اثر ژانویه چیست و آیا هنوز در بازار سهام کارایی دارد؟

«اثر ژانویه» (January effect) ادعایی است مبنی بر اینکه بازدهی سهام در هفته‌های نخست سال به‌طور غیرمعمولی بالاست و نام‌های کوچک‌تر و آسیب‌دیده‌تر بازار، پیشران این حرکت هستند. این پدیده در سال 1976 بر اساس داده‌هایی که تا سال 1904 عقب می‌رفت، مستند شد و شکاف گزارش‌شده در آن زمان، آن را به مشهورترین الگوی فصلی در بازار سهام تبدیل کرد. آنچه در ادامه رخ داد، بخشی است که اکثر صفحات مربوط به تحلیل‌های فصلی از آن می‌گذرند: یافته مذکور منتشر شد، معامله‌گران آن را خواندند و هر اندازه‌گیری که از آن زمان انجام شده، نتایج کوچک‌تری را نشان داده است.

اثر ژانویه چیست؟

دو مکانیسم تقویمی زیربنای این داستان هستند و هر دو به مرز 31 دسامبر مربوط می‌شوند، نه خودِ ماه ژانویه.

نخستین مورد، فروش برای جبران مالیاتی (tax-loss selling) است. قوانین مالیاتی ایالات متحده به سرمایه‌گذار اجازه می‌دهد زیان تحقق‌یافته را از سودهای تحقق‌یافته در همان سال مالیاتی کسر کند و دفاتر آن سال در آخرین جلسه معاملاتی دسامبر بسته می‌شوند. توالی پیشنهادی به این صورت است: در هفته‌های پایانی دسامبر، فروش بر موقعیت‌هایی متمرکز می‌شود که سرمایه‌گذار در آن‌ها زیان‌دیده است؛ این موقعیت‌ها معمولاً در دسته سهام کوچک و کم‌طرفدار قرار دارند. در نخستین جلسات ژانویه، این فروش متوقف شده و خرید در همان نام‌ها از سر گرفته می‌شود.

دومین مورد، تقویم نقدینگی است. پاداش‌های پایان سال و مشارکت‌های بازنشستگی سال جدید در همین بازه زمانی از راه می‌رسند.

هیچ‌کدام از این دو مکانیسم به شرکت‌های بزرگ بازار اشاره ندارند. هر دو به بخش کوچک بازار اشاره می‌کنند که این صفحه مکرراً به آن بازمی‌گردد. خودِ این بازه زمانی در داده‌های مشارکت به‌وضوح قابل‌مشاهده است. جدول زیر SPY، پرمعامله‌ترین صندوق ردیاب S&P 500 را در نظر گرفته و میانگین حجم روزانه سهام آن را بر اساس تاریخ تقویمی از 21 دسامبر تا 10 ژانویه در جلسات معاملاتی از سال 2011 محاسبه کرده است.

SELECT
    concat(
        if(toMonth(date) = 12, 'Dec ', 'Jan '),
        if(toDayOfMonth(date) < 10, concat('0', toString(toDayOfMonth(date))), toString(toDayOfMonth(date)))
    )                                      AS label,
    round(avg(toFloat64(volume)) / 1e6, 1) AS avg_volume_millions,
    round(avg(toFloat64(volume)) / (
        SELECT avg(toFloat64(volume))
        FROM global_markets.stocks_daily_aggs
        WHERE ticker = 'SPY'
          AND date >= '2011-01-01'
          AND date <  '2026-08-01'
    ), 2)                                  AS relative_activity
FROM global_markets.stocks_daily_aggs
WHERE ticker = 'SPY'
  AND date >= '2011-01-01'
  AND date <  '2026-08-01'
  AND ((toMonth(date) = 12 AND toDayOfMonth(date) >= 21)
    OR (toMonth(date) = 1  AND toDayOfMonth(date) <= 10))
GROUP BY toMonth(date), toDayOfMonth(date)
ORDER BY if(toMonth(date) = 12, 0, 1), toDayOfMonth(date)

Dec 21 به‌طور میانگین 126.2 میلیون سهم، یا 1.24 برابر میانگین جلسات SPY در همان سال‌ها بوده است. Jan 10 به‌طور میانگین 90 میلیون سهم، یعنی 0.89 برابر مقدار معمول بوده است. تاریخ‌های 19 در این جدول، بازه تعطیلات و نخستین جلسات سال جدید را نشان می‌دهند.

