市場連動指數 TCI 能當交易訊號嗎？16 年實測：能描述、不能擇時

一句話結論

 TCI（Total Connectedness Index，跨資產連動度指數）是用來「看清市場結構」的描述型指標，不是用來「賺錢」的交易訊號。  我們在 16 年、4096 個交易日的歷史上，把 TCI 包裝成 4 種不同的策略疊加層（overlay），與 3 個基準策略正面對決。結果： 4 種 TCI 策略沒有任何一種 ，在嚴格統計檢驗門檻下，比基準（買進持有 50/50 SPY/GLD、12/VIX 動態加權、買進持有 SPY）顯著更好。

這是個「null result」（虛無結果），但它不是失敗，它釐清了一個常見的誤會： 「能解釋市場」與「能賺錢」是兩回事 。本文用平實語言告訴你 TCI 是什麼、為什麼它在描述上很有用、為什麼它做不了交易訊號，以及這對一般投資人的啟示。

TCI 是什麼？跨資產的「連動溫度計」

TCI（Total Connectedness Index）由 Diebold 與 Yilmaz 在 2012 年提出，是「 有多少波動，是從別的資產傳染過來的 」的整體度量。它的概念很直觀：

• 如果今天 SPY（美國大型股）漲跌劇烈，但 GLD（黃金）、TLT（公債）、EEM（新興市場）各走各的， TCI 就低 ——市場各自獨立，分散投資真的有用。
• 如果今天 SPY 一動，黃金、公債、新興市場、台股 0050 都跟著動， TCI 就高 ——所有資產被同一條繩子綁住，分散投資失效。

我們在這個研究裡，用 9 個橫跨美國、國際、新興市場、商品、債券的 ETF（SPY、QQQ、IWM、EFA、EEM、台灣 0050、GLD、TLT、USO），用 250 天滾動窗口、VAR(5)、廣義變異數分解（GFEVD）計算每天的 TCI。

樣本期間 2009 年 12 月到 2026 年 4 月，共 4228 個有效觀測值。TCI 的統計分布：

中位數 59 高於平均 47，代表分布偏向「中高連動」這一側，但也有不少時候市場是低度連動（甚至接近 0）。從圖上可以看出 TCI 在 2011 歐債危機、2015–16 中國股災、2020 新冠、2022 升息等系統性事件期間都顯著上升。

換句話說， TCI 能誠實反映「市場現在有多連動」 ——這是它最大的價值。但「能反映」不等於「能預測未來、能拿來賺錢」。

假說：高連動 → 分散失效 → 應該減倉？

直覺上，TCI 高的時候應該減少風險暴露，因為分散投資失效了；TCI 低的時候應該加碼，因為分散有用、市場各自為政、整體系統性風險低。這是個合理的假說，所以我們設計了  4 種 TCI 策略疊加層 ：

1.  TCI 防禦型（TCI Defensive） ：TCI 在歷史上排前 20% 時，SPY 持倉降到 50%；排 60–80% 時降到 75%；其餘 100% 持倉。
2.  TCI + VIX 雙因子四象限 ：把 VIX（恐慌指標）和 TCI 都拿來判斷。VIX 高 + TCI 高 → 30% 股票 / 70% 黃金（最防禦）；VIX 低 + TCI 低 → 55/45（最進攻）；中間兩種狀態介於其中。
3.  平滑 TCI 加權（Smooth TCI） ：權重 = k / TCI，跟「12/VIX」策略邏輯類似，TCI 越高權重越低，連續調整不跳階。
4.  TCI 國際分散擇時 ：TCI 低時加碼國際（40% SPY / 30% EFA / 30% EEM）；TCI 高時集中美國（80/10/10）。

每一個策略都嚴格做到  signal.shift(1) ——也就是用昨天計算出來的 TCI 來決定今天的權重， 絕對不用今天的資訊預測今天的報酬 （這是回測中最常見、也最致命的錯誤，業界叫做 lookahead bias）。

三個基準

要判斷一個策略「有沒有用」，必須跟幾個無腦但有效的基準比：

•  買進持有 SPY ：什麼都不做，全部押美國大盤。
•  買進持有 50/50 SPY/GLD ：股票黃金各半，最廣為人知的「不動腦分散」做法。
•  12/VIX ：經典的波動率目標策略，VIX 高時減倉、VIX 低時加倉，每天調整。

