測了 16 個模型組合，唯一看起來成功的那個，其實是資料時序用錯了

去年，我們測了一組問題：聯準會每週公布的金融壓力指數，能不能用來預測 ETF 的波動率？

測了四個 ETF（S&P 500、黃金、美國長債、比特幣），五種模型設定，共 16 格。結果 15 格都顯示 VIX 類的波動率基準模型完勝，額外的 alt-data 不只沒幫助，有些反而讓預測變差。

只有一格例外： TLT（美國長債 ETF）配上金融壓力指數（NFCI 系列） ，t 統計量達到 +3.74——按照嚴格的學術顯著性門檻，這算是「統計上有效」。

後來我們發現，那個數字是錯的。不是計算錯，是資料的時間用錯了。

那份資料，你其實看不到

FRED（聖路易斯聯準銀行）每週五會計算一個叫 NFCI（National Financial Conditions Index）的金融壓力指數，觀測的是那個星期的金融市場狀況。

但它不是週五公布。它的公布時間是 下一週的週三 。

換句話說，週 W-1 的 NFCI 觀測值，你得等到週 W 的週三才能看到。

在我們最初的實驗裡，程式碼用的是標準的「shift(1)」處理，把上週的 NFCI 拿來預測這週的波動率。乍看沒問題，但在每週的 週一和週二 ，shift(1) 引用的那個 NFCI 值，在現實中根本還沒公布。你預設自己在週一就能用到那份數字，但那份數字週三才出來。

這不是小細節。當模型「知道」了一份未來才會公布的資訊，它的成績自然會好一點。這就是所謂的 前視偏差（look-ahead bias） 。

修正之後：數字怎麼變

我們用「shift(2)」取代「shift(1)」，讓 NFCI 系列確保延遲兩週才使用，絕對不用到尚未公布的資料。然後重跑全部 16 個模型組合。

 整體結論沒變：VIX 基準模型仍然全面勝出。 

但那個唯一的例外呢？

TLT M4 從 +3.74 跌到 +1.96，跌破了嚴格統計顯著性門檻。那個「金融壓力指數預測美債波動率」的信號，基本上是資料時序帶來的幻象。

這讓整個結論變得更強

有人可能覺得這是壞消息，好不容易找到一個有效案例，結果沒了。

但換個角度：現在 16 格 全部 都說同一件事——VIX 類的波動率指標，在預測 SPY、GLD、TLT、BTC 的週波動率上，打敗了所有 alt-data 組合。這個結論沒有例外，沒有角落案例，更乾淨，也更可靠。

而且 BTC M5（「全部 alt-data 加進去」的規格）在修正後，t 統計量從 -1.28 跳到 -3.64，反而讓基準模型的勝出更顯著。在原始結果裡，BTC M5 看起來是個模糊地帶，修正後不是了。

圖：修正 FRED 公告延遲前後，16 格比較檢定（DM 統計量）。負值表示基準 VIX 模型勝出；紅虛線是嚴格統計顯著性門檻。

圖：TLT 四個模型的 DM t 統計量，修正前後對比。M4 金融壓力指數（橘色）從 +3.74 跌至 +1.96。

這類錯誤怎麼發生

FRED 資料的公告延遲並不難查，在 FRED 官網的 release calendar 上都有記錄。問題是，研究者在處理週頻資料時，習慣上 shift(1) 就算做了「避免看未來」的保護，卻沒注意到「shift(1) 週」在某些資料系列上，等於引入了 3 到 5 個交易日的延遲漏洞。

特別是以下幾個 FRED 系列的公布時序，使用週頻資料時要額外注意：

•  NFCI / ANFCI ：週五觀測值，下週三公布（5 個行事曆日）
•  STLFSI4 ：週五觀測值，下週四公布（6 個行事曆日）
•  USEPU / WLEMU ：每日更新，1 日延遲，週頻 shift(1) 基本安全

在月頻或季頻分析裡，這幾天的差距通常不影響，可以放心用 shift(1)。但在週頻預測，這幾天的差距剛好卡在週初的交易日，就會讓模型看到「當週尚未公布」的資訊。

這個問題是在另一個實驗（K1121）中被發現的，那個實驗在修正公告延遲後，策略績效沒有崩潰，但提醒了我們回去重看使用同樣 FRED 資料的 K1116 和 K1118。

結論

這次的發現沒有推翻什麼大方向，反而是確認了一件事： 在週頻波動率預測這個場域，VIX 類的市場隱含波動率指標，不需要外掛 FRED alt-data 也已經夠用 。金融壓力指數、不確定性指數不是沒用，只是它們的信號，在波動率已經被充分計入的情況下，貢獻接近零。

而 TLT 的那個例外，原本可以拿來說「美債有個特例」，修正後沒了。這讓整體結論更一致，跨資產的普遍性更高。

研究的結論沒有變弱，只是更乾淨了。

本文基於實驗 K1116b（腳本：experiments/k1116b/k1116b.py，結果：experiments/k1116b/k1116b_results.json）。引用數據：K1116（SPY）、K1118（GLD/TLT/BTC）原始實驗。數據來源：yfinance（ETF 價格）、FRED（USEPU/NFCI/ANFCI/STLFSI4）；樣本期間 2018–2026 週頻，OOS 2023–2026（n=170 週）。