊來獲得超額利潤。換句話說，市場上的價格已經反映了所有可用的資訊，沒有人可以憑藉資訊獲得比市場平均水平更高的利潤。EMH 的核心觀點認為市場是理性的、自我調整的，並且價格的變化是隨機的。
其中效率市場假說又將效率市場分成三大類，包含弱式、半強式、強式。而 EMH 理論也間接影響到了近代的投資觀點，促使了許多大盤指數相關的投資產品、指數基金的興起。
效率市場的異常現象
在許多實證研究上發現，在半強式效率市場以上的證券市場中，還是會出現一些市場異常的現象，無法被理論認同。其中舉兩個例子進行介紹。
❶ 元月效應
透過實證研究發現，股價在元月的報酬率往往高於其他月份，稱之為元月效應。一般認為是投資者為了避稅，會選擇在年終出售持股，認列損失以減少稅負，並在隔年元月買進，因此造成該現象發生。
以下我用了 Python 抓取蘋果從 2002 年開始到 2021 年的股價，可以看到其中有過半數是有類似元月效應產生的。如果樣本數再增加更多，效果應該會更明顯。
❷ 月內效應
透過實證研究發現，股票價格在前半月的報酬往往高於後半月，此一現象至今尚無合理的解釋。
以下也是利用 Python 抓去蘋果在 2016 到 2021 年，前兩個星期平均股價與後兩個星期平均股價的統計，經過我事後統計，同樣超過半數有類似月內效應的產生。如果樣本數再增加更多，效果應該會更明顯。
BTC 與 ETH 的異常現象
Coinglass 網站有統整出 BTC 與 ETH 月度和季度的報酬率，我們可以直接透過該網站的圖表查看。不過礙於 Weekly 的資料比較多，所以 Weekly 的部分還是使用 Python去抓取平均價格高低。
BTC 元月效應
透過兩張圖的比對可以發現，BTC 的元月效應並不是太明顯，在過去的十次中只出現過四次。
BTC 類似的月內效應
該圖是抓取後的結果，從 2015 年至今，BTC 類似月內效應產生的次數並沒有一定的規律，但平均來講早期較常出現，且 2023 年尚未發生。
ETH 元月效應
透過兩圖比對，ETH 的元月效應相對於 BTC，在機率上出現的更加明顯一點，在過去七次中就出現過四次，超過半數。
ETH 類似的月內效應
該圖是抓取後的結果，從 2015 年至今，ETH 類似月內效應產生的次數也同樣沒有一定的規律，2023 年也同樣還沒發生。
附註：礙於計算問題，以上的效應除了 BTC 與 ETH 月內效應是看報酬率以外，其它皆以平均價格的高低代替，並非反映出最正統的效應，但會有類似的效果。
結語
鑑於加密貨幣市場還不太成熟的關係，BTC 與 ETH 的價格資料表現實在沒有太多樣本數可以抓取。因此只能使用較為粗糙的方式統計。
另外這類的異常現象也並非絕對的，還是需要考量當下的市場結構與其他外在條件因素。單純覺得有趣做個簡單的分析統計給各位參考，也祝福各位未來交易的路上都順利！
學習討論群組
那以上所有的 分析方法/資料分享 可以在哪裡 學習/看到 呢！
除了網路上有許多免費/付費學習資源以外，推薦你們加入 DA Capital 的附屬組織 DA Trader Association 的討論群組一起討論喔！
點擊傳送門填寫表單，等待審核就可以加入！
只要動動你的小手，使用 DATA 網站上的邀請碼就能夠加入「VIP」群組，獲得高質量的學習資源喔！
裡面注重各個面向的發展與學習或是等待接下來 2023/Q2 要釋出的課程！
