情緒指標能預測波動嗎？Put-Call Ratio 的混合答案

為什麼大家想用 Put-Call Ratio 預測波動

「市場恐慌時，大家會搶買保險」這個直覺幾乎是金融市場常識。當投資人擔憂下跌風險，他們會買進更多賣權（put）以對沖股票部位；反之牛市裡買權（call）成交占比拉高。把賣權與買權成交量相除得到的 Put-Call Ratio（PCR），就成了一個常被引用的「市場情緒晴雨表」。

這個直覺進一步推導：如果 PCR 真能反映恐慌與貪婪的拐點，它應該能預測 接下來的波動率 。實務上，許多技術分析教科書把 PCR 高點當「恐慌見底」訊號、低點當「貪婪見頂」訊號。但情緒指標到底能不能在統計上 穩定 預測未來波動？這是 K191 實驗想回答的問題。

資料來源與一個必須先承認的限制

本文數據完全來自實驗 K191：

•  標的 ：S&P 500 ETF（SPY）日線收盤價，由 yfinance 取得
•  OOS（樣本外測試）期間 ：2023-01-01 至 2024-12-31，共 499 個交易日
•  訊號 ：因 CBOE 官方 PCR 在 yfinance 無法直接取得，本實驗改用一組  VIX 衍生情緒代理變數 （VIX 水位、ΔVIX、5 日 ΔVIX、Excess Fear、VIX Z-score、Composite Sentiment、VIX/SKEW 比率）
•  預測目標 ：次日絕對報酬（next-day absolute return）作為已實現波動率的代理
•  訊號時序 ：所有訊號 用 t-1 之前的資訊 預測  t 期的波動 ，程式碼明確 signal.shift(1)，無 lookahead bias

這裡必須誠實揭露 資料限制 ：CBOE 官方逐日 PCR（總體市場、ETF、個股分項）需從 CBOE 直接下載或付費資料庫取得，本次實驗以 VIX 家族代理。讀者解讀結果時要把這個 caveat 記在心上 — 嚴格意義上，本文檢驗的是 「VIX 衍生情緒指標」 而非教科書定義的 CBOE PCR。

第一層證據：相關性檢定

最簡單的問法是：這些情緒代理與隔日絕對報酬之間，是否存在統計上顯著的相關？

 第一層讀法 ：所有 7 個情緒代理都與隔日絕對報酬達顯著水準。VIX 水位與 VIX/SKEW 比率相關係數高達 0.57 級，看似情緒指標對波動有強烈預測力。

但別急著下結論 — 這個層次有個明顯陷阱： VIX 本身就是隱含波動率指標 ，與隔日絕對報酬高度相關幾乎是定義使然，不能算「情緒」對波動的獨立貢獻。我們需要更嚴格的檢驗。

第二層證據：偏相關（控制 VIX 後的增量）

把 VIX 水位當控制變數，問每個衍生指標 「在 VIX 已經告訴我們的資訊之外，還有沒有額外預測力？」 

 第二層讀法 ： 控制 VIX 後，效果大幅縮水 。原本相關 0.57 的 VIX/SKEW 比率，偏相關只剩 0.064；1 日 ΔVIX 與 Excess Fear 在控制 VIX 後 完全失去顯著性 。剩下幾個（Z-score、Composite、5 日 ΔVIX）雖然仍顯著，但偏相關 0.11–0.15 的等級，意味著情緒指標的「獨立貢獻」其實有限。

這是研究上的常見發現： 很多看似強大的訊號其實只是 VIX 的單調變換 。一旦把 VIX 拿掉，剩下的可解釋變異不多。

第三層證據：把訊號塞進 GARCH 模型

第三個更嚴格的測試是把情緒訊號 直接塞進條件波動率模型 （GARCH-X 設定），看樣本外預測準確度（QLIKE，越低越好）能不能贏過純 GJR-GARCH baseline：

QLIKE 數值看起來都進步了。但問題是「進步多少才算真的進步、不是隨機波動」？這就需要兩模型比較顯著性檢定：

 第三層讀法 ：兩個情緒擴充模型確實 統計上顯著 優於 baseline。負統計強度代表 GARCH-X 模型的損失更低（即預測更準）。這是 K191 中最支持「情緒指標有用」的證據。

