國會議員的買賣訊號能預測美股嗎？4 年 1.5 萬筆交易紀錄的誠實檢驗

一個誘人的傳言

「國會議員一定有內線消息，跟著他們買就對了。」

這句話在投資社群裡流傳已久。理論上它有點道理：美國國會議員握有立法權、聽取機密簡報、也比一般人更早知道哪些產業會被監管或補貼。學術界也曾經為這個直覺背書——Ziobrowski 等人在 2004 與 2011 年發表的兩篇知名論文指出，美國參議員與眾議員的個人持股能交出超越大盤的報酬，引發外界對「政治菁英資訊優勢」的長期猜想。

近年來社群媒體甚至誕生了「Pelosi Tracker」這類追蹤工具，把國會議員的揭露申報變成可訂閱的訊號。問題是：當你把所有眾議員的買賣 加總起來 ，當作一個指向整體市場的多空訊號時，它真的能預測 SPY（追蹤標普 500 的 ETF）的報酬或波動嗎？

我們用 STOCK Act 強制揭露的官方資料正面回答這題。結論並不浪漫，但很重要。

我們做了什麼

實驗代號 K1042，資料來源是眾議員依法申報的個股交易紀錄，總計  15,664 筆 有效交易，期間 2018 年 4 月到 2022 年 12 月，揭露日期跨 2020 年 1 月至 2022 年 10 月。涉及  190 位眾議員 、 2,213 檔個股 ，買入 8,235 筆、賣出 7,291 筆，平均單筆交易金額約 6.3 萬美元。

把每天的「買單筆數 − 賣單筆數」當作淨流向訊號，搭配 5 日與 21 日滾動平均、累計 z-score 等多種版本，去對比 SPY 從 2019 年 1 月到 2023 年 6 月、共  1,127 個交易日 的實際報酬與波動。

防止偷看未來

設計上有兩道防線：

1.  使用「揭露日」而非「交易日」 ：依法議員可在交易發生後 45 天內才申報，中位揭露延遲是  28 天 。一般投資人看不到當下交易，必須等揭露才能行動，因此用揭露日才是真實可用的時間點。
2.  訊號全部往後推一天 ：今天的訊號只能預測明天以後的報酬，不能用今天的揭露解釋今天的漲跌。

這兩道防線會壓低訊號表現——但只有壓低之後仍能預測，結論才有意義。

第一個結果：報酬預測，全軍覆沒

我們跑了 15 條迴歸式（不同訊號版本 × 不同被解釋變數），檢查國會淨流向能不能解釋 SPY 後一日的報酬。

15 條迴歸全數沒有通過嚴格統計檢驗門檻；連最寬鬆的 5% 顯著水準都跨不過去。 換句話說：把整個眾議院的買賣加總當訊號，預測 SPY 隔日漲跌的能力，跟猜硬幣差不多。 

第二個結果：波動預測，弱到不堪用

報酬不行，那波動呢？市場上的確有種理論認為：當議員們交易特別頻繁時（不論方向），可能反映他們嗅到政策不確定性，市場波動會跟著上升。

確實有「相關係數 0.14」這種微弱的同向關係，連線性迴歸的解釋力（R²）也只有  0.008——意思是用這個訊號預測波動，能解釋的變異不到 1% ，剩下 99% 的波動跟議員交易無關。

更關鍵的測試是樣本外驗證：把資料切成「訓練段 + 測試段」，用前段建模型、後段檢驗。

樣本外 R² 為 負 意味著什麼？意味著你拿這個訊號去預測，還不如閉著眼睛猜「明天的波動就是過去平均值」。所謂「弱相關」在實戰中完全失效。

第三個結果：照著做，會輸給最簡單的買進持有

這是整個實驗最殘酷的對照。我們設計了一個遵守訊號的策略：當 21 日滾動淨流向為正（議員偏買），SPY 全倉持有；為負時減半到 50%。

結果：

兩者比較檢定的統計強度為 −2.30，達顯著水準（即兩者差異不太可能是偶然）。 用國會訊號交易，1,127 個交易日下來年化少賺 5.7 個百分點，風險調整後報酬從 0.635 掉到 0.412。 最大回檔幾乎一樣，意思是它沒有保護你度過 2020 年 3 月的崩盤。

第四個結果：分組檢驗給了一記反向耳光

把所有交易日依「議員淨買強度」分成 5 組，對應的後續 SPY 報酬：

「議員們搶著賣的時候，SPY 反而漲最多；他們搶著買的時候，SPY 漲最少。」

這跟「跟著聰明錢買」的直覺完全相反。雖然兩組差異的統計強度只有 −0.44（達顯著水準的證據不足，可能只是雜訊），但至少明確告訴我們： 沒有任何證據顯示加總後的議員流向是「正確訊號」 。

