📅 Saisonmønstre & kalenderanomalier

Sesongvariasjoner refererer til statistisk målbare, periodisk tilbakevendende mønstre i avkastningen til finansielle instrumenter som kan forklares av kalenderhendelser — ikke av fundamentale selskaps- eller makroøkonomiske data. Et marked viser sesongmessig styrke når det systematisk overpresterer i en spesifikk periode (f.eks. oktober til april) over mange år — uavhengig av om økonomien for øyeblikket vokser eller trekker seg sammen.

Kjerneessensen: Sesongvariasjoner er ikke tilfeldige og ikke et diagrammønster. Det er det statistiske destillatet av atferdsmønstre blant tusenvis av markedsaktører — skattelover, kvartalsforpliktelser for institusjonelle investorer, fysiske leveringssykler for råvarer og tilbakevendende psykologiske impulser genererer liknende kjøps- og salgsbølger år etter år.

Tre tidshorisonter for sesongvariasjoner

Skille fra syklusmoduler 5.1–5.6

De foregående modulene (konjunktursykler, gjeldens supersyklus, presidentvalgssyklusen, sektorer, Kondratieff-bølger, Elliott-bølger) beskriver sykler som er fundamentalt drevet: pengepolitikk, kredittekspansjon, selskapsinntjening, økonomisk vekst. Sesongvariasjoner er derimot kalenderdrevet — de løper uavhengig av om konjunktursyklusen er i ekspansjon eller kontraksjon. Begge dimensjonene kan forsterke eller svekke hverandre: et sesongmessig sterkt kvartal i et strukturelt bjørnemarked gir typisk svakere resultater enn det samme kvartalet i et tyremarked.

Hvorfor oppstår sesongmønstre?

Bak hvert stabilt mønster ligger en strukturell mekanisme:

• Tax-loss harvesting (årsslutt / januar): Investorer realiserer tap før skatteåret stenger og reinvesterer i januar — dette skaper det klassiske årsslutssalgspresset på tapsgivende posisjoner og den påfølgende januareffekten i small caps.
• Årssluttsbonus-investeringer og pensjonsfondsrebalansering (Q4): Institusjonelle fond mottar innstrømninger fra bonusplaner i oktober/november og må rebalansere porteføljer ved årets slutt — noe som strukturelt støtter markedene.
• Window dressing (kvartalsslutt): Fondsforvaltere kjøper de største vinnerne og selger de største taperne i de siste dagene av et kvartal for å forbedre utseendet på årsrapporten — noe som forsterker eksisterende trender på kort sikt.
• Sommerlaber (juni–august): Ferieankoblede lavere handelsvolumer fører til mer volatile, mindre stabile markeder og favoriserer trendsvakhet.
• Fysiske sykler i råvarer (høst, energietterspørsel): Landbruksråvarer (mais, hvete) følger høstplaner; naturgass og fyringsolje har sesongmessige etterspørselstopper om vinteren. Disse fundamentale tilbudssyklusene skaper forutsigbare pris- og lagermønstre.

Viktig forbehold

Sesongvariasjoner fungerer med sannsynligheter, ikke garantier. Et mønster som holder i 70 % av årene, svikter i 30 % — og det er nettopp i disse unntaksårene at de største risikoene ofte ligger. Bruk alltid sesongmessige innsikter i kontekst: trend, sentiment og makrobakgrunn har prioritet. Sesongvariasjoner er et ekstra argument for eller mot en handel — ikke et frittstående handelssystem. sTraderZ.com viser historiske sesongdata for hvert instrument slik at du kan vurdere muligheter og risikoer realistisk.

De månedlige gjennomsnittlige avkastningene til store aksjeindekser viser bemerkelsesverdig stabile mønstre over tiår. Disse dataene utgjør grunnlaget for sesonganalyse — og nøyaktig det Sesongfanen i sTraderZ.com visualiserer for ditt spesifikke underliggende (detaljer i kapittel 19).

