坎特伯里大學論文：作者認為期中選舉前後的較高報酬，調整風險後幾乎消失
2023-05-19・坎特伯里大學經濟與金融系（University of Canterbury）工作論文 No. 5/2023〈The midterm election effect on US stock returns: Some practical considerations for investors〉・Anderson 等三位作者用 49 個產業投組說明：期中選舉前後的較高報酬在調整風險因子後如何淡出，以及他們為何把它解讀為承擔市場風險的補償；樣本止於 2022 年 6 月，早於 2026 年 11 月 3 日的期中選舉投票｜本頁為本站中譯整理，以原文為準。
機構研究・Warwick Anderson、Jędrzej Białkowski、Moritz Wagner（坎特伯里大學（University of Canterbury）經濟與金融系）・立場：歷史統計
利益衝突揭露：無已知利益衝突：三位作者任職於紐西蘭坎特伯里大學經濟與金融系，本文是學術工作論文（Working Paper No. 5/2023），原文未見銷售基金或收費投資服務，也未載明研究經費；資料來源為 Kenneth French 資料庫的產業投組與風險因子報酬。另有兩點需留意：一是文中轉引的 Bialkowski 與 Nahavandi（2019），參考文獻的作者 Bialkowski, J. 與本文作者之一 Jędrzej Białkowski 姓名相符，看來是作者自己的先前研究；二是時效，本篇寫於 2023 年 5 月、樣本止於 2022 年 6 月，早於 2026 年 11 月 3 日的期中選舉，之後的資料請以站內連結的最新內容為準。
一分鐘重點
- 研究資料：他們用 Kenneth French 資料庫的 49 個產業投組月報酬（NYSE、AMEX、NASDAQ 全部上市股票），期間為 1926 年 7 月至 2022 年 6 月，涵蓋 24 次期中選舉。
- 怎麼定義選舉效應：他們用虛擬變數標出選舉當年第 4 季（11 月投票）和隔年第 1、2 季共九個月，看這九個月的月報酬比其他月份多多少；風險調整依序用三因子、四因子、五因子模型。
- 未調整風險時：49 個產業中有 42 個在這三季的超額報酬顯著較高，三季複利從啤酒與烈酒的 6.0% 到電腦軟體的 42.8%；他們也觀察到後半段樣本（1974 年 7 月後）效果看起來更強。
- 調整風險後：加入三因子後只剩服飾、醫療設備、量測與控制設備 3 個產業仍顯著為正，且各自只在前半或後半樣本成立；他們說四因子、五因子結果大致相同，整體看不到系統性的風險調整後較高報酬。
- 效應連到市場因子：各風險因子分別對選舉虛擬變數迴歸，市場因子的反應最明顯：每月超額市場報酬約高 1.37%（t 值 4.03）；HML 與 CMA 的係數為負且顯著，SMB、MOM、RMW 則不顯著。他們把 HML、CMA 為負解讀為：相對於價值股與投資保守的公司，成長機會多、投資較積極的公司報酬較高。
- 他們的解釋：他們援引 Chan 與 Marsh（2021）的看法，把較高報酬連到選後政治不確定性下降；另外說明，區分國會多數黨別、或考慮府會一致與僵局，結果都不受影響（原文標示未列表）。
原文說了什麼（中英對照）
① 期中選舉效應指的是什麼？
他們開頭就說，期中選舉效應是實證金融文獻中，與美國政治有關、最持久的規律之一，卻也是最少被深入檢驗的現象之一。現象是：11 月投票的那一季起連續三季，股市表現常強過其他時期；他們引述金融時報 2014 年的報導，指 1925 至 2014 年間約九成的期中選舉都出現這個走勢。
“one of the most persistent regularities related to US politics reported in empirical finance”
至於原因，他們轉述 Chan 與 Marsh（2021）的研究：選後幾個月，市場對政治議程的不確定性下降，股價主要在這段時間上漲。這篇論文處理的是偏實務的問題——各產業的表現是否不同，以及扣掉風險因子後，這個規律還剩多少。
② 不調整風險時，數字長什麼樣？
先看沒扣風險的版本，結果與先前研究一致：49 個產業投組中有 42 個，在期中選舉當季與其後兩季的月超額報酬顯著較高。三季複利下，各產業的報酬落在啤酒與烈酒的 6.0% 到電腦軟體的 42.8% 之間。
他們也轉述先前研究的數字：Bialkowski 與 Nahavandi（2019）算出選舉年第 4 季報酬 8.89%、次年前兩季 8.02% 與 6.15%，對照非選舉年份的長期平均約 3%；整年複利則是期中選舉 25.7%、總統任期第三年 20.1%，論文據此說，兩段有三季重疊，差距顯示驅動力是期中選舉本身。
