← 研究動態
一般讀者2026/08/06 上午06:000 次瀏覽

有一個結果通過了全部檢定,我們決定不採用它

波動率事件研究研究方法流動性

讀者互動

0 次瀏覽,登入會員可按讚與收藏。

分享到:LINEFacebookX / Twitter

持續追蹤這項研究

收藏、追蹤與明日提醒只保存必要識別資料,可在會員中心檢視或刪除。

研究資訊不構成個人投資建議;提醒僅代表研究更新,不代表交易訊號。

有一個結果通過了全部檢定,我們決定不採用它

一家公司被抓到做假帳,或者被主管機關開罰。消息出來那天,它自己的股票會怎麼樣,大家都知道。

問題是隔壁那幾家。同一個產業、做同一門生意、用同一套會計手法的那幾家,會不會也跟著抖起來?

這叫傳染。它在直覺上很成立:投資人會想「這行是不是都這樣」,然後對整個產業重新定價。

先講怎麼挑事件

28 件公開揭露事件,手工整理。這一句要先說清楚:手工挑出來的是比較有名的那些,不是主管機關全部案件的隨機樣本。所以這份研究測的是「這 28 件裡有沒有傳染」,不是「所有詐欺案平均而言有沒有傳染」。

每一件事件都事先凍結一份同業名單,出事的那家自己排除掉,只看隔壁。價格資料是 1998 年 1 月 2 日到 2025 年 12 月 30 日的日線快取,隨機種子 42。

事件前看 60 到 12 個交易日這一段當基準,事件後看第 1 到第 10 個交易日。

八個指標事先宣告好,方向也事先定死:正值代表有傳染。事後不能挑哪個好看再報哪個。

一個很貴的規矩

主要分析用了一條嚴格的規矩:那份凍結名單裡的每一家同業,都必須有完整的事前基準段報酬、事後十個交易日的報酬,以及完整的高低收價。少一家,整個事件剔除。

代價很直接:28 件剩 20 件。

被剔掉的 8 件,缺的是這些公司:一家學名藥廠、一家早餐穀片大廠、一家家用容器公司、兩家電動車新創、一家德國車廠的美國存託憑證、一家支付公司,還有瑞士信貸。

看一下最後那個。瑞士信貸是 Archegos 那件事裡賠最慘的一家,後來被併掉了,所以現在的資料庫裡沒有它完整的序列。

主結果:沒有偵測到

市場調整過後的已實現波動,20 件事件的方向平均是 -0.0359。負號代表方向跟傳染假設相反。

把同時期發生、窗口重疊的事件併成群(13 個群),群集層級的統計量是 -0.30。用最嚴格的多重比較校正之後,機率值 0.7047。另外還跑了一種精確的做法:把 13 個群的正負號窮舉全部 8,192 種可能,算出來 0.7038。

八個事先宣告的指標,一個都沒過。

換一個角度也一樣。用安慰劑對照的標準分數版本,方向平均 +0.0785,群集統計量 0.33,校正後 0.4978。方向這次對了,強度還是在噪音裡。

八個事先宣告指標的方向與強度

唯一走到門口的那一個

買賣價差是唯一一個看起來像有東西的指標。它量的是交易一檔股票要付出的隱形成本,用當天的高低價估算。

方向平均 +0.372,群集統計量 3.19。兩種校正版本算出來是 0.031,過了 0.05。

但最嚴格的那個精確版本(把群的正負號窮舉)算出來是 0.0752。事前訂死的門檻要求這一關也要過。

沒過就是沒過。這個指標沒有升格成正式結論。

然後我們把規矩放寬,結果變得很漂亮

前面那條「少一家就整件剔除」的規矩很貴。換一個做法:有幾家算幾家,抓得到資料的同業就納入。這樣 28 件事件全部都能用,群數從 13 變 16。

價差指標的群集統計量從 3.19 跳到 4.206。最嚴格的那個精確版本從 0.0752 掉到 0.0083。

全部通過。

這是一個乾淨、顯著、方向正確的結果。如果只看這一版,可以寫成「詐欺揭露會讓同業的交易成本顯著上升」,而且每一個數字都經得起查。

我們沒有採用它。

嚴格版與放寬版的對照

為什麼不採用

放寬之後納入的名單,是「今天還活著、資料還抓得到」的那些同業。

被排除掉的是誰?瑞士信貸。兩家倒掉的電動車新創。那些在事件之後真的出事、真的下市、真的被併掉的公司。

換句話說,反應最劇烈的那幾家,正好就是後來消失、因此不在名單裡的那幾家。用倖存下來的公司組成對照組去測「出事會不會波及同業」,等於系統性地把最嚴重的案例先拿掉,再宣稱剩下的反應顯著。

