← 研究動態
研究2026/10/22 下午05:00

期中選舉年的十月底到隔年四月底:19 個窗口、九窗口家族的校正,以及一個登記在窗口開始之前的預測(K1994)

季節性美股S&P 500多重檢定預註冊美國期中選舉

讀者互動

登入會員可按讚與收藏。

分享到:LINEFacebookX / Twitter

持續追蹤這項研究

收藏、追蹤與明日提醒只保存必要識別資料,可在會員中心檢視或刪除。

研究資訊不構成個人投資建議;提醒僅代表研究更新,不代表交易訊號。

訂閱研究摘要

研究摘要與新文章,不轉售、不寄廣告,隨時可退訂。

期中選舉年的十月底到隔年四月底:19 個窗口、九窗口家族的校正,以及一個登記在窗口開始之前的預測(K1994)

2026 年是美國的期中選舉年,投票日在 11 月 3 日。K1994 檢驗一個流傳很久的說法:期中選舉年從 10 月最後一個交易日到隔年 4 月最後一個交易日,S&P 500 的報酬高於其他年份。這是一項預註冊檢定,主窗口、檢定方式與判準都在讀資料之前寫定,不過預註冊不是盲的(is_blind=false,凍結前已經看過的東西列在預註冊檔的第 3 節)。

結論

1950 年到 2025 年,19 個期中選舉年窗口的平均對數報酬是 13.61%,其餘 57 年是 3.81%,差距 D 為 9.80 個百分點,Welch t 為 5.195。標籤置換 100,000 次,只有 1 次做出不小於觀測值的差距,單尾 p 為 2e-05;對九個窗口的家族做 Holm 調整後 p 為 0.00018。判定標籤為 CONFIRMED,強度敘述是「CONFIRMED and survives the correction for the 9 windows」。

三個限定要和結論一起讀。第一,窗口是「十月底到四月底」,起點在投票日之前,所以不能稱為選後報酬。第二,九個窗口裡有 5 個在 Holm 調整後仍低於 0.05,4 個沒有,只有事先指定的主窗口決定結論,其餘都是探索。第三,5 個期中選舉年構成的 2004 年以後子樣本,差距明顯較小,而且樣本太小,既不能說效應消失,也不能說效應存在。

檢定設計

每一年 Y 取一段固定窗口:Y 年 10 月最後一個交易日的收盤,到 Y+1 年 4 月最後一個交易日的收盤,計算 S&P 500 價格指數(^GSPC)的對數報酬。總統任期的第二年是期中選舉年,其餘年份歸為對照組。比較的統計量是兩組平均報酬的差 D,檢定方式是把期中選舉年的標籤隨機重排,重排 100,000 次、固定種子 1994,數有多少次隨機分組的差距不小於觀測值。這個檢定能給出的最小單尾 p 是 100,001 分之 1,2e-05 已經貼近下限,所以不主張更小的 p。

1950–2025 每年十月底到隔年四月底的報酬,期中選舉年與其他年份分開標示

資料的限制有三項。^GSPC 是價格指數,1957 年以前是 S&P 90 綜合指數,不含股利;穩健性 R2 改用 French 資料庫含股利的市場報酬。交易日曆套件在 1971 年以前缺少部分休市日,有 19 個月的月底以檔案內最後一列為準。主檢定只有 19 個期中選舉年窗口,這是小樣本。

九個窗口的家族

事先登記的家族有九個窗口,起點是 9、10、11 月底,長度是 2、6、12 個月。下圖把九個窗口的差距與 Holm 調整後 p 放在一起。

九個起點與長度的窗口:期中選舉年減其他年份的平均對數報酬差與 Holm 調整後 p

窗口期中選舉年/其他年份平均報酬差 DWelch t單尾 pHolm 調整後 p
Sep-219 / 573.92 個百分點2.2310.028720.059279
Sep-619 / 5710.02 個百分點4.0040.000320.00203
Sep-1219 / 5713.60 個百分點4.0990.000290.00203
Oct-219 / 570.36 個百分點0.2350.413770.41377
Oct-619 / 579.80 個百分點5.1952e-050.00018
Oct-1219 / 569.74 個百分點3.4210.002240.0112
Nov-219 / 573.31 個百分點2.3970.014820.059279
Nov-619 / 577.95 個百分點4.0830.000220.00176
Nov-1219 / 567.33 個百分點2.4100.01760.059279

Holm 調整後仍低於 0.05 的窗口是 Sep-6、Sep-12、Oct-6、Oct-12、Nov-6;沒有通過的是 Sep-2、Oct-2、Nov-2、Nov-12。主窗口 Oct-6 的 Holm 調整後 p 是 0.00018,在家族內最小。最弱的是 Oct-2(十月底到十二月底):D 只有 0.36 個百分點,Welch t 為 0.235,Holm 調整後 p 為 0.41377。兩個月的短窗口在三個起點上都沒有通過,差距出現在較長的窗口,沒有出現在兩個月的短窗口。這是對家族形狀的描述,不解釋原因;只有主窗口有判定權,其餘八個窗口不能拿來另外宣稱發現。