但要注意 HLZ (2016) 對嚴格統計門檻的提醒 — 在金融機器學習裡，由於人們會嘗試上百個訊號才挑出顯著的那幾個，傳統 0.05 顯著水準早已不夠嚴格。HLZ 建議統計強度絕對值至少 3.0 才算真的「發現」；本次 -2.04 與 -2.74 都未達到這條 3.0 線。實驗 results.json 中 harvey_threshold_pass 欄位明確標 False。

第四層證據：VT 策略疊加情緒能否提升風險調整後報酬？

最後一層測試，是把情緒訊號疊加到實務上常用的  Volatility Targeting（VT）策略 上 — 看看會不會比簡單規則的 Sharpe 表現更好：

 第四層讀法 ：在 2023–2024 這段強勢牛市的 OOS 中， 任何 VT 變形都打不贏 Buy & Hold 。情緒疊加（Contrarian EF / Momentum EF / Delta-VIX Overlay）的風險調整後報酬全在 1.59–1.79 之間，比純 12/VIX 月再平衡（1.70）的差異微乎其微。最大回撤（MDD）方面 VT 策略確實較淺（-7.63 至 -9.57）對比 Buy & Hold 的 -10.51，但代價是放棄約 6–7 個百分點的年化報酬。

關鍵啟示： 情緒訊號的統計顯著不必然轉化為策略上的可觀經濟效益 。這也是 K877 系列關於「VIX sufficiency」的重要主題 — 在 VT 框架內，VIX 水位幾乎已 capture 大部分可交易資訊，情緒衍生變數很難再榨出額外 alpha。

整合判定：MIXED

把四層證據合起來，K191 的最終判定是  MIXED ：

•  Layer 1 相關性 ：所有情緒代理顯著 → 看似強訊號
•  Layer 2 偏相關 ：控制 VIX 後大幅縮水，2 個失去顯著 → 多數是 VIX 的衍生
•  Layer 3 GARCH-X ：DM 比較檢定顯著（達 0.05 顯著水準），但 未通過 HLZ 嚴格統計門檻 （|統計強度| < 3.0）
•  Layer 4 策略疊加 ：對 VT 策略風險調整後報酬無顯著貢獻

換句話說：在統計層面，情緒指標 部分有用 ；但在實務交易層面， 未能轉化為穩定優勢 。

對讀者的三個提醒

1.  單看相關係數會誤導你 。0.57 的高相關不等於 0.57 的預測力 — 控制掉共同因子後可能蒸發。永遠要問「這個訊號在已知資訊之外貢獻了什麼」。
2.  「統計顯著」不等於「策略有用」 。傳統 0.05 顯著水準在大量訊號試錯下是過鬆的門檻。HLZ (2016) 建議的 |統計強度| ≥ 3.0 才是金融研究較合理的標準。本實驗的 GARCH-X 改善僅勉強過 0.05 但未過 3.0。
3.  CBOE PCR 真實效果待補課 。本次以 VIX 衍生指標代理，未來若能取得 CBOE 官方 PCR 分項資料（總體 / ETF / 股票），重做這套四層檢定，結論可能修正 — 也是 K191 後續延伸方向。

相關研究

•  K191 ：本實驗主體
•  K447 SKEW 系列 ：探討 CBOE SKEW 指數對尾部風險的預測；與本文 VIX/SKEW 比率設定相關
•  K877 GS sufficiency family ：建立「VIX 已足夠 capture 多數可交易波動資訊」的證據基礎，與本文 Layer 2 偏相關萎縮現象一致

結論

PCR 與情緒指標是好故事，但好故事不必然是好訊號。K191 的四層證據鏈顯示：在統計直覺與實務應用之間，存在一條由  VIX 共線性、嚴格統計門檻、策略經濟效益 三重過濾的窄門。願意通過這道窄門檢驗的訊號，才有資格寫進實盤系統。下次有人告訴你「PCR 又破天花板要崩盤了」，先問三個問題：他控制了 VIX 嗎？他用了什麼顯著性門檻？他的策略真的贏過 Buy & Hold 嗎？

圖表

延伸閱讀

• 成交量真的能預測波動嗎？SPY 與 0050 的二十年實測