Январский эффект на фондовом рынке: работает ли он сейчас

«Январский эффект» — это гипотеза о том, что в первые недели года доходность акций аномально высока, причем лидерами выступают наиболее мелкие и сильно подешевевшие бумаги. Впервые этот феномен был описан в 1976 году на основе данных, охватывающих период с 1904 года, и выявленный разрыв сделал его самым известным сезонным паттерном на фондовом рынке. То, что произошло дальше, обычно опускается в большинстве публикаций о сезонности: исследование было опубликовано, трейдеры его изучили, и все последующие замеры показывали значительно меньшие результаты.

Что такое «январский эффект»?

В основе этого явления лежат два календарных механизма, и оба они связаны с рубежом 31 декабря, а не с самим январем.

Первый — это продажа активов для фиксации налоговых убытков (tax-loss selling). Налоговые правила США позволяют инвестору вычитать реализованные убытки из реализованной прибыли в рамках одного налогового года, который завершается в последнюю торговую сессию декабря. Предлагаемая последовательность событий такова: в последние недели декабря продажи концентрируются в позициях, по которым инвестор уже получил убыток; такие бумаги, как правило, имеют небольшую капитализацию и не пользуются популярностью. В первые торговые сессии января эти продажи прекращаются, и в те же бумаги возвращается спрос.

Второй механизм — это календарь денежных потоков. Годовые бонусы и взносы на пенсионные счета в начале года приходятся на тот же временной интервал.

Ни один из этих механизмов не указывает на крупнейшие компании рынка. Оба они указывают на сегмент компаний малой капитализации, к которому мы постоянно возвращаемся. Сам этот период отчетливо виден в данных об активности участников рынка. На графике ниже представлены данные по SPY, наиболее активно торгуемому фонду, отслеживающему индекс S&P 500; рассчитано среднее количество акций в дневном обороте по календарным датам с 21 декабря по 10 января за все сессии начиная с 2011 года.

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 составил в среднем 126.2 млн акций, или 1.24 от среднего объема сессии SPY за те же годы. Jan 10 составил в среднем 90 млн, что в 0.89 раза выше типичного значения. Даты 19 на графике охватывают праздничный период и первые сессии нового года.

Объем торгов — это показатель участия, а не доходности. Данный ресурс намеренно не публикует собственные показатели январской доходности: расчет известного сезонного паттерна на свежих данных — это кратчайший путь к повторению ошибки, которая и сделала этот паттерн знаменитым.

Почему малая капитализация и равное взвешивание определяют результат

Индексное число — это среднее значение, и метод взвешивания определяет, чья доходность учитывается. Индекс, взвешенный по капитализации, придает каждой компании вес в соответствии с ее рыночной стоимостью, поэтому крупнейшие имена определяют значение индекса, а самые мелкие практически не влияют на него. Равновесный индекс тех же компаний дает компании с капитализацией 200 млн долларов такой же голос, как и компании стоимостью 2 трлн долларов.

Исследование 1976 года, которое сделало «январский эффект» популярным (авторы Майкл Розефф и Уильям Кинни), измеряло равновесный индекс акций NYSE с 1904 по 1974 год. С тех пор постоянно повторяется цифра, что средняя доходность в январе была примерно в пять раз выше, чем в другие месяцы. В версии того же индекса, взвешенной по капитализации, на долю мелких компаний приходится лишь малая доля процента, поэтому при идентичных ценах базовых активов две разные методики могут показать совершенно разные результаты за январь. Методика расчета определяет суть гипотезы. О том, что еще влияет на месячный показатель до его интерпретации, см. как измеряется месячная доходность.

Размер компании также определяет стоимость реализации «бумажной» премии. Денежный объем (количество акций за день, умноженное на цену) — это самый простой показатель ликвидности бумаги. В таблице ниже все тикеры, имевшие не менее пятнадцати торговых сессий в июне 2026 года, сгруппированы по среднему денежному объему.

