4  股市也有“黄道吉日”？

十月，这是炒股特别危险的月份之一。其他的月份是七月、一月、九月、四月、十一月、五月、三月、六月、十二月、八月和二月。

——马克·吐温1

马克·吐温这句在小说《傻瓜威尔逊》中的名言，虽然一直被视为对股市择时的嘲讽。但学术界的确沿着这个思路，对于股市在不同月份、月内不同时间甚至周内不同时间的回报做了一系列细致的分析，其中似乎的确有一些可取之处。

这些研究，一般被统称为日历效应(Calendar Effect)，当然在论文中，也以Calendar Anomaly（日历异象）或 Seasonal Anomaly / Seasonality Effect（季节性异象/效应）等名目出现。

4.1 一月效应的消亡

谈及日历效应，最出名的莫过于一月效应(January Effect)，即小盘股在1月表现会特别好。

这个现象，是唐纳德·凯姆（Donald B. Keim）在芝加哥大学念博士时，在博士论文《规模相关异象与股票收益季节性（Size-Related Anomalies and Stock Return Seasonality: Further Empirical Evidence）》2中率先发现的。

唐纳德·凯姆这篇博士论文，在当时可谓是石破天惊，同时也是一段佳话。

唐纳德·凯姆师从尤金·法玛（Eugene Fama）——是的，提出有效市场假说（Efficient Market Hypothesis, EMH）的那位。

一月效应，对有效市场理论是一个重要的质疑——如果市场是完全理性的，怎么可能年复一年在同一批股票、同一个固定月份存在如此可预测的超额收益。

虽然这篇论文属于典型的“弟子质疑老师”，但当时作为论文答辩委员会成员的尤金·法玛，却爽快的让论文通过，并助力其发表在金融顶刊《金融经济学杂志（Journal of Financial Economics）》。

值得一提的是，当年唐纳德·凯姆的博士论文答辩委员会还有默顿·米勒（Merton Miller）和迈隆·斯科尔斯，这三位不但都是有效市场理论的设计者和守护者，并在多年之后全数得到了诺贝尔经济学奖(默顿·米勒最早1990年，迈隆·斯科尔斯是1997年，尤金·法玛是2013年)。

这样的阵容，却对一篇质疑有效市场理论的论文大开绿灯，这是当年芝加哥大学鼎盛时期实证主义（Empirical Rigor）取向的充分体现。

事实上，尤金·法玛的一众弟子，大多在不同领域对有效市场理论发起了冲击：

  • 理查德·泰勒（Richard Thaler），后来以行为金融学拿下了诺贝尔经济学奖；

  • 克里夫·阿斯内斯（Cliff Asness），博士论文研究的是动量效应（Momentum Effect），后来创立了AQR对冲基金，迄今依然是动量因子、择时的重磅支持者;

  • 罗尔夫·班兹（Rolf Banz），在1981 年发现小盘股规模异象（Size Effect）。

说回一月效应，虽然当年提出时可谓石破天惊，但其实为何会出现，一直没有圆满的解释。虽然一般认为，1月效应是基于美股的资本利得税因素：许多投资者要在12月提前抛售亏损的股票，实现亏损来抵税，并在1月份重新买回，从而导致1月的买盘特别旺盛。但正如《股市长线法宝》此书所描述的：

有的国家里，并没有收取资本利得税，却仍然存在着1月效应。日本 股市在1989之后才开始征收资本利得税，但1月效应在1989年之 前就出现了。加拿大股市在1972之后才开始征收资本利得税，但 1月效应在1972年之前就出现了。另外，当年上涨的股票，按理 说不会由于税的影响而被抛售，却也在次年1月份会上涨，虽然 涨幅没有那些当年下跌的股票在次年1月份的涨幅那么大。

但根据《股市长线法宝》3的最新回测，一月效应已经逐渐消亡。从 表 4.1 可以看到，曾经在1月持有小盘股其他月份持有标普500指数很赚钱，年化收益可以达到13.8%，而始终持有标普500指数只有10.1%。但是到了1995至2021年，同样的策略，年化收益只有9.8%，还不如长期持有标普500指数。

