Anomalie di calendario: effetto gennaio e dintorni
Che cos'è
Le anomalie di calendario sono regolarità stagionali osservate nei rendimenti: mesi, giorni della settimana o periodi dell'anno in cui i risultati storici si discostano sistematicamente dalla media.
Le più citate sono l'effetto gennaio, la massima sulla riduzione dell'esposizione nei mesi estivi, e il window dressing di fine periodo.
Perché conta
Sono l'esempio più didattico di un problema metodologico generale: la differenza fra una regolarità scoperta e una costruita.
Il calendario offre un numero enorme di partizioni possibili — mesi, giorni, settimane, festività, scadenze tecniche — moltiplicato per il numero di mercati. Cercando in quello spazio, trovare qualcosa di statisticamente notevole è quasi garantito anche in dati puramente casuali.
Come funziona
Alcune anomalie hanno una spiegazione proposta. L'effetto gennaio viene ricondotto a vendite di fine anno per realizzare minusvalenze, seguite da riacquisti; il window dressing a comportamenti di rendicontazione dei gestori.
Il fatto che una spiegazione esista non conferma l'anomalia: le spiegazioni plausibili si costruiscono a posteriori con facilità.
La verifica seria richiede altro: che l'effetto persista su dati non usati per scoprirlo, che sopravviva ai costi di transazione, e che non svanisca una volta diventato noto. Molte anomalie di calendario si sono attenuate proprio dopo la loro pubblicazione.
La letteratura empirica sulle regole di mercato inquadra bene il problema: su 95 studi moderni, 56 riportano risultati positivi, ma la rassegna segnala che gran parte soffre di data snooping, selezione ex post delle regole e stime ottimistiche dei costi.
Come si interpreta
La domanda da porre a qualunque regolarità stagionale è quante altre partizioni sono state provate prima di trovare quella.
La seconda è se l'effetto sopravviva ai costi. Una strategia che richiede di entrare e uscire due volte l'anno sostiene costi che margini stagionali modesti non coprono.
La terza è che un'anomalia nota tende a ridursi: se fosse sfruttabile, qualcuno la sfrutterebbe fino a farla sparire. È una proprietà generale dei mercati concorrenziali, e vale per qualunque regolarità pubblicata.
Errori frequenti
Il primo è costruire decisioni operative su regolarità di calendario.
Il secondo è confondere una spiegazione plausibile con una verifica.
Il terzo è misurare l'effetto sul periodo in cui è stato scoperto.
Dove si incastra
Questo nodo collega la statistica dei rendimenti al metodo: è un caso di studio su come si distingue una scoperta da un artefatto della ricerca.
Da qui in avanti
Il passo successivo guarda a una decisione di portafoglio che ha effetti reali invece che stagionali: quando e come ribilanciare.
Metodologia
Come è costruito questo contenuto
Questa pagina fa parte di MarketSider Knowledge, il layer esplicativo di MarketSider. È contenuto educativo: spiega concetti, meccanismi e metriche della finanza, e non commenta l'andamento dei mercati.
Ogni nodo nasce dallo stesso schema strutturato, che risponde sempre alle stesse domande: che cos'è, perché conta, come funziona, come si calcola quando esiste una formula, come si interpreta, quali sono gli errori frequenti, come si collega al resto del sistema finanziario e che cosa conviene approfondire dopo.
Prima della pubblicazione il testo viene verificato su quattro piani:
- terminologia — i termini tecnici corrispondono alle voci del glossario MarketSider a cui la pagina rimanda;
- formule — dove una grandezza si calcola, l'espressione è verificata su un esempio numerico, e i limiti di validità sono dichiarati insieme alla formula;
- relazioni — i collegamenti ad altri concetti e contenuti puntano a pagine che esistono, e non vengono creati per somiglianza di nome;
- coerenza interna — definizioni, esempi e rimandi non si contraddicono fra loro né rispetto agli altri nodi del layer.
Le spiegazioni sono scritte per durare: dove un dato numerico invecchierebbe in fretta, il testo preferisce il meccanismo al valore puntuale. La pagina viene aggiornata quando un cambiamento è sostanziale — una definizione che evolve, una formula da precisare, un collegamento che cambia — e non a ogni oscillazione di mercato.
Fonti
- What do we know about the profitability of technical analysis? — Cheol Ho Park e Scott H. Irwin, Journal of Economic Surveys 21(4), 786-826 — University of Illinois · Pubblicato 1 settembre 2007 · Consultato 18 settembre 2026Rassegna di 95 studi moderni sulla profittabilita' delle strategie tecniche: 56 risultati positivi, 20 negativi, 19 misti. Gli autori segnalano che gran parte degli studi soffre di data snooping, selezione ex post delle regole e difficolta' nella stima di rischio e costi di transazione.
Nota editoriale
Avvertenza
Questo contenuto ha finalità informative e didattiche. Non è una consulenza finanziaria, fiscale o legale personalizzata, non tiene conto della situazione, degli obiettivi o della propensione al rischio di chi legge, e non costituisce una raccomandazione a comprare, vendere o detenere alcuno strumento finanziario.
Le informazioni di mercato, la normativa e il trattamento fiscale possono cambiare nel tempo e variare in base al Paese e alla situazione individuale. Prima di prendere una decisione, valuta le tue circostanze e, se necessario, rivolgiti a un professionista abilitato.
I concetti che spiega
Per andare più a fondo
6 min di letturaAvanzato
R quadro: quanto un modello spiega, e cosa non diceSpiega anche Backtest e sovradattamento
I concetti di questo articolo si misurano: incolla i tuoi titoli nel Portfolio Doctor e vedi diversificazione, correlazioni e rischio del tuo portafoglio reale — gratis, senza registrazione.