社交連結最廣的那三分之一，財報日波動看起來低了 0.1754。控制產業和年份之後，這個差距沒了

臉書有一份公開資料，量的是美國每一對郡之間有多少臉友關係。郡是美國比州小一級的行政區，全美三千多個。

把這份資料攤成一張網，每個郡都能算出一個「連結廣度」：它跟全國其他郡的臉友連結加總起來有多強。

我拿這個數字去對一件事。公司總部設在連結越廣的郡，它公布財報那天，股價的波動會不會跳得更兇、退得更慢。

假說很直白。社交網絡是消息的管道，管道越粗，財報這種資訊事件的反應應該越劇烈或越持久。

答案是：在這份公開快照撐得起的範圍內，沒有。

我怎麼量「跳」跟「退」

兩個都做成倍率。跳升是財報反應日的當日絕對報酬除以事件前的平均水準；衰退速度是同一個反應日除以之後五天的平均。兩個都取對數，所以零代表跟平常沒兩樣。

反應日取財報時間戳之後的第一個交易日。事件前的基準把前一天和事件當天都排掉，不讓答案先漏進來。

樣本從標普 500 名單起算：503 檔篩到總部在美國的 120 檔，地理編碼查得到郡的 119 檔，最後能對上 SCI 郡代碼的 112 檔。

期間 2018-01-01 到 2026-06-30，共 2,663 場財報、15,978 筆逐日的事件輪廓。以 2024 年初切開，前段 1,545 場、後段 1,118 場。期間的 VIX 中位數 18.64，有 42.36% 的事件落在高波動環境。

先看不控制任何東西的粗比較

把 112 家公司依總部所在郡的連結廣度排序，切三等份，直接比平均值。

最廣減最窄，跳升是 -0.1754，衰退速度是 -0.1989。兩個差距都落在一般會被當成「顯著」的區域，跳升那格的機率值 0.0071，衰退那格 0.0023。

方向跟假說完全相反。連結最廣的那一端，財報日的反應反而比較小。

這張表單獨拿出來，可以寫成一篇很順的文章。我沒有寫，理由有三個。

理由一，中間那組壞了劇情

如果連結廣度真的在推波動，三格應該一路往下或一路往上。實際上中間組是 0.2542，最廣組是 0.2673，最廣的那組還比中間高一點點。

衰退速度那一欄同樣：中間 0.2181，最廣 0.2279。

形狀是最窄那一組單獨站得比較高，剩下三分之二黏在一起。這種形狀比較像最窄那一格裡混進了別的東西，不太像連結廣度在逐級發揮作用。

理由二，2,663 場財報只來自 112 家公司

把兩組平均值相減再算機率值，前提是這 2,663 場彼此獨立。它們不獨立。同一家公司在樣本裡貢獻十幾場，而且它的總部郡從頭到尾都是同一個。真正互相獨立的單位是 112 家公司。

所以我改成以公司為單位重抽 1,000 次。跳升那個 -0.1754，區間變成 -0.4535 到 +0.0950；衰退速度那個 -0.1989，區間變成 -0.4432 到 +0.0397。兩個區間都蓋到零。

同一份資料、同一個差距，換一個把每家公司算成一個單位的算法，那個「顯著」就沒了。

理由三，控制掉產業之後也沒了

主要的檢定裡我放進產業、年份、市場波動環境、財報意外程度，以及連結廣度跟高波動環境的交互作用，誤差同樣以公司為單位處理。

係數縮到接近零，連正負號都翻了過去。0.7430 跟 0.7117 的意思是：假設連結廣度完全沒有作用，跑出這種大小的估計值是家常便飯。

產業的份量有多重？同一條式子裡，資訊科技業的係數是 +0.5092、公用事業是 -0.6066，兩端差 1.1158，而且這兩格自己的機率值是 0.0021 和 0.0004。

連結廣度那格是 +0.0213。單就財報日的波動來說，產業這一項的份量比連結廣度大了五十倍以上。

連結廣度高的郡在哪裡，大概不用猜。那些郡的上市公司產業結構本來就跟別的地方不同。粗比較抓到的形狀，控制產業之後留不下來。

換幾種切法，也沒長出訊號

2024 年之前那一段的係數是 -0.0089 跟 -0.0048，2024 年之後是 +0.0666 跟 +0.0613。前後兩段的正負號相反。

我另外把反應日之後的每一天分開跑，從當天算到第五天。第一天是 -0.0826，第五天是 +0.0678，中間幾天在零附近上下彈。沒有一天的機率值低於 0.05，最接近的是第五天的 0.0830。

一條真的存在的關係，不會這樣走一天正一天負。

這份資料本來就有講不到的地方

SCI 是單一時點的快照。它記的是郡跟郡之間有多少臉友關係，不是財報公布那一刻誰把消息轉給了誰。拿它當資訊流的代理，中間隔著好幾層。

總部所在郡是用目前公開的地址去查的，過去八年搬過家的公司我沒有追。

波動用的是日線的絕對報酬和平方報酬。日內的已實現波動會乾淨得多，只是那個等級的資料在這個規模上拿不到免費版本。

所以這裡的「沒找到」，講的是這個代理版本。社交網絡跟財報波動之間究竟有沒有關係，這份研究沒有資格下判斷。

我從這篇拿到什麼

一組數字，加上一次不要相信它的練習。

-0.1754 配上 0.0071 的機率值，長得很像一個發現。它跳出來的時候我停了一下，因為方向跟我原本預期的相反，這種形狀通常比較好寫。

擋住它的三件事都很無聊：三分組沒有單調性、獨立單位是 112 家公司而不是 2,663 場、產業係數比它大五十倍。

這篇換到的是一個否定的答案，以及一條可以從待辦清單上劃掉的路。公開的 SCI 郡層級快照配日線波動，我這邊到此為止。要往下走得換一份會隨時間變動的連結資料，跟一份日內的波動。

資料與範圍

社交連結取自 HDX 公開的 Facebook Social Connectedness Index 郡對照表（us_counties.csv），為單一時點快照；每個郡的連結廣度由郡對郡的連結強度加總而來，再標準化成 z 分數。112 家公司全部對得上郡代碼。

公司名單取自公開的 S&P 500 成分股快照，只留總部在美國、且能查到財報歷史的標的，每檔最多取 24 場財報。總部經緯度由 OpenStreetMap Nominatim 查得，再對回郡代碼。

價格與財報日期取自 yfinance。反應日為財報時間戳日期之後的第一個交易日；事件前基準取前 22 個交易日、排除前一日與事件當日；事件後取 5 個交易日。高波動環境以 VIX 20 為界。

主檢定為以公司為單位處理誤差的線性迴歸，控制產業、年份、財報意外程度、事件前波動基準、高波動環境，以及連結廣度與高波動環境的交互作用。以公司為單位重抽 300 次算係數區間，三分組差距重抽 1,000 次，隨機種子固定為 42。以 2024 年初切分前後段。

本文是資料分析，不是投資建議。

懶人包圖組