حجم به معنای مشارکت است، نه بازدهی. این صفحه هیچ رقم بازدهی برای ژانویه منتشر نمی‌کند و این کار عامدانه است: محاسبه جدیدِ درون‌نمونه‌ای (in-sample) برای یک الگوی فصلی مشهور، سریع‌ترین راه برای تکرار خطایی است که آن الگو را مشهور کرد.

چرا شرکت‌های کوچک و وزن‌دهی برابر، پاسخ را تعیین می‌کنند

یک عدد شاخص، یک میانگین است و روش وزن‌دهی تعیین می‌کند که بازدهی چه کسی محاسبه شود. شاخص وزنیِ ارزش بازار (cap-weighted)، به هر شرکت بر اساس ارزش بازارش وزن می‌دهد؛ بنابراین نام‌های بزرگ عدد شاخص را تعیین می‌کنند و نام‌های کوچک به صفر گرد می‌شوند. یک شاخص با وزن برابر (equal-weighted) از همان شرکت‌ها، به یک شرکت 200 میلیون دلاری همان حق رأیی را می‌دهد که به یک شرکت 2 تریلیون دلاری.

مطالعه سال 1976 که اثر ژانویه را بر سر زبان‌ها انداخت، توسط مایکل روزف و ویلیام کینی انجام شد و شاخصی با وزن برابر از سهام NYSE را از سال 1904 تا 1974 اندازه‌گیری کرد. رقمی که از آن زمان تکرار شده این است که میانگین ژانویه حدود پنج برابر میانگین سایر ماه‌ها بوده است. در نسخه وزنیِ ارزش بازار از همان جهانِ سهام، نام‌های کوچک تنها کسر کوچکی از وزن را به خود اختصاص می‌دهند و این دو ساختار می‌توانند ژانویه‌های بسیار متفاوتی را از قیمت‌های پایه یکسان گزارش کنند. این ساختار است که بخش بزرگی از ادعا را حمل می‌کند. برای اینکه بدانید چه چیز دیگری پیش از تفسیر، یک عدد ماهانه را جابه‌جا می‌کند، به چگونگی اندازه‌گیری بازدهی‌های ماهانه مراجعه کنید.

اندازه شرکت همچنین تعیین می‌کند که هزینه شکار یک صرفه (premium) چقدر است. حجم دلاری، یعنی تعداد سهام روز ضرب‌در قیمت، ساده‌ترین معیار برای سنجش فضای مانور یک نماد است. جدول زیر هر نمادی را که حداقل پانزده جلسه معاملاتی در ژوئن 2026 داشته، بر اساس میانگین حجم دلاری گروه‌بندی کرده است.

WITH per_symbol AS
(
    SELECT
        ticker,
        avg(toFloat64(close) * toFloat64(volume)) AS adv_dollars
    FROM global_markets.stocks_daily_aggs
    WHERE date >= '2026-06-01'
      AND date <  '2026-07-01'
    GROUP BY ticker
    HAVING count() >= 15
)
SELECT
    multiIf(
        adv_dollars <    100000, '1. under $100k',
        adv_dollars <   1000000, '2. $100k to $1M',
        adv_dollars <  10000000, '3. $1M to $10M',
        adv_dollars < 100000000, '4. $10M to $100M',
                                 '5. over $100M')  AS liquidity_bucket,
    count()                                        AS securities_count,
    round(100 * count() / (
        SELECT count()
        FROM
        (
            SELECT ticker
            FROM global_markets.stocks_daily_aggs
            WHERE date >= '2026-06-01'
              AND date <  '2026-07-01'
            GROUP BY ticker
            HAVING count() >= 15
        )
    ), 1)                                          AS share_of_tape_pct
FROM per_symbol
GROUP BY liquidity_bucket
ORDER BY liquidity_bucket

