Wat is het januari-effect en werkt het nog steeds?

Wat is het januari-effect?

Aan dit fenomeen liggen twee kalendermechanismen ten grondslag, die beide draaien om de grens van 31 december in plaats van om januari zelf.

Het eerste mechanisme is 'tax-loss selling'. Volgens de Amerikaanse belastingregels mogen beleggers een gerealiseerd verlies aftrekken van gerealiseerde winsten in hetzelfde belastingjaar, waarbij de boeken op de laatste handelsdag van december sluiten. De veronderstelde volgorde is als volgt: in de laatste weken van december concentreert de verkoopdruk zich op posities die al op verlies staan; dit zijn vaak kleine en minder populaire aandelen. In de eerste handelsdagen van januari stopt deze verkoop en keert de koopinteresse in dezelfde namen terug.

Het tweede mechanisme is de kalender van de geldstromen. Eindejaarsbonussen en nieuwe pensioenstortingen voor het jaar vallen in dezelfde periode.

Geen van beide mechanismen wijst op de grootste bedrijven in de markt. Beide wijzen op het segment met kleine kapitalisatie, waar deze pagina steeds naar terugkeert. Het tijdvenster zelf is zichtbaar in de participatiegegevens. Het onderstaande overzicht gebruikt SPY, het meest verhandelde fonds dat de S&P 500 volgt, en berekent het gemiddelde dagelijkse handelsvolume per kalenderdatum van 21 december tot en met 10 januari over de handelsdagen sinds 2011.

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 bedroeg gemiddeld 126.2 miljoen aandelen, of 1.24 keer het gemiddelde SPY-volume over dezelfde jaren. Jan 10 bedroeg gemiddeld 90 miljoen, oftewel 0.89 keer het gebruikelijke volume. De 19 datums in het overzicht tonen de vakantieperiode en de eerste handelsdagen van het nieuwe jaar.

Volume staat voor participatie, niet voor rendement. Deze pagina publiceert geen eigen rendementscijfer voor januari, en dat is een bewuste keuze: een nieuwe in-sample berekening van een beroemd seizoenspatroon is de snelste manier om de fout te herhalen die het patroon beroemd maakte.

Waarom small caps en gelijke weging de doorslag geven

Een indexcijfer is een gemiddelde, en de wegingsmethode bepaalt wiens rendementen meetellen. Een naar marktkapitalisatie gewogen index weegt elk bedrijf op basis van zijn marktwaarde, waardoor de grootste namen het cijfer bepalen en de kleinste nauwelijks meetellen. Een gelijkgewogen index van dezelfde bedrijven geeft een bedrijf van 200 miljoen dollar evenveel stemrecht als een bedrijf van 2 biljoen dollar.

De studie uit 1976 die het januari-effect op de kaart zette, door Michael Rozeff en William Kinney, mat een gelijkgewogen index van NYSE-aandelen van 1904 tot 1974. Het cijfer dat sindsdien steeds wordt herhaald, is dat de gemiddelde januari ongeveer vijf keer zo hoog was als het gemiddelde van de andere maanden. In een naar marktkapitalisatie gewogen versie van datzelfde universum vertegenwoordigen de kleine namen slechts een fractie van een procent van het gewicht, en de twee constructies kunnen zeer verschillende januari-resultaten rapporteren op basis van identieke onderliggende koersen. De constructie bepaalt grotendeels de uitkomst. Zie hoe maandelijkse rendementen worden gemeten voor wat een maandelijks cijfer nog meer beïnvloedt voordat iemand het interpreteert.

Omvang bepaalt ook wat een 'paper premium' kost om te verzilveren. Het dollarvolume, het aantal verhandelde aandelen van de dag vermenigvuldigd met de prijs, is de meest duidelijke maatstaf voor de liquiditeit van een aandeel. Het overzicht groepeert elk symbool met ten minste vijftien handelsdagen in juni 2026 op basis van het gemiddelde dollarvolume.

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 effecten hadden een gemiddeld dollarvolume van minder dan 100.000 dollar per dag, 15.1 procent van de steekproef. Aan de andere kant hadden 1429 effecten een gemiddelde van meer dan 100 miljoen dollar. Een gepubliceerde seizoenspremie wordt gemeten op basis van slotkoersen. Het verzilveren van een premie in de categorie met weinig volume betekent dat men twee keer de spread tussen de bied- en laatprijs moet overbruggen, plus de prijsimpact van de eigen order. Een reeks maandelijkse rendementen laat daar niets van zien.