結果：4 個策略，0 個顯著贏

下表是 16 年 OOS 樣本（樣本外檢驗）的核心數據：

 乍看之下  TCI+VIX 四象限的風險調整後報酬 0.99 是最高的，比基準的 50/50（0.97）和 12/VIX（0.89）都好一點，效用值也最高。但「 好一點 」夠不夠呢？這就要做正式的兩模型比較檢定。

嚴格檢定：12 個對戰，0 個達顯著水準

我們對 4 個 TCI 策略各跟 3 個基準做 12 次比較檢定（用 兩模型比較顯著 統計量加上 Newey-West HAC 修正），並採用 嚴格統計 (2016) 提出的嚴格門檻 統計強度 > 3.0（也就是統計強度要夠強，才能宣稱「真的勝出」）。

完整 12 個對戰中：

•  0 個  TCI 策略以嚴格門檻擊敗任何基準
•  1 個  TCI 策略（平滑 TCI）反而被買進持有 SPY 顯著擊敗
• 看起來最有競爭力的 TCI+VIX 四象限對 50/50 的統計強度只有 -0.28——根本是平手

為什麼？TCI 跟「明天會漲跌」的相關性接近零

我們直接檢驗 TCI 對未來價格的預測力：

關鍵發現：

1.  TCI 對「明天會漲還是跌」的預測力 = 0.0045 ——徹底無法擇時。
2.  TCI 對「未來一個月波動會多大」有微弱預測力（0.067） ——這跟 K907 / K907 的網絡分析結論一致，TCI 描述的是市場結構與波動的擴散程度，不是方向。
3.  跟 VIX 的對照 （先前 K697 研究）：VIX 對波動大小的預測力 0.57（中等強度），但對方向預測力只有 0.04。 TCI 跟 VIX 的型態完全一樣，它們都能描述「狀態」，但不能告訴你「該買還是該賣」 。

為什麼 TCI+VIX 四象限「看起來」好一點？

如果 TCI 對未來報酬幾乎沒有預測力，為什麼 TCI+VIX 四象限的風險調整後報酬還是最高？答案有兩層：

1.  它沒有真的贏 ——統計強度 -0.28 對 50/50，幾乎是平手，0.99 vs 0.97 在 4096 個觀測值上是統計噪音。
2.  它的「好一點」主要來自 50/50 配置本身 ——四象限的權重在 30/70 到 55/45 之間擺盪，平均下來就是接近 50/50 的股債配置。基準 50/50 已經很強，TCI 訊號只是讓配置在區間內微調，沒有真正創造額外報酬。

換句話說： 真正在賺錢的是「股債配置」這個老梗，不是 TCI 訊號 。

結構描述 vs 交易訊號：兩個世界的差別

這是這個研究最重要的觀念，也是一般投資人最容易誤會的地方。我們用一個比喻來說明：

 體溫計 可以告訴你「現在有沒有發燒」（描述狀態），但不能告訴你「明天股票會漲還是跌」。同樣地，TCI 告訴你「現在市場有多連動」，但不告訴你「該買還是該賣」。

為什麼描述型指標常常做不了交易訊號？三個原因：

1.  市場是有效率的 ——當 TCI 高（連動強）已經被全市場觀察到時，理性的投資人已經把這資訊反映在價格上了。你看到 TCI 飆高再行動，已經慢了。
2.  TCI 的反應有滯後 ——250 天滾動窗口意味著 TCI 對結構變化的反應大約有 1 年的延遲。等它「告訴你連動高」，行情可能早就過了。
3.  「連動高」≠「下跌」 ——歷史上 TCI 高的時候，市場可能繼續漲（牛市末期共振）也可能崩跌（恐慌共振）。TCI 不告訴你方向。

那 TCI 到底有什麼用？ 理解、不交易 ：

•  風險溝通 ：跟客戶或自己解釋「為什麼最近股債都跌？」，因為 TCI 飆高，所有資產都被綁在一起。
•  學術研究 ：研究危機傳染、央行政策外溢、跨市場連動。
•  資產配置長期觀 ：長期觀察 TCI 趨勢，調整資產配置的「風格」（例如連動長期升高 → 增加另類資產）。
•  不是 ：擇時、短期加減倉、預測明天。