S&P 500 (1928–2023): Månedlige gjennomsnittlige avkastninger

S&P 500 viser et tydelig tofasemønster: en sterk fase fra oktober til april og en svak fase fra mai til september. November er historisk den sterkeste måneden (+1,7 % gjennomsnitt), drevet av årsslutts-window-dressing av institusjonelle fond og positivt sentiment etter amerikanske mellomvalg. April (+1,5 %) drar nytte av skatterefusjoner som reinvesteres i aksjer og kvartalsrebalansering. Juli (+1,3 %) er den etterfølgende styrken fra Q2-inntjeningsimpulsen.

September med −0,7 % gjennomsnitt er den eneste måneden med negativ langsiktig gjennomsnittlig avkastning. Post-sommer institusjonell rebalansering, taktisk risikoreduksjon foran årssluttrapportering og en historisk forhøyet konsentrasjon av ugunstige hendelser (Lehman-kollapsen september 2008, dot-com-fall september 2001, 2002) har sementert mønsteret.

DAX (1988–2023): Mer uttalt desember/november-effekt

DAX viser et lignende grunnmønster som S&P 500, men med en mer uttalt desember/november-effekt: window dressing er særlig sterk blant tyske institusjonelle investorer med desemberbalansedatoer. September med −1,2 % gjennomsnitt er den svakeste måneden — mer uttalt enn i S&P 500. Det mindre markedet og høyere eksportavhengighet forsterker de sesongmessige svingningene.

Nikkei 225: Uttalt Q1-styrke fra Japans skatteår

Japans skatteår slutter 31. mars. Institusjonelle investorer, pensjonsfond og selskaper i Japan rebalanserer sine porteføljer ved skatteårets slutt (mars) og begynnelsen av det nye året (april). Dette skaper uttalt Q1-styrke i Nikkei 225 — januar til mars viser over gjennomsnittlige avkastninger som skiller seg fra vestlige markeder. Yenens innflytelse demper samtidig sesongmønstre for internasjonale investorer.

MSCI World: Halloween-effekten målbar, nasjonale mønstre fortynnet

I MSCI World er Halloween-effekten tydelig synlig: november–april slår mai–oktober med statistisk signifikans. Fordi indeksen diversifiserer over 23 land, fortynnes nasjonale særegenheter (Japans skatteårseffekt, amerikansk tax-loss harvesting, tyske årssluttsdatoer). Det som gjenstår er det felles globale grunnmønsteret — og det følger det klassiske sommerbunnen / vinterstyrke-skjemaet.

Kumulativ intraårsavkastning

Det verktøyet visualiserer under "Sesongfanen" er den kumulative gjennomsnittlige avkastningen over kalenderåret — summen av alle månedlige gjennomsnitt fra januar til desember. Dette viser ikke bare isolerte månedlige avkastninger, men også strekk med sesongmessig styrke eller svakhet: hvor akselererer oppgangen? Hvor flater den ut eller snur den negativt? Denne visualiseringen er ideell for å identifisere inngangs- og utgangsvinduer for mellomlangfristede posisjoner.

Du kan hente disse dataene for ditt spesifikke underliggende i verktøyet under Sesongfanen — operative detaljer i kapittel 19.

Finansmarkedsforskning har identifisert og kvantifisert en rekke kalenderanomalier over tiår — statistisk robuste avkastningsmønstre som verken kan forklares fullt ut av den effektive markedshypotesen eller arbitreres bort fullt ut. Fem av disse anomaliene er særlig godt dokumenterte og praktisk relevante.

1. Halloween-effekten / "Sell in May"

Definisjon: Perioden november til april leverer historisk signifikant høyere avkastning enn mai til oktober. For S&P 500 (1928–2023): november–april ≈ +7,1 % gjennomsnitt, mai–oktober ≈ +2,0 % gjennomsnitt — en forskjell på rundt 5 prosentpoeng per år.

Mekanisme: Sommerferiemønstre reduserer handelsvolumer og institusjonell aktivitet. Pensjonsfond med kalenderårsmandat starter nye allokeringer i oktober/november. Årsslutts-window-dressing driver november og desember. Den klassiske frasen "Sell in May and go away, come back on St. Leger's Day" (midt i september) er en forenklet folkversjon av denne effekten.