Werkt het januari-effect nog steeds?

Het eerlijke antwoord: de versie die na 1976 is gemeten, is slechts een fractie van de versie die daarvoor werd gemeten, en een gedocumenteerde anomalie volgt meestal dat patroon. De levenscyclus verloopt in vier stappen. Een patroon wordt gevonden in historische data. Het wordt gepubliceerd. Lezers die handelen, anticiperen en kopen al in december, vóór het tijdvenster waar iedereen nu over heeft gelezen. Wat latere studies meten, is wat er overblijft. Onderzoek sinds de jaren tachtig heeft over het algemeen uitgewezen dat de januaripremie in de decennia na publicatie kleiner is geworden, waarbij een deel van het seizoenseffect is verschoven naar december.

Het belastingmechanisme is in dezelfde mate afgezwakt. Een groot deel van de small-cap aandelen zit nu in pensioenrekeningen en indexfondsen. Een fiscaal uitgestelde rekening heeft geen enkel motief voor 'tax-loss selling', en een indexfonds verkoopt op basis van regels in plaats van op basis van een fiscale kalenderpositie.

Niets hiervan is specifiek voor januari. Sell in May and go away werkt volgens hetzelfde principe: een opvallende historische splitsing, waarbij het verhaal er achteraf bij wordt gezocht. De low volatility-anomalie vormt het interessante contrast, omdat deze een lange staat van dienst heeft na publicatie, wat seizoensclaims bijna nooit hebben.

Twaalf maanden zijn veel tests

Dit is de rekenkunde die de meeste discussies over seizoenspatronen beslecht. De educatieve pagina van een broker meldt dat juli in ongeveer tachtig procent van de afgelopen twintig jaar hoger is geëindigd. Twintig waarnemingen, waarvan zestien stijgingen.

Beschouw maanden even als eerlijke muntworpen. Zestien of meer keer kop bij twintig worpen komt in ongeveer 0,6 procent van de gevallen voor, een werkelijk zeldzame reeks. Voer nu diezelfde test uit voor alle twaalf maanden: de kans dat ten minste één maand de drempel haalt, stijgt tot ongeveer 7 procent. Een pagina over seizoenspatronen rapporteert meestal meerdere statistieken per maand – gemiddeld rendement, mediaanrendement, hitrate, beste en slechtste jaar – waardoor het aantal tests in de tientallen loopt. Op dat punt is een resultaat zoals dat van juli precies wat men ergens in het overzicht zou verwachten. Aandelenmaanden zijn bovendien geen eerlijke munten. Ze neigen over lange periodes naar een positief resultaat, wat de hitrate van elke maand verhoogt nog voordat er een seizoensverhaal wordt verteld.

Het januari-effect werd op dezelfde manier gevonden: door twaalf maanden te onderzoeken en de winnaar achteraf aan te wijzen. Een zoekopdracht rapporteert het maximum van vele tests. Dat is een andere grootheid dan de significantie van één test die vooraf is gekozen. De steekproef die hieraan ten grondslag ligt, is klein: elke januari op de dagelijkse koerslijst bevat ongeveer twintig handelsdagen.

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

Het overzicht hier beslaat 23 januari-maanden, van 2004 tot en met 2026, en de meest recente bevatte 20 handelsdagen. Twintig waarnemingen vormen de gehele moderne steekproef voor elke uitspraak van de vorm 'januari doet X'. Een steekproef van die omvang is consistent met een breed scala aan werkelijke waarden, en het vertrouwen dat aan seizoensclaims wordt gehecht, loopt daar vaak ver op vooruit.

Look-ahead bias en survivorship bias, de twee broers

Twee verdere faalmodi staan naast meervoudig testen, en beide flatteren een seizoenspatroon in een backtest.

Look-ahead bias in backtesting is het gebruik van informatie waarover een test op dat moment niet had kunnen beschikken. Een januariregel die vandaag wordt geschreven en wordt toegepast op 1985, weet al welke maand heeft gewonnen.

