Efekt stycznia na giełdzie: czy ta strategia działa?

Efekt stycznia to teza, zgodnie z którą stopy zwrotu z akcji są wyjątkowo wysokie w pierwszych tygodniach roku, przy czym prym wiodą spółki o najmniejszej kapitalizacji oraz te, które wcześniej odnotowały największe spadki. Zjawisko to zostało udokumentowane w 1976 roku na podstawie danych sięgających 1904 roku, a wykazana wówczas różnica uczyniła je najsłynniejszym wzorcem sezonowym na rynku akcji. Dalszy przebieg zdarzeń jest jednak pomijany w większości opracowań dotyczących sezonowości: wyniki badań opublikowano, inwestorzy je poznali, a każdy kolejny pomiar wykazywał słabszą korelację.

Czym jest efekt stycznia?

U podstaw tego zjawiska leżą dwa mechanizmy kalendarzowe, z których oba dotyczą granicy 31 grudnia, a nie samego stycznia.

Pierwszym z nich jest wyprzedaż podatkowa (tax-loss selling). Przepisy podatkowe w USA pozwalają inwestorom odliczyć zrealizowaną stratę od zrealizowanych zysków w tym samym roku podatkowym, a księgi za dany rok zamykają się na ostatniej sesji grudnia. Proponowana sekwencja zdarzeń wygląda następująco: w ostatnich tygodniach grudnia sprzedaż koncentruje się na pozycjach, na których inwestor jest już stratny – są to zazwyczaj spółki o małej kapitalizacji, cieszące się mniejszym zainteresowaniem. Na pierwszych sesjach stycznia sprzedaż ta ustaje, a w te same aktywa wraca popyt.

Drugim mechanizmem jest kalendarz przepływów pieniężnych. Premie roczne oraz nowe składki na konta emerytalne pojawiają się w tym samym oknie czasowym.

Żaden z tych mechanizmów nie dotyczy największych spółek na rynku. Oba wskazują na segment małych spółek, do którego ten artykuł będzie wielokrotnie powracał. Samo okno czasowe jest widoczne w danych o partycypacji. Poniższy panel wykorzystuje SPY, najpłynniejszy fundusz typu ETF śledzący indeks S&P 500, i uśrednia jego dzienny wolumen obrotu według daty kalendarzowej od 21 grudnia do 10 stycznia dla sesji od 2011 roku.

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 wyniósł średnio 126.2 mln akcji, czyli 1.24 średniego wolumenu sesyjnego SPY w tych samych latach. Jan 10 wyniósł średnio 90 mln, co stanowi 0.89 typowej wartości. Daty 19 w panelu obejmują okres świąteczny oraz pierwsze sesje nowego roku.

Wolumen to partycypacja, a nie stopa zwrotu. Niniejszy artykuł nie publikuje własnej wartości stopy zwrotu za styczeń i jest to działanie celowe: świeże obliczenia na próbie dla słynnego wzorca sezonowego to najszybsza droga do powtórzenia błędu, który uczynił ten wzorzec słynnym.

Dlaczego małe spółki i równe ważenie indeksu decydują o wyniku

Liczba indeksowa to średnia, a sposób ważenia decyduje o tym, czyje stopy zwrotu są uwzględniane. Indeks ważony kapitalizacją przypisuje wagę każdej spółce zgodnie z jej wartością rynkową, więc to największe podmioty kształtują wynik, a najmniejsze mają znikomy wpływ. Indeks ważony równo (equal-weighted) dla tych samych spółek nadaje spółce o wartości 200 mln USD taką samą wagę, jak podmiotowi o wartości 2 bln USD.

Badanie z 1976 roku, które spopularyzowało efekt stycznia, przeprowadzone przez Michaela Rozeffa i Williama Kinneya, mierzyło indeks ważony równo dla spółek z NYSE w latach 1904–1974. Powtarzana od tamtej pory wartość mówi, że średnia stopa zwrotu w styczniu była około pięciokrotnie wyższa niż w pozostałych miesiącach. W wersji indeksu ważonej kapitalizacją dla tego samego uniwersum, małe spółki stanowią ułamek procenta wagi, przez co obie konstrukcje mogą wykazywać bardzo różne wyniki za styczeń przy identycznych cenach bazowych. To konstrukcja indeksu odpowiada za większość tezy. Aby dowiedzieć się, co jeszcze wpływa na miesięczny wynik przed jego interpretacją, zobacz jak mierzone są miesięczne stopy zwrotu.