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 ценных бумаг имели средний дневной объем менее 100 000 долларов, что составляет 15.1 процентов выборки. На другом конце спектра 1429 бумаг имели объем более 100 млн долларов. Опубликованная сезонная премия измеряется по ценам закрытия. Чтобы получить ее на низколиквидных бумагах, нужно дважды преодолеть спред между ценой покупки и продажи, плюс учесть влияние собственной заявки на цену. В рядах месячной доходности это не отражается.

Работает ли «январский эффект» до сих пор?

Честный ответ: версия, измеренная после 1976 года, составляет лишь малую часть той, что была до публикации, и задокументированные аномалии обычно развиваются по этому сценарию. Жизненный цикл состоит из четырех этапов. Паттерн обнаруживается в исторических данных. Он публикуется. Трейдеры начинают действовать на опережение, покупая в декабре перед периодом, о котором теперь все знают. Последующие исследования измеряют лишь то, что осталось. Исследования, проводившиеся начиная с 1980-х годов, как правило, показывают, что январская премия в последующие десятилетия сократилась, а часть сезонного эффекта сместилась на декабрь.

Налоговый механизм также ослаб. Значительная часть акций компаний малой капитализации сейчас находится на пенсионных счетах и в индексных фондах. На счетах с отложенным налогообложением нет мотивации для продажи ради фиксации убытков, а индексные фонды продают активы согласно правилам, а не из-за налоговых позиций в конце года.

Ничто из этого не является спецификой только января. «Продавай в мае и уходи» работает по той же схеме: яркий исторический разрыв, к которому постфактум привязали историю. Аномалия низкой волатильности — интересный контраст, имеющий длительную историю наблюдений после публикации, чего почти никогда не бывает у сезонных гипотез.

Двенадцать месяцев — это много тестов

Вот арифметика, которая разрешает большинство споров о сезонности. На образовательной странице одного брокера сообщается, что июль закрывался ростом примерно в 80 процентах случаев за последние двадцать лет. Двадцать наблюдений, шестнадцать из них — рост.

Представим на минуту, что месяцы — это подбрасывание честной монеты. Шестнадцать или более «орлов» при двадцати бросках выпадают примерно в 0,6 процента случаев — это действительно редкое событие. Теперь проведем тот же тест для всех двенадцати месяцев: вероятность того, что хотя бы один месяц преодолеет этот порог, возрастает примерно до 7 процентов. Страницы, посвященные сезонности, обычно публикуют несколько статистических показателей по каждому месяцу: среднюю доходность, медианную доходность, частоту успеха, лучший и худший год, что увеличивает количество тестов до десятков. В такой ситуации результат, подобный июльскому, — это именно то, что стоит ожидать найти где-то в таблице. К тому же месяцы на фондовом рынке — это не «честные монеты». Они имеют положительный уклон на длинных выборках, что повышает частоту успеха каждого месяца еще до того, как будет рассказана какая-либо сезонная история.

«Январский эффект» был обнаружен таким же образом: путем изучения двенадцати месяцев и последующего выбора победителя. Поиск выдает максимум из множества тестов. Это не то же самое, что значимость одного теста, выбранного заранее. Выборка, лежащая в основе всего этого, невелика: каждый январь на дневном графике содержит примерно двадцать сессий.

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

Данные здесь охватывают 23 январских периодов, с 2004 по 2026, и в самом последнем было 20 сессий. Двадцать с небольшим наблюдений — это вся современная выборка для любого утверждения вида «в январе происходит X». Выборка такого размера допускает широкий диапазон истинных значений, а уверенность, которую приписывают сезонным гипотезам, как правило, сильно преувеличена.

Предвзятость «заглядывания в будущее» и ошибка выжившего — два брата-близнеца

Рядом с проблемой множественного тестирования стоят еще два режима ошибки, и оба они приукрашивают сезонность в бэктестах.