表 4.1: 《股市长线法宝》第六版对一月效应的回测
指数 收益率 1926–2021 收益率 1995–2021
标普500指数 10.1% 10.4%
小盘股 11.3% 9.4%
一月持有标普500，其他月份持有小盘股 7.7% 9.8%
一月持有小盘股，其他月份持有标普500 13.8% 10.0%
注：此书中文版的翻译似有误，此表格为基于英文版笔者自行重制。

对于美股一月效应的消亡，有很多解释，比如小市值溢价本身的低迷，比如学术研究公布后引入许多套利资金提前潜伏导致异象消亡(一月效应每年只需要操作一次，对普通人都门槛极低)，诸如此类都有可能。对普通投资者要知晓的就是，一月效应当做金融投资学的掌故了解即可，亲身尝试，大开不必。

真的比较有尝试价值的，或许是接下来要谈到的月初月末效应(TOM)。

4.2 月初月末效应

月初月末效应(turn-of-the-month,TOM)，指的是每个月最后几天和月初几个交易日，往往收益特别好。

最早提出并精确定义TOM，源自约瑟夫·拉科尼绍克（Josef Lakonishok）和西摩·施密特（Seymour Smidt）在1988年发表的那篇Are Seasonal Anomalies Real? A Ninety-Year Perspective4。

这篇论文使用道琼斯工业指数从 1897 年到 1986 年长达 90 年的高频日度数据，发现每个月的最后 1 个交易日加上次月的前 3 个交易日(简称为\([-1, +3]\))收益特别好。整个股票市场的所有正向累积收益几乎全部产生在这 4 个交易日中。

这里扯开一句，约瑟夫·拉科尼绍克后来还联合另两位知名经济学家安德烈·施莱弗（Andrei Shleifer）和罗伯特·W·维什尼（Robert W. Vishny），创立了LSV 资产管理公司（LSV Asset Management）5，根据维基百科披露的截至2024年6月的数据，管理规模960亿美元。

和一月效应发表后逐渐消亡不同，月初月末效应生命力非常旺盛，2008年，约翰·J·麦康奈尔（John J. McConnell）和徐威（Wei Xu）合作撰写了Equity Returns at the Turn of the Month6，用1987–2005 年的样本外检验，发现\([-1, +3]\) 的效果依然出众，在这4 天窗口内，美股市值加权（value-weighted）的日均超额收益率为 +0.14%，剩余的交易日，日均超额收益率为 -0.01%。

与此同时，作者将研究范围扩展到美国以外的 34 个主要国家和地区的股票市场，结果有 30 个国家的股市存在显著的月初月末效应。

4.3 A股TOM效应可用吗

那么，在A股，效果如何。笔者依然是使用万得全A指数，根据原版经典的\([-1, +3]\)，进行了回测。图 4.1 中的主图可见，每月仅持有4个交易日的走势，竟然是远胜于始终持有。而从副图的最大回撤来看，相比历史上动辄对折腰斩，采用TOM的思路，最大回撤尽然30%都不大。

这里需要说明一句，上述回测，没有考虑买卖时的交易费用，但如今A股ETF的佣金大多在万一，每个月执行两次，每年加起来不过24次交易，佣金损耗非常低。

图 4.1: 万得全A月末效应统计([-1,+3])

当然，执行TOM操作，在享受熊市控回撤的同时，必须面对的代价就是牛市可能大幅跑输。从 表 4.2 可以看到，类似2025年的大牛市，万得全A上涨27.65%，但是TOM策略却是微跌-1.93%，而且这种情况历史上不是只出现一次，类似2007年、2014年和2015年也是如此，这种“热闹是他们的，我什么都没有”，是执行这一策略最大的挑战。

毕竟现在看TOM策略历史曲线的辉煌，你会觉得间歇性的跑输是值得的，是能忍受的。但是如果不知晓未来会如何，只是身处于牛市中却没赚到什么钱，是否能够守住道心不崩溃？我觉得真的是挺难的一件事情。

