晶圓代工財報日為什麼比較劇烈？我們連四層猜想全部失敗了，這篇講為什麼這對你是好消息

如果你是長期讀我們文章的人，會看過一個現象：台積電、聯電、聯華電子在港的同業中芯國際、美國的 GlobalFoundries，這四家晶圓代工股的財報日，平均比同產業其他公司（IC 設計、IP、封測）更劇烈。學名叫 θ_EAV（earnings-announcement variance），白話講就是「財報那一天股價跳得比平常更大」。

我們從去年底開始試著找出 為什麼 。一連跑了四個實驗，四個都失敗。

每次的失敗都是真的失敗。沒有湊到「邊緣顯著」就硬寫成 PASS、沒有偷換指標、沒有刪掉不利的子樣本。最後一輪 K1108E 的測試結果是 統計強度 = 1.58，連最寬鬆的弱顯著門檻 統計強度 = 2 都過不去。

這篇文章想跟你說兩件事：

1. 這四層猜想分別是什麼、為什麼會失敗；
2. 為什麼一個讀者讀到一連串「失敗」應該開心，而不是失望。

一張圖看完整個故事

紅色就是失敗的層級。藍色虛線是最弱的統計顯著門檻；綠色虛線是國際金融學界 Campbell 嚴格統計 2016 那篇有名的論文提的「為了避免重複測試造假，金融研究的 t 值應該要過 3」的高標。

四層全部沒過 2，沒人靠近 3。

第 1 層：只看台積電一家、只看「有沒有更新資本支出指引」

最樸素的假設：是不是因為台積電財報常常一起更新資本支出（capex）指引？投資人要重新算明年產能、設備支出對 ASP 的衝擊，所以股價會跳。

於是我們抓了台積電 2014 到 2025 共 48 季財報，手動讀完每份 IR press release，標出「這場法說有沒有正式上修/下修 capex guidance」。

結果：統計強度 = 0.94。連弱顯著都搆不到，根本沒有差。

但 48 季樣本小，我們不敢 100% 下定論，標 INCONCLUSIVE（無法判定）。

第 2 層：把樣本擴成四家代工、共 136 場財報事件

光看一家公司會被特殊事件污染。所以我們把池子放大到四家：台積電（2330.TW）、聯電（2303.TW）、中芯國際（0981.HK）、GlobalFoundries（GFS），136 個財報事件，繼續測「有沒有更新 capex」。

結果：統計強度 ≈ 0。幾乎是貼在零上。

樣本大、結論明確 — DECISIVE NULL（決定性無效）。投資人對「公司有沒有更新 capex 指引」這件事本身， 沒有差別反應 。

第 3 層：可能是「更新的幅度」不是「有沒有更新」

也許讀者會反駁：那是因為你只看二元（有沒有更新），太粗糙了吧？實際上 capex 從 320 億上修到 350 億跟從 320 億下修到 280 億，是天差地遠的訊號。

於是我們改測連續強度：guide_delta_pct（這次相對上次 capex 變動百分比），同樣 135 個事件。

結果：統計強度 = 1.34。比上一輪略好但仍然遠遠不到顯著。也是 DECISIVE NULL。

第 4 層：那會不會根本不是 capex，是公司結構本身？

這就是 K1108E。

假設換一個方向：先放掉「事件當天說了什麼」這條路，改測這個產業 本身的成本結構 。固定資產特別重、折舊壓力大、財務槓桿位置不一樣，所以財報日波動率天生就比較容易放大。

我們用了三個衡量公司「營運槓桿」的會計指標：

•  固定資產 / 營收 （PPE/Rev）：設備吃多少營收？
•  負債 / 股東權益 （D/E）：財務槓桿多大？
•  (固定資產 + 營業費用) / 營收 ：固定成本剛性整體有多重？

47 個事件樣本（受限於 yfinance 免費 API 只有五年資產負債表資料，事件區間 2023-02 到 2025-11）。

跑出來的乍看其實「有點訊號」：統計強度 接近 1.5 到 1.58 之間。剛好過弱顯著的一半。

但接下來這一步，把整篇文章逆轉了。

那個「看似有訊號」其實是一家公司造的假象

這張圖是整個 K1108E 最重要的一張。

最左邊那組長條（不控制公司差異）就是初步看到的「統計強度 接近 1.5」訊號。

但只要做一件事 — 在統計模型裡加進「公司固定效果」（firm fixed effect，FE）— 訊號全部塌掉。中間那組長條全部掉到 0.5 以下。

為什麼？

回頭看樣本就懂了。中芯國際（SMIC）的 PPE/營收比例大約是 2.6 到 3.8 倍，而台積電是 0.98 到 1.44 倍 — SMIC 大約是台積電的三倍。同時 SMIC 的財報日波動率本來就跟台積電不一樣。

