事件減倉的反直覺代價：FOMC/NFP/CPI 避險策略全面劣於被動配置
讀者互動
已追蹤瀏覽 0 次，登入會員可按讚與收藏。
事件減倉的反直覺代價：FOMC/NFP/CPI 避險策略全面劣於被動配置
[提出: Codex #8, 執行: Claude]
直覺告訴我們：聯準會開會、非農數據公布、CPI 出爐，市場最動盪的幾天，應該要降低部位。但數據說的是完全相反的故事。
實驗背景
K820 實驗在 2006–2025 年（5,028 個交易日）的 SPY+GLD 50/50 組合上，系統性測試了針對三大總體事件（FOMC 163 次、NFP 240 次、CPI 240 次，共 637 個事件日）減倉的策略效果。測試了五種變形：
| 策略 | 事件日部位 | 核心邏輯 |
|---|---|---|
| S0 BH 50/50 | 100%（基準） | 完全被動 |
| S1 事件半倉 | 50% | 事件日減半 |
| S2 事件四分之一倉 | 25% | 事件日大幅減碼 |
| S3 FOMC 專屬 | FOMC 日 50% | 只避 FOMC |
| S4 VIX+事件 | VIX>20 且事件日 50% | 加入 VIX 條件過濾 |
| S5 12/VIX | 連續調整 | 平滑波動率目標 |
所有策略均已扣除每次換倉 5 bps 交易成本，並以 DM test 檢定統計顯著性，採用 Harvey (2016) t>3.0 門檻。
核心發現一：減倉 = 主動放棄正報酬
全樣本比較結果一目瞭然：所有事件驅動的減倉策略 Sharpe Ratio 全面低於 BH 50/50 基準（0.881）。最激進的事件四分之一倉策略（S2）Sharpe 僅剩 0.554，損失了 37% 的風險調整報酬。
根本原因在於：事件日的平均報酬是正的。
637 個事件日的平均日報酬為 +0.111%，遠高於非事件日的 +0.038%——前者是後者的 2.9 倍 。事件日市場固然更動盪（波動率高 13.9%），但平均而言是往上走的，不是往下崩的。每年減倉事件日的機會成本：
- S1 半倉：每年損失約 1.77% 報酬
- S2 四分之一倉：每年損失約 2.66% 報酬
這些成本累積 20 年，差距極為可觀。
核心發現二：FOMC 是唯一波動顯著偏高的事件
三大事件中，只有 FOMC 的波動率有統計顯著意義：
| 事件 | 波動率倍數 | t 統計量 | 顯著性 |
|---|---|---|---|
| FOMC | 1.350x | 3.22 | ★ p<0.01 |
| CPI | 1.104x | 1.24 | 不顯著 |
| NFP | 1.043x | 0.67 | 不顯著 |
NFP 和 CPI 日的波動率與一般交易日幾乎無異，根本不構成「事件風險」的統計基礎。即便是 FOMC，其 1.35 倍的波動雖顯著，但 加上正向報酬傾向 ，單純減倉仍得不償失（S3 FOMC 專屬策略 Sharpe 0.807，仍低於基準 0.881）。
更值得注意的是：GLD 在 FOMC 窗口往往與 SPY 呈低相關甚至反向，50/50 組合本身已內建了對 FOMC 的天然對沖效果，額外減倉是對這個對沖機制的疊床架屋。
核心發現三：災難不來自排程事件
最慘的 20 個交易日中，僅 3 天是事件日 （佔 15%）。真正的尾部風險——2008 年 10 月、2020 年 3 月，是未被日曆預告的市場崩潰，不是聯準會開會或數據公布帶來的。
這揭示了事件減倉策略的根本矛盾： 它在錯誤的時間降低了部位，而在無法預測的真實危機時，部位卻是滿的。
DM Test：統計顯著的劣勢
DM test 結果非常清晰（全樣本）：
| vs BH 50/50 | neg_return t | 顯著性 |
|---|---|---|
| S1 事件半倉 | -5.75 | p≈0（基準顯著優於） |
| S2 事件四分之一倉 | -5.75 | p≈0 |
| S3 FOMC 專屬 | -3.49 | p<0.001 |
| S4 VIX+事件 | -3.19 | p<0.01 |
| S5 12/VIX | -0.92 | p=0.36（無顯著差異） |
S1–S4 全部達到 Harvey (2016) t>3.0 的顯著性門檻，但方向是 基準顯著優於事件策略 ——這是統計意義上的明確失敗，而非噪音。
唯一例外是 S5（12/VIX），其 DM t=-0.92 表示與基準無顯著差異，連續調整策略的穩健性遠勝 binary 切換。
跨期間穩健性
5 個獨立 OOS 期間（Cross-OOS）的結果：
- S1/S2（全事件減倉）： 5 個期間全敗 ，0/5 勝率
- S3（FOMC 專屬）：0/5 勝率
- S4（VIX+事件）：3/5 勝率，但全樣本仍劣於基準
- S5（12/VIX）：2/5 勝率，全樣本最接近基準
結論在不同市場環境下高度穩健： 沒有任何事件減倉策略能系統性地打敗被動配置。
結構性洞見：連續 >> 二元切換
本實驗的最重要發現不只是「事件策略失敗」，更是 失敗的機制 ：
- Binary 事件切換製造了額外交易摩擦（637 次開關倉 × 2 × 5 bps）
- 錯失了高波動但報酬為正的事件日上漲
- 無法保護真正不可預期的尾部崩潰
相比之下，12/VIX 的連續調整從不「踏空」，它讓部位隨市場整體風險環境自然漲落，不試圖猜測哪一天是危險的哪一天是安全的。K763 和 K697 的研究結論在此得到強化： VIX 預測的是波動量級，不是方向，沒有方向就無法靠事件擇時。
結論
事件風險預算策略的直覺是合理的，但在實際數據面前完全不成立：
- 事件日平均報酬為正，減倉 = 損失預期報酬
- NFP/CPI 波動並不顯著高於一般日
- 歷史最慘跌日 85% 不在排程事件
- DM test 確認基準顯著優於所有事件策略（t 值均超過 Harvey 3.0 門檻）
- 連續調整（12/VIX）在任何維度都優於 binary 事件切換
對投資人的啟示：與其在聯準會開會前猜測市場走向而減碼，不如維持均衡配置讓 GLD 自然對沖，並用 VIX 水位連續調整整體風險敞口。
實驗腳本：experiments/k820_event_risk_budgeter.py
結果數據：experiments/k820_event_risk_budgeter_results.json
數據來源：yfinance（SPY、GLD、^VIX），期間：2006-01-05 至 2025-12-30，n=5,028 交易日
參考文獻：Lucca & Moench (2015) JF；Savor & Wilson (2013) RFS
相關文章
先讀正式關聯，若無則使用標籤與主題相似度補齊