क्या Sell in May and Go Away कारगर है?

“Sell in May and go away” शेयर बाजार का सबसे प्रसिद्ध कैलेंडर नियम है: अप्रैल के अंत में बेचें, गर्मियों के दौरान नकदी में रहें और अक्टूबर के अंत में फिर खरीदें। अप्रैल 2005 के अंतिम क्लोज़ से अप्रैल 2026 के अंतिम क्लोज़ तक S&P 500 tracker की कीमतों के आधार पर किए गए मापन में नवंबर से अप्रैल की छह महीने की अवधि का औसत रिटर्न मई से अक्टूबर की अवधि से अधिक रहा। यह अंतर वास्तविक है, लेकिन इस कहावत के संकेत से छोटा है। गर्मियों वाली अवधि में भी औसतन बढ़त मिलती है। इसी कारण यह नियम निवेश योजना के रूप में कमजोर पड़ जाता है।

नियम क्या कहता है और इसका परीक्षण कैसे करें

यह वाक्यांश लंदन की उस पुरानी परंपरा से आया है, जिसमें वसंत की घुड़दौड़ के बाद लोग शहर छोड़ देते थे और शरद ऋतु में लौटते थे। आधुनिक और परीक्षण योग्य रूप में यह दो तारीखों वाला switching rule है। आप अक्टूबर के अंतिम trading day से अप्रैल के अंतिम trading day तक broad stock index में निवेश रखते हैं। बाकी छह महीनों में कोई निवेश नहीं रखते।

इसका परीक्षण करने के लिए उस कहावत में न दी गई दो चीज़ों की आवश्यकता होती है: price series और स्पष्ट window। नीचे दिया गया हर आंकड़ा SPY का उपयोग करता है, जो सबसे पुराना S&P 500 exchange traded fund है। इसके भाव global_markets.delayed_stocks_minute_aggs तालिका में दर्ज regular-hours minute bars से लिए गए हैं। अवधि अप्रैल 2005 के अंतिम close से अप्रैल 2026 के अंतिम close तक है। यहां किसी महीने का return केवल उसके अंतिम regular-hours price की तुलना पिछले महीने के price से है। Dividends की अलग section आगे दी गई है। मासिक returns कैसे मापे जाते हैं में बताया गया है कि यह अंतर परिणाम को क्यों बदलता है।

क्या “मई में बेचें और दूर रहें” रणनीति काम करती है? 2005 से 2026 का रिकॉर्ड

WITH monthly AS (
    SELECT toStartOfMonth(toDate(toTimeZone(window_start, 'America/New_York'))) AS month_start,
           argMax(close, window_start) AS month_close
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'SPY'
      AND toDate(toTimeZone(window_start, 'America/New_York')) >= toDate('2005-04-01')
      AND toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2026-04-30')
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
           + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY month_start
)
SELECT toYear(apr_m.month_start) AS year,
       round(100 * (toFloat64(oct_m.month_close) / toFloat64(apr_m.month_close) - 1), 2) AS may_oct_pct,
       round(100 * (toFloat64(apr_next.month_close) / toFloat64(oct_m.month_close) - 1), 2) AS nov_apr_pct
FROM monthly AS apr_m
INNER JOIN monthly AS oct_m ON oct_m.month_start = addMonths(apr_m.month_start, 6)
INNER JOIN monthly AS apr_next ON apr_next.month_start = addMonths(apr_m.month_start, 12)
WHERE toMonth(apr_m.month_start) = 4
ORDER BY year

हर बिंदु एक गर्मी को उसके बाद आने वाली सर्दी के साथ जोड़ता है। चार्ट में 21 पूर्ण जोड़ियां हैं। इसकी शुरुआत 2005 की गर्मी से होती है और समाप्ति उस सर्दी पर होती है जो अप्रैल 2026 में खत्म हुई।

अधिकांश अलग-अलग वर्षों में दोनों रेखाएं एक-दूसरे से असहमत हैं और सबसे खराब वर्ष में सहमत हैं। अप्रैल के अंत और अक्टूबर के अंत के बीच 2008 गर्मी वाले आधे हिस्से में -29.81% दर्ज हुआ, जो इस पूरे क्रम का सबसे गहरा स्तर था। इसके बाद आने वाली सर्दी में -10.03% दर्ज हुआ। अप्रैल में बेचने वाला निवेशक बाजार की भारी गिरावट से बाहर हो गया और फिर अंतिम गिरावट के लिए दोबारा बाजार में आया। कैलेंडर और नुकसान केवल आधी अवधि में ही एक-दूसरे से मेल खाए।

क्या 2015 के बाद गर्मियों का अंतर कम हो गया है?

