0050 財報日真的會放大波動嗎？尾端拆解的意外答案

一句話摘要

財報公告日對 0050.TW 的波動率影響並不是「一個固定的成本」，而是 幾乎全部躲在不到 15% 的高 VIX 期間 ；剩下八成多的低 VIX 財報日，其實波動比一般日子 還要低 ——這個結論在 K1071 的 right-tail 拆解後浮現，顛覆了「財報必放量、必激烈」的直覺印象。

為什麼要做這個拆解？

事件研究有一個常被忽略的問題： 平均數（mean）很容易被少數極端事件牽著走 。父實驗 K1070 在 0050.TW 的 ETF 層級事件研究中，發現 Set C [-5,+5] 視窗的累積異常標準化波動（CASV）平均為  +2.78（統計強度 2.13, 達顯著水準（顯著性 0.034）） ，看起來顯著為正，也就是「財報日 ETF 波動高於估計期常態」。

但同一張表的中位數（median）卻是  −2.36 ，明顯為負。這意味著：

多數財報日其實波動低於常態；正的平均來自一條偏右的尾巴。

如果不把這個尾巴拆開來看，Paper 2 的 Taiwan VT 路線可能講出一個「統計正確、但經濟上誤導」的故事，把整個 ETF 都當成「財報季要避險」，結果絕大部分時間根本沒事。K1071 就是來把這條尾巴攤開： 究竟是哪些事件、在哪些日子、靠哪些特徵把整個平均拉高 。

資料來源與設定

•  實驗代號 ：K1071（父實驗 K1070；K1068 為 10 檔個股 pooled 版本的早期參照）
•  樣本 ：0050.TW 成份股範圍內 77 家公司、TWSE-50 union 集合（Set C），財報公告日去重後  N=999  個事件
•  期間 ：2010-01-01 ~ 2025-12-30（3,906 個交易日；116,856 筆原始公告紀錄）
•  市場模型 ：以 ^TWII 為市場因子，估計期 [T−250, T−11]，事件視窗 [−5, +5]
•  regime proxy ：CBOE VIX，threshold = 25（高 / 低風險體制）
•  隨機種子 ：seed=42（bootstrap 2000 次重抽樣亦固定 seed）
•  0050 資料 ：使用內部 clean_tw50_data pipeline，已修正 2014-01-02 1:4 切割調整

發現一：兩個交易日決定了整個平均

把 999 個事件依 CASV 升冪排序，取最右側 10%（N=100）。這 100 個事件的平均 CASV 高達  +48.25 ，最大值  +882.4 ——兩個極端事件本身就把整個樣本平均拉高了  +1.77 （佔總平均 +2.78 的 64%）。

這兩個事件是  2014-10-30  與  2014-10-31 ，分別有 2 家與 3 家成份股公告財報。它們發生在 2014-10-24 一次結構性跳動（0050.TW 當日原始報酬 +7.1%）的後一週；估計期 σ ≈ 0.0027 極小，導致市場模型把這兩天「校正後」算成 AR/σ ≈ 30 的離群值。

這不是程式 bug。它是  Patell CASV 估計式對「估計期低波動」天生敏感 的特性，當常態期太安靜，後面任何中等大小的衝擊都會被放大成驚人的標準化值。文獻上 Patell (1976)、Patell & Wolfson (1984) 都警告過這點，但實務上很少看到拆解到這個層次。

上圖顯示 CASV 的全樣本分佈，最右側是被高亮的 top 10% 區段。可以看到分佈嚴重右偏（skew），中位數位於 0 線左側、平均數卻被推到右側，是典型「mean ≠ median」的尾巴主導案例。

發現二：去掉右尾後，平均不只變零，是「顯著為負」

把右側 10% 拿掉後，剩下的 899 個事件平均 CASV 是  −2.28 ，t = −15.37， 強烈顯著為負 。換句話說：

把那條尾巴砍掉，留下來的不是「沒影響」的 null，而是「比常態還安靜」的負效應。

90% 的財報日，0050.TW 的波動其實 低於 估計期平均。這跟一般人以為「財報日大家都繃緊神經、量價齊發」的直覺幾乎完全相反。

發現三：穩健估計子全面壓低

bootstrap 結果非常關鍵： 原始平均的 95% 信賴區間下界 +0.64 才剛剛跨過 0 ，達顯著水準（顯著性 0.034） 是僅僅「擦過」顯著門檻的薄邊際。一旦使用任何穩健估計子，信賴區間就跨越 0、甚至完全落到負區（trim 90%）。

上圖把原始平均、winsor、trim 與中位數並列。視覺上一目了然： 只有原始平均站在正側，其餘所有穩健估計子都貼著 0 或落入負區 。一個結論若只有在「保留所有極端值」的特定設定下才顯著，它的可信度就應該被打折扣。

發現四：危機體制清楚地把訊號分成兩塊

這張表是 K1071 整份報告最具經濟意義的一張：

• 高 VIX 時段的財報日，平均 CASV =  +8.40 （統計強度 4.59，達顯著水準（顯著性低於 0.001）），確實顯著放大波動
• 低 VIX 時段的財報日，平均 CASV =  +1.82 （統計強度 1.21，達顯著水準（顯著性 0.225））， 統計上與常態無法區分 
• top 10% 事件中有  33%  落在高 VIX 體制（vs 中段 80% 的 13.6%），Fisher exact p =  6.8×10⁻⁶ 