③ 扣掉風險因子之後，還剩下什麼？
加入 Fama-French 三因子後，期中選舉的效果大多可由風險因子解釋：只有服飾、醫療設備、量測與控制設備 3 個產業的係數仍顯著為正；改用四因子或五因子，結論也大致不變。他們說，近一世紀的資料裡，找不到穩定勝出的產業。
“no dependable sectoral winners emerge from an analysis of close to a century of midterm election-related stock price data”
再把每個風險因子分別拿來對選舉虛擬變數迴歸，市場因子最明顯：選舉三季每月的超額市場報酬約高 1.37%（t 值 4.03）；HML 與 CMA 的係數為負且顯著，SMB、MOM、RMW 不顯著。他們的解讀是，相較價值股與投資保守的公司，成長機會多、投資較積極的公司在這段期間報酬較高。
④ 他們怎麼解讀這個結果？
他們的結論是：期中選舉附近的較高報酬主要連到市場因子，看起來只是對承擔整體市場風險的補償，這也呼應 Chan 與 Marsh 的發現——證券市場線只在選後幾個月明顯向上傾斜，其他月份相當平坦。
“higher returns appear to merely compensate investors for bearing risk”
談到對投資人的含意，他們的說法是：就這份樣本而言，靠產業輪動策略，或試圖掌握下一次期中選舉的時點，在風險調整後都沒有取得超額報酬的空間。另外他們說，區分國會多數黨別、或考慮府會一致與僵局，結果也不受影響，不過這部分原文沒有列表。
原文引用的數字
| 項目 | 數值 | 說明 |
|---|---|---|
| 研究樣本 | 1926 年 7 月至 2022 年 6 月・49 個產業・24 次期中選舉 | 月報酬，來源為 Kenneth French 資料庫；五因子模型因資料限制只用 1963 年 7 月至 2022 年 6 月 |
| 未調整風險：選舉三季超額報酬顯著較高的產業數 | 42／49 | 作者的迴歸（Newey-West 標準誤，含 10% 顯著水準），樣本 1926–2022 |
| 三季複利報酬範圍（未調整風險） | 6.0%（啤酒與烈酒）至 42.8%（電腦軟體） | 原文圖 2 B 圖：三季月平均報酬複利計算 |
| 三因子調整後仍顯著為正的產業 | 3 個（服飾、醫療設備、量測與控制設備） | 係數約 0.67、0.73、0.67（單位：月報酬百分點，t 值 2.45、2.65、2.49）；各自只在前半或後半樣本成立；原文表 3 另有橡膠與塑膠製品 0.53（t 值 1.74）僅達 10% 顯著水準，作者文字未計入 |
| 市場因子對選舉虛擬變數的係數 | 每月約 +1.37%（t 值 4.03） | 原文表 6；HML −0.56（t 值 −2.14）、CMA −0.60（t 值 −3.00），SMB、MOM、RMW 不顯著 |
| 轉引：Bialkowski 與 Nahavandi（2019）的分季報酬 | 選舉年第 4 季 8.89%；次年第 1、2 季 8.02%、6.15% | 對照非選舉年份的長期平均約 3%；為先前發表的研究（參考文獻作者 Bialkowski, J. 與本文作者之一姓名相符），非本文新估 |
| 轉引：同一研究的一整年複利 | 期中選舉 25.7%；總統任期第三年 20.1% | 論文據此說兩段有三季重疊，差距顯示驅動力是期中選舉而非總統任期週期 |
數字皆出自原文；中譯與表格化為本站整理。⚠️ 本篇是 2023 年 5 月的工作論文（論文本身只標 2023 年 5 月，卡片日期取 PDF 建檔日 2023-05-19；首頁註明更新版已發表於《Finance Research Letters》，本站整理的是這份工作論文稿），樣本止於 2022 年 6 月，早於 2026 年 11 月 3 日的期中選舉投票；所述是作者對歷史資料的統計與判斷，不是本站預測，也不代表本屆結果。
延伸：文中提到的指標，站上這裡查
出處：University of Canterbury Department of Economics and Finance Working Paper No. 5/2023・The midterm election effect on US stock returns: Some practical considerations for investors｜本頁為資訊整理與轉述（聚合不轉載、僅摘引關鍵句），非投資建議，不預測市場走向。