Begrensninger: Mønsteret er statistisk signifikant (p ≈ 0,02), men ikke pålitelig for hvert enkelt år. I 2020 var markedsbunnen i mars — midt i den angivelig sterke fasen. 2022 leverte et novemberunntak. Avkastningsforskjellen reduseres betydelig etter transaksjonskostnader og skatter på konkrete enkelthandler.

2. Januareffekten

Definisjon: Aksjer — særlig small caps — oppnår over gjennomsnittlig avkastning i januar. Opprinnelig beskrevet av Sidney Wachtel i 1942, var effekten særlig sterk i andre halvdel av 1900-tallet.

Mekanisme: Tax-loss harvesting i desember: investorer selger tapsposisjoner før årets slutt for skatteoptimalisering. I januar kjøpes disse posisjonene tilbake — salgspress snur til kjøpspress. Small caps med lavere likviditet reagerer sterkere på denne tilbakekjøpsbølgen.

Kritikk: Siden ca. 2000 har januareffekten svekket seg. Skattefordelaktige kontoer (401k, IRA) reduserer skattepresset. Algoritmisk handel forutser effekten og kjøper allerede i desember. For large caps har effekten vært statistisk knapt påvisbar siden 1990.

3. Septembereffekten

Definisjon: September er historisk den svakeste måneden for S&P 500 (−0,7 % gjennomsnitt), DAX (−1,2 % gjennomsnitt) og de fleste globale indekser. Vinnfrekvensen er bare 45 % — dårligere enn noen annen måned.

Mekanisme: Utsatte post-sommer institusjonelle reallokeringer gjennomføres. Fondsforvaltere med septemberkvartalsslutt reduserer risikoposisjoner. Historisk konsentrerte krisehendelser (Lehman 2008, 11. september 2001, russisk krise 1998, LTCM 1998) har forsterket psykologisk risikoaversjon i september.

Kritikk: Fordelingen er sterkt venstreskjev — noen katastrofale septembermåneder (−9 %, −11 %) drar gjennomsnittet kraftig nedover. Under gunstige konjunkturforhold kan september være positiv.

4. Julenissen-rally

Definisjon: De siste 5 handelsdagene i året kombinert med de første 2 handelsdagene i det nye året viser en gjennomsnittlig avkastning på +1,4 % for S&P 500 (Yale Hirsch, Stock Trader's Almanac 1972). Dette tilsvarer en annualisert avkastning på over 30 % for denne korte perioden.

Mekanisme: Lave feriehandelsvolumer reduserer institusjonelt salgspress. Positivt forbrukersentiment rundt jul viser seg i detaljhandelsdata. Årsslutts-bonusutbetalinger reinvesteres delvis. Sesongmessig optimismebias blant investorer.

Kritikk: Lite tidsvindu = høy standardavvik. Lav likviditet fører til forhøyet volatilitet. Et uteblitt Julenissen-rally betraktes som et advarselssignal i traderlore: "If Santa Claus should fail to call, bears may come to Broad and Wall."

5. Månedsskifteeffekten

Definisjon: Den siste handelsdagen i en måned og de tre første handelsdagene i den nye måneden viser uforholdsmessig styrke. Lakonishok & Smidt (1988) dokumenterte at disse fire dagene til sammen forklarer mer enn 100 % av Dow Jones' totale månedlige avkastning.

Mekanisme: Månedlige spareplaninstrømninger (401k, Riester, ETF-spareplaner) investeres automatisk i aksjemarkeder ved månedstart. Lønn utbetales rundt månedsslutt. Fondsforvaltere åpner bøkene sine ved månedstart med ferske allokeringer.

Kritikk: I bjørnemarkneder fungerer effekten mindre pålitelig. Høyfrekvenshandlere forutser instrømningene. Mønsteret har endret seg siden spredningen av ETF-spareplaner og algoritmisk handel.

