野火煙霧壓境那天，紐約空氣髒了 25 倍，股市卻比平常安靜

2023 年 6 月 7 日下午，紐約的天空變成橘色。加拿大野火的煙霧一路南下壓在曼哈頓上空，環保署監測站當天測到的細懸浮微粒日均值是 189 µg/m³，是這八年平常值 7.6 µg/m³ 的將近 25 倍。學校停課、航班延誤、路上戴口罩的人比疫情後任何一天都多。

那天華爾街的交易員也呼吸同一批空氣。他們住在同一座城市、走同樣的路去上班、在同樣濁黃的窗景前下單。

問題來了：交易員被空污影響心情，市場會因此更劇烈震盪嗎？

這不是憑空的聯想。Heyes、Neidell 與 Saberian 在美國國家經濟研究局的工作論文（NBER WP 22753）裡就檢驗過類似的事，他們發現曼哈頓短期空污變化和標普 500 當天的報酬行為有關，並把管道解釋成「本地投資人的情緒與認知」。這個題目在行為財務學裡有一定份量。

我們想把它推進一步，問一個對實務更有用的版本： 昨天的空氣品質，能不能幫我預告明天、或下週的市場震盪幅度？ 

答案是不行。而且方向還跟直覺相反。

把八年的交易日按空污濃度排一次隊

作法很土法煉鋼，但也因此很難作假。

我們抓了環保署 AirData 的每日細懸浮微粒資料，取紐約五個郡（布朗克斯、皇后、國王、紐約、里奇蒙）的日均值，時間從 2018 年初到 2025 年底。市場端配上標普 500 的每日收盤與 VIX。空污一律用 前一日 的數字，因為環保署的日均值本身就是收盤後才結算的，用當天的等於偷看未來。

接著把 2006 個交易日按前一日空污濃度由低到高分成十組，看每一組 接下來五個交易日 的實際波動有多大。

如果空污真的會讓市場更不安分，這張圖應該長成一道往上爬的階梯。

左邊那張沒有階梯。最乾淨的那一組（濃度中位數 2.7 µg/m³）後續五日波動是年化 13.6%，最髒的那一組（濃度中位數 16.1 µg/m³）是 11.4%。空氣最糟的日子之後，市場反而比空氣最好的日子之後安靜了兩個百分點。

這種「沒有階梯」的圖很容易被誤讀成「資料太雜，什麼都測不出來」。所以我們把同一批交易日、同一個後續波動指標，改用前一日的 VIX 分成十組，畫在右邊。

右邊那道階梯非常乾淨。VIX 最低那組（中位數 12.4）後續五日波動年化 7.4%，最高那組（中位數 32.2）是 26.9%，中間差了 3.6 倍，而且十組幾乎單調遞增。

同一批日子、同一把尺，換一個變數就出現階梯。至少可以說，這個做法對 VIX 是有反應的，空污身上則看不到同樣的反應。

同一批 2,006 個交易日、同一個後續波動指標。VIX 最恐慌那組是最平靜那組的 3.6 倍，空污則看不出方向。

煙霧最濃的那兩個月

十分位分組是統計上的平均圖像，會沖淡極端事件。所以我們把 2023 年野火那段時間單獨拉出來放大看。

棕色柱是紐約五郡的每日細懸浮微粒，6 月 7 日那根衝到 189，把整段時間的其他日子壓成貼地的矮柱。藍線是「從那天算起接下來五個交易日的標普 500 波動」。

這張圖是同期對照：柱子用的是當天實測的空氣品質，藍線是從同一天起算的五日波動，兩者在當天重疊。它描述那段期間實際發生了什麼，不是預測檢定。預測力的判定要看前面那組十分位對照，以及下一節的正式模型檢驗。

柱子飆起來的時候，藍線在往下走。煙霧最濃的那幾天（6 月 5 日到 6 月 16 日），後續五日波動的中位數是年化 10.0%，比全樣本的 12.5% 還低。

把門檻放寬也一樣。整段八年裡，前一日空氣品質指數衝破 100 的交易日只有 5 天，這 5 天之後的隔日波動只有對照組的 0.28 倍；把範圍拉大到「空污排前 10% 的日子」，共 209 天，隔日波動是對照組的 0.46 倍、五日波動 0.60 倍。四組比較沒有任何一組往「空污高則波動大」的方向走。

放進正式預測模型，它讓結果變差

分組看圖只是第一關。真正的檢驗是把空污丟進一個已經在運作的波動預測模型裡，看它能不能多擠出一點準度。

基準模型用的是市場圈的標準配備：VIX、前期的已實現波動、前期的高低價區間波動、近五日報酬與其絕對值。加強版在這之上再放進空污的標準化分數、三日平均空污、空氣品質指數破百的旗標，以及「空污 × VIX」的交互項。訓練方式是逐步擴張的樣本，預測第 i 天時只用第 i 減去預測期長度以前的資料，避免任何時間上的偷看。

