Osakemarkkinoiden anomaliat: usean markkinan luettelo (2026)
Luettelo dokumentoiduista osaketuottojen anomalioista — koko, arvo, momentum, matala volatiliteetti, lyhyen aikavälin käänne, jaksotuserät ja muita — akateemisine lähdeviitteineen sekä kuvaus siitä, miten faktoriproxyja voi tarkastella SurgeFlow'ssa.
Luokka: Faktoritutkimus
Mikä markkina-anomalia on
Osakemarkkinoiden anomaliat ovat dokumentoituja poikkileikkaustuottojen säännönmukaisuuksia, joita tavanomaiset omaisuuserien hinnoittelumallit eivät selitä — muun muassa koko (size), arvo (value), momentum, matala volatiliteetti, lyhyen aikavälin käänne (short-term reversal), kannattavuus, investoinnit ja jaksotuserät (accruals). Kullakin on akateeminen lähdeviite, ja kunkin robustiudesta kiistellään. SurgeFlow'ssa voi tarkastella ajantasaisella datalla, miten useiden anomalioiden faktoriproxyt käyttäytyvät neljällä markkinalla.
Täsmällisemmin anomalia on tuottojen säännönmukaisuus, jota vallitseva vertailumalli — historiallisesti CAPM, myöhemmin Fama-Frenchin kolmen ja viiden faktorin mallit — ei selitä. Kirjallisuudessa on aidosti kiistanalaista, heijastaako tietty anomalia korvausta riskistä, käyttäytymisperäistä virhehinnoittelua vai pelkästään datanlouhintaa ja selviytymisharhaa. Monet dokumentoidut ilmiöt ovat heikentyneet otoksen ulkopuolella tai julkaisun jälkeen (McLean and Pontiff, 2016). Tämä sivu on lähdeviittein varustettu hakuluettelo: se ei väitä, että mikään näistä säännönmukaisuuksista jatkuisi, eikä se ole sijoitusneuvontaa.
Dokumentoitujen anomalioiden luettelo (2026)
Useimmin siteeratut poikkileikkausanomaliat vakiintuneine akateemisine lähdeviitteineen. Robustius vaihtelee markkinan, ajanjakson ja määritelmän mukaan; jokaista kohtaa on syytä pitää kiistanalaisena eikä ratkaistuna. - Koko (size) — markkina-arvoltaan pienten yhtiöiden osakkeiden keskimääräiset tuotot ovat historiallisesti olleet korkeampia kuin suurten; Banz (1981), formalisoitu SMB-faktorina julkaisussa Fama and French (1993). Preemio on ollut epävakaa, ja sitä on osin selitetty likviditeetillä ja markkinoiden mikrorakenteella. - Arvo (value) — osakkeet, joiden kirja-arvon ja markkina-arvon suhde (book-to-market) on korkea (halvat), verrattuna osakkeisiin, joiden suhde on matala (kalliit); Fama and French (1992, 1993), HML-faktori. Tuotti heikommin suuren osan 2010-luvusta ('value's lost decade'). - Momentum — edeltävien 3–12 kuukauden voittajat menestyvät edelleen saman jakson häviäjiä paremmin; Jegadeesh and Titman (1993), Carhart (1997) nimellä WML/MOM. Altis ajoittaisille jyrkille romahduksille (Daniel and Moskowitz, 2016). - Matala volatiliteetti / matala beeta — matalan riskin osakkeiden tuotot eivät ole riskiä vastaavassa suhteessa matalampia kuin korkean riskin osakkeiden; Black, Jensen and Scholes (1972); Frazzini and Pedersen (2014), 'betting against beta'. - Lyhyen aikavälin käänne (short-term reversal) — yhden kuukauden häviäjät toipuvat usein; Jegadeesh (1990), Lehmann (1990). Pitkälti likviditeetistä ja mikrorakenteesta johtuva ilmiö. - Kannattavuus / laatu — vakaasti kannattavat yhtiöt tuottavat paremmin kuin kannattamattomat; Novy-Marx (2013), RMW-faktori julkaisussa Fama and French (2015). - Investoinnit — varovaisesti investoivat (taseen kasvu hidasta) yhtiöt menestyvät aggressiivisesti investoivia paremmin; Aharoni, Grundy and Zeng (2013); CMA-faktori julkaisussa Fama and French (2015). - Jaksotuserät (accruals) — yhtiöt, joiden jaksotuserät ovat suuret suhteessa kassaperusteiseen tulokseen, tuottavat myöhemmin heikommin; Sloan (1996). - Likviditeetti — epälikvidimpiin osakkeisiin on historiallisesti liittynyt preemio; Amihud (2002); Pastor and Stambaugh (2003). - Tulosjulkistuksen jälkeinen kurssiajautuma (post-earnings-announcement drift) — kurssit jatkavat liikettään tulosyllätyksen suuntaan; Ball and Brown (1968); Bernard and Thomas (1989).
Miten faktoriproxyt rakennetaan ja testataan
SurgeFlow ei väitä, että mikään edellä mainituista preemioista olisi olemassa; se rakentaa faktoriproxyja ja tuo taustalla olevan koneiston näkyviin, jotta niiden käyttäytymistä voi tutkia itse. Faktorijärjestelmä toteuttaa Fama-French-tyyliset long-short-proxyt — SMB (koko), HML (arvo), RMW (kannattavuus), CMA (investoinnit), WML (momentum) ja likviditeettifaktori (LIQ) — ja laskee päivittäiset faktorituotot julkaisuportin takana. Lisäksi efektiivisen suunnan ratkaisija varmistaa, että sleeven etumerkki tarkistetaan konventiota vasten eikä sitä vain oleteta.
