分散投資的幻覺：你以為無關的資產，其實偷偷牽動著你整個組合
2026-07-11 更正 ：本文原本的第四層引用實驗 K865 的波動傳染網路，主張「關稅期間 SPY 從波動接收者翻轉成傳染源、比特幣降為配角」。K865 的計算被查出取錯了矩陣維度，該主張已經收回，詳見第四層的更正說明。本文其餘各層（K1445 鈾礦、K819 比特幣不對稱傳染、K628b 美台傳染、K1011、K1412）不受影響。
2026-07-13 補充 ：K628b 另有一組本文 未引用 的 FEVD 方向性數字，在同一類排序問題下已於 2026-07-13 更正（SPY 淨傳出 +43.7pp → +14.6pp，方向不變、量級收回）。本文引用 K628b 的部分只用到 Granger 因果與 Forbes-Rigobon 檢定，兩者都不經 FEVD，重跑後逐項重現，不受影響。
假設你手上有五個資產：美股 SPY、台股 0050、比特幣、鈾礦 ETF（URA），再放點日股。直覺上這配置很「分散」，畢竟四個地區、五種屬性、橫跨股票與另類資產。
但這個配置有一個你可能沒注意到的問題：當市場真的出事的那一天，它們會一起跌。而且跌的幅度，比你看相關係數時想像的更深、更同步。
今天這篇導讀，把過去兩個半月我們做過的幾個跨資產實驗串成一條線，講一件事： 你以為的「分散」，其實是相關性的幻覺。 在風平浪靜時看起來各走各的資產，到了關鍵時刻會手拉手一起摔。
開頭先放一個今天的數字當參照：2026 年 6 月 24 日，VIX 收在 19.49，技術上算「正常」區間。法說季前 Mag 7 的 RV30 全數高於 SPY 的 15.2%，TSLA 的 RV30 已經飆到 48.2%，是大盤的三倍。市場表面平靜，但細看每個房間裡的溫度，分裂得很厲害。
這種「表面平靜、底下分裂」的狀態，正是我們今天要拆解的主題。
圖：本期 5 個被當「分散工具」的資產，與 SPY 的相關係數。除了平靜期的 BTC，其他全都越過弱相關門檻（0.3）。資料來源：實驗 K1445 / K628b / K1412 / K819 / K1011。
第一層：你買的另類資產，其實沒那麼另類
從一個讓很多人意外的數字開始講起。
URA 是全球鈾礦 ETF，主打的故事是「核能新興、跟股市無關、可以分散風險」。這個故事聽起來很順，但數據不站在故事這邊。
實驗 K1445 拉了 2020 年 8 月到 2026 年 6 月的日報酬，算出 URA 和 SPY 的靜態相關係數是 0.516 。60 天滾動相關的平均值更高，到 0.531，最高峰一度衝到 0.918。目前的水準是 0.765。
換個白話講法：美股跌的時候，URA 通常跟著跌，而且跌得更重。它的年化波動率 36.6%，是 SPY（17.2%）的兩倍多。所謂「鈾礦跟股市無關」這句話，數據上是錯的。它不是分散工具，它是 SPY 的高 beta 版本。
比特幣的故事更微妙。實驗 K819 用 2015 到 2026 年共 2,812 個交易日跑出來：低波動體制下 BTC-SPY 相關性只有 0.068 ，幾乎沒關係。但市場一開始恐慌，這個數字就變了，而且只在下跌時變。BTC 漲的時候不會帶動美股樂觀，BTC 跌的時候卻會把恐慌傳染給美股。這叫做「不對稱傳染」，跟「數位黃金」的敘事完全相反。
把這兩個案例放在一起看，重點要落在這句話上： 你用平靜期相關係數選的分散工具，在你最需要它分散的時候會失靈 。這是這篇導讀最反直覺的一層。
第二層：跨市場的黏，是 16 年沒變過的結構
如果你以為「美股影響台股」「日股牽動台股」是這幾年才強的，數據會告訴你不是。
實驗 K628b 拉了 2010 年 1 月到 2026 年 3 月的 4,211 個交易日，看 SPY 對 0050.TW 的波動率傳染。Granger 因果檢定的顯著水準在高波動期間達到極高，幾乎不可能是巧合。但同一份資料用 Forbes-Rigobon 校正後，相關係數只剩 0.063。
兩個數字放在一起讀，講的是這件事：美股對台股的影響是真的、長期穩定的，但 真正能歸因到「美股本身」的影響並沒有我們以為的那麼大 。多數時候，兩邊一起動是因為它們都受全球風險偏好驅動，而不是 SPY 本身在拉著 0050 跑。
台日股的關係也是同一個邏輯。實驗 K1412 用 Student-t Copula 和 Clayton Copula 比對台灣 50 和日經 225 的尾部相依結構，結論是兩邊在尾部一起跑的機率比平均相關係數（0.586）顯示的更高。更關鍵的是這個結論扛過了 5 次嚴格重測，換期間、換樣本、換資產代理，方向全部一致。
這兩個實驗合起來說的是：跨市場的黏性不是新聞，是結構。它在 2010 年是這樣，2018 年是這樣，2026 年還是這樣。你想用「買亞洲股票分散美股風險」這套說法去做配置，數據站在你的對面。
第三層：黏，不等於可以拿來預測
到這裡很多讀者會想：那我反過來用呢？既然金融股跟台股這麼黏、美股跟亞股這麼黏，我用 A 的波動去預測 B，是不是就能搶到一點 alpha？
實驗 K1011 直接做了這件事。我們追蹤台灣四大金融股（富邦金、國泰金、兆豐金、中信金）長達 14 年的波動率，合成一個「金融壓力指數」，看它能不能預測 0050 隔天的波動。
