「冰凍可能會在冬季到來，但季節性反彈將在秋季末臨。」——傑克・D・施瓦格
本章對應原書第 26 章（季節性分析）。
季節性交易的定義#
很多市場都表現出季節性特點：
- 農產品：在可能的冰凍災害前出現的買賣行為
- 金融市場：國庫退款、年末圖書集中進貨（入帳操作）
- 非基本面相關的季節性節奏：某些季節模式與明顯的基本面因素無關
季節性交易的核心假設#
利用季節性因素做交易決定的概念基於一個假設：季節性因素可以導致市場價格運動出現偏差。
- 這種關係遠不能說完美
- 市場向相反的季節性趨勢變化也不少見
- 關鍵問題是：未來價格變動和過去的季節性節奏是否有足夠的正相關關係
合理的角色定位#
由於即使隨機出現的季節性節奏也被期望出現（詳見下文機率分析），很難確定在何種程度上季節性節奏反映真實的價格偏離，而不是隨機出現。
合理的做法：在交易決定時用季節性分析作為基本面分析和技術分析的補充，而不是一個單獨的考慮因素。
現貨與期貨價格季節性的比較#
關鍵區分#
對於穀物：
- 現貨價格在收穫季走低屬正常
- 但這種節奏不一定意味著交易機會——期貨市場很可能已將收穫期價格走軟貼現到了現貨價格中
- 消除了可能的盈利機會
我們涉及的是期貨交易，不是現貨商品或金融工具。關鍵問題是：季節性節奏是否存在於期貨市場中——因此，期貨數據應該納入所有的季節性計算中。
預期的角色#
因為市場傾向於將預期的事件折現，真正的季節性節奏往往從根本上不同於傳統的關於季節性節奏的觀點。
例子：冬季敏感商品#
民用燃料油、冷凍濃縮橙汁、咖啡被認為對極端寒冷氣候脆弱——
- 傳統觀念：冬季表現強勢
- 實際上：這些市場往往在冬天來臨之前表現出季節性強勢，隨冬季來臨而趨於回落
這符合「市場折現預期」的原則：如果眾所周知某季節風險已知，市場會提前反應，等到季節真正來臨時，該反應可能已結束。
它是真的還是它只是概率？#
隨機也會產生「季節性節奏」#
即使一市場表現出明顯的季節性節奏，這並不意味著一個真正的季節性節奏存在。
如果有足夠的市場被檢驗足夠的時間，一些明顯的季節性節奏會是事實上一定會出現，即使所有被檢驗的價格序列是隨機的。
拋硬幣類比#
用拋硬幣實驗說明隨機性如何產生「假季節性」：
- 假設每次拋 10 次代表某周在某市場過去 10 年的價格變動
- 重複 52 次（代表一年每星期）
機率計算：
- 超過 75% 的試驗將產生不相等的正面背面（漲跌數不同）
- 有超過 75% 機率會出現至少 9 正面或 9 背面的試驗（一或多個周 10 年中 9 年都漲或都跌）
- 52 個試驗重複 25 次（25 個市場），其中至少一個市場出現 9/10 相同結果的機率 > 99.999%
- 15 個或以上市場找到這樣「9/10 週」的機率 > 99%
即使價格波動分布是完全隨機的，在 25 個市場中也至少會有 15 個市場在某個指定週的 10 年裡有 9 年以上較高或較低——
換言之，「一定數量明顯的季節性節奏也是不可避免的」。判別哪些季節性節奏是真實的、哪些是隨機的，是季節性分析的核心挑戰。
計算季節性指數#
方法 1：平均百分比法（Average Percentage Method）#
這是最簡單的方法：
- 計算每年或每季度的年平均值
- 將每個數據項（每日、每周或者每月數據）轉化成相應的年平均值的百分比形式
- 將每一時間段（每月、每周或者每日）的百分比的數據求平均，結果就是季節性指數
範例：12 月燃料油合約的季節性指數#
基於 1996–2015 年的月度價格，將每月價格轉換為年度平均值的百分比，然後求各月平均：
- 價格季節性傾向在 9–10 月間達到相對高點
- 12 月至次年 1 月達到相對低點
極端年份的處理#
計算季節性指數時，檢查是否有扭曲結果的極端年份是聰明的做法。
- 1996–2015 年燃料油市場的一個例外：2008 年
- 2008 年 12 月燃料油合約跨越了極其寬廣的範圍（金融危機）
- 最好將這些非典型性的年份排除在外，或進行一些調整
方法 2：鏈環相關法（Link Relative Method）#
優於平均百分比法的方法，因為它可以剔除趨勢：
- 將每個數據表示成前一個月的數據百分比的形式
- 求這些每月的數據的平均值
- 將第一個月的數據設定為 100，將其他月度的數據轉換成相對百分比形式
- 對上述數據進行趨勢調整（去除長期價格趨勢的影響）
- 將這些數據乘以共同的因子，使每月的平均季節性指數等於 100
鏈環相關法的優勢：可以從季節性指數中剔除長期趨勢。平均百分比法則做不到——在長期趨勢市場中，看起來像季節性因素的，實際上可能是一個長期的價格趨勢。
季節性因素的實務應用#
季節性分析的正確位置#
- 作為基本面分析與技術分析的補充，不應作為獨立決策依據
- 驗證顯著季節性的統計意義（是否可能為隨機）
- 選擇有明確基本面理由支持的季節性（如農產品收穫期、冬季能源需求）
判定「真實」季節性的檢查清單#
- 有基本面解釋嗎？（冰凍、收穫、稅務截止、假期等）
- 至少 10 年以上的數據？
- 去除趨勢後仍然存在？
- 是否在期貨市場而非現貨市場？
- 排除極端年份後仍顯著？
季節性交易的三個陷阱#
- 過度信任：季節性從不完美，違背季節性的年份一定會出現
- 忽略折現效應：市場會提前反應已知的季節性事件
- 混淆現貨與期貨：現貨市場的季節性不等於期貨市場的季節性
季節性節奏從不保證重複。即便某月在過去 15 年有 14 年下跌，也無法保證第 16 年會下跌。季節性應用於提高交易勝率，而非決定方向。