Предвзятость «заглядывания в будущее» в бэктестинге — это использование информации, которая не могла быть известна на момент проведения теста. Январское правило, написанное сегодня и примененное к 1985 году, уже «знает», какой месяц победил.

Ошибка выжившего в данных по акциям — более скрытая проблема для данной конкретной аномалии. Если сформировать вселенную акций малой капитализации из тех, что торгуются сегодня, то все компании, которые были исключены из листинга или поглощены, уже отсеяны. Они как раз и относятся к тем самым подешевевшим мелким компаниям, о которых идет речь в истории с налоговыми продажами, поэтому тест проводится только на «выживших» из той самой группы, которая изучается. Вселенная акций — это не фиксированный список.

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 уникальных символов имели хотя бы одну торговую сессию в 2006. В 2025 это число составило 13423 за 20 лет наблюдений. Состав участников меняется по мере появления новых листингов и ухода старых имен, а вселенная, сформированная по текущим данным, не учитывает ни одного из «выбывших». Символы также используются повторно, что само по себе является ловушкой: см. почему тикеры ломают наборы данных.

Четыре вопроса к любой сезонной гипотезе

1. Каков период выборки и как паттерн выглядит вне его? Разрыв, для появления которого нужны данные с 1904 по 1974 год, — это не то же самое, что разрыв, измеренный за последние двадцать лет.
2. Какой индекс и как он взвешен? Версии одного и того же набора акций, взвешенные по капитализации и равновесные, могут резко расходиться в оценке сезонности для компаний малой капитализации.
3. Было ли правило зафиксировано до поиска в данных или найдено в процессе? Оба пути могут дать одинаковую частоту успеха. Но они несут совершенно разную доказательную базу.
4. Что остается после учета издержек? Спреды и влияние на цену в низколиквидном сегменте, плюс тот факт, что все остальные уже прочитали ту же страницу.

Сезонная гипотеза, отвечающая на все четыре вопроса, заслуживает внимательного изучения. Большинство не отвечает ни на один из них.

Часто задаваемые вопросы

Что такое «январский эффект» на фондовом рынке?

Это гипотеза о том, что цены на акции, прежде всего компаний малой капитализации, растут в первые недели января сильнее, чем в типичный месяц. Исследование 1976 года, лежащее в основе этой идеи, измеряло равновесный индекс NYSE за период с 1904 по 1974 год, где средняя доходность января была примерно в пять раз выше, чем в другие месяцы.

Работает ли «январский эффект» до сих пор?

Результаты, полученные после публикации 1976 года, намного скромнее первоначальных, а часть сезонного эффекта сместилась на декабрь, так как участники рынка стали действовать раньше. Любая современная гипотеза требует собственного периода выборки и собственной методики построения индекса, которые должны быть заявлены заранее. Данная страница носит образовательный характер и не предлагает правил для торговли.

Почему «январский эффект» был наиболее выражен в компаниях малой капитализации?

Оба механизма указывают на этот сегмент. Продажи для фиксации налоговых убытков концентрируются в позициях, которые уже упали за год (а это чаще всего мелкие компании), а определенный объем покупок двигает низколиквидную акцию гораздо сильнее, чем акцию с огромной капитализацией. Равновесный индекс затем придает этим мелким именам полный вес, в то время как индекс, взвешенный по капитализации, — почти нулевой.

«Январский эффект» — это то же самое, что «продавай в мае»?

Это разные временные интервалы одного и того же жанра: календарный разрыв, найденный в исторических данных, к которому постфактум привязали историю. Оба требуют одинаковых доказательств, прежде чем обретут смысл, начиная с периода выборки, выбранного до теста, а не после него.

Каждый график здесь содержит SQL-запрос, с помощью которого он был построен, поэтому любой временной интервал можно пересчитать для другого тикера или более длительного периода. Чтобы проверить сезонную гипотезу на выборке, которую вы выберете сами, задайте вопрос на обычном английском языке в терминале Strasmore.