January Effect क्या है और क्या यह अभी भी काम करता है?

January effect क्या है?

इस कहानी के पीछे दो कैलेंडर मैकेनिक्स काम करते हैं, और दोनों का संबंध 31 दिसंबर की समय-सीमा से है, न कि स्वयं जनवरी से।

पहला है टैक्स-लॉस सेलिंग (tax-loss selling)। अमेरिकी टैक्स नियम निवेशकों को एक ही टैक्स वर्ष में हुए वास्तविक नुकसान को वास्तविक मुनाफे से घटाने की अनुमति देते हैं, और उस वर्ष के खाते दिसंबर के अंतिम सत्र पर बंद हो जाते हैं। प्रस्तावित क्रम इस प्रकार है: दिसंबर के अंतिम हफ्तों में, बिकवाली उन पोजीशन में केंद्रित होती है जिनमें निवेशक पहले से ही नुकसान में हैं, जो अक्सर छोटी और कम लोकप्रिय कंपनियां होती हैं। जनवरी के शुरुआती सत्रों में यह बिकवाली रुक जाती है और उन्हीं नामों में खरीदारी वापस लौट आती है।

दूसरा है नकदी का कैलेंडर। साल के अंत में मिलने वाले बोनस और नए साल में रिटायरमेंट योगदान एक ही समय-सीमा में आते हैं।

इनमें से कोई भी मैकेनिक बाजार की सबसे बड़ी कंपनियों की ओर इशारा नहीं करता है। दोनों छोटे स्तर की कंपनियों की ओर इशारा करते हैं, जहाँ यह पेज बार-बार लौटता है। यह समय-सीमा भागीदारी के आंकड़ों में स्पष्ट रूप से दिखाई देती है। नीचे दिया गया पैनल SPY को लेता है, जो S&P 500 को ट्रैक करने वाला सबसे अधिक ट्रेड किया जाने वाला फंड है, और 2011 से अब तक के सत्रों के लिए 21 दिसंबर से 10 जनवरी तक की कैलेंडर तारीखों के अनुसार इसके दैनिक शेयर वॉल्यूम का औसत निकालता है।

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 का औसत 126.2 मिलियन शेयर रहा, या उन्हीं वर्षों में औसत SPY सत्र का 1.24 गुना। Jan 10 का औसत 90 मिलियन रहा, जो सामान्य से 0.89 गुना है। पैनल में 19 तारीखें छुट्टियों के दौर और नए साल के पहले सत्रों को दर्शाती हैं।

वॉल्यूम भागीदारी है, रिटर्न नहीं। यह पेज अपना कोई जनवरी रिटर्न आंकड़ा प्रकाशित नहीं करता है, और यह जानबूझकर किया गया है: किसी प्रसिद्ध मौसमी पैटर्न की नई इन-सैंपल गणना करना उस गलती को दोहराने का सबसे तेज़ तरीका है जिसने उस मौसमी पैटर्न को प्रसिद्ध बनाया था।

स्मॉल कैप और इक्वल वेटिंग ही निर्णय क्यों तय करते हैं

इंडेक्स नंबर एक औसत होता है, और वेटिंग स्कीम यह तय करती है कि किसके रिटर्न की गणना की जाएगी। एक कैप-वेटेड इंडेक्स प्रत्येक कंपनी को उसके बाजार मूल्य के अनुसार वेट देता है, इसलिए सबसे बड़े नाम संख्या निर्धारित करते हैं और सबसे छोटे नाम शून्य के बराबर हो जाते हैं। उसी कंपनियों का एक इक्वल-वेटेड इंडेक्स 200 मिलियन डॉलर की कंपनी को 2 ट्रिलियन डॉलर की कंपनी के बराबर वोट देता है।

1976 का वह अध्ययन जिसने January effect को चर्चा में लाया, माइकल रोज़ेफ और विलियम किन्नी द्वारा किया गया था, जिसमें 1904 से 1974 तक NYSE शेयरों के एक इक्वल-वेटेड इंडेक्स को मापा गया था। तब से दोहराया जाने वाला आंकड़ा यह है कि औसत जनवरी अन्य महीनों के औसत से लगभग पांच गुना अधिक रही। उसी ब्रह्मांड के कैप-वेटेड संस्करण में छोटे नामों का वेट एक प्रतिशत के एक अंश के बराबर होता है, और दो अलग-अलग संरचनाएं समान अंतर्निहित कीमतों से बहुत अलग जनवरी रिपोर्ट कर सकती हैं। यह दावा मुख्य रूप से संरचना पर निर्भर करता है। किसी के द्वारा व्याख्या करने से पहले मासिक संख्या को और क्या प्रभावित करता है, यह जानने के लिए देखें मासिक रिटर्न कैसे मापा जाता है।