也就是說，「ETF 層級財報波動」這件事整體上 完全寄生在不到 15% 的高 VIX 日 。低 VIX 期間的財報日，從統計上看就是普通日子。

上圖左側顯示兩個體制下的平均 CASV bar；右側則是 top 10% 事件的逐年分布，可以看到 2020 年（COVID）與 2022 年（升息週期）兩個高 VIX 集中的年份，貢獻了相對偏多的尾端事件。

發現五：產業聚集，金融股反而被低估

跟一般直覺有點不同： 金融股的財報公告 在右尾的代表性顯著偏低（odds ratio 0.60，達顯著水準（顯著性 0.0001））。台灣的銀行、保險、證券公告財報通常按表操課，幾乎沒有意外，所以不太會出現在「ETF 波動暴衝」的名單上。科技股大致與全樣本平均接近；傳產則略為過度代表。

這也是為什麼「Paper 2 不需要做產業別的財報日避險」會是一個合理的政策結論，金融已經自帶低噪音，根本不需要額外規避。

上圖四個 panel 分別呈現年度分佈、單日公告家數、產業組成與 VIX 分佈。其中右下 VIX panel 把整個故事講得最清楚：top 10% 的 VIX level 中位數是 22.4，中段 80% 只有 16.5（KS p ≈ 9×10⁻⁹），尾端事件 確實 集中在風險偏緊的市場環境。

發現六：公告家數無關、SPY 同向有關

「是不是同一天公告越多家、ETF 波動就越大？」這是直覺合理但實證不成立的假設。

• top 10% 平均單日公告  4.15  家
• 中段 80% 平均單日公告  4.62  家
• KS 達顯著水準（顯著性 0.864），Mann-Whitney 達顯著水準（顯著性 0.575）—— 不顯著 

 aggregation density（公告聚集密度）不是 right-tail 的解釋變數 。真正驅動尾端的是體制，高 VIX 時段、加上美股 SPY 同日有較大絕對波動（top 10% 平均 |SPY return| = 1.47%，中段 80% = 0.71%，MW p ≈ 1×10⁻⁷）。這呼應了系統性衝擊透過市場 channel 把財報日波動放大的故事。

對交易與避險的實務啟示

把上面六個發現串起來，實務含意非常清楚：

1.  低 VIX（VIX < 25）期間的財報日，不需要特別避險 。從 853 個樣本看下來，財報日跟常態日在統計上沒差別，做額外規避只會增加交易成本。
2.  高 VIX（VIX ≥ 25）期間，財報日確實會多放大波動 （mean CASV ≈ +8.4）。但 VT（volatility targeting）策略本來就會在高 VIX 時自動 de-leverage，所以 邊際避險效益很小 ——VIX 體制已經 implicitly 替你做了大部分工作。
3.  沒有產業別 wedge 可以利用 。金融股在右尾 under-represented，傳產略為 over-represented，但 odds ratio 都還在 1.4 以下，遠不足以支撐「對特定產業做財報避險」的策略邏輯。
4.  Paper 2（Taiwan VT）的政策結論可以簡化 ：不需要疊加 earnings-calendar overlay。現行 VIX-conditional VT 已經把相關風險吃掉。

限制與誠實警告

任何研究都有 caveats，K1071 也不例外：

•  Right tail 樣本量小 （N=100），其中兩個 2014-10-30/31 事件貢獻了 right-tail 加總的 63%。穩健估計子（winsor / trim）穩定指向「去掉尾巴是負效應」，但 right-tail 的「平均放大幅度」在小樣本下本身就有不確定性。
•  產業分類為 heuristic （用代碼前綴），2010–2025 期間有些公司可能被重新分類；產業結論應理解為「廣義科技/金融/傳產」而非精確 GICS。
•  VIX 為美國指標 ，做台股 regime proxy 是退而求其次。Taiwan VIX（VIXTWN）自 2011 年起才有完整序列，後續可作為穩健性檢驗。
•  right-tail 識別用了全樣本資訊 ——top 10% 切點是 ex-post 排序的結果，因此這份分析屬於  descriptive decomposition （敘述性拆解）， 不是 可直接拿來做 ex-ante 交易訊號。本實驗也沒有跑策略回測。讀者若要把 regime conditioning 用到實盤，必須改用 walk-forward 的方式重做。
•  Median 與 K1070 略有差異 （−2.36 vs −2.80）：兩個實驗對「同一日多家公告」的去重規則略有不同，N 與 mean 完全重現，median 對 per-day grouping 較敏感。經濟結論不變。

結論

K1071 把 K1070 的「+2.78 CASV mean」拆成三層：

1.  2014-10-30/31 兩個結構性跳動後遺症 ——把整個 mean 拉高 1.77 點
2.  VIX ≥ 25 體制下的 146 個事件 ——把剩下的訊號全部承擔
3.  VIX < 25 體制下的 853 個事件 ——統計上等於普通日

對研究員是方法論教訓： 不要只看 mean、要追到尾巴 。對交易者是政策訊號： 台股 ETF 的「財報波動成本」是 regime-conditional 的，不是常態存在的固定成本 。

下一步（已列入 K107x backlog）：用 Taiwan VIX（VIXTWN）重做 regime split、加入 estimation-window σ 穩定性 screen、擴展到 0056 / 00878 等不同產業 ETF 看故事是否 generalize。