“该策略在中期选举年的12月至4月投资道琼斯指数股票，其余时间持有现金，为简单起见，在业绩评估中不包括现金收益。”
I. 策略概要
该策略专注于道琼斯工业平均指数的股票，可通过ETF、基金或期货轻松获取。在中期选举年的每年12月初，投资者买入这些股票，并持有至4月底。在中期选举周期的剩余月份，资金投资于现金市场。业绩不包括现金收益，提供了一种直接的方法，利用中期选举周期中历史上有利的时期。
II. 策略合理性
中期选举年冬季股票回报的功能可能源于多种因素。较高的已实现波动率、市场流动性和罕见的黑天鹅事件都是潜在原因，但发生频率较低。其他解释包括生产周期、农业模式和季节性情感障碍（SAD）等心理效应。然而，南半球市场缺乏反向趋势对这些理论提出了挑战。一个更有力的解释与经济政策不确定性（EPU）指数有关，该指数在中期选举后的五个月内达到峰值，从而推动了这一时期较高的股票回报。这使股票表现与经济政策不确定性趋势保持一致。
III. 来源论文
Equity premiums in the Presidential cycle: The midterm election resolution of uncertainty [点击查看论文]
- 陈锦芳（Kam Fong CHAN）与特里·马什（Terry MARSH）。西澳大学；金融研究网络（FIRN）。Quantal International 公司
<摘要>
我们分析了美国总统选举周期中政治不确定性和股票溢价的变化。颇具讽刺意味的是，中期选举恰恰与选举前不确定性的最高增长相关，从而导致中期选举后随着政策不确定性和事前风险溢价的降低，股票溢价升高。我们表明，过去两个世纪举行的联邦选举都是如此。我们认为，政治不确定性（我们主要通过经济政策不确定性指数来衡量）往往是一种尾部风险，此前人们发现这种风险可以通过更高的溢价来补偿。我们还发现，预期的股票回报的“丢失的CAPM”在大量公共信息涌入的中期选举后重新出现以拟合回报，但在总统周期的其他时间则不然。我们进一步表明，特质波动率和彩票需求之谜在中期选举后的几个月里消失了。
IV. 回测表现
| 年化回报 | 13.24% |
| 波动率 | N/A |
| β值 | 0.109 |
| 夏普比率 | N/A |
| 索提诺比率 | -0.232 |
| 最大回撤 | N/A |
| 胜率 | 67% |
V. 完整的 Python 代码
from pandas.tseries.offsets import BDay
from AlgorithmImports import *
class HalloweenEffectCombinedWithElectinCycle(QCAlgorithm):
def initialize(self) -> None:
self.set_start_date(1999, 1, 1)
self.set_cash(100_000)
self.market: Symbol = self.add_equity("SPY", Resolution.DAILY).symbol
self.cash: Symbol = self.add_equity("SHY", Resolution.DAILY).symbol
self.current_year: int = -1
self.count_years: int = 1 # At the start of this strategy it will increase this value by one.
def on_data(self, slice: Slice) -> None:
if self.current_year != self.time.year:
self.current_year = self.time.year
self.count_years += 1
# The investor buys these stocks at the beginning of December and holds them until the end of April.
if self.count_years == 2 and self.time.month == 12 and not self.portfolio.invested:
self.set_holdings(self.market, 0.5)
self.set_holdings(self.cash, 0.5)
self.count_years = 0
# Holds them until the end of April.
if (self.time.date() + BDay(1)).month == 5 and self.portfolio.invested:
self.liquidate()