所以「不控制公司差異」時，模型會把「SMIC 比台積電固定資產比例高」跟「SMIC 比台積電波動率分布不同」這兩件事混在一起，產生一個假的「固定資產比例越高 → 財報日波動率越大」的相關。

一旦控制公司差異（讓每家公司只跟自己的不同時間點比），剩下的純粹是 SMIC 跟自己比、台積電跟自己比，那個關聯就消失了。

統計學家把這叫做「層級混淆」（level confound）— 表面是 A 影響 B，實際是中間還有一個你沒控制的變數 C 在搞鬼。

把四個指標放在一起做聯合檢定（partial-F test），p 值 = 0.102。 連 10% 都過不去 。

把四層一起看：晶圓代工財報日波動率較高的「為什麼」，目前科學上是未解的

四層全部失敗代表什麼？

 代表「為什麼晶圓代工的財報日波動率比較大」這件事，在現有可觀察的事件變數（capex 指引）跟資產負債變數（PPE、D/E）裡，找不到答案。 

它有可能是某種我們還沒測到的東西：

• 不同地區的代工（台灣 vs 美國 vs 中國）在後出口管制時代分屬不同 regime；
• 製程節點轉換（7nm → 5nm → 3nm）的年份產生效應；
• 利用率、wafer ASP、研發強度等非 capex 的營運指引（這部分 K1108d 已在試，但 coverage 只有 8.9%）。

下一輪 K1108F 會試 regime-split。但也有可能 K1108F 又是 NULL。可能 K1108G、K1108H 都是 NULL。

為什麼一連串的 NULL 對讀者是好消息

讀到這你可能會想：花這麼多力氣、四個實驗、好幾百次回歸，最後什麼都沒找到，平台這樣值得追蹤嗎？

我的答案是： 正因為這樣，這個平台才值得追蹤。 

金融研究最大的職業病叫做 p-hacking — 跑 100 個模型，挑顯著的那 5 個寫成論文。學界研究發現大部分號稱有預測力的「異象」（anomaly），重複驗證後超過一半都失效。 嚴格統計、Liu、Zhu 三位學者在 2016 年那篇有名的論文裡甚至建議：金融學的顯著門檻應該從傳統的 統計強度 > 2 拉高到 統計強度 > 3，才能對抗多重檢定造成的假發現。

當一個平台願意把四層失敗的實驗都實實在在公開、把每個 t 值印出來、把「其實看到的訊號是 SMIC 一家公司造成的假象」這種對自己不利的細節寫進文章 — 你在那些它說「PASS」的研究上面，才能真正放下心信任它。

反過來：如果一個平台每篇文章都告訴你「我們找到了 X、找到了 Y、又找到了 Z」，每個策略都「歷史回測 Sharpe 2.5」，你應該擔心的不是太多訊號，是訊號太多到不合理。

對你個人投資的實際意義

第一，看到「台積電財報日波動較大」這種敘述時，可以接受它是個現象，但 不要再加上一個你自己想像出來的因果機制 （「因為他們會更新 capex」、「因為他們資產重」）。目前公開研究裡，這些常見解釋都已經被檢驗、都失敗。為什麼仍然 open。

第二，這也代表 靠 capex 更新事件去做短線交易策略，從統計上沒有 edge 。我們在另一篇 K237 系列的研究（請搜「台積電財報事件交易策略的誠實檢視」）也提過類似結論 — 看似有效的策略，多半是搭多頭便車。

第三，最重要的： 研究結果是「沒有找到 → 還在找」這件事本身是正常科學的常態 。投資人習慣每篇文章都要有 actionable conclusion，但科學的進度有 80% 是 NULL，剩下 20% 才是發現。願意公開那 80% 的人，給的 20% 才可信。

K1108F 還在跑。下次可能還是 NULL。但我們會繼續寫給你看。

本文基於 K1108E 實驗（腳本：experiments/k1108e/k1108e.py，結果：experiments/k1108e/k1108e_results.json），事件樣本 2023-02-15 至 2025-11-17，47 個四家代工財報事件。資料來源：yfinance 年度資產負債表與損益表（2021-12-31 至 2025-12-31，五個會計年度，HARD coverage 限制已記入 results JSON）。檢定方法：9-cell 回歸（3 spec × 3 op_leverage 指標），Newey–West HAC 標準誤（Andrews 1991 auto-bandwidth, bw=3），firm-cluster robust SE 作敏感性，1000 次 block bootstrap，partial-F joint test。隨機種子 = 42。整個 K1108 系列前情：K1108、K1108b、K1108c、K1108d 在同一資料夾內可查。

[提出: Claude]