औसत ही वह बात है जिसका यह कहावत वास्तव में दावा करती है, और समयावधि ही वह आधार है जिस पर ये औसत टिके हैं। 2015 पर अवधि को विभाजित करने से समान लंबाई वाले दो हिस्से मिलते हैं, जिनकी गणना एक ही तरीके से की गई है।

WITH monthly AS (
    SELECT toStartOfMonth(toDate(toTimeZone(window_start, 'America/New_York'))) AS month_start,
           argMax(close, window_start) AS month_close
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'SPY'
      AND toDate(toTimeZone(window_start, 'America/New_York')) >= toDate('2005-04-01')
      AND toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2026-04-30')
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
           + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY month_start
),
pairs AS (
    SELECT toYear(apr_m.month_start) AS season_year,
           toFloat64(oct_m.month_close) / toFloat64(apr_m.month_close) - 1 AS may_oct,
           toFloat64(apr_next.month_close) / toFloat64(oct_m.month_close) - 1 AS nov_apr
    FROM monthly AS apr_m
    INNER JOIN monthly AS oct_m ON oct_m.month_start = addMonths(apr_m.month_start, 6)
    INNER JOIN monthly AS apr_next ON apr_next.month_start = addMonths(apr_m.month_start, 12)
    WHERE toMonth(apr_m.month_start) = 4
),
tagged AS (
    SELECT may_oct,
           nov_apr,
           arrayJoin(['All seasons 2005-2025',
                      if(season_year <= 2014, 'First half 2005-2014', 'Second half 2015-2025')]) AS era
    FROM pairs
)
SELECT era,
       count() AS season_count,
       round(100 * avg(may_oct), 2) AS avg_may_oct_pct,
       round(100 * avg(nov_apr), 2) AS avg_nov_apr_pct,
       round(100 * (avg(nov_apr) - avg(may_oct)), 2) AS winter_minus_summer_pct,
       countIf(may_oct > 0) AS summers_positive
FROM tagged
GROUP BY era
ORDER BY era

सभी 21 अवधियों में मई से अक्टूबर तक का औसत 3.88% रहा, जबकि नवंबर से अप्रैल तक का औसत 6.06% रहा। दोनों के बीच का अंतर 2.18 प्रतिशत अंक था। यही अंतर इस नियम का पूरा आधार है। इसके साथ गर्मियों वाले कॉलम को देखें: इनमें से 16 गर्मियां अपने शुरुआती स्तर से ऊपर समाप्त हुईं। इसलिए औसत रूप से बाजार से बाहर रहना नुकसान से बचने के बजाय लाभ से वंचित करता।

दोनों हिस्सों के नतीजे अलग हैं। शुरुआती अवधि में अंतर 4.84 अंक था, जबकि बाद की अवधि में यह -0.24 अंक रहा। लोकप्रिय प्रस्तुतियों में अक्सर वर्षों का उल्लेख किए बिना इस अंतर को बताया जाता है, जबकि असली तर्क उन्हीं वर्षों में है। कोई भी मौसमी आंकड़ा इतिहास की एक अवधि के बारे में दावा होता है, और उस अवधि का चुनाव उसे दोहराने वाला व्यक्ति करता है।

क्या यह वास्तव में August और September का प्रभाव है?

छह महीने का अंतराल बहुत मोटा माप है। कैलेंडर को महीनों में बांटने से यह पता चलता है कि क्या गर्मियों की अवधि समान रूप से कमजोर है या पूरे परिणाम के लिए उसका कोई एक हिस्सा जिम्मेदार है।

WITH monthly AS (
    SELECT toStartOfMonth(toDate(toTimeZone(window_start, 'America/New_York'))) AS month_start,
           argMax(close, window_start) AS month_close
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'SPY'
      AND toDate(toTimeZone(window_start, 'America/New_York')) >= toDate('2005-04-01')
      AND toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2026-04-30')
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
           + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY month_start
),
month_returns AS (
    SELECT m1.month_start AS month_start,
           100 * (toFloat64(m1.month_close) / toFloat64(m0.month_close) - 1) AS ret_pct
    FROM monthly AS m1
    INNER JOIN monthly AS m0 ON m0.month_start = addMonths(m1.month_start, -1)
)
SELECT formatDateTime(month_start, '%b') AS label,
       count() AS readings,
       round(avg(ret_pct), 2) AS avg_return_pct,
       round(quantileDeterministic(0.5)(ret_pct, cityHash64(month_start)), 2) AS median_return_pct,
       countIf(ret_pct > 0) AS positive_readings
FROM month_returns
GROUP BY label
ORDER BY min(toMonth(month_start))