1808 اوراق بهادار به‌طور میانگین کمتر از 100 هزار دلار حجم دلاری در روز داشته‌اند که 15.1 درصد از نمونه است. در سوی دیگر، 1429 به‌طور میانگین بیش از 100 میلیون دلار حجم داشته‌اند. یک صرفه فصلیِ منتشرشده بر اساس قیمت‌های پایانی اندازه‌گیری می‌شود. شکار این صرفه در دسته کم‌حجم، به معنای عبور دو بار از اسپرد خریدوفروش (bid-ask spread) و همچنین قیمتی است که سفارش شما جابه‌جا می‌کند. سری بازدهی ماهانه هیچ‌کدام از این‌ها را نشان نمی‌دهد.

آیا اثر ژانویه هنوز کار می‌کند؟

پاسخ صادقانه: نسخه‌ای که پس از سال 1976 اندازه‌گیری شده، تنها بخشی از نسخه‌ای است که پیش از آن اندازه‌گیری می‌شد و یک ناهنجاری مستندشده معمولاً چنین مسیری را طی می‌کند. چرخه عمر آن چهار مرحله دارد: یک الگو در داده‌های تاریخی یافت می‌شود. منتشر می‌شود. خوانندگانی که معامله می‌کنند، زودتر دست‌به‌کار می‌شوند و در دسامبر، پیش از بازه‌ای که اکنون همه درباره‌اش خوانده‌اند، خرید می‌کنند. آنچه مطالعات بعدی اندازه‌گیری می‌کنند، هر چیزی است که باقی مانده است. تحقیقات از دهه 1980 به بعد عموماً دریافته‌اند که صرفه ژانویه در دهه‌های پس از انتشار، باریک‌تر شده و بخشی از این اثر فصلی به دسامبر منتقل شده است.

مکانیسم مالیاتی نیز در کنار آن ضعیف شده است. بخش بزرگی از سهام شرکت‌های کوچک اکنون در حساب‌های بازنشستگی و صندوق‌های شاخصی قرار دارد. یک حساب با مالیات معوق (tax-deferred) اصلاً انگیزه‌ای برای جبران زیان مالیاتی ندارد و یک صندوق شاخصی بر اساس قوانین معامله می‌کند، نه بر اساس موقعیت مالیاتی تقویمی.

هیچ‌کدام از این‌ها مختص ژانویه نیست. در ماه مه بفروش و برو (Sell in May and go away) نیز با همین سازوکار عمل می‌کند: یک شکاف تاریخی چشمگیر که داستانی پس از آن به آن پیوست شده است. ناهنجاری نوسان پایین (The low volatility anomaly) تضاد جالبی است که سابقه طولانی پس از انتشار دارد؛ چیزی که ادعاهای فصلی تقریباً هرگز ندارند.

دوازده ماه، آزمون‌های بسیار

این محاسباتی است که به اکثر بحث‌های فصلی پایان می‌دهد. صفحه آموزشی یک کارگزار گزارش می‌دهد که ماه ژوئیه در حدود 80 درصد از بیست سال گذشته، با قیمت بالاتر بسته شده است. بیست مشاهده، که شانزده مورد آن صعودی بوده است.

برای لحظه‌ای ماه‌ها را مانند پرتاب سکه منصفانه در نظر بگیرید. شانزده شیر یا بیشتر در بیست پرتاب، حدود 0.6 درصد مواقع رخ می‌دهد که یک توالی واقعاً نادر است. حالا همان آزمون را برای هر دوازده ماه اجرا کنید: احتمال اینکه حداقل یک ماه از این حد بگذرد به حدود 7 درصد افزایش می‌یابد. یک صفحه تحلیل فصلی معمولاً چندین آمار در هر ماه گزارش می‌کند؛ بازدهی میانگین، بازدهی میانه، نرخ موفقیت، بهترین و بدترین سال، که تعداد آزمون‌ها را به ده‌ها مورد می‌رساند. در آن نقطه، عددی مانند ژوئیه همان چیزی است که انتظار دارید در جایی از این شبکه پیدا کنید. ماه‌های بازار سهام نیز سکه‌های منصفانه نیستند. آن‌ها در نمونه‌های طولانی به سمت مثبت متمایل‌اند که نرخ موفقیت هر ماه را پیش از آنکه داستانی فصلی درباره‌اش گفته شود، بالا می‌برد.