Estimointi ja testaus noudattavat vakiomenetelmiä: poikkileikkausriskipreemiot estimoidaan Fama-MacBeth-menetelmällä, mallien yhteistestit tehdään Gibbons-Ross-Shankenin (1989) GRS F-testillä ja multikollineaarisuus seulotaan VIF-luvulla. Nykyiseen Factor Backtest V2 -näyttöön liittyy tärkeä varaus, joka on syytä sanoa suoraan. Phase-1-ajo on research_backtest_insample — otoksen sisäistä faktoriattribuutiota, ei reaaliaikaista, otoksen ulkopuolista näyttöä rullaavista signaaleista. GRS ja muu diagnostiikka raportoidaan merkintöinä, eikä niitä käytetä portteina sleevejen poissulkemiseen ('diagnostics are labels, not portfolio gates'). Datan laatuportit — point-in-time-kohdistus, selviytymisharhan käsittely ja havaintojen vähimmäismäärät — koskevat dataa, eivät salkun valintaa. Backtestin yhdistelmäpisteytys asettaa sleevet järjestykseen riskikorjatun tuoton (Sharpe) ja Information Ration yhdistelmällä sekä tasapaino- että riskipariteettimuunnelmissa. Yhdysvaltojen yhdistelmävertailun kärjessä on WML+RMW Top-30 -riskipariteettisleeve, joka on sijalla #1 sekä Sharpen että Information Ration mukaan noin kymmenen vuoden otoksen sisäisessä historiassa. Tämä on luettava laadullisena, otoksen sisäisenä järjestyksenä, ei otoksen ulkopuolisena tuottoennusteena.
Mitä SurgeFlow-dataa tässä käytetään
Tämä luettelo perustuu SurgeFlow'n avoimeen, usean markkinan osakedatan datatiedekerrokseen — tutkimusdataa, ei sijoitusneuvontaa — joka kattaa neljä markkinaa: Yhdysvallat, Kiina, Japani ja Hongkong. Kurssi- ja fundamenttidata tulevat FMP:ltä (Yhdysvallat), Tusharelta (Kiina, Hongkong) sekä J-Quantsilta ja EDINETistä (Japani). Faktoriproxyt (SMB, HML, RMW, CMA, WML, LIQ), päivittäiset faktorituotot, julkaisuportti, efektiivisen suunnan ratkaisija, Fama-MacBeth-estimaatit, GRS-testit ja VIF-diagnostiikka ovat kaikki haettavissa, samoin Factor Backtest V2:n sleevejen järjestykset. Taustatietoa institutionaalisesta omistuksesta on Institutionaaliset sijoittajat -välilehdellä (Whales), joka yhdistää Yhdysvaltojen SEC EDGAR 13F -ilmoitukset muiden markkinoiden EDINET-, HKEX- ja CSRC-julkistuksiin — se kattaa siis globaalin omistuksen eikä vain 13F-ilmoituksia. Kaiken tämän voi tuoda Google Sheetsiin jo nyt julkisista CSV/JSON-tilannevedoksista kaavalla =IMPORTDATA(...) tai Apps Scriptillä maksuttoman API-avaimen avulla; Google Workspace Marketplace -lisäosa on tarkastettavana, eikä sitä ole vielä julkaistu.
Tarkastele proxyja itse
Uskottava tapa käyttää anomalialuetteloa on kyseenalaistaa se, ei luottaa siihen sellaisenaan. Luo maksuton (beta) API-avain osoitteessa /account ja hae faktoriproxyja neljältä markkinalta: maksuton julkinen API (beta) sallii 2,000 pyyntöä päivässä ja tarjoaa rajapinnat /api/v1/markets/{market}/realtime, /screen ja /hotlist sekä /api/v1/summary. OpenAPI-määrittely on osoitteessa /api/public/openapi.json ja tekoälyn luettavissa oleva hakemisto osoitteessa /llms.txt. Näiden avulla voi verrata, miten koko- tai momentumproxy käyttäytyy esimerkiksi Japanissa verrattuna Yhdysvaltoihin, lukea faktorimenetelmän kuvauksen osoitteessa /factors ja tutustua backtestin otoksen sisäiseen asetelmaan osoitteessa /backtesting. Mikään tästä ei ole sijoitusneuvontaa, preemioiden olemassaoloa ei väitetä, ja edellä mainitut otoksen sisäisyyttä koskevat varaukset koskevat dataa täysimääräisesti.
Lähteet ja lisälukemista
Edellä esitettyjen väitteiden ensisijaiset, akateemiset ja SurgeFlow'n datalähteet: - Banz, R. (1981). The relationship between return and market value of common stocks. Journal of Financial Economics. - Fama, E. and French, K. (1992, 1993). The cross-section of expected stock returns; Common risk factors in the returns on stocks and bonds. - Fama, E. and French, K. (2015). A five-factor asset pricing model. Journal of Financial Economics. - Jegadeesh, N. and Titman, S. (1993). Returns to buying winners and selling losers. Journal of Finance. - Carhart, M. (1997). On persistence in mutual fund performance. Journal of Finance. - Novy-Marx, R. (2013). The other side of value: the gross profitability premium. Journal of Financial Economics. - Sloan, R. (1996). Do stock prices fully reflect information in accruals and cash flows? The Accounting Review. - Frazzini, A. and Pedersen, L. (2014). Betting against beta. Journal of Financial Economics. - Amihud, Y. (2002). Illiquidity and stock returns. Journal of Financial Markets. - Gibbons, M., Ross, S. and Shanken, J. (1989). A test of the efficiency of a given portfolio. Econometrica. - McLean, R. and Pontiff, J. (2016). Does academic research destroy stock return predictability? Journal of Finance.