कमजोरी September में है। इस महीने का औसत -0.75% रहा और 21 वर्षों में से 12 वर्षों में यह बढ़त के साथ बंद हुआ। इसका median 0.38% रहा। August का औसत 0.28% रहा। इस अवधि के बीच आने वाले July का औसत, जिसे विक्रेता छोड़ देता है, 2.63% रहा। नियम के तहत फिर से खरीदारी शुरू होने से पहले का अंतिम महीना October रहा, जिसका औसत 0.97% था।

इस अवधि में प्रभाव का स्वरूप सीमित है: गर्मियों के अंत में कमजोरी का एक छोटा दौर आता है, जबकि उसके आसपास के महीने कैलेंडर के बाकी हिस्से जैसे ही दिखते हैं। September से बचने के लिए April के अंत में बाहर निकलने पर May, June, July और August भी छूट जाते हैं।

What the switch actually costs

The seasonal gap is a gross number. A rule has to survive its own frictions.

WITH monthly AS (
    SELECT toStartOfMonth(toDate(toTimeZone(window_start, 'America/New_York'))) AS month_start,
           argMax(close, window_start) AS month_close
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'SPY'
      AND toDate(toTimeZone(window_start, 'America/New_York')) >= toDate('2005-04-01')
      AND toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2026-04-30')
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
           + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY month_start
),
pairs AS (
    SELECT toYear(apr_m.month_start) + 1 AS year,
           toFloat64(oct_m.month_close) / toFloat64(apr_m.month_close) AS summer_ratio,
           toFloat64(apr_next.month_close) / toFloat64(oct_m.month_close) AS winter_ratio
    FROM monthly AS apr_m
    INNER JOIN monthly AS oct_m ON oct_m.month_start = addMonths(apr_m.month_start, 6)
    INNER JOIN monthly AS apr_next ON apr_next.month_start = addMonths(apr_m.month_start, 12)
    WHERE toMonth(apr_m.month_start) = 4
)
SELECT year,
       round(exp(sum(log(summer_ratio * winter_ratio)) OVER (ORDER BY year)), 2) AS buy_and_hold_growth,
       round(exp(sum(log(winter_ratio)) OVER (ORDER BY year)), 2) AS winter_only_growth
FROM pairs
ORDER BY year

A dollar held through every season from the end of April 2005 grew to $6.21 by the end of April 2026. The same dollar in the market only from November through April, idle the rest of the time, grew to $3.14. Both lines are price only with nothing deducted, which flatters the switching rule. Here is what the chart leaves out.

• Two trades every year, in every one of the 21 seasons. The ticket is free at most brokers now. The bid ask spread paid on each round trip is not.
• Tax. In a taxable account the April sale realizes whatever gain built up since November. A November to April holding period runs under a year by construction, which places the gain at short-term rates for a US taxpayer.
• Idle cash. The winter-only line credits the sidelined money with zero. A real holder would park it, and where to park idle cash covers the instruments people use for that.
• Dividends, which the next panel prices out.

SELECT toYear(ex_dividend_date) AS year,
       round(sumIf(cash_amount, toMonth(ex_dividend_date) >= 5 AND toMonth(ex_dividend_date) <= 10), 3) AS may_oct_dividends_usd,
       round(sumIf(cash_amount, toMonth(ex_dividend_date) < 5 OR toMonth(ex_dividend_date) > 10), 3) AS nov_apr_dividends_usd
FROM global_markets.stocks_dividends
WHERE ticker = 'SPY'
  AND cash_amount > 0
  AND ex_dividend_date >= toDate('2005-01-01')
  AND ex_dividend_date <= toDate('2025-12-31')
GROUP BY year
ORDER BY year

SPY's ex-dividend dates land in March, June, September and December, so two of the four fall inside the six months a seller sits out. In 2025, $3.592 per share of distributions carried a May to October ex-date, against $3.689 in the other six months. The two columns track each other across the whole chart. Sitting out half the calendar forgoes roughly half the fund's income every year, on top of whatever the price does in those months. The ex-dividend date is the cutoff that decides who gets paid.

