Treasury 拍賣冷清，MOVE 指數沒有跟著上去

 數據來源：FRED（MOVE 指數）、Bloomberg拍賣結果、實驗 K1506，樣本期間 2015-01-01 至 2026-06-16 

美國財政部每隔幾週就要舉辦國債拍賣。每次拍賣完，Bloomberg 和 CNBC 都會報一個數字：bid-to-cover ratio。

Bid-to-cover 就是「投標人想買的量 ÷ 財政部實際發行量」。這個比率越高，表示搶標越熱烈；越低，表示大家不太想要。

過去 11 年，市場有一個根深蒂固的直覺：拍賣冷清（bid-to-cover 遠低於歷史均值）→ 外國央行和大型基金不再願意消化美債 → 殖利率得上升吸引買家 → 債市動盪 → MOVE 指數跟著拉高。

這聽起來很合理。問題是，資料告訴你的故事不一樣。

11 年、278 場拍賣，結果讓人意外

VolPred 從 2015 年 1 月到 2026 年 6 月，收集了 278 場 10 年期和 30 年期美國國債拍賣的 bid-to-cover z-score。所謂 z-score，就是把這場拍賣的 bid-to-cover 跟過去歷史均值比，算出「這次比平均高了多少個標準差或低了多少個標準差」。

篩選標準是「顯著疲弱拍賣」：z-score < -1.5，也就是需求遠低於歷史正常水準，屬於明顯偏冷的那批拍賣。

11 年下來，符合這個條件的拍賣只有 26 場。

接著追蹤每場拍賣後 5 個交易日的 MOVE 指數累積波動率（signal 在拍賣收盤後才啟用，隔天 T+1 才進入計算，沒有 lookahead 問題）。

下圖是 2015-2026 年間所有拍賣的 bid-to-cover z-score 時序，紅色虛線標出 z = -1.5 和 z = -1.0 兩條門檻：

結果：

疲弱拍賣後，MOVE  沒有 上升，反而比一般拍賣略低 0.41 個百分點。

Welch t-test 的結果：t = -0.47，p = 0.642，Cohen's d = -0.10。p 值 0.642 完全達不到任何統計顯著性門檻，效果量 d = -0.10 也極小。

Bootstrap 95% 信賴區間（5000 次重抽樣，seed=42）：均值差異落在 [-2.0%, +0.8%] 之間， 橫跨零 。

直白翻譯：這 26 場疲弱拍賣後的 MOVE 變化，和一般拍賣根本沒有統計差異，而且方向還是反的，需求差的那組，之後的債市波動反而稍微低一點點。

放寬門檻，結果一樣

有人可能說：26 場太少，可能只是運氣。

所以也用了放寬版本：z < -1.0，也就是比均值低一個標準差就算，樣本數擴大到 45 場。

結果：t = -0.77，p = 0.44，效果量 d = -0.14。方向相同，統計上仍然不顯著。

按 10 年期 / 30 年期分別測，按 VIX 高低不同市場體制分別測，結論都沒有改變。

為什麼直覺在這裡沒用？

這個 null result 本身有三個可能的解釋，不過都還在假說層面，沒有辦法用這份資料直接確認：

 第一，拍賣結果已經被定價在前面。  市場在拍賣前兩三天就透過 when-issued 市場（一種預期交易機制）把預期的需求強弱反映進殖利率裡。等拍賣日公佈 bid-to-cover，聰明的錢早就佈局完畢，消息沒有多少新東西可以推。

 第二，dealer 的緩衝機制。  美國主要交易商必須承接國債拍賣的溢出部分，聯準會的回購機制（SRF）讓 dealer 有地方融資過夜，不必急著拋售，壓低了即時的市場衝擊。

 第三，bid-to-cover 本身噪音很大。  每次拍賣的參與者組成不一，有時外國央行集中在某幾場缺席，有時則是對沖基金臨時改變策略，bid-to-cover 的波動裡夾雜太多和「未來債市波動」無關的成分。

這三個機制不互斥，可能同時在發生。

這對交易策略有什麼意義？

 不建議的做法：  看到 bid-to-cover 低就買 MOVE 波動率，或以此為訊號做多利率波動。這份資料告訴你，這個信號沒有統計支持。

 仍然有用的地方：  Bid-to-cover 還是可以當成「這場拍賣的承銷壓力」觀察指標。拍賣當天殖利率跳動、dealer 的部位壓力，這些仍然是有意思的追蹤對象；只是把它連接到「未來 5 天 MOVE 上漲」這條線，資料沒有支持。

研究方法為什麼這樣設計？

這篇的核心問題是：一個「看起來很合理」的因果鏈，在資料面上是否成立？

為了讓答案可信，用了三層驗證：

•  統計檢定 ：Welch t-test（不假設兩組方差相同）+ Cohen's d 效果量
•  Bootstrap ：5000 次重抽樣，不依賴常態分布假設
•  分組 robustness ：按到期年限（10Y/30Y）和 VIX 體制分組

三層都告訴你同樣的答案：沒有效果。

樣本數 N=26 是這份研究的主要限制。26 場本就讓統計檢定力不強，無法排除真實存在但效果極小的關係。但即便把門檻放寬到 N=45，結論一致。未來有更長的樣本時，值得重新驗證。

下圖說明

 圖一：  10 年期和 30 年期國債拍賣的 bid-to-cover z-score 時序圖。橫線標出 z = -1.5 和 z = -1.0 的門檻，顯著疲弱拍賣（紅點）在整個樣本中出現的頻率不高。

 圖二：  Event-time 累積 MOVE 波動率。橫軸是拍賣後的交易日（T+1 到 T+5），縱軸是 MOVE 指數累積波動率。疲弱組（紅線）和一般組（藍線）的走勢幾乎重疊，兩條線的差值在統計信賴區間內不顯著。

一個 null result 的價值

金融研究裡有個潛規則：負結果不受歡迎，因為「什麼都沒發現」很難包裝成報告。但對實際做交易的人來說，知道「這個訊號沒用」和知道「這個訊號有用」一樣值錢，甚至更值錢，因為這能讓你少踩一個理論上說得通、但實際上沒效果的坑。

這個發現本身是 Harvey-significant（通過多層 robustness 驗證的 null）。核心在這裡：從多個角度、用嚴謹方法測試後，仍然看不到效果，統計量沒有越過任何顯著性門檻。

Bid-to-cover 的故事，至少在接下來的 MOVE 波動率這條線上，說得通的邏輯沒有在 11 年資料裡找到支持。

實驗代碼與完整結果：實驗 K1506 | 數據來源：FRED（MOVE 指數）、Bloomberg拍賣結果 | 樣本：2015-01-01 至 2026-06-16