Market Seasonality: Data Mining ছাড়া Calendar Effect কীভাবে Test করবেন

Market Seasonality: Data Mining ছাড়া Calendar Effect কীভাবে Test করবেন

“Monday weakness”, January effect এবং “sell in May” simple trading rule-এর মতো শোনায়। কঠিন প্রশ্ন হলো pattern discovery-এর আগে existed কি না, new data-তে survive করে কি না এবং cost-এর পরে profitable থাকে কি না। Calendar average research lead, trade signal নয়।

Read in English: Market Seasonality: How to Test Calendar Effects Without Data Mining

শেখার লক্ষ্য: testing-এর আগে calendar hypothesis define করা, discovery ও validation data আলাদা রাখা, multiple comparison account করা এবং statistically visible effect economically tradable কি না judge করা।

1. Effect precisely define করুন

“Month-end-এর কাছে stocks ভালো করে” খুব vague। Testable rule specify করে:

• instrument ও total-return series;
• exact holding window;
• data frequency ও time zone;
• start ও end date;
• holiday ও missing session treatment;
• entry, exit, fee, spread ও tax assumption।

Example: “প্রতি month-এর third-last trading day close থেকে next month-এর third trading day close পর্যন্ত UK equity index hold।” Result দেখার পরে date move না করে definitionটি test করা যায়।

2. Calendar pattern chance-এ কেন দেখা যায়

Researcher পাঁচ weekday, বারো month, multiple turn-of-month window, holiday rule ও অনেক market test করলে কিছু combination chance-এ strong দেখাবে। শুধু winner report করলে ordinary p-value misleading হয়।

Sullivan, Timmermann ও White-এর calendar-effects study wider searched rule universe account করতে bootstrap ব্যবহার করেছে। Central problem হলো significance chosen rule নয়, search process reflect করবে।

2026-এর Calendar Anomalies: Real Patterns or Data-Mining Artifacts? paper report করে কয়েকটি effect pre-1990 period-এ stronger ছিল এবং পরে largely weaken করেছে। Historical pattern market, participant ও execution বদলালে decay করতে পারে।

3. Discovery ও validation split করুন

First period-এ hypothesis form ও tune করুন। Rule lock করে later untouched data-তে একবার test করুন।

Simple design:

1. Discovery: 1995–2014;
2. Validation: 2015–2022;
3. Forward test: 2023 onward, retune ছাড়া update।

Validation fail করলে pass না করা পর্যন্ত window adjust করবেন না। প্রতিটি adjustment new test। Failureসহ every version record করুন।

Walk-forward testing guide training ও evaluation window আলাদা রাখা explain করে।

4. Worked example

Researcher-এর 30 years monthly index return আছে এবং January average +2.1%, অন্য month average +0.6% দেখলেন।

Headline difference +1.5 percentage points, কিন্তু শুধু 30 January observation। Researcher আসলে সব 12 month check করে highest হওয়ায় January select করেছেন।

Correct question:

• Sample দেখার আগে January defined ছিল?
• 12 month comparison adjust করার পর difference survive করে?
• First 20 years ও untouched final 10—দুটিতে আছে?
• দুই outlier January কি result drive করে?
• Trading cost ও tax-এর পরে total-return data-তে থাকে?

ধরা যাক final ten January average +0.4%, অন্য month +0.7%। Discovery result validate করেনি। Honest conclusion “effect ফিরে আসবে” নয়; current standalone strategy হিসেবে sampleটি rule support করে না।

5. Statistical significance trading profit নয়

Average difference detectable হলেও নিচের পরে trade করার মতো নাও হতে পারে:

• bid-ask spread ও commission;
• market impact;
• financing ও short-borrow cost;
• tax ও turnover;
• market-এর বাইরে থাকা সময়;
• widely watched date-এর slippage।

শুধু favourable window নয়, complete rule measure করুন। “Sell in May”-তে cash কোথায় থাকবে, portfolio কবে re-enter করবে এবং missed dividend কীভাবে treat হবে তাও decide করতে হয়।

CFA Institute-এর expected-returns review বলে turnover ও cost-এর পরে অনেক seasonal pattern exploit করা কঠিন এবং same history repeated mining reported finding-এ contribute করতে পারে।

6. Return, volatility ও drawdown check করুন

Seasonality average return-এর চেয়ে volatility বা volume-এ stronger হতে পারে। Compare করুন:

• mean ও median return;
• positive-period frequency;
• standard ও downside deviation;
• worst observation ও maximum drawdown;
• turnover ও net return;
• exposure time ও benchmark return।

এক extreme observation-driven higher average repeatable distribution shift নয়। Bootstrap confidence interval ব্যবহার করুন এবং every observation plot করুন।

7. Market ও era জুড়ে stability test করুন

Robust mechanism-এর explanation ও boundary থাকা উচিত। Tax-year effect country অনুযায়ী আলাদা। Month-end pension flow large index ও individual share-কে differently affect করতে পারে। Crypto weekend-এ trade করে, cash equity করে না।

Era split করুন, তবে endless subgroup search নয়। Mechanism-implied split predefine করুন। Reasonable sample-এ sign বদলানো pattern capital পাওয়ার আগে risk explanation চায়।

8. Seasonality context, command নয়

Seasonality expected liquidity, volatility বা event risk frame করতে পারে। এটি live price, position size, valuation, company announcement বা central-bank decision override করবে না।

Existing strategy-তে seasonal filter যোগ করলে full strategy out of sample retest করুন। Filter another degree of freedom যোগ করে এবং chance-এ past losing trade remove করতে পারে।

Common mistakes

1. সব weekday বা month দেখে best one choose করা।
2. Same history-তে test ও validate করা।
3. Dividend, holiday ও delisted security ignore করা।
4. Median, outlier বা sample count ছাড়া average ব্যবহার করা।
5. Cost ও market-এর বাইরে থাকা সময় ভুলে যাওয়া।
6. US effect UK, Bangladesh বা crypto-তে transfer হবে ধরা।
7. Failed rule positive না হওয়া পর্যন্ত retune করা।
8. Seasonal tendency-কে guaranteed forecast ধরা।

Practical checklist

• Testing-এর আগে hypothesis ও date window written?
• Total-return ও survivorship-safe data used?
• Discovery ও validation period separate?
• Every tested variation counted?
• Multiple-comparison adjustment considered?
• Mean, median, dispersion ও worst case reported?
• Cost, tax, dividend ও cash return included?
• Era ও relevant market-এ result stable?
• Economic mechanism stated?
• Forward-test rule frozen?

The Money Man View

Calendar effect conditional distribution-এর hypothesis, profit-এর appointment নয়। False pattern-এর strongest defence procedural: আগে define করুন, every test count করুন, untouched data preserve করুন এবং net economic result demand করুন। Rule survive করতে continuous date change লাগলে calendar সম্ভবত market নয়, backtest explain করছে।

শিক্ষামূলক risk disclosure

এই tutorial simplified hypothetical research ব্যবহার করেছে এবং The Money Man editorial workflow-এর অধীনে AI-assisted research ও writing দিয়ে প্রস্তুত। এটি শিক্ষামূলক তথ্য, personalised investment advice নয়। Historical seasonal average disappear, reverse বা cost-এর পরে fail করতে পারে, এবং trading substantial loss তৈরি করতে পারে।