給一般投資人的三個 takeaway

1.  遇到「複雜指標 + 漂亮回測」要警覺 ——任何一個複雜訊號（TCI、機器學習模型、隱含波動率派生指標……）若回測「微贏」基準，最可能的解釋不是它真的有用，而是過度擬合 + 統計噪音。請看：(a) 是否做嚴格統計檢驗、(b) 是否在多個時期、多個市場都贏、(c) 跟最簡單的基準（買進持有、50/50）的差距是否「巨大」而不是「微小」。

2.  「能解釋」與「能賺錢」是兩個世界 ——學術論文常會說「X 與 Y 顯著相關」，這不代表 X 能拿來預測 Y、不代表 X 能拿來交易 Y、不代表用 X 做策略會賺錢。要把研究發現轉換成可交易策略，中間還隔著樣本外驗證、交易成本、滑價、流動性等好幾道難關。

3.  回到基本面：50/50 股債配置是極難打敗的對手 ——買進持有 50/50 SPY/GLD 在我們 16 年的測試中風險調整後報酬 0.97、最大回撤只有 -20.3%、效用值 0.082，比 4 個 TCI 策略都好或差不多。對絕大多數投資人來說， 做好資產配置、定期再平衡、長期持有，比追求複雜訊號重要得多 。

資料來源與方法

•  資料 ：yfinance，9 個 ETF（SPY、QQQ、IWM、EFA、EEM、0050.TW、GLD、TLT、USO）+ VIX 的日 OHLC 資料，2006-01 至 2026-04
•  TCI 計算 ：250 天滾動窗口、VAR(5) 配適、Generalized FEVD（H=10）、Garman-Klass OHLC 已實現波動率作為輸入
•  樣本外期間 ：2009-12-17 至 2026-04-02，共 4228 個有效 TCI 觀測值，4097 個策略交易日（約 16.26 年）
•  防偷看設計 ：所有策略的權重均做 signal.shift(1) 一日落後處理；TCI 的歷史百分位、中位數均使用 expanding window（只用過去資訊）
•  隨機種子 ：np.random.seed(42) 固定
•  檢定方法 ：兩模型比較顯著 兩模型比較檢定（Newey-West HAC 修正，落後階數 = n^(1/3)），採用 嚴格統計 (2016) 嚴格門檻 統計強度 > 3.0
•  實驗代號 ：K910

結論

 TCI 能描述市場現在有多連動，但無法告訴你下一秒該怎麼做。  4 種 TCI 疊加策略在 16 年、4096 個交易日的回測中，沒有任何一種能以嚴格統計檢驗門檻擊敗最簡單的基準（買進持有 50/50、12/VIX、買進持有 SPY）。看起來表現最好的 TCI+VIX 四象限其實只是「股債配置」的化身，TCI 訊號本身對風險調整後報酬幾乎沒有貢獻。

這跟 VIX 的故事是一致的：VIX 對未來波動大小有中等預測力（相關係數 0.57），但對方向幾乎無預測力（0.04）。TCI 也屬於這一類，它是 結構描述指標 ，不是 交易訊號 。

研究誠實的價值就在這裡：把虛無結果如實報告，告訴讀者「這個方向我們試過了、不行」，比硬擠出一個「微贏」結論去吸引點擊有用得多。下一個合理的研究方向，不是繼續折騰 TCI 當訊號，而是：(a) 把 TCI 用在風險溝通與資產配置層級，(b) 探索其他「真正帶有方向資訊」的訊號（例如基本面盈餘修正、資金流量、流動性指標），(c) 接受「50/50 股債」的強悍，把精力放在如何在這個基準上做漸進改善而非顛覆。

 參考實驗 ：K910（本實驗）、K907（TCI 與 VIX 正交，相關係數 0.001）、K687/K697（VT 是回撤保險，不是阿爾法產生器）、K700（Codex 審查防止假突破）

 參考文獻 ：

• Diebold, F. X., & Yilmaz, K. (2012). Better to give than to receive. International Journal of Forecasting.
• Diebold, F. X., & Yilmaz, K. (2014). Network topology of variance decompositions. Journal of Financial Econometrics.
• 嚴格統計, C. R. (2016). ... and the cross-section of expected returns. Review of Financial Studies.