आकार यह भी तय करता है कि पेपर प्रीमियम को हासिल करने की लागत क्या है। डॉलर वॉल्यूम, दिन के शेयरों की संख्या को कीमत से गुणा करना, यह मापने का सबसे सरल तरीका है कि किसी नाम के पास कितनी जगह है। पैनल जून 2026 में टेप पर कम से कम पंद्रह सत्रों वाले प्रत्येक सिंबल को उसके औसत डॉलर वॉल्यूम के अनुसार समूहित करता है।

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 प्रतिभूतियों का औसत दैनिक डॉलर वॉल्यूम 100,000 डॉलर से कम था, जो नमूने का 15.1 प्रतिशत है। दूसरी ओर, 1429 का औसत 100 मिलियन डॉलर से अधिक था। एक प्रकाशित मौसमी प्रीमियम क्लोजिंग कीमतों पर मापा जाता है। कम वॉल्यूम वाले बकेट में इसे हासिल करने का मतलब है बिड और ऑफर के बीच के स्प्रेड को दो बार पार करना, साथ ही वह कीमत जिस पर आपका अपना ऑर्डर चलता है। मासिक रिटर्न श्रृंखला में इनमें से कुछ भी नहीं दिखता है।

क्या January effect अभी भी काम करता है?

ईमानदार जवाब: 1976 के बाद मापा गया संस्करण उससे पहले मापे गए संस्करण का एक छोटा सा हिस्सा है, और एक प्रलेखित विसंगति आमतौर पर इसी आकार का अनुसरण करती है। जीवन चक्र चार चरणों में चलता है। ऐतिहासिक डेटा में एक पैटर्न पाया जाता है। इसे प्रकाशित किया जाता है। जो पाठक ट्रेड करते हैं, वे जल्दी कदम उठाते हैं और दिसंबर में ही खरीदारी कर लेते हैं, उस समय-सीमा से पहले जिसके बारे में अब हर कोई पढ़ चुका है। बाद के अध्ययन जो मापते हैं, वह केवल बचा-खुचा हिस्सा होता है। 1980 के दशक के बाद के शोध ने आम तौर पर पाया है कि प्रकाशन के बाद के दशकों में जनवरी प्रीमियम संकरा हो गया है, और मौसमी पैटर्न का एक हिस्सा वापस दिसंबर में स्थानांतरित हो गया है।

टैक्स मैकेनिक भी इसके साथ ही कम हो गया है। स्मॉल-कैप स्टॉक का एक बड़ा हिस्सा अब रिटायरमेंट खातों और इंडेक्स फंडों में है। टैक्स-डेफर्ड खाते में टैक्स-लॉस का कोई उद्देश्य नहीं होता है, और एक इंडेक्स फंड कैलेंडर टैक्स स्थिति के बजाय नियमों पर बिकवाली करता है।

इनमें से कुछ भी केवल जनवरी तक सीमित नहीं है। Sell in May and go away भी उसी तंत्र पर चलता है: एक चौंकाने वाला ऐतिहासिक विभाजन, जिसके साथ बाद में कहानी जोड़ दी जाती है। The low volatility anomaly एक दिलचस्प विपरीत उदाहरण है, जिसमें प्रकाशन के बाद का एक लंबा रिकॉर्ड है जो मौसमी दावों में लगभग कभी नहीं होता है।

बारह महीने बहुत सारे परीक्षण होते हैं

यहाँ वह अंकगणित है जो अधिकांश मौसमी तर्कों को सुलझाता है। एक ब्रोकर का शिक्षा पेज रिपोर्ट करता है कि पिछले बीस वर्षों में जुलाई लगभग 80 प्रतिशत बार उच्च स्तर पर बंद हुआ है। बीस अवलोकन, उनमें से सोलह ऊपर।