這個偏誤的方向不明確地偏大或偏小,但它確實存在,而且來源就是這份資料的取得方式。所以那個 4.206 只能當作敏感性分析的一行紀錄,不能當結論。

要把它升格,需要的不是更好的模型,是授權等級的歷史成分股資料庫,能夠還原「當年那一天,這個產業裡有哪些公司」,包括後來消失的那些。

六條沒有藏起來的話

手工挑的是有名的案件,不能推論到所有案件的平均效果。

同業名單是事件當下的宣告,不是授權的歷史成分股資料。

用股票代號排除出事的公司,不等於在法律實體層級排除,兩者在複雜的集團結構下不一樣。

樣本數不到 30,檢力本來就不足;群集層級的推論又進一步壓縮了有效自由度。

事件日附近的關聯不是因果估計。

流動性指標是拿同時期的大盤變化去調整的,未調整的原始比值只當診斷用,不進結論。

這篇留下什麼

在這 20 件事件裡,同業的波動傳染沒有被偵測到。流動性的方向一致,強度撐不過事前訂死的門檻。

比結論更值得帶走的是那個決定:一個通過全部檢定的漂亮結果,因為它的樣本來自倖存者而被降級成附註。

研究裡最貴的不是跑出顯著結果,是知道哪一個顯著結果不能用。


資料:手工整理的 28 件詐欺/裁罰公開揭露事件,價格取自日線 OHLCV 快取,期間 1998-01-02 至 2025-12-30,未做除權息還原調整。主要分析採完整事件法:每個事件的凍結同業名單須在事前基準段與事後窗全數具備完整報酬與高低收價,任一家缺漏即整件剔除,最終 20 件、13 個時間群。事件前窗為第 -60 至 -12 個交易日,事件後窗為事件後十個交易日。八個指標事先宣告、方向事先定死,採單尾多重比較校正,家族大小 8;群集正負號採窮舉全部可能組合的精確法。敏感性分析採可得同業法(28 件、16 群),因排除下市與不可得標的而暴露於倖存者偏誤,僅列為附註不升格。代碼經獨立 AI 二審,判定為有條件通過。隨機種子 42。全文數字逐一對應實驗結果檔。

懶人包圖組

說明事件來源、同業名單政策與嚴格版樣本數

對照波動與買賣價差兩個指標的統計量與校正後機率值

對照放寬版的統計量與機率值,並說明倖存者偏誤

相關文章

先讀正式關聯,若無則使用標籤與主題相似度補齊

📄
高收債對投資級債的價差看起來能預告波動,把恐慌指數放進來後只剩 3.7%
# 高收債對投資級債的價差看起來能預告波動,把恐慌指數放進來後只剩 3.7% 信用市場先知道事情要出問題,這句話在債券圈流傳很久。 它有一個很容易上手的量法。買一籃子高收益公司債(代號 HYG),再買一籃子投資等級公司債(代號 LQD),兩者相除。市場開始擔心企業還不出錢的時候,垃圾債會先被賣,這個比值就往下走。 這份研究把這個比值的近一個月變化當成訊號,往後推一天才使用,去對照標普 500...
📄
颶風愈強,再保險股愈晃?把對照組放進來,故事就變了
# 颶風愈強,再保險股愈晃?把對照組放進來,故事就變了 再保險公司做的生意,說穿了就是幫保險公司分擔巨災。颶風登陸、房子倒了、理賠單湧進來,最後有一段是他們吃下去的。 所以有個推論很自然:颶風愈強,這些公司的股價應該愈不安分。 而且強度有分級,Saffir-Simpson 那套一到五級。既然分了級,問題就從「有沒有颱風」變成能不能量出一條斜坡:每升一級,波動多加多少。 這條斜坡我量了。結果...
📄
經濟學家吵得越兇,市場越危險?資料給的答案是反的,而且連反的都站不住
# 經濟學家吵得越兇,市場越危險?資料給的答案是反的,而且連反的都站不住 有個直覺聽起來幾乎不用驗證。 當專業預測者對明年的經濟看法分歧很大,有人說軟著陸,有人說衰退,喊出來的數字差一大截,那代表前景不明朗。前景不明朗,市場應該會比較不安分。 反過來,當大家的預測擠成一團,代表局勢清楚,市場應該相對平靜。 這個直覺很好,好到值得拿資料打一次。因為「分歧」這件事,剛好有人幫我們量了六十年。 ...