樣本外檢驗從 2022 年底開始，隔日預測有 754 天、一週預測有 748 天。

結果是加強版 兩個期間都更差 ：隔日預測的誤差惡化 0.5%，一週預測惡化 1.5%。樣本內的解釋力也同步下降。而且惡化的幅度小到沒辦法排除運氣，也就是說，空污在這裡的貢獻既不是正的，也不是穩定的負的，它就是雜訊。

模型係數也講同一件事。空污相關的那幾個項目，統計上沒有一個站得住腳；反倒是 VIX 和前期波動的係數又大又穩，跟過去幾十年的文獻一致。

為什麼直覺會失準

三個原因疊在一起。

 第一，情緒效應和波動預測不是同一件事。  原論文談的是同一天的報酬行為，是「今天的心情如何影響今天的下單」。我們問的是「昨天的空氣能不能預告未來五天的震盪」。前者是即時的行為反應，後者要求這個影響能存活到隔天、而且大到蓋過所有其他訊息。這中間隔了好幾層。

 第二，VIX 早就把該吸收的都吸收了。  選擇權市場的隱含波動是全球資金對未來風險的集體定價，只要有任何足以撼動股市的事件，它會先反應。空污要在這個模型裡有貢獻，得帶來 VIX 沒看到的資訊。八年的資料說它沒有。

 第三，全球資金不呼吸曼哈頓的空氣。  這是最容易被忽略的一點。2018 年的紐約交易大廳和 1990 年代已經是兩回事，標普 500 的成交有相當比例來自演算法、被動基金與分散在世界各地的機構。一位在倫敦或新加坡下單的基金經理人，不會因為曼哈頓的能見度差而改變部位。以本地天氣影響本地情緒為前提的因子，在一個已經沒有地理中心的市場裡，天然就會被稀釋。

這不推翻原論文，但推翻了一種用法

要說清楚界線：這份檢驗 沒有 否定 Heyes 等人的發現。他們測的是同日報酬與行為，我們測的是落後的空污預測未來的已實現波動，兩者的目標變數不同、時間結構不同，不能互相反駁。

被推翻的是另一件事： 把一篇行為財務學論文的結論，直接當成可以拿來交易的預測訊號。  這中間的落差比大多數人想像的大得多。學術上「有統計關聯」的門檻，和實務上「能改善預測」的門檻，是兩個等級。

這也是我們願意花時間把這種題目做完、然後把否定的結果照實寫出來的原因。市面上每個月都有新的另類數據被包裝成「下一個 alpha 來源」，衛星影像、社群情緒、天氣、刷卡紀錄。它們有沒有用不能靠故事判斷，只能靠一次一次拿真資料去撞。撞出來是空的，那個「空」本身就是有價值的資訊，它會替你省下一筆訂閱費和一段繞路的時間。

給投資人的三句話

1.  不要把「今天空氣很糟」當成減碼的理由。  八年紐約資料裡，空污最重的那些日子之後，市場的震盪反而略低於平常。
2.  要判斷未來一週的震盪，VIX 仍然是免費工具裡最好用的那個。  同一批日子按 VIX 分十組，最平靜與最恐慌組之間差 3.6 倍，階梯乾淨到不需要任何模型就看得懂。
3.  看到「某某另類數據能預測市場」的說法時，先問三個問題 ：它測的目標和你要用的目標是同一個嗎？它的檢驗有沒有把未來資訊洩漏進去？加進既有模型後，它還有沒有增量貢獻？三題有一題答不出來，那個訊號就先別買。

這次分析的限制

誠實列出來，讓讀者自己評估份量：

• 目標變數用的是 日收盤到收盤 的已實現波動，不是盤中高頻資料。原論文的行為效應若主要發生在盤中，這個口徑會看不到。
• 空氣品質指數破百的交易日在八年裡只有 5 天，那組比較的樣本數太小，只能當參考，不能當結論。
• 只測了紐約一個城市。若某個市場的參與者集中度更高（例如以本地散戶為主的市場），結論不保證能平移。
• 檢驗的是「線性加進模型後的增量貢獻」。若真實關係是強烈非線性、或只在特定體制下出現，這個設計可能漏掉。

資料來源：美國環保署 AirData 每日細懸浮微粒監測（參數 88101，紐約布朗克斯／皇后／國王／紐約／里奇蒙五郡，2018–2025）；標普 500 與 VIX 每日收盤。合併後面板共 2,011 個交易日（2018-01-02 至 2025-12-31），分組分析可用 2,006 個交易日，樣本外預測檢驗 754 天（隔日）與 748 天（一週），起算日 2022-12-28。隨機種子固定為 42，分析腳本與完整結果檔可重跑復現。

懶人包圖組