檢定力

預註冊在讀資料之前登記的最小可檢出差距是 6.98%。讀完資料後,用實現的合併標準差 8.74% 重算,最小可檢出差距是 5.76%。觀測到的 D 為 9.80 個百分點,大於兩個門檻,所以這項檢定對這個差距有足夠的檢定力;同時也代表小於這個門檻的差距在這組資料裡看不出來。

穩健性

穩健性結果只報告,不參與判定。

  • R1 拉長樣本到 1928–2025 年:24 個期中選舉年與 74 個其他年份,D 為 8.23 個百分點,Welch t 為 3.185,單尾 p 為 0.00284。差距變小但方向不變。
  • R2 改用含股利的總報酬:D 為 10.37 個百分點,Welch t 為 4.975。
  • R3 每次剔除一個期中選舉年,共 19 次檢定,最大的單尾 p 是 5.9999e-05,出現在剔除 2010 年時,所以沒有單一年份撐起結果。
  • R4 依總統任期位置分組的窗口平均報酬:總統大選年 4.32%、任期第一年 2.10%、期中選舉年 13.61%、任期第三年 5.02%。這是描述,沒有檢定。

依總統任期位置分組的窗口平均報酬,期中選舉年那一組最高

R5 取 2004 年以後:5 個期中選舉年與 17 個其他年份,D 為 3.56 個百分點,Welch t 為 1.165。預註冊沒有為這個子樣本設檢定,只有描述。差距比全樣本小,但 5 個觀測的標準誤太大,這個數字既不能支持「文獻發表後效應消失」,也不能反駁它。

登記在窗口之前的預測

下一個窗口是 2026-10-30 到 2027-04-30。預註冊登記的條件預測,是 19 個歷史期中選舉年窗口的平均 13.61%,並登記這 19 個窗口的第 10 與第 90 百分位 6.54% 與 21.09%;無條件的對照是全部窗口的平均 6.26%。這是歷史分布的登記,不是對未來報酬的保證,也不含機率陳述。窗口結束後只會以一次觀測對照它:一次觀測是一筆紀錄,不是一次檢定,無論落在區間內外,都不改變上面的統計結論。

限制

  • 主檢定只有 19 個期中選舉年窗口;2004 年以後只有 5 個。
  • 預註冊不是盲的(is_blind=false),凍結前看過的內容列在預註冊檔。
  • 窗口是十月底到四月底,起點在投票日之前。
  • 九個窗口裡只有主窗口有判定權;其餘窗口的通過與否是家族形狀的描述。
  • 價格指數不含股利;含股利的 R2 只作穩健性。
  • 這是歷史樣本內的統計關聯,不含交易成本、部位或避險,不構成投資建議。

資料來源

S&P 500 價格指數 ^GSPC 月底資料(1957 年以前為 S&P 90 綜合指數),Kenneth French 資料庫的含股利市場報酬;樣本期間 1950–2025 年,資料截止於 2026-09。結果檔 experiments/K1994/k1994_results.json,預註冊 experiments/K1994/PREREGISTRATION.md,實驗 K1994。

相關文章

先讀正式關聯,若無則使用標籤與主題相似度補齊

📄
K2007:連假前報酬與連假後報酬平方的預註冊檢驗,台股與道瓊四個假說均未達支持門檻
K2007 檢驗兩個關於交易所休市日的老說法:連假前最後一個交易日(PRE)的平均報酬高於一般日,連假後第一個交易日(POST)的報酬平方(原始二階動差)高於一般日。主檢定以 ^TWII 為主、^DJI 為對照,報酬日期 2003-01-02 至 2026-09-30,依未修改的預註冊 r2 執行。四個假說經 Holm 校正後,H1(TW 報酬)、H2(US 報酬)、H4(US 報酬平方)不支持;…
→
📄
K2001:懲罰式平滑波動濾波器對 HAR 與 GARCH——QLIKE 部分勝出,MSE 不重現,一格取決於 HAR 的極小預測
K2001 是預註冊實驗,本文報告它唯一一次正式執行的結果。問題有兩個:其一,依 Xie、Pu、Lan 與 Wu(2026,*Journal of Futures Markets*)摘要描述、由本平台以假設重建的懲罰式平滑波動濾波器(下稱 FFA),在 ^GSPC 與 ^TWII 上的樣本外 QLIKE 是否低於 HAR 與 GARCH(1,1);其二,若有優勢,是否集中在低、中波動 regime…
→
📄
天然氣月度波動的季節項放進自我迴歸之後:冬季係數隨價格序列與落後期變號,夏季在四個設定下都為負
為天然氣部位估月度波動的人,常在前一個月的實現波動之外再放一組季節虛擬變數。理由來自基本面:冬季的取暖需求與庫存消耗讓天然氣價格在冬天起伏較大(Mu 2007)。本文用同一組資料回答建模時的兩個問題:月份差異在無條件下是否存在;放進前一個月的波動之後,季節項還剩多少,係數又該怎麼讀。 先寫結論。 第一,無條件的月份差異在兩條序列都存在。天然氣連續近月期貨與 UNG 都在 1 月最高,冬季平均分別是…
→