Alongside månedlige saisonaliteter finnes kortere intrauke- og opsjonsdrevne mønstre som er særlig relevante for korttidstraders og opsjonstradere. Disse effektene har svekket seg de siste årene på grunn av algoritmisk handel — men fortsetter å eksistere i dempet form.

1. Ukedagseffekten

For S&P 500 (1928–2023) fremkommer et tydelig ukedagsmønster: Mandag er historisk den svakeste dagen (−0,09 % gjennomsnitt), fredag den sterkeste (+0,09 % gjennomsnitt). Den såkalte "mandagseffekten" eller "helgeeffekten" ble først dokumentert av Cross (1973) og French (1980).

Mekanisme: Negative nyheter akkumuleres i helgen (selskaper offentliggjør dårlige nyheter på fredagskvelden når børsene er stengt). Investorer behandler denne informasjonen først mandag morgen. Institusjonelle hedger åpnes fredag og lukkes mandag. Siden algoritmisk handel tok fart rundt 2010 har effekten avtatt betydelig — arbitrasje skjer nå raskere.

2. Månedlig opsjonsforfall (OPEX)

Den tredje fredagen hver måned utløper standard aksjeopsjoner og indeksopsjoner. Mekanismen er kompleks: market makers som har solgt kortsiktige opsjoner holder deltaposisjoner i underliggende som sikring. Jo nærmere forfall, desto høyere gammaeksponering — små prisbevegelser tvinger frem store sikringsjusteringer.

Dette fører til den såkalte "pin-risikoen": markedet tenderer til å gravitere mot strike-priser med høy åpen interesse, fordi market makers der ikke har stort delta- eller gammatrykk. Store OI-strike-priser i SPX/SPY (f.eks. 4000, 4500, 5000) fungerer som kortsiktige gravitasjonssentre. OPEX-mønsteret: ofte forhøyet volatilitet i OPEX-uken, etterfulgt av ro etter forfall.

3. Kvartalsvis Triple Witching

Fire ganger per år — den tredje fredagen i mars, juni, september og desember — utløper indeksfutures, indeksopsjoner og enkeltaksje-opsjoner samtidig. Denne "Triple Witching" (tidligere "Quadruple Witching" når også enkeltaksjefutures utløp) forbindes med årets høyeste handelsvolumer — ofte 2–3 ganger en normal handelsdag.

Institusjonelle investorer ruller futuresposisjonene sine uken før Triple Witching (rulluken). Dette skaper forutsigbare volumønstre: økt aktivitet i foregående uke, potensielt forhøyet volatilitet på selve forfalsdagen. For opsjonstradere er den eksepsjonelle gammadensiteten disse dagene relevant — kort-gamma- posisjoner kan raskt bli smertefulle.

4. FOMC-møtemønsteret: "Pre-FOMC Drift"

Lucca & Moench (Federal Reserve Bank of New York, 2015) dokumenterte en bemerkelsesverdig effekt: S&P 500 steg i gjennomsnitt +0,49 % de 24 timene før en FOMC-beslutning — uavhengig av om rentene ble hevet, senket eller holdt. Denne "Pre-FOMC Drift" forklarte en stor del av aksjemarkedets langsiktige avkastning.

Mekanisme: forventning om imøtekommende pengepolitikk eller i det minste et "Fed put" (Fed:s vilje til å gripe inn ved skarpe markedsfall). Siden studien ble offentlig har effekten delvis svekket seg — det klassiske arbitrasjeproblemet. Den forblir likevel relevant som en forsiktighetsforanstaltning: kort-gamma-posisjoner før FOMC er historisk riskablere enn etter FOMC.

Råvarer viser ofte de mest utpregede saisongmønstrene av alle aktivaklasser — fordi etterspørselen er direkte knyttet til fysiske sykluser: værbetingelser, høstplaner, industrielle bearbeidingssykluser og kulturelle forbruksvaner gjentas år etter år etter den samme kalenderen. Å kjenne disse mønstrene gjør det mulig å time ETF-posisjoner i råvarer og råvareselskaper mye mer presist.