第五個結果：他們連 COVID 崩盤都沒躲過

2020 年 2 月底到 3 月底，標普 500 三週跌掉約三分之一。如果議員真有資訊優勢，崩盤前夕應該大量賣出。

 眾議員集體在崩盤前夕仍偏買、崩盤期間沒明顯出脫。  這跟「政治菁英早一步知道內幕」的劇本完全對不上。

當然，個別議員（特別是後來引發倫理爭議的少數人）確實有疑似內線的紀錄；但 加總層級 上的「眾議院共同情報」並不存在。

為什麼這麼多人感覺「跟單真的有用」？

不是錯覺，但要小心歸因：

1.  倖存者偏差 ：媒體只報導 Pelosi、某些科技股大撈一筆的議員，沒人寫「跟某議員買賠錢」的文章。
2.  個體 vs 加總的混淆 ：個別高頻交易議員可能真的有訊號（這在 Eggers 與 Hainmueller 2014 年的研究中也部分得到佐證），但平均後就被噪音稀釋掉了。
3.  揭露延遲是訊號殺手 ：中位 28 天才公開，等你看到「她買了 NVDA」的新聞，行情常常已經走完一大段。本研究即使讓訊號「即時可用」（用交易日，有偷看未來的疑慮）也只有微弱的波動關聯，何況真實情境延遲一個月。
4.  空頭時的對照感 ：2022 年市場下跌時，許多議員減持，事後看來像「精準避開」，但他們也在 2020 年崩盤前持續加碼（見上表），整體來看並無預測力。

那這個訊號還有什麼用？

研究誠實原則要求我們別過度宣稱、也別過度否定。我們發現的事實是：

•  加總層級對 SPY 報酬完全無預測力 ——這個結論有 4 年、1,127 天、15,664 筆交易的支撐
•  加總層級對波動有極微弱（且樣本外消失）的關聯 ——不能拿來交易
•  個體議員、特定選股 ——這是不同層級的問題，本實驗無法回答

如果你看過社群上某些「國會議員交易追蹤」工具宣稱年化報酬 30%、40%——那通常是針對少數高頻、特定議員 + 特定時段的回測，且常常沒有處理揭露延遲與生存者偏差。本研究並不否認個別策略可能存在，但 加總式跟單策略 已被本實驗證偽。

限制與後續方向

研究有以下侷限，老實寫下：

• 僅涵蓋眾議院，未納入參議院（後者交易量更大、可能訊號更明確）
• 4 年樣本期偏短，統計強度受限
• 申報金額是區間，只能取中點估計
• 加總分析掩蓋了個別議員可能存在的訊號

合理的延伸研究方向：（1）依議員身份（金融服務委員會委員、情報委員會等）分層；（2）依產業切片（看議員的產業流向是否能預測該產業 ETF）；（3）結合輿情與媒體曝光，看訊號何時會被市場「定價」。

一句話總結

 「跟著美國眾議院加總流向買賣 SPY」這件事，過去 4 年的官方紀錄顯示：報酬預測為零、波動預測微弱且樣本外失效、實際交易輸給買進持有 5.7 個百分點。「政治菁英整體有資訊優勢」的傳言，在加總層級不成立。 

研究誠實的價值，就在於這種時候——當數據和直覺、和某些媒體敘事不一致時，我們不替既有立場辯護，也不替反方辯護，只報告數據說的話。

資料來源

•  眾議員交易揭露 ：data/congressional_trades_house.csv，原始來自 STOCK Act 強制申報，15,664 筆交易（2018-04 至 2022-12，揭露 2020-01 至 2022-10），190 位議員、2,213 檔個股
•  SPY 價格 ：yfinance，2019-01-02 至 2023-06-30，1,127 個交易日
•  完整實驗 ：K1042（迴歸、Granger 因果、分組分析、樣本外預測、策略回測完整可重現）

參考文獻

• Ziobrowski, A. J., et al. (2004). "Abnormal Returns from the Common Stock Investments of the U.S. Senate." Journal of Financial and Quantitative Analysis, 39(4).
• Ziobrowski, A. J., et al. (2011). "Abnormal Returns from the Common Stock Investments of Members of the U.S. House." Business and Politics, 13(1).
• Eggers, A. C., & Hainmueller, J. (2014). "Capitol Losses: The Mediocre Performance of Congressional Stock Portfolios." Journal of Politics, 76(2).
• 文獻關於統計強度門檻：研究方法論要求迴歸統計強度需通過嚴格門檻方視為穩健發現。

延伸閱讀

• 美國國會議員的股票交易，能預測美股波動率嗎？一份誠實的「沒有」