Q-CodeQ-Code 打开工作台

春节日历窗口

事件驱动A股风险 中入门更新 2026-09-24#日历效应#春节#事件窗口

以春节休市为锚的日历效应策略:节前一周建仓持过节、节后一周观察退出,日历效应框架下严格小样本警惕。

策略目标

日历效应指收益在特定日历窗口的系统性差异,周末效应是其奠基形态 [1]。春节窗口是 A 股最受关注的本地日历效应:节前流动性回暖、节后资金回流的季节性资金行为,叠加“红包行情”的集体预期。本策略只交易节前 5 日至节后 5 日的固定窗口,其余时间空仓。必须直言:年频事件意味着三十余年历史只有三十余个样本,任何统计结论的置信度都天然薄弱,本策略的主要价值是提供一套可复现的窗口验证框架。

数据需求

数据 字段 频率 来源
量价 沪深 300 ETF 日收盘价 日频 可得
日历 每年春节休市起止日期 年度 交易所公告,人工核对维护

休市日期表是本策略唯一的外部依赖,必须人工核对交易所当年公告,禁止程序推断农历。

窗口收益

Rwin=Pafter+5Pbefore−5−1R_{win} = \frac{P_{after+5}}{P_{before-5}} - 1

其中 Pbefore−5P_{before-5} 为休市前第 5 个交易日收盘价,Pafter+5P_{after+5} 为休市后第 5 个交易日收盘价。逐年统计 RwinR_{win} 的均值、胜率与最差值,样本外逐年滚动检验。

执行规则

一年一次:节前第 5 日收盘买入,节后第 5 日收盘卖出,窗口内不做任何动作(包括止损——这是设计取舍:日历窗口的统计意义建立在完整持有上,中途止损会破坏样本定义,代价是承担窗口内全部跳空风险,必须如实接受)。

风险与失效场景

  • 小样本:一年一个样本,三十余个样本下的均值估计置信区间宽,效应可能只是幸存者叙事;
  • 尾部风险不可回避:2020 年春节后首个交易日市场大幅下跌,是该策略最典型的尾部案例——跳空无法止损;
  • 海外风险敞口:春节休市期间海外市场正常交易,节前持仓实际承担一周的全球风险;
  • 效应衰减:日历效应被广泛知晓后趋于消失,历史均值不代表未来;
  • 休市表人工维护:依赖人工核对的日历,录入错误直接导致窗口错位。

验证状态

待验证。需要完成:逐年窗口收益全序列披露(正负年份点名);窗口长度 3/5/10 日对照;与随机窗口(每年随机选 10 个交易日持有)的对照——这是排除幸存者叙事的关键检验。本文不提供任何未实测的收益或回撤数字。

参考文献与延伸

[1] French, K. R. (1980). Stock Returns and the Weekend Effect. Journal of Financial Economics, 8(1).(日历效应研究的方法论奠基)

[2] Q-Code 量化策略工作台(春节窗口的逐年实证与休市日历维护)

策略逻辑结构

  1. 休市日历 — 交易所公告的春节休市安排
  2. 窗口计算 — 节前 5 日至节后 5 日
  3. 节前建仓 — 休市前第 5 日收盘买入
  4. 持仓过节 — 窗口内不调仓
  5. 节后退出 — 休市后第 5 日收盘卖出

AI 生成提示词

复制以下提示词,打开 Q-Code 工作台粘贴到 AI 对话框,即可自动生成该策略的 QMT 策略代码(单个完整 .py 文件,支持 QMT 回测与实盘)。

请生成一个 QMT 兼容的春节日历窗口策略。标的为沪深 300 ETF。每年以交易所春节休市安排(参数注入当年休市日期)为锚:休市前第 5 个交易日收盘买入,休市后第 5 个交易日收盘卖出,其余时间空仓。窗口内不做任何调仓。休市日期表必须人工核对交易所公告后更新,禁止自动推断,兼容回测与实盘分支,参数内联在 init,输出单个完整 Python 文件并包含每年窗口日志。
用自然语言,生成你的 QMT 策略
注册即赠 200 积分,约可生成 5 次 · 支持 Kimi / GLM / DeepSeek
打开 Q-Code 工作台