1. Gull

Gull viser en utpreget styrke i august–september. Den fysiske drivkraften: India og Kina innleder kort tid etter de store bryllups- og festivalsesongene — Diwali (november) og kinesisk nyttår (januar/februar). Smykkehandlere og gullsmeder bygger opp lager 6–8 uker før disse hendelsene. Historisk oppnår GLD et gjennomsnittlig pluss på rundt +2,5 % i august–september — blant de sterkeste månedene for edelt metall. Den svake fasen løper typisk mars–mai: etter vinterkjøpssurgen normaliseres etterspørselen og institusjonelle porteføljer roterer mot risikable aktiva.

Bakgrunn: rundt 50 % av den globale gulletterspørselen gjelder smykker (World Gold Council). Det gjør India (ca. 25 % av verdensandelen) alene til en avgjørende saisongdriver — tørkeår eller svake monsunhøster kan dempe mønsteret ettersom husholdningsinntektene synker.

2. Råolje (WTI / Brent)

Råolje-saisonalitet drives av fire fysiske sykluser:

• Sommerkjøresong (mai–august): US-bensinsetterspørsel stiger med +15 % sammenlignet med vinteren — Memorial Day til Labor Day er den mest intensive kjøresesongen. Raffinaderier øker kapasitetsutnyttelsen fra mars/april.
• Raffinering-bytte (mars–april): Overgangen fra vinter- til sommerbensinblandinger tvinger frem raffinaderi-stopp → kortsiktig økning i råoljelagre, deretter rask nedgang når kjøresesongen begynner.
• Orkansesong (juni–november): Plattformer i Mexicogolfen produserer ~15 % av USAs olje. Sterke orkansesonger kan utløse prishopp. Tilsvarende forhøyet volatilitet juni–november.
• Vinteroppvarmings-etterspørsel (oktober–februar): Fyringsolje-etterspørsel i USA og Europa driver prisene mot toppen av kurven. Sammen med lavere lagernivåer etter kjøresesongen typisk en fast fase.

3. Naturgass (Henry Hub)

Naturgass viser den mest utpregede saisonaliteten av alle likvide råvarer — med to topper og to bunner per år:

• Sommertopp (juli–august): Klimaanleggsbruk i USAs sørlige stater driver etterspørselen etter strømgeneratorer.
• Vintertopp (desember–januar): Oppvarming dominerer. Desembertoppene er historisk mer volatile og kan dramatisk forsterkes av kuldekniper.
• Overgangssesongene (vår/høst): Minimal etterspørsel — verken oppvarming eller kjøling dominerer. Priser og UNG ETF er ofte på årslaveste.

Advarsel: UNG (United States Natural Gas ETF) lider betydelig av contango-kostnader (rulltap fra negativ rullavkastning). Langsiktige posisjoner taper på rullkostnader selv ved flate priser. UNG egner seg primært for kortsiktige saisonghandler, ikke som langsiktig investering.

4. Jordbruksråvarer

Jordbruksråvarer følger høstkalendere som er geografisk forskjøvet:

• Hvete: Høst juni–august (nordlige halvkule) → tilbudstrykk, typisk prissvakhet. Pre-høst-rally ofte mars–mai når høstprognoser er usikre.
• Mais: US-høst september–oktober → prissvakhet om høsten. Våren ofte sterkere på grunn av plantingsusikkerhet (USDA Acreage Reports).
• Soyabønner: US-høst oktober, Argentina/Brasil mars–april — motsatte nordlige/sørlige halvkulesykluser. I det globale markedet betyr det nesten helårlig tilbud, men utpregede regionale skift.
• Bomull: US-høst oktober–desember → tilbudstopp. Pre-høst-spekulasjon typisk juli–september.

Praktisk merknad: Råvare-saisonalitet vises direkte i sTraderZ.com på Saisongfanen for de respektive råvare-ETFene — inkludert win-rate-heatmap og badges for de sterkeste vinduene.

Valutamarkeder (forex) viser sesongmønstre som oppstår fra institusjonelle kapitalstrømmer, finanskalendere og carry-trade-dynamikk. I motsetning til aksjer eller råvarer er FX-sesongmønstre mer subtile — kalender- mekanismer overlapper med rentedifferanser, risikovilje og geopolitiske hendelser. Likevel er visse mønstre statistisk robuste.