One more cost carries no line item. Index returns arrive in clusters, and missing the best days puts numbers on what a handful of absent sessions does to a long-run balance. Six months out of every year is a lot of absent sessions. That is the same arithmetic behind dollar cost averaging as a discipline about time in the market rather than timing.

एक प्रसिद्ध कैलेंडर नियम पर संदेह क्यों होना चाहिए

बारह महीनों में से निवेश के लिए कोई उपसमूह चुनने के 4,095 गैर-रिक्त तरीके होते हैं। किसी एक price history में उन सभी तरीकों को खोजने पर कोई न कोई पैटर्न असाधारण दिखेगा। यह उस खोज-प्रक्रिया की स्वाभाविक विशेषता है।

Sell in May का पिछले सप्ताह खोजे गए किसी नियम की तुलना में एक वास्तविक लाभ है: यह इस sample के शुरू होने से बहुत पहले प्रसिद्ध था। इसलिए इस पृष्ठ के वर्ष fitted result के बजाय out-of-sample test के रूप में काम करते हैं। इस test में एक सीमित अंतर दिखता है। यह अंतर मुख्यतः एक महीने में केंद्रित है और ऐसी switching rule से जुड़ा है, जो उसी अवधि में खरीदकर बनाए रखने की रणनीति से पीछे रहती है। Look-ahead bias बताता है कि backtest किस तरह चुपचाप पहले से अपना उत्तर सीख लेता है। Calendar rules इसका textbook case हैं: returns ज्ञात होने के बाद महीनों का चयन किया जाता है।

अक्सर पूछे जाने वाले प्रश्न

क्या मई में बेचकर बाजार से बाहर रहने की रणनीति अब भी काम करती है?

अप्रैल 2005 से अप्रैल 2026 तक SPY की कीमतों में नवंबर से अप्रैल की अवधि का औसत 6.06% रहा, जबकि मई से अक्टूबर की अवधि का औसत 3.88% रहा। इसलिए पूरे नमूने में मौसमी अंतर बना रहता है। गर्मियों की छमाही में भी औसत बढ़त रही। इस अवधि में 21 में से 16 गर्मियों का समापन शुरुआती स्तर से ऊपर हुआ।

वास्तव में कौन-से महीने कमजोर होते हैं?

इस अवधि में कमजोरी मुख्य रूप से सितंबर में केंद्रित रही। सितंबर का औसत -0.75% रहा और 21 वर्षों में से 12 में यह महीना ऊंचे स्तर पर बंद हुआ। इसी रणनीति से बाहर रखे जाने वाले एक अन्य महीने जुलाई का उसी अवधि में औसत 2.63% रहा।

क्या मई में बेच देना खरीदकर बनाए रखने से बेहतर है?

इस नमूने में नहीं। अप्रैल के अंत से लगातार निवेशित रखा गया एक डॉलर 2005 से बढ़कर अप्रैल 2026 तक $6.21 हो गया। इसके मुकाबले केवल सर्दियों की अवधि में निवेश करने की रणनीति $3.14 तक पहुंची। इस तुलना में ट्रेडिंग लागत, कर और dividends शामिल नहीं हैं।

मई में बेचने पर dividends का क्या होता है?

किसी fund की ex-dividend dates गर्मियों के दौरान नहीं रुकतीं। SPY की चार तिमाही ex-dates में से दो मई से अक्टूबर की अवधि में आती हैं। जो निवेशक ex-date पर fund से बाहर रहता है, उसे वह distribution नहीं मिलता।

क्या मौसमी पैटर्न भविष्यवाणी के समान होता है?

नहीं। 21 मौसमों के ऐतिहासिक औसत से किसी निर्धारित अवधि में हुई घटनाओं का वर्णन होता है। व्यक्तिगत वर्षों के परिणाम इस औसत से काफी अलग हो सकते हैं, जैसा कि पहले chart में दिखाया गया है। स्वयं चुनी गई अवधि भी परिणाम को प्रभावित करती है।

यहां प्रत्येक panel संलग्न SQL वाली stored query है। ticker बदलें, अवधि बदलें और Strasmore terminal पर जांचें कि मौसमी अंतर कायम रहता है या नहीं।