財報驚喜有多大，不影響當日波動率：日美跨市場實驗的同一結論

每到財報季，市場的直覺很一致：公司公布的 EPS 比分析師預估偏差越大，當天股票震盪應該越劇烈。這個邏輯聽起來幾乎不需要驗證。

實驗結果說不對。

在 N=30 日本 TOPIX 大型股、跨越 2014 至 2025 年、約 88,500 個交易日觀察值的資料上，我們把財報「驚喜幅度」（Surprise%）拿來對日內波動率做迴歸，把它設計成一個連續訊號，數字越大代表 EPS 偏差越大，最後得出的 bootstrap t 統計量是  +1.32 ，p 值  0.31 ，完全無法拒絕「驚喜幅度與波動率無關」的虛無假說。

這跟美股（K1151）的結論幾乎一模一樣：US t=+1.11，p=0.41。兩個市場、兩個獨立樣本、相同結果。

大家以為「驚喜越大、震盪越強」的邏輯從何而來

這個直覺有合理的理論基礎。傳統資訊不對稱模型認為，財報公布帶來新訊息，訊息量越大，交易者的信念分歧越大，市場要花更多時間「消化」，所以成交量與波動率應該隨驚喜幅度擴張。

但這個邏輯隱含一個前提：市場在財報公布 之前 不知道驚喜的大小。

問題在於，現代市場在公告前已有大量訊號存在，分析師共識密集更新、期權市場對公告日設有特殊 IV 結構、機構法人有明確的 earnings window 避險操作。當財報公告日到來，市場波動率的上升更像是一個 日曆驅動事件 （scheduled event），而非訊息量的比例放大。

換句話說，「今天是財報日」本身就已經足夠解釋波動率群聚，驚喜的大小是額外的。

日本市場測試怎麼設計

我們用 N=30 的 TOPIX 大型股（豐田、Sony、軟銀、三菱 UFJ、任天堂等），資料期間 2014–2025 年，pooled 觀測值約 88,500 筆，每支股票平均 47 次財報事件。

核心比較是兩個規格的競賽：

兩個規格的參數數量完全相同（152 個），因此 AIC 差異純粹來自對數概似的差距，沒有自由度補償問題。

Continuous 規格在處理日本市場時遇到一個實際挑戰：軟銀（9984.T）的 EPS 估計值長期接近零，導致 |Surprise%| 計算出超過 13,000% 的極端值。我們採用 p99 截切（788%）處理前 1% 的極端觀測，之後再 z 標準化。即便這樣謹慎處理，最終仍然通不過統計門檻。

主推論用 stock-clustered block bootstrap（n=150 次抽樣），這是避免同一股票內序列相關干擾的標準方法。

資料說了什麼

三條獨立證據線同時指向同一方向。

 Bootstrap 顯著性 ：Continuous 規格的 bootstrap t=+1.32，p=0.31，信賴區間 [-3.85e-6, +9.52e-6] 橫跨零點。相比之下，Binary 規格的 bootstrap t=+13.03，p=0.000，信賴區間完全在正值區間 [+1.19e-4, +1.57e-4]。

 AIC 選模 ：兩個規格參數數量相同，Binary 的 AIC 低了  2551 單位 （AIC_binary=-468,562；AIC_continuous=-466,011）。AIC 差異相當於 binary 規格多捕捉了 1,276 個對數概似單位。在同等複雜度的條件下，這是壓倒性的差距。

 Placebo 測試 ：我們對同樣的連續訊號做 within-stock 隨機置換（n=60 次），看真實估計值相對於亂序版本是否顯著。結果：p=0.067，無法把真實 θ_SURP 從 placebo 分布中區分出來。美股同步驗證的 placebo p=0.10，兩個市場幾乎相同。

 Drop-5 穩健性（最關鍵的測試） ：我們隨機去掉 5 支股票後重估，做 3 組不同種子。結果：seed=42 剔除軟銀時 t=-48.7（符號翻轉！），seed=43 得 t=+2.7，seed=44 得 t=+8.2。全規格看似「正向」的點估計幾乎全部來自軟銀這一個 EPS 分母接近零的特殊股，不是普遍的市場效應。

美日跨市場對比

下表把 US K1151 與 JP K1157 的 Continuous 規格並排：

兩組 θ̂ 數值只差 10%（5.26 對 4.76，單位 e-6）。兩組 placebo z 值只差 5%（1.60 對 1.53）。Binary 規格在兩個市場都以壓倒性 AIC 差距勝出。

這個跨市場一致性本身就是證據。日本市場有交叉持股、keiretsu 結構、分析師覆蓋密度低於美股等制度性差異，按照直覺推斷，驚喜尺度對波動率的影響應該在日本「有」而美國「沒有」，或至少兩邊不同。結果完全相反：兩者幾乎不可區分。

對交易與避險的意義

如果財報事件帶動的波動率是 日曆驅動而非驚喜幅度驅動 ，操作邏輯就要跟著調整。

市場的波動率在財報公告日本身膨脹，無論 EPS 是否超預期 10% 或超預期 50%——都會有一個基本的「公告日衝擊」存在。這表示：

 事件窗口時序比驚喜篩選更重要 。如果你在做 earnings event 避險，鎖定「哪幾天是財報日」比篩選「哪幾支股票預期驚喜幅度大」更能有效覆蓋波動率暴露。

 波動率預測模型不需要納入驚喜幅度 。在 GARCH-MIDAS 類框架下，加入連續驚喜項帶來的訊息量增益幾乎為零（Δlogℓ 在二市場共計約 -3,400），等於在模型裡多一個沒有解釋力的變數。Binary EAV 已經足夠，而且跨市場通用。

 跨市場統一規格成立 。台灣、美國、日本三個市場（K1145/K1147/K1150/K1157），同一個 binary 財報事件指標在 pooled 迴歸中都顯著通過門檻（bootstrap t 在 +4.5 至 +13 之間），而連續驚喜指標在兩個有完整資料的市場（美日）都無法顯著。這個規格鎖定是可以跨市場使用的。

對分析師來說，這個結果有一點反直覺但在機制上說得通：市場在財報公告前的 IV 結構已隱含「今天不一般」，call/put 的到期日設計、大型法人的例行避險操作，這些都是在公告之前就被 schedule 進去的行為。公告本身觸發的是這一整套機制的展開，而不是一個由 EPS 比較出來的數字在驅動。

下一步的問題不是「驚喜越大波動越大嗎」，答案已經很清楚了。更值得追問的是：在有完整期權資料的市場，到期日 IV 壓縮幅度（earnings IV crush magnitude）是否比 EPS 驚喜更能解釋公告日波動？那是另一個實驗的題目（K1161）。

 數據來源 ：yfinance 日收盤與 get_earnings_dates()，2014–2025；CBOE VIX；實驗代號 K1157（JP）+ K1151（US）+ K1150（JP binary baseline）