1. USD:s Årsrytme

Den amerikanske dollaren viser en utpreget årsrytme: I første kvartal tenderer USD å svekkes — årsstartsstrømmer går til risk-on-markeder (aksjer, fremvoksende markeder) og internasjonale investorer diversifiserer bort fra USD-denominerte eiendeler. Til gjengjeld viser valutaer i fremvoksende markeder og råvarevalutaer ofte relativ styrke i K1.

DXY i sep–nov er historisk dollarens sterkeste fase: kvartalsslutt-rebalansering av institusjonelle porteføljer, risk-off-tendenser om høsten og skattemotivert hjemsendelse av selskapers utenlandsinntekter støtter dollaren. Oktober/november-vinduet endte positivt for DXY i over 60 % av årene siden 1980.

2. EUR/USD Sesongmønster

EUR/USD viser ofte en EUR-styrkefase i K1: eksportører og forsikringsselskaper i eurosonen omposisjonerer reserver etter nyttår, noe som genererer etterspørsel etter EUR. I tillegg retter internasjonale investorer årsstartsstrømmer mot europeiske aksjemarkeder. Sommeren (juli–august) er historisk en svak-til-sidelengs fase for EUR/USD — ferievolumet, lav likviditet og mangel på katalysatorer demper momentum.

3. USD/JPY — Japansk Regnskapsårsavslutning

Japans regnskapsår slutter 31. mars. Japanske forsikringsselskaper og pensjonsfond henter hjem utenlandske investeringer for å rapportere årsavsluttstall i JPY. Dette skaper massiv yen-etterspørsel i mars: USD/JPY tenderer å falle — yen-styrke er statistisk hyppigst i mars.

I oktober snur effekten: nye regnskapsårsstrømmer går til utlandet (japanske institusjoner kjøper utenlandske obligasjoner/aksjer for det nye regnskapsårets budsjett) → yen-svakhet, USD/JPY stiger.

4. Carry-Trade Sesongmønster

Høyavkastende valutaer (AUD, NZD, TRY, BRL) drar nytte av sommervinduet (lav volatilitet, risk-on, VIX-bunn juni–juli): carry-tradere holder posisjoner lenger fordi begrensede gap reduserer risikoen for uventede likvidasjoner. September–oktober er historisk den mest kritiske fasen: risk-off-strømmer, stigende VIX, carry-posisjoner avvikles raskt — AUD/JPY og lignende par kan falle 3–5 % i løpet av dager.

Utover klassiske aksjemarked-sesongmønstre finnes det strukturelle makromønstre som skapes av finanssykler, institusjonelle forpliktelser og den politiske kalenderen. Disse mønstrene påvirker aktivaallokering og intermarked-relasjoner — og kan forsterke eller dempe sesongmessige aksje-mønstre.

1. Amerikanske Finansielle Impulser

Det amerikanske regnskapsåret slutter 30. september. Dette skaper to regelmessige makro-impulser:

• Skatterefusjoner mars–april: IRS betaler ut milliarder i skatterefusjoner om våren. Forbruksutgiftene stiger midlertidig — en liten men målbar etterspørselsstimulans. Detaljhandels- og forbruksvareaksjer har en tendens til å dra nytte av dette.
• Statlige utgifter K4 (juli–september): Amerikanske myndigheter må bruke opp sitt årsbudsjett før regnskapsåret slutter — "use it or lose it". Forsvar, IT-infrastruktur og byggekontrakter øker uforholdsmessig i finansielt K4.
• Gjeldstakskriser typisk K3/K4: Politiske konflikter om gjeldstaket tenderer å klynge seg før regnskapsårets slutt — med volatilitetstoppar og midlertidige risk-off-faser.

2. Kvartalsslutt-Strømmer

Institusjonelle investorer rebalanserer porteføljene sine ved kvartalsslutt. Etter et sterkt aksjekvartaler selges aksjer og obligasjoner kjøpes — for å gjenopprette målallokeringen. Dette skaper ofte økt volatilitet like før kvartalsslutt, deretter en rebound-effekt ved starten av det nye kvartalet.