表 4.2: 万得全A日历效应-1+3逐年收益对比
年 万得全A
日历效应
1+3		 万得全A
始终持有		 超额
2000 19.05 57.14 -38.09
2001 -2.15 -23.89 21.74
2002 -5.48 -19.67 14.19
2003 13.06 -3.49 16.55
2004 13.77 -16.62 30.39
2005 -10.59 -11.52 0.93
2006 42.37 111.90 -69.53
2007 2.78 166.21 -163.44
2008 -13.15 -62.92 49.77
2009 79.82 105.47 -25.64
2010 1.62 -6.88 8.50
2011 6.60 -22.42 29.02
2012 15.12 4.68 10.44
2013 15.68 5.44 10.23
2014 23.39 52.44 -29.05
2015 7.62 38.50 -30.88
2016 16.02 -12.91 28.93
2017 6.95 4.93 2.02
2018 1.49 -28.25 29.75
2019 14.51 33.02 -18.51
2020 23.56 25.62 -2.06
2021 7.44 9.17 -1.73
2022 6.79 -18.66 25.45
2023 10.24 -5.19 15.43
2024 6.48 10.00 -3.52
2025 -1.93 27.65 -29.58
2026 0.39 -0.94 1.32
截至：2026-09-24

值得注意的是，万得全A虽然常被用来作为A股市场表征，但全A类的指数产品近年才开始出现且规模都不大。所以笔者还计算了沪深300全收益指数7自2004年末迄今的TOM走势对比。从 图 4.2 可以看到，TOM策略在沪深300上没有如万得全A这样离谱的超额优势，毕竟沪深300是大蓝筹为主，回撤还是要略好，也让TOM的发挥空间不大。

图 4.2: 沪深300全收益指数月末效应统计([-1,+3])

4.4 邪修尝试：TOM+242日均线择时

针对TOM策略在牛市大幅跑输，甚至可能不赚反亏的悲剧，笔者想到了一种“邪修”思路，将其与均线择时嫁接。

思路很简单，牛市中，上涨的交易日居多，所以每个月只交易四天，是容易错过许多上涨的交易日；虽然这样在熊市，可以只在确定性比较高的交易日持仓，从而获得熊市上涨的可能性。

既然如此，那么是否可以借助242日均线(年线)来略作区分，年线之上始终持有不考虑TOM，年线之下，才考虑执行TOM策略，间隙性持仓？ 图 4.3 是一个试算。为了对比，这里还加入了只用242日均线择时不考虑TOM的策略，即以MA242_nogap命名的。这里假设的是在收盘前一刹那能够完成对均线之上与之下的判断，并完成换仓，这比较符合场内ETF玩家的实际交易习惯。从图中可以看到，有242日均线过滤之后，收益率曲线更为诱人——当然因为均线之上始终持仓，所以回撤放大，也就成为了必须承受的代价。

图 4.3: 万得全A指数月末效应统计([-1,+3])_242日均线过滤

从 表 4.3 可以看到，纯正TOM下2025年亏钱的悲剧终于避免了，代价就是类似2008年、2018年的熊市，还是要承受一定的回撤。

表 4.3: 万得全A日历效应-1+3逐年收益对比_242日均线过滤
年 万得全A
日历效应
1+3		 万得全A
日历效应
1+3
MA242过滤		 万得全A
MA242
nogap		 万得全A
始终持有
2000 19.05 57.14 57.14 57.14
2001 -2.15 -6.59 -4.95 -23.89
2002 -5.48 -12.35 -9.07 -19.67
2003 13.06 11.49 -1.38 -3.49
2004 13.77 0.89 -6.79 -16.62
2005 -10.59 -12.87 -3.52 -11.52
2006 42.37 111.90 108.71 111.90
2007 2.78 166.21 166.21 166.21
2008 -13.15 -30.97 -14.08 -62.92
2009 79.82 71.52 44.99 105.47
2010 1.62 -11.18 -6.01 -6.88
2011 6.60 -10.65 -11.71 -22.42
2012 15.12 14.46 0.90 4.68
2013 15.68 3.68 -2.47 5.44
2014 23.39 33.01 31.51 52.44
2015 7.62 21.93 17.00 38.50
2016 16.02 11.45 -10.69 -12.91
2017 6.95 -2.73 -1.75 4.93
2018 1.49 -3.52 -5.52 -28.25
2019 14.51 15.89 8.93 33.02
2020 23.56 23.85 18.01 25.62
2021 7.44 9.17 9.17 9.17
2022 6.79 0.82 -7.37 -18.66
2023 10.24 -0.59 -6.51 -5.19
2024 6.48 5.08 11.49 10.00
2025 -1.93 26.38 26.38 27.65
2026 0.39 -4.35 -6.59 -0.94
截至：2026-09-24