اثر ژانویه نیز به همین روش پیدا شد؛ با بررسی دوازده ماه و انتخاب برنده پس از مشاهده نتایج. یک جست‌وجو، حداکثرِ آزمون‌های متعدد را گزارش می‌کند. این با اهمیتِ آماریِ یک آزمون که از پیش انتخاب شده، متفاوت است. نمونه زیربنایی همه این‌ها کوچک است: هر ژانویه در نوار معاملاتی روزانه شامل حدود بیست جلسه است.

SELECT
    toString(toYear(date)) AS year,
    count()                AS january_sessions
FROM global_markets.stocks_daily_aggs
WHERE ticker = 'SPY'
  AND toMonth(date) = 1
GROUP BY year
ORDER BY year

سوابق در اینجا شامل 23 ژانویه، از 2004 تا 2026 است و آخرین مورد شامل 20 جلسه بوده است. بیست و اندی مشاهده، کل نمونه مدرن برای هر گزاره‌ای به شکل «ژانویه فلان کار را می‌کند» است. نمونه‌ای با این اندازه با طیف وسیعی از مقادیر واقعی سازگار است و اطمینانِ پیوست‌شده به ادعاهای فصلی، تمایل دارد بسیار فراتر از آن حرکت کند.

سوگیری نگاه به آینده و سوگیری بقا، دو خواهرخوانده

دو حالت شکست دیگر در کنار آزمون‌های متعدد قرار دارند و هر دو در یک بک‌تست (backtest)، یک الگوی فصلی را جذاب‌تر از واقعیت نشان می‌دهند.

سوگیری نگاه به آینده در بک‌تست استفاده از اطلاعاتی است که آزمون در آن زمان نمی‌توانسته داشته باشد. یک قانون ژانویه که امروز نوشته شده و برای سال 1985 اعمال می‌شود، از قبل می‌داند کدام ماه برنده بوده است.

سوگیری بقا در داده‌های سهام مشکل خاموش‌تری برای این ناهنجاری خاص است. اگر جهان سهام کوچک را از نام‌هایی که امروز معامله می‌شوند بسازید، هر شرکتی که حذف یا ادغام شده، از قبل کنار گذاشته شده است. این‌ها به سمت نام‌های کوچکِ آسیب‌دیده متمایل‌اند که داستان جبران مالیاتی درباره آن‌هاست؛ بنابراین آزمون روی بازماندگانِ دقیقاً همان گروه مورد مطالعه اجرا می‌شود. این جهان، یک فهرست ثابت نیست.

SELECT
    toString(toYear(date)) AS year,
    uniqExact(ticker)      AS listings_on_tape
FROM global_markets.stocks_daily_aggs
WHERE date >= '2006-01-01'
  AND date <  '2026-01-01'
GROUP BY year
ORDER BY year

9450 نماد متمایز حداقل در یک جلسه در 2006 معامله شده‌اند. در 2025 این تعداد 13423 بوده که در طول 20 سال نوار معاملاتی پخش شده است. عضویت در زیر این مجموعه‌ها با ورود لیست‌های جدید و خروج نام‌ها تغییر می‌کند و جهانی که از نوار معاملاتی امروز استخراج شده، هیچ‌کدام از خروجی‌ها را در بر ندارد. نمادها نیز دوباره استفاده می‌شوند که خود یک تله است: به چرا نمادهای تیکر مجموعه‌داده‌ها را خراب می‌کنند مراجعه کنید.