Window dressing: Fondsforvaltere kjøper kvartalets vinnende aksjer i de siste dagene av et kvartal — for å vise dem som beholdninger i kvartalsrapporten. Dette hever prisene på nåværende vinnere like før kvartalsslutt, men skaper ofte svakhet etter cutoff-datoen når disse posisjonene avvikles.

3. Kryss-Aktiva Sesongmønstre

Visse intermarked-relasjoner viser sesongmønstre:

• TLT (amerikanske langsiktige obligasjoner) K4: Ofte sterkere enn resten av året — risk-off-etterspørsel og durationsforlengelse av institusjonelle porteføljer driver obligasjonskjøpepress.
• Gull vs. aksjer K3: Når aksjemarkedet svekkes i K3 (september-effekten), trer gull ofte inn som trygg havn. Den negative korrelasjonen er statistisk mer robust om høsten enn resten av året.
• VIX årsrytme: VIX-bunn typisk i juni–juli (lav usikkerhet, sommerro). Høstspike-risiko øker markant fra midten av september — historisk høyest månedlig VIX-volatilitet i oktober.

4. Amerikansk Presidentvalssyklus

4-årssyklusen med amerikanske presidentvalg skaper målbare mønstre i S&P 500-avkastning:

Forbehold: Presidentvalssyklusen er en statistisk tendens over mange sykler, ikke en deterministisk lov. Eksterne sjokk (pandemi 2020, finanskriser, geopolitikk) kan sette syklusen helt ut av spill. Bruk mønsteret som ekstra kontekst, aldri som eneste handelstrigger.

Modulene 5.1–5.6 beskriver sykluser fra deres økonomiske årsak (pengepolitikk, kreditt, Kondratieff). Den tekniske analysen etter John J. Murphy ser derimot på sykluser fra deres form — uavhengig av årsaken. Tre målestørrelser beskriver hvert sykliske forløp:

Translation: høyre vs. venstre

Translation beskriver om toppen til en syklus ligger tidlig eller sent mellom to bunner — det viktigste timing-signalet i teknisk syklusteori:

Tommelfingerregel: i bullmarkeder dominerer Right Translation, i bearmarkeder Left Translation. Translation-typen er dermed selv et trendfilter.

Overlapping & dominerende syklus

Reelle kursforløp er summen av flere sykluser med forskjellig lengde som overlapper hverandre. Når flere syklusbunner faller sammen i tid, oppstår en spesielt markant kombinert bunn (harmonisk forsterkning); virker de mot hverandre, opphever de hverandre delvis. I praksis søker man den dominerende syklusen — den med sterkest og mest pålitelig innflytelse — og filtrerer bort kortsiktig støy. Å synliggjøre enkeltsykluser (detrending, altså å regne bort den overordnede trenden) er et konseptuelt verktøy; den matematiske dekomponeringen via Fourier-analyse hører til spesialprogramvare og er sjelden nødvendig i praksis.

4-årssyklusen / presidentsyklusen

Den mest kjente faste rytmen i det amerikanske aksjemarkedet er 4-årssyklusen, styrt av den amerikanske valgkalenderen: regjeringer har en tendens til å legge finans- og pengepolitikken slik at økonomien går bra mot gjenvalget (år 3–4), mens upopulære tiltak faller tidlig i syklusen (år 1–2). Historisk var år 3 (året før valget) sterkest, år 1 og 2 ofte svakere, med en typisk bunn i mellomvalgåret (år 2).

⚠️ Advarsel: 4-årssyklusen bygger på et lite datagrunnlag (noen titalls sykluser siden 1900) og er ikke et selvstendig timing-verktøy. Den fungerer som et kontekstfilter, aldri som eneste kjøps- eller salgssignal. Den økonomiske utledningen av presidentsyklusen fordypes i modulene 5.1–5.6; her gjelder bare dens rolle som fast, teknisk brukbar rytme.