用 10 個指標預測美股漲跌方向：AI 統計方法的答案讓人清醒
讀者互動
已追蹤瀏覽 0 次，登入會員可按讚與收藏。
[提出: 用戶, 執行: Claude]
摘要
有人說股市是不可預測的，有人說掌握足夠的指標就能預測。我們的研究給出了一個清晰的答案： 預測「明天漲跌方向」幾乎是不可能的，但預測「明天波動大小」是可以做到的。 這兩件事，是完全不同的能力。
一個最常被誤解的問題
「你覺得明天股市會漲嗎？」
這是朋友聚會時最常聽到的問題。直覺上，好像只要有足夠的資訊——VIX、公債殖利率、市場動能、美元強弱，就應該能回答。
但真實數據的答案讓人清醒。
我們用 10 個不同的市場指標，搭配最先進的 AI 統計方法，對 2007–2026 年接近 5,000 個交易日的美股數據進行預測。結果： 方向準確率 53.9%，幾乎等於猜硬幣。
我們測試了什麼
這 10 個指標包含市場上最常被引用的「預測信號」：
- VIX 恐慌指數（水準值）
- VIX 的變化量（昨天升了多少）
- 近期 20 天波動率
- 短期動能（5 天報酬）
- 中期動能（22 天報酬）
- 美國長期公債 TLT 的報酬
- 黃金 GLD 的報酬
- 美元指數 DXY 的變化
- 高收益債 HYG 的報酬
- 殖利率曲線斜率（長短利差）
方法是貝葉斯 SSVS（一種 AI 統計技術），它能自動篩選哪些指標「真正有用」，排除噪音。這個方法被頂尖學術期刊（英國皇家統計學會）採用，是目前最嚴謹的變數選擇工具之一。
結果：預測漲跌幾乎不可能
AI 統計方法找出了兩個「最有效」的指標：VIX 的日變化量，以及高收益債的報酬。
然後，我們用這兩個指標，在 2023–2024 年（未被模型看過的新數據）上做預測。
結果讓人清醒：
| 方法 | 方向準確率 |
|---|---|
| 歷史均值（什麼都不看，直接用過去均值） | 57.5% |
| AI 統計方法（SSVS，10 個指標） | 53.9% |
| 純自迴歸（只用前一天報酬） | 51.9% |
最驚人的是： 什麼都不看，只用「歷史上股市平均微漲」這個最簡單的規則，反而打敗了 AI 方法。
更讓人注目的是：即使方向準確率有 53.9%，這個策略如果真的拿來交易，因為每次換倉都有手續費，最終結果是虧損的。方向對了，但扣完交易成本，還是輸給了「買了不動」的策略。
為什麼「預測漲跌」這麼難？
這背後有一個著名的金融理論： 效率市場假說（EMH） 。
簡單說：市場上有幾萬個聰明的投資人，每個人都在搜集同樣的資訊（VIX、公債、黃金……）。任何一個「有用的信號」，很快就會被大家同時交易、套利，然後這個信號的預測力就消失了。
結果是：日頻的股市報酬，幾乎是隨機的。不是完全隨機，但接近。
這不是我們的獨家發現，這是數十年來，全球幾百個學術研究共同得出的結論。我們的實驗，只是用最新的 2023–2024 年數據再一次確認了這個結論。
但波動率是可以預測的
這是最重要的反轉：
雖然「明天漲還是跌」幾乎不可預測，「明天波動有多大」卻是可以預測的。
VIX（恐慌指數）與未來一個月的實際波動率有高達 0.57 的相關性，這在金融數據裡是非常高的數字。而我們的系列實驗也確認，GARCH、HAR-ABS 等模型在預測「波動幅度」上有真實的統計顯著性。
為什麼波動可以預測，但方向不行？
因為「波動」有集群效應，今天波動大，明天通常也波動大（不論漲跌）。這個規律非常穩定，不容易被套利消除。而「方向」沒有這種規律。
實務上這意味著什麼？
這不是說投資是沒意義的。 買指數股票型基金（ETF）做長期投資，是有效的。長期來看，股市的期望報酬是正的。
但這告訴我們：
1. 短線預測是消耗戰，不是優勢戰 每天猜漲跌，長期來看和猜硬幣差不多。更糟的是，每次換倉都要付手續費。頻繁交易的成本，足以把任何微弱的預測優勢侵蝕殆盡。
2. 波動率是更值得關注的信號 VIX 高的時候，市場確實更危險，但不是因為你能預測「會跌」，而是因為波動大，潛在的損失範圍變大了。管理波動風險（如我們的 12/VIX 策略），比嘗試預測方向更可靠。
3. 「打不敗市場就加入市場」是最理性的選擇 當市場接近效率的時候，長期持有低成本指數 ETF，往往比頻繁擇時交易的主動策略表現更好。
一個例外：台股呢？
有趣的是，同樣的模型在台股上的表現截然不同：方向準確率達到 62.1% ，R² 也是正值（0.14）。
但這裡有一個重要的注意事項：台股的數據包含「隔夜缺口」（收盤到次日開盤的跳空），而這個缺口本身就包含了大量信息，讓預測顯得更容易。如果只看日內部分，效果可能大幅縮水。
這告訴我們：市場的效率程度是不一樣的。台股比美股更可能存在短期的預測機會，但具體有多少是真實可利用的，還需要更多驗證。
結語
「預測明天漲跌」和「預測明天波動有多大」，是兩個本質上不同的問題。前者接近猜硬幣，後者有學術和實務的依據。
下次有人跟你說某個指標「可以預測明天的漲跌」，記得問他：你的樣本外準確率是多少？扣完交易成本後還賺錢嗎？
數據往往比直覺更誠實。
本文基於實驗 K818（腳本：experiments/k818_ssvs_return_prediction.py，結果：experiments/k818_ssvs_return_prediction_results.json）。數據來源：yfinance 實證數據，期間：2007–2026，樣本：4,773 個觀測值（SPY）。方法參考：So, Chen & Liu (2006), Applied Statistics 55(2)。
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