图 4.4 则是沪深300基于同一思路的净值曲线，由于242日择时本身在上效果就不错，叠加TOM后，就更不俗了。

图 4.4: 沪深300全收益指数月末效应统计([-1,+3])_242日均线过滤

表 4.4 则是针对沪深300全收益指数基于TOM+242日均线过滤的逐年收益对比。虽然下跌的年份必然比纯粹TOM多了，但牛市的持有体验同样大幅改善，这对普通人能拿住，或许至关重要。

表 4.4: 沪深300全收益指数日历效应-1+3逐年收益对比_242日均线过滤
年 300收益
日历效应
1+3		 300收益
日历效应
1+3
MA242过滤		 300收益
MA242
nogap		 300收益
始终持有
2005 -8.95 -7.66 -7.66 -7.66
2006 41.34 125.23 120.93 125.23
2007 4.30 163.28 163.28 163.28
2008 -16.72 -35.68 -16.98 -65.61
2009 83.91 68.05 39.50 98.58
2010 1.53 -16.75 -15.38 -11.58
2011 7.61 -6.30 -9.68 -24.05
2012 16.89 15.93 0.89 9.80
2013 15.21 -0.14 -9.41 -5.33
2014 19.75 58.57 58.50 55.85
2015 10.22 16.68 3.11 7.22
2016 10.66 8.86 -1.24 -9.26
2017 4.12 24.25 24.25 24.25
2018 1.03 -7.62 -7.82 -23.64
2019 13.21 28.66 21.39 39.19
2020 21.99 23.64 17.45 29.89
2021 4.86 -2.74 -7.31 -3.52
2022 0.16 0.16 0.00 -19.84
2023 6.40 -3.38 -6.18 -9.14
2024 12.04 12.80 11.35 18.24
2025 -5.36 17.79 17.79 20.98
2026 -3.00 -2.29 -1.95 -2.32
截至：2026-09-24

看到这里，面对回测图表里诱人的斜率与控回撤能力，很多投资者的第一冲动或许是：“既然每个月只买这几天就能跑赢，那我何不把全部身家都押上去？”

慢着，请千万克制这种冲动。

必须清醒认识到：月末效应（Turn-of-the-Month, TOM）本质上只是一个异象（Anomaly）。前文一月效应（January Effect）的消亡就是前车之鉴——一旦套利资金涌入或结算机制改变，任何日历异象都可能迅速失效，未来的持续性谁也无法保证。全仓尝试去承受这种巨大的结构性不确定性，无异于豪赌。

因此，对待TOM（无论是纯粹版还是均线过滤的“邪修版”），最理性的态度应当是：

知其可用，但不可独尊；可作辅助，但切莫重注。

在多元资产配置或多因子策略的框架下，您可以将TOM视作增强组合收益、平滑资金使用效率的一个有趣“佐料”，以适度的小仓位去捕捉其微观超额。但千万不要把它当成可以全仓托付的“投资圣杯”——在资本市场的浩瀚不确定性面前，保持敬畏与分散，永远是普通投资者生存下去的第一法则。

4.5 节假日与月份效应

在日历效应之下，还有一个名为假日效应(Holiday Effect)的分支，当然学术论文中更严谨的，会称为假期前效应(Pre-Holiday Effect)。

《股市长线法宝》8中也有表格对道琼斯工业指数在美股重要假期前后的表现做了回顾。

节假日效应这东西，因为与假期等事件相关，所以特别强调“本土化”。A股市场，一般是券商研究报告对此讨论比较多，不是严谨的学术理论研究，但数据整理的比较全。

笔者看到比较全的，一份是2023年招商证券策略分析师张夏领衔的《【招商策略】A股的四季效应：原理、风格和行业选择——A股流动性与风格系列（一）》9，另一份是2025年末浙商证券廖静池策略团队写的《穿透日历效应：概率寻方向，思因赢未来》10。

