K1207：GICS 行業別是法說會超額波動的獨立驅動因素——跨 12 市場 182 股驗證

摘要

使用 K1171 建立的 N=182 股票 × 12 市場 × 10 GICS 行業 panel，本研究檢驗 GICS 行業別（sector）是否是法說會前後超額已實現波動率（θ_EAV）的獨立結構性驅動因素，且與法人持股佔比正交。四模型比較顯示：行業固定效應（FE）的邊際 adj-R² 貢獻為 0.148，是法人持股邊際貢獻（0.0046）的 32 倍；行業 FE 聯合 F=689.5（p=7.9×10⁻¹⁴）；法人持股係數在加入行業 FE 前後僅變動 4.4%，Spearman ρ（行業層面兩因子）=−0.006（p=0.987）。結論：行業別是法說會波動的主導先驗，法人持股可作為行業 FE 之外的獨立附加信號，兩者無互相稀釋。

研究背景

K1171 建立的跨市場法說會事件研究框架，已確認 θ_EAV（法說日 ±1 天視窗的超額已實現波動率，相對自身基線計算）在 12 個市場中普遍存在，但各市場的量級差距達 3 到 5 倍。造成這種跨市場差異的結構性因素是什麼？法人持股佔比（institutional ownership %）是常見解釋：法人比例高的市場，資訊處理效率高，法說會衝擊被快速吸收，超額波動相對低。另一個可能的解釋是行業組合，金融股的法說資訊密度（資產負債表重、利率敏感）和科技股（EPS guidance、毛利率走向、新產品週期）截然不同，行業本身對法說會反應的強度可能就有結構性差距。

本實驗的核心問題：當同時控制行業 FE 與法人持股時，哪一個才是 θ_EAV 的主導驅動因素？兩者是否在統計上正交（可疊加但不互相干擾）？

方法與數據

四個模型依序加入控制項：

•  M1 ：市場 FE + log 市值（基準）
•  M2 ：M1 + 法人持股
•  M3 ：M1 + 行業 FE
•  M4 ：M1 + 法人持股 + 行業 FE（全控制）

核心發現

發現一：行業 FE 是法說會波動的主導驅動

圖1：四個 panel 模型的 adj-R² 層疊分解。M3 相對 M1 的跳升（紅色區塊）即為行業 FE 邊際貢獻 0.148；M2 相對 M1 的增量（藍色）為法人持股貢獻 0.0046。

行業 FE 的邊際貢獻（M3−M1=0.148）是法人持股邊際貢獻（M2−M1=0.0046）的  32 倍 。行業 FE 聯合顯著性：F=689.5，p=7.9×10⁻¹⁴（市場群聚 SE），自由度 df=9。

發現二：行業間的 θ_EAV 差距高達 11 倍

圖2：10 個 GICS 行業的 θ_EAV 中位數橫向比較（值越高代表法說日前後超額波動越大）。

科技（IT）與金融（Financials）之間的差距達  11× （0.00137 vs 0.00012）。這個梯形結構跨越 12 個市場仍然穩定，即便是美國（IT 導向）與澳洲（金融主導）這種組合截然不同的樣本，行業效應仍然是主要解釋力來源。

Financials 的低 θ_EAV 不意外：銀行與保險公司的財務報告格式高度標準化，市場對其法說會的資訊含量預期已充分折入，超額衝擊被快速消化。IT 恰好相反——EPS 的 guidance 區間、毛利率走向、下游需求可見度每季都是新資訊，市場對法說會的不確定性更高。

發現三：法人持股係數在加入行業 FE 後幾乎不動

在 M2（無行業 FE）中，法人持股係數 β=−0.00127（t=−0.87，p=0.38），已不顯著。加入行業 FE（M4）後，係數為 β=−0.00122（t=−0.80，p=0.42），相對 M2 的變動幅度僅 4.4%。

這代表什麼？如果法人持股和行業別是高度共線的（例如 IT 股普遍法人持股高），加入行業 FE 後法人持股係數應該有明顯衝擊。4.4% 的微幅變動說明兩者在解釋力上幾乎不互相稀釋，行業有行業的獨立信號，法人持股有法人持股的（雖然本樣本中統計力不足以讓它顯著）。

發現四：行業層面正交性確認

使用 10 個 GICS 行業的中位數 θ_EAV 與中位數 inst_pct 計算 Spearman ρ= −0.006 ，p= 0.987 ，n=10。

法人持股最高的行業（Energy 0.55，Health Care 0.58）並不是 θ_EAV 最低的——IT 的法人持股居中（0.46），但 θ_EAV 是最高的。Financials 法人持股中等（0.41），但 θ_EAV 最低。兩個因子在行業層面的散布幾乎完全無關。