Wielkość spółki determinuje również koszt realizacji premii. Wolumen dolarowy, czyli liczba akcji pomnożona przez cenę, jest najprostszą miarą płynności danego waloru. Panel grupuje wszystkie symbole, które miały co najmniej piętnaście sesji w obrocie w czerwcu 2026 roku, według ich średniego wolumenu dolarowego.

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 papierów wartościowych miało średni wolumen poniżej 100 000 USD dziennie, co stanowi 15.1 procent próby. Na drugim końcu, 1429 miało średni wolumen powyżej 100 mln USD. Publikowana premia sezonowa jest mierzona na podstawie cen zamknięcia. Próba przechwycenia jej w segmencie o niskiej płynności oznacza konieczność dwukrotnego pokonania spreadu między ceną kupna a sprzedaży, plus wpływ własnego zlecenia na cenę. Miesięczna seria stóp zwrotu nie uwzględnia żadnego z tych kosztów.

Czy efekt stycznia nadal działa?

Szczera odpowiedź brzmi: wersja mierzona po 1976 roku stanowi ułamek wersji mierzonej wcześniej, a udokumentowana anomalia zazwyczaj podąża tym schematem. Cykl życia składa się z czterech etapów. Wzorzec zostaje odkryty w danych historycznych. Zostaje opublikowany. Czytelnicy, którzy handlują, reagują wcześniej, kupując w grudniu przed oknem czasowym, o którym wszyscy już przeczytali. To, co mierzą późniejsze badania, to tylko pozostałości. Badania od lat osiemdziesiątych XX wieku generalnie wskazują, że premia styczniowa była w kolejnych dekadach po publikacji coraz węższa, a część sezonowości przesunęła się na grudzień.

Mechanizm podatkowy również osłabł. Znaczna część akcji spółek o małej kapitalizacji znajduje się obecnie na kontach emerytalnych i w funduszach indeksowych. Konto z odroczonym podatkiem nie ma żadnego motywu wyprzedaży podatkowej, a fundusz indeksowy sprzedaje aktywa zgodnie z zasadami, a nie z kalendarzową pozycją podatkową.

Nic z tego nie jest specyficzne tylko dla stycznia. Sell in May and go away opiera się na tym samym mechanizmie: uderzający podział historyczny z dorobioną później historią. Anomalia niskiej zmienności stanowi interesujący kontrast, posiadając długą historię wyników po publikacji, której twierdzenia o sezonowości prawie nigdy nie mają.

Dwanaście miesięcy to wiele testów

Oto arytmetyka, która rozstrzyga większość sporów o sezonowość. Strona edukacyjna jednego z brokerów podaje, że lipiec zamykał się na plusie w około 80 procentach przypadków w ciągu ostatnich dwudziestu lat. Dwadzieścia obserwacji, szesnaście wzrostowych.

Potraktujmy miesiące przez chwilę jak rzuty uczciwą monetą. Szesnaście lub więcej orłów w dwudziestu rzutach zdarza się w około 0,6 procent przypadków – to rzadki wynik. Teraz przeprowadźmy ten sam test dla wszystkich dwunastu miesięcy: szansa, że przynajmniej jeden miesiąc przekroczy ten próg, wzrasta do około 7 procent. Strona dotycząca sezonowości zazwyczaj podaje kilka statystyk na miesiąc: średnią stopę zwrotu, medianę, skuteczność, najlepszy i najgorszy rok, co zwiększa liczbę testów do dziesiątek. W tym momencie wynik taki jak w lipcu jest czymś, czego można się spodziewać w dowolnym miejscu na siatce. Miesiące na rynku akcji nie są też uczciwymi monetami. Mają tendencję wzrostową w długich próbach, co podnosi skuteczność każdego miesiąca, zanim jeszcze opowie się historię o sezonowości.

Efekt stycznia został odkryty w ten sam sposób: poprzez zbadanie dwunastu miesięcy i wskazanie zwycięzcy po fakcie. Wyszukiwanie raportuje maksimum z wielu testów. To inna wartość niż istotność jednego testu wybranego z góry. Próba leżąca u podstaw tego wszystkiego jest mała: każdy styczeń na taśmie dziennej zawiera około dwudziestu sesji.

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

Zapis tutaj obejmuje 23 styczniów, od 2004 do 2026, a ostatni z nich zawierał 20 sesji. Dwadzieścia kilka obserwacji to cała współczesna próba dla każdego stwierdzenia typu „styczeń robi X”. Próba tej wielkości jest spójna z szerokim zakresem prawdziwych wartości, a pewność przypisywana twierdzeniom sezonowym ma tendencję do wyprzedzania jej o wiele.

Błąd patrzenia w przyszłość i błąd przeżywalności, dwoje rodzeństwa

Dwa kolejne tryby awarii występują obok wielokrotnego testowania i oba upiększają sezonowość w testach historycznych.