Survivorship bias in aandelengegevens is het stillere probleem voor deze specifieke anomalie. Bouw een small-cap universum op basis van de namen die vandaag worden verhandeld, en elk bedrijf dat is geschrapt of overgenomen, is al verwijderd. Deze neigen naar de kleine, verlieslatende namen waar het 'tax-loss'-verhaal over gaat, dus de test wordt uitgevoerd op de overlevers van precies de groep die wordt bestudeerd. Het universum is geen vaste lijst.

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 afzonderlijke symbolen werden ten minste één handelsdag in 2006 verhandeld. In 2025 was het aantal 13423, over 20 jaar aan koersgegevens. Het lidmaatschap van de index verandert onder die totalen naarmate noteringen verschijnen en namen verdwijnen, en een universum dat uit de koerslijst van vandaag is getrokken, bevat geen van de vertrokken bedrijven. Symbolen worden ook hergebruikt, wat een valkuil op zich is: zie waarom tickers datasets kunnen breken.

Vier vragen die u bij elke seizoensclaim moet stellen

1. Wat is de steekproefperiode en hoe ziet het patroon er buiten die periode uit? Een splitsing die de jaren 1904 tot 1974 nodig heeft om zichtbaar te worden, is een andere claim dan een die is gemeten over de laatste twintig jaar.
2. Welke index, en hoe is deze gewogen? Naar marktkapitalisatie gewogen en gelijkgewogen versies van hetzelfde universum kunnen sterk verschillen over een seizoenseffect bij kleine bedrijven.
3. Was de regel vastgesteld voordat de data werd doorzocht, of werd deze gevonden door te zoeken? Beide routes kunnen dezelfde hitrate opleveren. Ze vormen echter zeer verschillend bewijsmateriaal.
4. Wat blijft er over van de kosten? Spreads en marktimpact in het segment met weinig volume, plus het feit dat iedereen de pagina al heeft gelezen.

Een seizoensclaim die alle vier de vragen beantwoordt, is de moeite waard om nauwkeurig te lezen. De meeste beantwoorden er geen enkele.

Veelgestelde vragen

Wat is het januari-effect op de aandelenmarkt?

Het is de bewering dat aandelenkoersen, vooral die van kleine bedrijven, in de eerste weken van januari meer stijgen dan in een gemiddelde maand. De studie uit 1976 die hieraan ten grondslag ligt, mat een gelijkgewogen NYSE-index van 1904 tot 1974, waarbij de gemiddelde januari ongeveer vijf keer zo hoog was als het gemiddelde van andere maanden.

Werkt het januari-effect nog steeds?

Metingen die na de publicatie in 1976 zijn gedaan, zijn veel kleiner dan het origineel, en een deel van het seizoenseffect is verschoven naar december naarmate marktdeelnemers eerder gingen handelen. Elke huidige claim heeft zijn eigen steekproefperiode en eigen indexconstructie nodig, die beide vooraf moeten worden vermeld. Deze pagina is educatief en presenteert geen handelsregel.

Waarom was het januari-effect het sterkst bij kleine bedrijven?

Beide mechanismen wijzen daarop. 'Tax-loss selling' concentreert zich op posities die in het jaar al op verlies staan, wat vaak kleine bedrijven zijn, en een bepaalde hoeveelheid koopdruk beweegt een aandeel met weinig volume veel sterker dan een 'mega cap'. Een gelijkgewogen index geeft die kleine namen vervolgens volledig stemgewicht, terwijl een naar marktkapitalisatie gewogen index ze nauwelijks gewicht geeft.

Is het januari-effect hetzelfde als 'sell in May'?

Het zijn verschillende tijdvensters van hetzelfde genre: een kalendersplitsing die in historische data is gevonden, waarbij achteraf een verhaal is gezocht. Beide vereisen hetzelfde bewijs voordat ze enige betekenis hebben, beginnend met een steekproefperiode die vooraf is gekozen in plaats van achteraf.

Elk overzicht hier bevat de SQL-code die het heeft gegenereerd, dus elk venster hierboven kan opnieuw worden berekend voor een andere ticker of een langere periode. Om een seizoensclaim te testen op een steekproef die u zelf kiest, kunt u de vraag in gewoon Nederlands stellen op de Strasmore-terminal.