← 研究動態
一般讀者2026/03/26 下午01:03

壞消息比好消息更能預測市場波動——你該怎麼利用這一點?

GLDQQQSPY波動率風險管理投資心理semivariance

讀者互動

已追蹤瀏覽 0 次,登入會員可按讚與收藏。

分享到:LINEFacebookX / Twitter

[提出: 用戶, 執行: Claude]

天氣預報員的秘密武器

假設你是一個天氣預報員。你手上有兩份記錄:

 記錄 A :過去 30 天所有天的風速(包含晴天、陰天、有風、無風)

 記錄 B :過去 30 天只有「暴風雨天」的風速

如果你想預測明天會不會下大風暴,哪份記錄更有用?

答案顯然是記錄 B。晴天的微風對你的預測幾乎沒有幫助,但暴風雨天的風速模式能告訴你很多。

市場波動也是同樣的道理,而這正是「半變異數(Semivariance)」這個概念背後的核心邏輯。


把市場波動拆成兩半

傳統上,投資人看「波動率」的時候,是把市場上漲和下跌的幅度全部混在一起計算的。這就像把晴天和暴風雨天的記錄都混在一起平均。

但研究顯示,市場的「壞波動」和「好波動」其實有本質的不同:

  •  好波動(RS⁺) :股票上漲那天的漲幅平方。代表市場的歡欣。
  •  壞波動(RS⁻) :股票下跌那天的跌幅平方。代表市場的恐慌。

根據我們對美股 S&P 500(SPY)從 2010 年到 2024 年,共 15 年、3,772 個交易日的實證分析:

只看「壞波動」(RS⁻)預測未來市場波動的能力,是只看「整體歷史波動」的將近  9 倍 (R² 從 0.017 提升到 0.149)。

這個差距是統計上顯著的,不是偶然。


為什麼壞消息更有預測力?

這背後有一個根本原因: 恐慌有傳染性,但貪婪沒有。 

想像 2020 年 3 月的股市熔斷。一天大跌 7%,隔天又跌 5%,再隔天又跌 8%。市場的恐慌一旦啟動,會像多米諾骨牌一樣連鎖。投資人互相踩踏出場,機構停損單被觸發,保證金追繳讓人被迫賣出,更多人看到大跌又跟著賣……

但反過來呢?市場上漲的時候很少有這種連鎖效應。漲了 3%,大多數人只是暗自開心,不會立刻追高買進形成正反饋。

這就是為什麼下跌日的「壞波動」包含更多關於未來市場走勢的信息—— 因為恐慌的動能遠比歡欣的動能更持久。 

我們的數據印證了這點:當市場最近的「壞波動」偏高時,隔天的整體波動平均是「好波動」偏高時的  1.54 倍 (p 值 = 0.005,統計上顯著)。

換句話說,如果你看到股市最近幾天都是大跌,之後市場繼續劇烈波動的機率比大漲之後高出一半以上。


黃金例外:不是所有資產都一樣

重要提醒:這個「壞消息更有預測力」的規律, 不適用於黃金 。

我們的分析顯示,黃金(GLD)的壞波動和好波動對未來波動的預測能力幾乎相同(統計上沒有顯著差異,p = 0.47)。

這是合理的。黃金的特性是:

  • 它本身就是「恐慌時的避風港」
  • 市場大跌時,資金反而流入黃金(黃金上漲)
  • 所以黃金的「好波動」(上漲那天)往往發生在股市恐慌的時候,本身也包含了大量信息

這也是為什麼很多投資人用黃金搭配股票做分散,它的波動邏輯和股市是反的。


你可以怎麼用這個發現?

你不需要成為量化分析師,也可以把這個邏輯應用在日常投資決策上:

 1. 監控「壞波動」而非整體波動 

下次看到市場消息時,特別注意:最近這段時間是不是大跌日比較多?如果是,市場的不確定性可能還沒結束,避免衝動加倉。

 2. 注意「連續大跌」比「整體波動高」更危險 

整體波動高,有時只是大漲大跌交替出現(這在牛市初期也常見)。但如果是 連續的大跌日 ,「壞波動」集中出現,那才是真正要小心的信號。

 3. 黃金另外看待 

黃金的波動不遵循「壞消息更危險」的規律。如果你持有黃金,不要用同樣的標準來評估它的風險。黃金的作用是在股市大跌時提供緩衝,這和股票的邏輯不同。


給普通投資人的一句話建議

傳統的「波動率」把所有波動混在一起,就像把晴天和暴風雨的記錄平均。但市場的恐慌和歡欣,背後的動能完全不同。

 下跌那天的劇烈程度,遠比「最近的整體波動」更能告訴你接下來會發生什麼。 

下次看到市場動盪,先問自己:最近幾天主要是大跌,還是漲跌交替?如果是前者,保持保守一點沒有壞處。


數據來源:yfinance,SPY/QQQ/GLD/TLT/BTC-USD,2010-2024 年共 15 年。研究方法參考 Barndorff-Nielsen, Kinnebrock & Shephard (2010, Journal of Financial Econometrics)。統計結果基於 OOS 期間 2023-2024 年(n=501)。本文為研究分析,不構成投資建議。

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

📄
預測輸了,守底線卻贏了:一個模型的分裂成績單
# 預測輸了,守底線卻贏了:一個模型的分裂成績單 2022 年,美股科技股崩跌超過 30%,黃金在通膨衝擊裡逆勢震盪,長期公債跌幅創下四十年紀錄。那一整年市場劇烈抖動,每天早上你不知道波動率會是 1% 還是 3%。 如果有一套模型聲稱能預測「明天大概會動多少」,你會怎麼評分它? 多數人的第一反應是:預測值跟實際值差多遠。差越少,模型越好。 VolPred 的一組實驗給出了一個更分裂的答案:...
📄
模型多看幾個鄰居,不代表就更會預測波動
有些研究的直覺很吸引人:如果一個資產的波動會受別的資產影響,那模型不只看自己,順便看一下「鄰居」的波動,理論上應該更準。 K1314 測的就是這件事。 我們拿 5 檔常見美股 ETF 做樣本,分別是 SPY、QQQ、GLD、TLT、IWM。比較對象很單純: - 基準版:只用資產自己的短、中、長期波動去預測明天 - 升級版:除了自己的資料,再加上一層「其他資產的波動關係」 如果這個想法真的穩...
📄
波動率「測不準」能不能當減碼訊號?六檔 ETF、六十天的老實答案
打開任何一套波動率監控面板,你會發現同一天的「市場有多晃」其實不只一個數字。用 5 分鐘資料算出一個,用當天的開盤、最高、最低、收盤算出另一個,把隔夜跳空也加進去又是一個。多數時候它們差不多,偶爾會明顯對不上。這篇想回答一個很實際的問題:當這些數字彼此吵起來的時候,是不是代表隔天更難預測、應該先把部位縮小一點? ## 先講清楚「分歧」是什麼 把量測市場波動的方法想像成幾支溫度計。它們原理不同、...