कुछ पल के लिए महीनों को निष्पक्ष सिक्का उछालने जैसा मानें। बीस उछालों में सोलह या अधिक हेड लगभग 0.6 प्रतिशत बार आते हैं, जो वास्तव में एक दुर्लभ घटना है। अब उसी परीक्षण को सभी बारह महीनों में चलाएं: कम से कम एक महीने के इस स्तर को पार करने की संभावना लगभग 7 प्रतिशत तक बढ़ जाती है। एक मौसमी पेज आमतौर पर प्रति माह कई आंकड़े रिपोर्ट करता है, जैसे औसत रिटर्न, माध्य रिटर्न, हिट रेट, सबसे अच्छा और सबसे खराब वर्ष, जो परीक्षणों की संख्या को दर्जनों तक ले जाता है। उस बिंदु पर, जुलाई जैसी रीडिंग वह है जो आप ग्रिड पर कहीं न कहीं खोजने की उम्मीद करेंगे। इक्विटी महीने भी निष्पक्ष सिक्के नहीं हैं। वे लंबे नमूनों में सकारात्मक झुकाव रखते हैं, जो किसी भी मौसमी कहानी के बताए जाने से पहले ही हर महीने की हिट रेट को ऊपर उठा देता है।

January effect भी इसी तरह पाया गया था, बारह महीनों की जांच करके और बाद में विजेता का नाम घोषित करके। एक खोज कई परीक्षणों का अधिकतम परिणाम रिपोर्ट करती है। यह पहले से चुने गए एक परीक्षण के महत्व से अलग मात्रा है। इसके नीचे का नमूना छोटा है: दैनिक टेप पर प्रत्येक जनवरी में लगभग बीस सत्र होते हैं।

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

यहाँ रिकॉर्ड 23 जनवरी का है, 2004 से 2026 तक, और सबसे हालिया जनवरी में 20 सत्र थे। बीस-पच्चीस अवलोकन 'जनवरी X करता है' जैसे किसी भी कथन के लिए पूरा आधुनिक नमूना हैं। उस आकार का नमूना वास्तविक मूल्यों की एक विस्तृत श्रृंखला के अनुरूप है, और मौसमी दावों के साथ जुड़ा विश्वास उससे कहीं आगे निकल जाता है।

लुक-अहेड बायस और सर्वाइवरशिप बायस, दो भाई-बहन

मल्टीपल टेस्टिंग के साथ दो और विफलता मोड मौजूद हैं, और दोनों बैकटेस्ट में मौसमी पैटर्न को बढ़ा-चढ़ाकर दिखाते हैं।

बैकटेस्टिंग में लुक-अहेड बायस उस जानकारी का उपयोग है जो परीक्षण के समय उपलब्ध नहीं हो सकती थी। आज लिखा गया और 1985 पर लागू किया गया जनवरी नियम पहले से ही जानता है कि कौन सा महीना जीता था।

स्टॉक डेटा में सर्वाइवरशिप बायस इस विशेष विसंगति के लिए एक शांत समस्या है। आज ट्रेड कर रहे नामों से एक स्मॉल-कैप ब्रह्मांड बनाएं और हर वह कंपनी जो डीलिस्ट या अधिग्रहित हो गई है, वह पहले ही हटा दी गई है। वे उन छोटी कंपनियों की ओर झुकती हैं जिनके बारे में टैक्स-लॉस की कहानी है, इसलिए परीक्षण ठीक उसी समूह के बचे हुए लोगों पर चलता है जिसका अध्ययन किया जा रहा है। ब्रह्मांड एक निश्चित सूची नहीं है।

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 अलग-अलग सिंबल ने 2006 में कम से कम एक सत्र प्रिंट किया। 2025 में यह संख्या 13423 थी, जो 20 वर्षों के टेप में फैली हुई है। उन योगों के नीचे सदस्यता बदलती रहती है क्योंकि लिस्टिंग आती हैं और नाम चले जाते हैं, और आज के टेप से लिया गया ब्रह्मांड किसी भी प्रस्थान को शामिल नहीं करता है। सिंबल का पुन: उपयोग भी किया जाता है, जो अपने आप में एक जाल है: देखें ticker symbols डेटासेट को क्यों तोड़ते हैं।

