La mejor descripción general que he visto hasta ahora es este documento que enumera 214 (!) factores (o anomalías si lo prefieres) en más de cien (!) páginas:
Harvey, Campbell R. y Liu, Yan y Zhu, Caroline, …y la Intersección de los Rendimientos Esperados (3 de febrero de 2015). Disponible en SSRN: https://ssrn.com/abstract=2249314 o http://dx.doi.org/10.2139/ssrn.2249314
Resumen:
Cientos de documentos y cientos de factores intentan explicar la intersección de los rendimientos esperados. Dada esta extensa minería de datos, no tiene sentido económico o estadístico utilizar los criterios habituales de significancia para un factor recién descubierto, por ejemplo, una t-ratio mayor que 2.0. Sin embargo, ¿qué obstáculo se debe usar para la investigación actual? Nuestro documento introduce un marco de prueba múltiple y proporciona una serie de cortes de significancia históricos desde las primeras pruebas empíricas en 1967 hasta hoy. Nuestro nuevo método permite la correlación entre las pruebas, así como el sesgo de publicación. También proyectamos hacia adelante 20 años asumiendo que la tasa de producción de factores permanece similar a la experiencia de los últimos años. La estimación de nuestro modelo sugiere que hoy en día un factor recién descubierto necesita superar un obstáculo mucho mayor, con una t-ratio mayor que 3.0. Haciendo eco de una conclusión reciente y perturbadora en la literatura médica, argumentamos que la mayoría de los hallazgos de investigación reclamados en la economía financiera son probablemente falsos.
EDICIÓN
Ahora los autores proporcionan una hoja de datos con una visión general exhaustiva de todos los factores: https://tinyurl.com/y23ozzkc
El siguiente gráfico se toma del documento y resume sus resultados clave: ![ingrese la descripción de la imagen aquí]()
EDICIÓN
¡Un nuevo récord! El siguiente nuevo documento enumera y prueba 452 (!) anomalías en más de 130 páginas:
Hou, Kewei y Xue, Chen y Zhang, Lu, Replicando Anomalías (octubre de 2018). Revisión de Estudios Financieros, próximo; Documento de Trabajo de la Fisher College of Business No. 2017-03-010; Documento de Trabajo del Centro Charles A. Dice No. 2017-10. Disponible en SSRN: https://ssrn.com/abstract=3275496
Indica "que la mayoría de las anomalías publicadas en el mercado de valores de EE. UU. no son replicables después de eliminar razonablemente a las micromedias a un papel muy menor, y especialmente después de elevar el umbral de significancia para tener en cuenta el espionaje de datos."
Fuente y resumen del documento (detrás de un muro de pago):
https://www.cxoadvisory.com/29802/big-ideas/most-stock-anomalies-fake-news/
Resumen
La mayoría de las anomalías no cumplen con los estándares aceptables actualmente para la financiación empírica. Con las micromedias mitigadas a través de los puntos de quiebre de la NYSE y los rendimientos ponderados por el valor, el 65% de las 452 anomalías en nuestra biblioteca de datos, incluido el 96% de la categoría de fricciones comerciales, no pueden superar el obstáculo de prueba único del valor absoluto de t-value de 1.96. Imponer el obstáculo de prueba múltiple más alto de 2.78 en el nivel de significancia del 5% aumenta la tasa de fracaso al 82.1%. Incluso para las anomalías replicadas, sus magnitudes económicas son mucho más pequeñas que las reportadas originalmente. En total, los mercados de capitales son más eficientes de lo que se reconocía anteriormente.
0 votos
¿Podrías definir lo que quieres decir con "anomalía"?
2 votos
¡Gracias por la crítica a la pregunta, @vonjd! He editado la pregunta insertando una definición general de anomalía de mercado y he editado la etiqueta correspondiente. Avísame si la pregunta necesita alguna aclaración adicional.
0 votos
¡Lo siento, pero esto no tiene sentido! ¡Fama es de hecho uno de los más destacados defensores de la EMH! Sus factores como el valor o el tamaño son factores de riesgo adicionales por los cuales los inversores reciben una compensación por mantener esos riesgos. Sería lo mismo si dijeras que el beta es una anomalía porque algunas personas ganan más que otras cuando mantienen más beta...
0 votos
Estoy de acuerdo contigo, @vonjd! tal vez publiqué mal la pregunta, pero lo siento, no soy de habla inglesa. De todos modos, sé que Fama concibió la teoría de EFH, pero hay muchos casos que niegan esa teoría y que, según la literatura, son ejemplos de por qué la EFH no es verdad. Entre esos, están el efecto del tamaño, el efecto de enero, las estrategias de trading de momentum/contrarian,... Me gustaría obtener una lista completa de esos y aquí está mi pregunta.
0 votos
@vonjd, estaré en el chat si estás disponible para discutir sobre la pregunta o sugerir alguna edición que pueda hacer. ¡Por favor, mándame un mensaje allí!
1 votos
@Quantopic vonjd actualmente tiene la mejor respuesta en una publicación que discute la diferencia entre factores de riesgo y anomalías. Personalmente no soy un gran admirador de la respuesta, pero es consistente con la financiación académica. Para mí, realmente no importa cómo se les llame. En algún momento, el tamaño y el valor solían considerarse anomalías por algunos, pero ahora la profesión las llama factores de riesgo. Bueno, qué se le va a hacer.
0 votos
Ok @Juan, ¡gracias por el comentario primero! mi intención era recopilar esos factores de riesgo, anomalías o lo que sea, simplemente eso. Si tú o vondj tienen algún consejo para editar la pregunta con el fin de hacerla más clara o interesante, será muy apreciado. Alternativamente, si tú y otros consideran que la pregunta no es útil para el sitio o simplemente no es interesante, la eliminaré. De todos modos, la pregunta no se trata de qué se puede considerar una anomalía o factor de riesgo o qué más, sino de cuáles han sido documentados en la literatura o por los profesionales de la industria hasta ahora.
1 votos
Aquí tienes un documento reciente que detalla más de 80 anomalías: papers.ssrn.com/sol3/papers.cfm?abstract_id=2508322
0 votos
Puedes encontrar la respuesta a la que John se refiere aquí: quant.stackexchange.com/a/15959/12