尤其是廖静池策略团队的这份，2025年初发布了截至2024年的版本，2025年末又发布了截至2025年的版本，看样子是有打算年更的思路。

在美国，耶鲁·赫希(Yale Hirsch) 自1966年就开始出版《股票交易员年鉴》11 (Stock Trader’s Almanac)，专门分析股市的季节性规律，并于2001年交棒给儿子杰弗里·赫希(Jeffrey A. Hirsch)，迄今仍在出版12。

若A股也能有类似的年更版，倒是阅读体验会好不少。

说回A股。类似的统计，一般包含节假日和月份效应两部分。

先说月份效应，由于每年宏观经济开局、财报披露等节奏类似，所以A股往往在不同的月份，会有不同的表现。

表 4.5 是万得全A指数自2016年以来的逐月收益统计。之所以选择2016年迄今，在于此前A股动辄大涨大跌，容易拉高月度平均数，虽然中位值可以一定程度规避这一问题，但为了让平均值更具参考意义，所以就只选择2016年后的数据进行统计，后续其他此类统计也是一样的口径。

从表中可以看到，每年2月是个不错的月份，这在A股一般被成为“春季躁动”。二月份既是财报的空窗期，同时又是春节后许多投资企业真正开始酝酿一年投资的时点，整体的风险偏好都比较高。所以只要外围环境配合，很容易出现比较大的行情。与之类似，每年的六月其实表现也不错，这同样是财报的空窗期，而且经过了一些高层经济会议的定调之后，市场的风险偏好也比较高。股民基民近年非常熟悉的2025年和2026年的6月，都是一波慷慨激昂行情。

表 4.5: 2016年迄今万得全A逐年收益一览
月 平均值 中位值 最大值 最小值 正收益比率
1 -3.16 -0.25 7.38 -27.56 36.36
2 3.00 2.34 17.84 -4.85 54.55
3 -0.19 -0.58 16.43 -8.73 27.27
4 -0.63 -1.44 8.69 -9.51 36.36
5 0.03 -0.06 5.90 -6.38 45.45
6 2.47 3.37 9.68 -8.33 81.82
7 0.36 0.30 13.06 -13.14 63.64
8 0.89 1.97 10.93 -6.36 54.55
9 1.10 -0.13 22.21 -7.57 50.00
10 -0.51 0.58 3.15 -9.14 60.00
11 1.60 1.73 7.86 -2.95 70.00
12 -0.16 -1.11 7.55 -5.36 40.00
截至：2026-08-31

在A股内部，一直存在明显的大小盘轮动。从月份效应来看，不同月份，市场对大小盘股的风险偏好也是不同。从 表 4.6 可以看到，在1月以沪深300为代表的大盘股，相对万得全A最为占优；其次是4月。

表 4.6: 2016年迄今沪深300全收益相对万得全A逐年超额收益一览
月 平均值 中位值 最大值 最小值 正收益比率
1 1.95 2.60 6.52 -4.06 63.64
2 -1.52 -1.56 0.39 -3.20 9.09
3 -0.79 -0.31 3.20 -4.59 45.45
4 1.08 0.94 4.70 -0.62 81.82
5 -0.00 -0.37 4.62 -3.82 45.45
6 0.03 0.55 2.69 -3.32 63.64
7 0.57 0.72 5.73 -4.21 72.73
8 -0.52 -0.41 1.38 -4.37 45.45
9 0.34 0.12 2.31 -1.10 50.00
10 -0.45 0.42 3.33 -5.29 60.00
11 -0.07 -0.07 2.94 -4.69 50.00
12 0.69 0.59 2.76 -1.08 60.00
截至：2026-08-31