किसी भी मौसमी दावे से पूछने के लिए चार प्रश्न

1. नमूना अवधि क्या है, और पैटर्न इसके बाहर कैसा दिखता है? एक विभाजन जिसे प्रकट होने के लिए 1904 से 1974 की आवश्यकता है, वह पिछले बीस वर्षों पर मापे गए दावे से अलग है।
2. कौन सा इंडेक्स, और उसे कैसे वेट किया गया है? एक ही ब्रह्मांड के कैप-वेटेड और इक्वल-वेटेड संस्करण छोटी कंपनी के मौसमी पैटर्न पर तीखे रूप से असहमत हो सकते हैं।
3. क्या डेटा खोजे जाने से पहले नियम तय किया गया था, या देखकर पाया गया था? दोनों रास्ते एक ही हिट रेट पैदा कर सकते हैं। वे बहुत अलग सबूत ले जाते हैं।
4. लागतों का क्या होता है? टेप के पतले हिस्से में स्प्रेड और बाजार का प्रभाव, साथ ही यह तथ्य कि बाकी सभी ने भी वही पेज पढ़ा है।

एक मौसमी दावा जो इन चारों का उत्तर देता है, उसे ध्यान से पढ़ने लायक है। अधिकांश इनमें से किसी का भी उत्तर नहीं देते हैं।

अक्सर पूछे जाने वाले प्रश्न

शेयर बाजार में January effect क्या है?

यह दावा है कि शेयर की कीमतें, विशेष रूप से छोटी कंपनियों की, जनवरी के पहले हफ्तों में एक सामान्य महीने की तुलना में अधिक बढ़ती हैं। इसके पीछे के 1976 के अध्ययन ने 1904 से 1974 तक के एक इक्वल-वेटेड NYSE इंडेक्स को मापा, जहाँ औसत जनवरी अन्य महीनों के औसत से लगभग पांच गुना अधिक बताई गई थी।

क्या January effect अभी भी काम करता है?

1976 के प्रकाशन के बाद लिए गए माप मूल की तुलना में बहुत छोटे हैं, और मौसमी पैटर्न का एक हिस्सा दिसंबर में स्थानांतरित हो गया क्योंकि प्रतिभागियों ने पहले कदम उठाए। किसी भी वर्तमान दावे को अपनी नमूना अवधि और अपनी इंडेक्स संरचना की आवश्यकता होती है, दोनों को पहले ही स्पष्ट किया जाना चाहिए। यह पेज शैक्षिक है और ट्रेड करने के लिए कोई नियम प्रस्तुत नहीं करता है।

January effect छोटी कंपनियों में सबसे मजबूत क्यों था?

दोनों मैकेनिक्स वहीं इशारा करते हैं। टैक्स-लॉस सेलिंग उन पोजीशन में केंद्रित होती है जो वर्ष में पहले से ही नीचे हैं, जो छोटी होती हैं, और खरीदारी की एक निश्चित मात्रा एक पतले ट्रेड वाले स्टॉक को मेगा कैप की तुलना में बहुत अधिक हिला देती है। एक इक्वल-वेटेड इंडेक्स तब उन छोटे नामों को पूर्ण वोटिंग वेट देता है, जबकि कैप-वेटेड इंडेक्स उन्हें लगभग कुछ नहीं देता है।

क्या January effect और 'sell in May' एक ही चीज हैं?

ये एक ही शैली की अलग-अलग समय-सीमाएं हैं: ऐतिहासिक डेटा में पाया गया एक कैलेंडर विभाजन, जिसके साथ बाद में एक कहानी जोड़ दी जाती है। दोनों को किसी भी अर्थपूर्ण होने से पहले समान सबूतों की आवश्यकता होती है, जिसकी शुरुआत परीक्षण के बाद के बजाय पहले चुनी गई नमूना अवधि से होती है।

यहाँ प्रत्येक पैनल में वह SQL है जिसने इसे तैयार किया है, इसलिए ऊपर दी गई किसी भी विंडो को अलग टिकर या लंबी अवधि पर फिर से काटा जा सकता है। अपने द्वारा चुने गए नमूने पर मौसमी दावे का परीक्षण करने के लिए, Strasmore टर्मिनल पर सादे अंग्रेजी में प्रश्न पूछें।