這個結果有直接的策略涵義：做法說波動策略時，可以 同時 使用行業 FE 和法人持股作為先驗，兩者提供的資訊不重疊，疊加不會造成多重共線問題。

市場殘差分析：行業組合能解釋多少跨市場差異？

圖3：12 個市場的 GICS 行業組合分佈（各行業佔比以顏色堆疊）。澳洲（AU）金融股佔 50%，台灣（TW）IT 佔 36.7%。

各市場的原始 θ_EAV 用行業 FE 係數調整後，殘差縮減幅度如下（選取幾個代表性市場）：

印度（IN）是 Financials 40%、IT 20%、Consumer Staples 20% 的組合，這個行業結構對應的「梯形預測 θ_EAV」與實際觀察值高度吻合，行業組合幾乎解釋了全部的 EM 超額波動。墨西哥（MX）組合以 Consumer Staples（44.4%）為主，低θ_EAV 行業佔比高，調整後殘差大幅收斂。

 澳洲是例外 ：AU 的原始 θ_EAV 偏低，Financials 佔 50%（低 θ_EAV 行業，合理），但調整後殘差反而增加 31%。這說明 AU 的「低θ_EAV」不能完全歸因於行業組合偏向金融，還有其他因素（市場微結構、監管環境、股東結構）在壓低法說會波動，且這些因素沒有被本模型的行業 FE 捕捉到。AU 是本研究在跨市場分析中識別出的一個結構性異例，值得後續專題研究。

實務意義

 波動率 trader 與 options market maker ：做法說前後 IV 定價時，行業 FE 是比法人持股更可靠的結構性先驗。IT 股的法說前 IV 應設定更高的基線，Financials 相反。行業 FE 解釋了 adj-R² 從 0.095 跳到 0.243 的差距，等同於說，忽略行業別、只靠市場水準做 IV 定價，會系統性地對 IT 低估、對 Financials 高估。

 量化 PM ：兩因子正交意味著行業 FE 和法人持股可以構成一個無共線的雙因子法說波動先驗系統。以行業作為主層，法人持股作為同行業內的二級排序依據，雖然本樣本 N=182 的統計力不足以讓法人持股達到顯著，但方向一致（β 負號，法人比例高→超額波動低）且兩者正交，在更大樣本中法人持股進入顯著是合理預期。

 學術角度 ：這是目前跨越 12 個市場（涵蓋已開發與新興市場）、100% GICS coverage 的法說波動行業效應驗證。IT vs Financials 的 11× 差距跨市場穩定，不是美股單一市場的 story。K1207 verdict=SECTOR_ORTHOGONAL_CONFIRMED。

限制與穩健性

 樣本限制 ：N=182 在截面迴歸中屬中等規模，10 個行業中 Real Estate 只有 1 檔，係數估計不穩定。法人持股 t 值偏低（−0.87）可能部分反映樣本量限制，而非該因子在更大樣本中也無效。

 分析 2b 敏感性 ：以相對股票自身波動的替代 θ 指標重跑四模型，結果方向一致：M3 的行業 FE F 值仍達 688.3（p=7.9×10⁻¹⁴），法人持股係數在 M2 與 M4 均不顯著（M2 t=0.42，M4 t=0.23）。主要結論在替代指標下穩健。

 Proxy 假設 ：法人持股佔比取自 yfinance，各市場的定義與揭露標準不完全一致（部分市場只披露流通股法人持股，不含限制股）。跨市場法人持股的可比性有一定限制。

 Look-ahead 檢查 ：θ_EAV 以法說日 ±1 天的 realized vol 計算，行業分類與法人持股為靜態截面資料，不存在預測性 look-ahead 問題。

結論

GICS 行業別是法說會超額波動（θ_EAV）的主導結構性驅動因素，解釋力是法人持股的 32 倍。IT 與 Financials 之間的 θ_EAV 差距達 11×，且這個梯形結構在 12 個市場中均穩定出現。行業 FE 與法人持股在行業層面的 Spearman ρ=−0.006，實質正交，兩者作為法說波動先驗時可以疊加而不互相稀釋。

澳洲（AU）是本研究識別的行業組合無法解釋的市場異例，其低θ_EAV 存在超出行業結構的壓制因素，值得後續深入。

後續研究方向：（1）以更大樣本（K1171 框架之外的 EM 市場）驗證法人持股在顯著性上的邊界；（2）分析師人數、分析師分歧度（analyst dispersion）是否能解釋行業梯形的殘差變異；（3）AU 市場異例的市場微結構解釋。

本文基於實驗 K1207（腳本：experiments/k1207/k1207.py，結果：experiments/k1207/k1207_results.json）。數據來源：K1171 panel，yfinance，12 市場 182 股，seed=42。