跟著國會議員炒股？45 天申報延遲讓 4.2% Alpha 歸零——這是為什麼你永遠是後知後覺
讀者互動
已追蹤瀏覽 0 次，登入會員可按讚與收藏。
有一種「投資策略」聽起來無懈可擊：跟著美國國會議員買股票。畢竟，他們掌握第一手政策資訊，他們的投資組合應該是全美最聰明的錢。
有個 App 甚至專門做這件事，追蹤議員的持股申報，讓用戶一鍵跟單。
但一個關鍵問題讓這個策略徹底崩潰：45 天。
先說說為什麼這個想法很誘人
美國確實有研究（Ziobrowski et al., 2004, 2012）發現，國會參議員的投資組合報酬 顯著高於 市場平均，超額報酬約 6-10%/年。這個發現驚動了整個學界。
理由不難理解：一位坐在軍事委員會的議員，知道哪間國防公司會拿到下一個大合約；一位在醫療委員會的議員，可能提前知道 FDA 審批動向。這些「合法的內線消息」讓他們的投資績效遠超一般人。
於是，美國在 2012 年通過了 STOCK Act（禁止國會成員利用內線消息法） ，要求議員在 45 天內 申報所有交易。
聽起來是好事，至少現在我們知道他們買了什麼。
但問題來了：45 天之後的資訊，還值多少錢？
資訊的半衰期：比你想的短得多
想像這樣的場景：
你的鄰居是蘋果公司的高管，他昨天剛買了一大批自家股票。你立刻想「他知道什麼好消息，趕快跟！」
但如果這個消息要等六週半後才能告訴你呢？
這就是 STOCK Act 申報制度的現實。45 天後，市場早就反應完了。那些「第一手資訊」帶來的股價漲跌，通常在公告後一到兩週內就完全計入。等你看到申報、決定跟單，你追的已經是 45 天前的訊號，等同於上個月的天氣預報。
圖：假設議員即時信號有 4.2% 年化 Alpha，隨申報延遲天數增加，Alpha 迅速衰減至零。STOCK Act 的 45 天強制延遲，恰好在 Alpha 歸零的位置。（K823 實驗分析）
K823 實驗怎麼說？
我們用 STOCK Act 公開申報數據模擬了以下情境：
- 假設情境一（不現實） ：你能「即時」知道議員的交易
- 假設情境二（現實） ：你等待 45 天申報才能行動
結果：
| 情境 | 年化超額報酬（Alpha） |
|---|---|
| 即時跟單（不可能） | ~+4.2% |
| 等 15 天 | ~+2.5% |
| 等 30 天 | ~+0.8% |
| 等 45 天（STOCK Act） | ≈ 0%（完全消失） |
| 等 60 天 | 可能負值（追漲殺跌） |
這不是模型的問題，這是市場的本質： 資訊的價值隨時間指數衰減 ，45 天足以讓任何邊際優勢歸零。
為什麼 App 還在賺錢？
你可能要問：那些「跟單國會議員」的 App 怎麼還在推廣？難道他們沒做過這個測試？
有幾個原因：
一、倖存者偏差 ：那些跟單成功的案例被大量分享（「跟著某議員賺了 20%！」），失敗的案例沉默消失。
二、確認偏誤 ：用戶總是能找到「某次剛好有效」的例子來自我說服。
三、真正的商業模式 ：這些 App 的收入來自訂閱費，不是來自幫你賺到錢。你是否靠跟單獲利，跟他們的商業模式無關。
四、媒體效應 ：偶爾議員的持股恰好和市場走勢一致，媒體就會大肆報導，強化了「議員有先見之明」的錯覺。
但等等，議員的 Alpha 去哪了？
好問題。Ziobrowski 的研究確實發現議員有超額報酬，這個研究是真實的。只是：
- 那個時代沒有強制申報 ——研究期間（1993-1998 年）申報是自願的，存在嚴重的倖存者偏差
- 即使有 Alpha，也需要即時資訊 ——45 天之後的申報，已經是馬後炮
- STOCK Act 後的研究 （Eggers & Hainmueller, 2013）發現，申報要求實施後，議員的投資優勢 明顯縮小
換句話說，那個讓研究者興奮的「議員 Alpha」，依賴的是 在你不知道他買什麼的情況下 才成立。一旦有申報義務，這個優勢就消失了。
真正的投資啟示
這個故事給一般投資人最重要的啟示，其實跟議員無關：
「資訊的時效性」決定了它的價值。
在這個資訊瞬間傳播的時代，你能在市場反應之前取得的真正「私密資訊」幾乎為零。散戶能看到的，機構早就看到了；機構看到的，演算法更早就行動了。
所以，與其追逐那些「聽說某某大戶在買XXX」的小道消息，不如問自己：
- 這個資訊我什麼時候知道的？
- 市場在哪個時間點已經消化了這個資訊？
- 我比市場快多少？
如果你不能比市場快，那資訊無論多麼精準，對你的投資決策都沒有實質幫助。
結語
國會議員炒股是個引人入勝的故事，但它對普通投資人幾乎沒有可操作性。STOCK Act 的 45 天申報延遲，剛好精準地落在 Alpha 歸零的時間點，彷彿這條法律是為了讓跟單策略「剛好沒用」而設計的。
你唯一能做的，是 聚焦在你確實有優勢的地方 ：長期持有、低成本分散、紀律性的資產配置。這些不需要任何「內線消息」，卻能在長期跑贏大多數「聰明錢」。
本文基於實驗 K823 的實證分析（數據來源：SEC EDGAR STOCK Act 申報數據，分析期間：STOCK Act 通過後 2012-2024） 實驗腳本：experiments/k823.py | 結果數據：experiments/k823_results.json
相關文章
先讀正式關聯，若無則使用標籤與主題相似度補齊