Błąd patrzenia w przyszłość w testach historycznych to wykorzystanie informacji, których test nie mógł mieć w danym czasie. Reguła styczniowa napisana dzisiaj i zastosowana do 1985 roku już „wie”, który miesiąc wygrał.

Błąd przeżywalności w danych giełdowych to cichszy problem dla tej konkretnej anomalii. Zbuduj uniwersum małych spółek z nazw handlowanych dzisiaj, a każda spółka, która została wycofana z giełdy lub przejęta, została już pominięta. Te spółki mają tendencję do bycia tymi „zniszczonymi” małymi podmiotami, o których mówi historia wyprzedaży podatkowej, więc test jest przeprowadzany na ocalałych z dokładnie tej grupy, która jest badana. Uniwersum nie jest stałą listą.

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 różnych symboli odnotowało przynajmniej jedną sesję w 2006. W 2025 liczba ta wynosiła 13423, w ciągu 20 lat notowań. Członkostwo zmienia się pod tymi sumami, gdy pojawiają się nowe notowania, a nazwy znikają, a uniwersum pobrane z dzisiejszej taśmy nie zawiera żadnych wycofanych podmiotów. Symbole są również ponownie wykorzystywane, co jest pułapką samą w sobie: zobacz dlaczego symbole tickerów psują zbiory danych.

Cztery pytania, które należy zadać przy każdym twierdzeniu o sezonowości

1. Jaki jest okres próby i jak wzorzec wygląda poza nim? Podział, który wymaga lat 1904–1974, aby się pojawić, jest innym twierdzeniem niż to mierzone na ostatnich dwudziestu latach.
2. Który indeks i jak ważony? Wersje ważone kapitalizacją i ważone równo tego samego uniwersum mogą się drastycznie różnić w kwestii sezonowości małych spółek.
3. Czy reguła została ustalona przed przeszukaniem danych, czy znaleziona poprzez ich przeglądanie? Obie ścieżki mogą przynieść taką samą skuteczność. Niosą one jednak zupełnie inne dowody.
4. Co pozostaje po uwzględnieniu kosztów? Spready i wpływ na rynek w segmencie o niskiej płynności, plus fakt, że wszyscy inni przeczytali tę samą stronę.

Twierdzenie o sezonowości, które odpowiada na wszystkie cztery pytania, warto przeczytać uważnie. Większość nie odpowiada na żadne z nich.

FAQ

Czym jest efekt stycznia na giełdzie?

To teza, zgodnie z którą ceny akcji, zwłaszcza małych spółek, rosną w pierwszych tygodniach stycznia bardziej niż w typowym miesiącu. Badanie z 1976 roku, które stoi za tą tezą, mierzyło indeks NYSE ważony równo w latach 1904–1974, gdzie średni styczeń był raportowany jako około pięciokrotnie wyższy od średniej z innych miesięcy.

Czy efekt stycznia nadal działa?

Pomiary wykonane po publikacji z 1976 roku są znacznie mniejsze niż pierwotne, a część sezonowości przesunęła się na grudzień, gdy uczestnicy rynku zaczęli reagować wcześniej. Każde obecne twierdzenie wymaga własnego okresu próby i własnej konstrukcji indeksu, obie przedstawione na wstępie. Ta strona ma charakter edukacyjny i nie przedstawia żadnej reguły handlowej.

Dlaczego efekt stycznia był najsilniejszy w małych spółkach?

Oba mechanizmy wskazują na ten segment. Wyprzedaż podatkowa koncentruje się na pozycjach, które już odnotowały spadek w danym roku, a te zazwyczaj należą do małych spółek; ponadto określona kwota kupna porusza słabo płynną akcją znacznie bardziej niż akcją giganta. Indeks ważony równo nadaje tym małym podmiotom pełną wagę, podczas gdy indeks ważony kapitalizacją nadaje im prawie żadną.

Czy efekt stycznia to to samo co „sprzedaj w maju”?

To różne okna czasowe tego samego gatunku: podział kalendarzowy znaleziony w danych historycznych, z dorobioną później historią. Oba wymagają tych samych dowodów, zanim zaczną cokolwiek znaczyć, zaczynając od okresu próby wybranego przed testem, a nie po nim.

Każdy panel tutaj zawiera kod SQL, który go wygenerował, więc każde powyższe okno można przeliczyć dla innego tickera lub dłuższego zakresu. Aby przetestować twierdzenie o sezonowości na wybranej przez siebie próbie, zadaj pytanie w prostym języku angielskim na terminalu Strasmore.