چهار پرسش برای هر ادعای فصلی

1. دوره نمونه چیست و الگو در خارج از آن چگونه به نظر می‌رسد؟ شکافی که برای ظاهر شدن به سال‌های 1904 تا 1974 نیاز دارد، با شکافی که در بیست سال اخیر اندازه‌گیری شده، ادعای متفاوتی است.
2. کدام شاخص و با چه وزنی؟ نسخه‌های وزنیِ ارزش بازار و وزن برابر از یک جهان سهام می‌توانند در مورد یک الگوی فصلی شرکت‌های کوچک، اختلاف شدیدی داشته باشند.
3. آیا قانون پیش از جست‌وجوی داده‌ها ثابت شده بود یا با نگاه کردن به داده‌ها پیدا شد؟ هر دو مسیر می‌توانند نرخ موفقیت یکسانی ایجاد کنند، اما شواهد بسیار متفاوتی دارند.
4. چه چیزی از هزینه‌ها باقی می‌ماند؟ اسپردها و تأثیر بازار در بخش کم‌حجم نوار معاملاتی، به‌علاوه این واقعیت که دیگران نیز همان صفحه را خوانده‌اند.

یک ادعای فصلی که به هر چهار پرسش پاسخ دهد، ارزش خواندن دقیق دارد. اکثر آن‌ها به هیچ‌کدام پاسخ نمی‌دهند.

پرسش‌های متداول

اثر ژانویه در بازار سهام چیست؟

این ادعا که قیمت سهام، به‌ویژه شرکت‌های کوچک، در هفته‌های نخست ژانویه بیش از یک ماه معمولی رشد می‌کند. مطالعه سال 1976 که پشتوانه این ادعاست، یک شاخص با وزن برابر از NYSE را بین سال‌های 1904 تا 1974 اندازه‌گیری کرد که در آن میانگین ژانویه حدود پنج برابر میانگین سایر ماه‌ها گزارش شد.

آیا اثر ژانویه هنوز کار می‌کند؟

اندازه‌گیری‌های انجام‌شده پس از انتشار سال 1976 بسیار کوچک‌تر از نسخه اصلی هستند و بخشی از این اثر فصلی با زودتر دست‌به‌کار شدن معامله‌گران، به دسامبر منتقل شده است. هر ادعای کنونی نیازمند دوره نمونه خاص خود و ساختار شاخص خاص خود است که هر دو باید از ابتدا بیان شوند. این صفحه آموزشی است و هیچ قانونی برای معامله ارائه نمی‌دهد.

چرا اثر ژانویه در شرکت‌های کوچک قوی‌تر بود؟

هر دو مکانیسم به آنجا اشاره دارند. فروش برای جبران مالیاتی بر موقعیت‌هایی متمرکز است که در طول سال زیان‌دیده و معمولاً کوچک هستند، و مقدار مشخصی خرید، یک سهم با حجم معاملات پایین را بسیار بیشتر از یک شرکت بزرگ (mega cap) جابه‌جا می‌کند. یک شاخص با وزن برابر، به آن نام‌های کوچک وزن کامل می‌دهد، در حالی که شاخص وزنیِ ارزش بازار تقریباً هیچ وزنی به آن‌ها نمی‌دهد.

آیا اثر ژانویه همان «در ماه مه بفروش» است؟

آن‌ها بازه‌های متفاوتی از یک ژانر هستند: یک شکاف تقویمی که در داده‌های تاریخی یافت شده و داستانی پس از آن به آن پیوست شده است. هر دو پیش از آنکه معنایی داشته باشند، به شواهد یکسانی نیاز دارند؛ از جمله دوره نمونه‌ای که پیش از آزمون انتخاب شده باشد، نه پس از آن.

هر جدول در اینجا حاوی کد SQL است که آن را تولید کرده است، بنابراین هر بازه زمانی در بالا می‌تواند روی یک تیکر متفاوت یا بازه طولانی‌تر دوباره تنظیم شود. برای آزمودن یک ادعای فصلی روی نمونه‌ای که خودتان انتخاب می‌کنید، پرسش خود را به زبان ساده در ترمینال Strasmore مطرح کنید.