為什麼預測股市漲跌是不可能的任務——但預測風險大小卻可以？

你有沒有這樣的衝動？

看到新聞說「下週聯準會開會，股市可能大漲！」或者某個分析師自信滿滿地說「根據技術面，SPY 本週應該上漲」，你心想：如果能提前知道漲跌，那就發了！

這個念頭很自然。但超過 30 年的學術研究，以及我們剛完成的一項實驗，給出了一個清醒的答案： 預測股市「漲或跌」，幾乎是不可能的任務。 

但同時，這項研究也揭示了一件更重要的事，雖然方向難以預測， 風險的「大小」卻是可以預測的 ，而這個差異，正是許多聰明投資策略的核心。

我們做了什麼實驗？

我們用 SPY（追蹤美國大盤指數的 ETF）從 2016 年到 2025 年，將近 10 年的週報酬數據，測試了 8 個市場指標，包括 VIX 恐慌指數、股市動量、GARCH 波動率模型、殖利率曲線（以 TLT 代理）等等。

我們用了線性迴歸、Ridge、LASSO，以及隨機森林這 4 種機器學習模型來預測： 下一週 SPY 會漲多少？ 

結果怎樣？

 全部失敗。 

線性迴歸、Ridge、LASSO 三個模型，預測準確度比「什麼都不做、直接猜平均報酬」還要差。隨機森林雖然在技術指標上表現略好，但統計檢驗顯示，這個差距根本沒有意義，遠達不到學術界要求的顯著性門檻。

換句話說，無論用多少指標、多精密的演算法，都無法有效預測「股市下週是漲是跌」。

為什麼方向那麼難預測？

想像股市是一個巨大的投票機器，每天有數百萬人同時「投票」決定股價。影響他們決定的因素，包括聯準會的一句話、一場戰爭的突發新聞、一家大公司的財報、甚至一則社群媒體的謠言。

這些事件，有哪個是可以事先知道的？

 不可能。 

更根本的原因是：如果市場漲跌真的可以預測，所有人都會搶先行動，讓價格立刻調整到「正確」水準，讓預測失效。這就是所謂的「效率市場」，大量聰明投資人的競爭，讓公開資訊幾乎立刻被消化。

這個結論並不新鮮。學術界在 2008 年就已經做了一篇重量級研究（Welch & Goyal, 2008），測試了數十個常用指標，發現幾乎所有指標在樣本外（真正的預測情境）都失敗了。我們的實驗，在 2016-2025 年更近的數據上，得到了完全相同的結論。

但風險的「大小」呢？

這才是故事有趣的地方。

我們在另一項研究（K943）中測試了同樣的指標，這次預測的不是「漲跌方向」，而是「波動率的大小」，也就是未來一週股市起伏的幅度。

結果完全不同： 預測準確度提升了 18.4%。 

為什麼波動率可以預測，方向卻不行？

因為波動率有「慣性」。

今天股市大幅震盪，明天、後天大概率也會繼續震盪，直到市場慢慢平靜下來。這叫做「波動率群聚」現象，是金融數據最穩定的特性之一。VIX 恐慌指數高的時候，往往接下來幾天波動也大；VIX 低、市場平靜的時候，往往接下來也會繼續平靜。

 波動率有記憶，方向沒有。 

這對你的投資有什麼意義？

很多人花大量時間研究「下週市場會漲還是跌」，這個時間基本上是浪費的。

但如果你把注意力轉向「現在市場的風險有多大」，情況就完全不同了：

•  VIX 很高（例如超過 30）  → 市場正在恐慌，波動會很大，即使你看漲，也應該減少倉位。
•  VIX 很低（例如低於 15）  → 市場平靜，可以適度增加曝險。

這就是「波動率目標策略（Volatility Targeting）」的核心思想： 不預測漲跌，只管理風險暴露 。

我們的回測數據顯示，這種策略在長期（2016-2025 年）能比單純持有更穩定地累積資產，特別是在避免極端虧損方面效果顯著。

結語：換個問題，換個結果

「下週股市會漲嗎？」這個問題，30 年來沒人能可靠回答。

「下週市場的風險有多大？」這個問題，可以有合理的估計。

投資的智慧，往往不是找到別人不知道的答案，而是 問對問題 。

不要追著不可能的預測跑。學習讀懂市場的風險訊號，讓你的配置隨著風險高低自動調整，這才是在現實中長期勝出的方法。

本文基於實驗 K948 的實證結果（數據來源：yfinance，期間：2016-2025）