相比之下，代表小盘股的中证1000全收益指数13，则是在二月“春季躁动”时超额特别有优势。

表 4.7: 2016年迄今中证1000全收益相对万得全A逐年超额收益一览
月 平均值 中位值 最大值 最小值 正收益比率
1 -2.10 -3.11 2.87 -6.13 36.36
2 1.97 2.05 4.54 -0.05 90.91
3 0.40 -0.30 3.69 -2.26 45.45
4 -1.21 -0.72 1.33 -5.76 27.27
5 0.07 -0.06 5.30 -5.05 45.45
6 0.04 0.61 3.31 -3.21 54.55
7 -0.69 -1.31 5.81 -6.41 36.36
8 0.09 -0.67 4.47 -2.34 45.45
9 -0.82 -0.58 1.19 -3.14 40.00
10 -0.06 -0.51 5.30 -3.80 30.00
11 -0.16 -0.52 5.93 -3.31 30.00
12 -1.04 -1.36 1.05 -2.75 30.00
截至：2026-08-31

下图是廖静池策略团队整理的不同月份占优的指数14。

至于节假日效应，在A股包括类似春节、五一、国庆这样的国定假日，也包括一些宏观会议前后。

下面三张，是廖静池策略团队统计的春节、五一和国庆前后不同指数的表现一览。如果不考虑类似万得微盘股指数这样长期贝塔很强的指数，比较具有交易价值的，还是春节后时段的小盘股策略。

  1. Mark Twain, The Tragedy of Pudd’nhead Wilson (Project Gutenberg, 1894), https://www.gutenberg.org/files/102/102-h/102-h.htm#link2HCH0013, chap. 13.↩︎

  2. Donald B. Keim, 《Size-Related Anomalies and Stock Return Seasonality: Further Empirical Evidence》, Journal of Financial Economics 12, 期 1 (1983): 13～32, https://doi.org/10.1016/0304-405X(83)90025-9.↩︎

  3. 杰里米·西格尔, 股市长线法宝(第6版) (中信出版社, 2024), p.288, https://book.cppinfo.cn/Encyclopedias/home/index?id=4744833.↩︎

  4. Josef Lakonishok 和 Seymour Smidt, 《Are Seasonal Anomalies Real? A Ninety-Year Perspective》, The Review of Financial Studies 1, 期 4 (1988): 403～25, https://doi.org/10.1093/rfs/1.4.403.↩︎

  5. Wikipedia contributors, LSV Asset Management — Wikipedia, the Free Encyclopedia, 2024, https://en.wikipedia.org/wiki/LSV_Asset_Management.↩︎

  6. John J. McConnell 和 Wei Xu, 《Equity Returns at the Turn of the Month》, Financial Analysts Journal 64, 期 2 (2008): 49～64, https://doi.org/10.2469/faj.v64.n2.11.↩︎

  7. 中证指数有限公司, 沪深300指数编制方案, 编制方案 no. 000300 (中证指数有限公司, 2005), https://www.csindex.com.cn/#/indices/family/detail?indexCode=000300.↩︎

  8. 杰里米·西格尔, 股市长线法宝(第6版), p.296.↩︎

  9. 张夏 等, A股的四季效应：原理、风格和行业选择——A股流动性与风格系列（一）, 证券研究报告/策略专题报告 (招商证券股份有限公司, 2023), https://mp.weixin.qq.com/s/7O0kLDjZM4UBRqJh_A_gXg.↩︎

  10. 廖静池 等, 概率寻方向，思因赢未来——A股宽基、风格、行业日历效应全面盘点（2010年-2025年）, 策略深度报告 (浙商证券股份有限公司, 2025), https://mp.weixin.qq.com/s/_pnBQC4axt_0jE4vE6kgOg.↩︎

  11. Hirsch Holdings Inc., 《Stock Trader’s Almanac》, Stock Trader’s Almanac, 2026年9月, https://www.stocktradersalmanac.com/.↩︎

  12. Jeffrey A. Hirsch, Stock Trader’s Almanac 2027 (Wiley, 2026).↩︎

  13. 中证指数有限公司, 中证1000指数编制方案, 编制方案 no. 000852 (中证指数有限公司, 2014), https://www.csindex.com.cn/#/indices/family/detail?indexCode=000852.↩︎

  14. 廖静池 等, 概率寻方向，思因赢未来——A股宽基、风格、行业日历效应全面盘点（2010年-2025年）, p.7.↩︎