相關係數高達 0.69 。在金融市場這算非常高的數字了。如果你只看這個數字，你會以為自己找到了印鈔機。
實際拿去做預測呢？模型準確度幾乎零改善，提升幅度不到 0.01%。把它做成擇時策略（金融壓力高時降曝險、低時加碼），年化報酬率 13.0% 到 12.1%，反而 低於 直接持有 0050 的 17.7%。
這結果不是 bug，是這個學科最重要的一條教訓： 相關性是統計現象，預測力是時序現象，這兩件事不一樣 。
兩個資產一起動，可能是因為它們同時受第三個變數驅動（全球風險偏好、流動性、美元指數）。這時候即使相關係數很高，A 也不會「領先」B；它們是同步反應，不存在因果鏈。把同步當成領先去做策略，會在每一次轉折點被打臉。
第四層：黏的方向會在 regime 切換時翻轉
這一層本來還有一個例子，但它是錯的，我們把它收回來。
原文引用實驗 K865 的波動傳染網路，說「平常吸收全球波動的 SPY，關稅來襲時反而翻轉成傳染源，比特幣則從 COVID 時期的傳染樞紐降為配角」。2026 年 7 月 11 日的程式碼複核發現，K865 在計算傳染矩陣時取錯了一個維度，把預測誤差分解的「變數軸」當成了「時間軸」，於是整張網路圖的行列意義從一開始就是錯的。
修正後重跑，那個「角色洗牌」確實不存在。但新算出來的那組數字，後來也站不住。順帶一提，舊版算出來的比特幣淨傳染值高達 +536，這個數字在方法上根本不可能出現，當時就該被當成紅旗。
2026 年 7 月 13 日的排序穩健性檢驗（實驗 K865b）把這一層整個翻掉。問題出在這種傳染矩陣的算法對「資產排列順序」極度敏感，而 K865 把 SPY 排在第一個。我們把七個資產的順序隨機打亂 52 次重算，SPY 的淨傳染值從 -91 一路橫跨到 +107，超過一半的排列裡它根本不是傳染源；而且 SPY 排得越前面，它的淨傳染值就越大（等級相關 -0.78）。K865 用的那個順序，剛好是讓 SPY 看起來最像傳染源的那一種。
換成完全不受排序影響的算法（GFEVD）之後，SPY 的淨傳染量只剩原本的八分之一，關稅期甚至翻成淨接收者；比特幣在 COVID 和升息期反而變成淨傳染源。所以這一層的最終結論是：這張網路圖的方向性，我們算不準。兩個版本的說法都收回，不拿任何一個去取代另一個。
倒是有一件事站得住。我們拿「七個資產各走各的、彼此完全沒有傳染」的假資料當對照組跑了 200 次，五個期間的實測連動程度都遠遠超過對照組能生出來的水準。資產之間確實黏在一起，我們只是沒辦法說清楚誰帶著誰動。
第四層因此縮到只剩 K819 撐著：比特幣平常跟 SPY 不太相關，危機來了才跟著一起跌。這句話仍然成立，而且它本身就足夠說明「用平靜期相關係數做的分散規劃，會在你最需要它的時候變形」。
回頭看 K819 比特幣的不對稱傳染，這個結論其實同源：BTC 是晴天傘，晴天時看著很美，下雨時漏水。它不是壞，是它對下雨天的人來說沒用。
第五層：但別忘了，連「資產類別」這個分類本身都是錯的
到這裡論述還可以推一層。
我們講了一整篇跨資產的黏性，但如果你以為「同一類資產就會有類似行為」，這個假設也站不住腳。
來源文章 mile_10a52949（昨天剛發的那篇）抓了一個極端案例：SpaceX 上市第 11 天單日跌 16.43%。新聞會說這是「崩盤」。但文章整理了一個簡單的數字：SpaceX 年化波動率已經飆到 231%，一天跌 16% 對它來說，是 0.78 個標準差，比 Google 一個平常交易日的波動還小。對 Google（年化波動率 30%），一天跌 16% 是 8 個標準差，是教科書級別的尾部事件。
同樣是「科技股」，同樣是「個股」，vol 結構可以差一個數量級。你用 SPY 的波動感去看 SpaceX，會把日常當成黑天鵝。你用 SpaceX 的尺去看 Google，會把黑天鵝當成日常。
這個案例提醒我們：跨資產分析不只是看相關係數， 還要看每個資產自己的波動量級 。一個 50% 報酬的資產跟一個 5% 報酬的資產，就算相關係數 1.0，加在一起的組合行為完全不同。
把五層串起來：實務上你該怎麼想分散？
如果這篇導讀有一個實務 takeaway，會是這個：
「分散」不是看資產類別有沒有不一樣，是看相關性結構在不同 regime 下夠不夠穩定。
具體三個檢查：
一、平靜期相關係數低，不代表危機期還會低。看你買的「分散工具」在過去三次大波動裡的行為（2018Q4、2020Q1、2022 升息週期）。如果三次都跟 SPY 一起跌，它就不是分散工具。
二、相關係數高，不代表可以做預測。同步波動最常見的原因是兩邊都被同一個第三變數驅動，不是 A 領先 B。要驗證預測力，得跑樣本外的時序比較檢定，光看相關係數沒辦法替代。
三、波動量級比資產類別重要。把組合裡每個資產的年化波動列出來，落差超過 3 倍的兩個資產，就算掛同個「類別」，行為也會完全分開。
下次有人說「我這個配置很分散」，問三件事：你怎麼定義分散？你的數字是哪段期間算的？最差那年它真的有保護到你嗎？
這三個問題能答完，分散才不是運氣。
本期精選
- 金融股跌了台股就會大跌？相關性不等於預測力：相關 0.69，但預測力近乎零，K1011 的反直覺發現
- 比特幣是晴天傘：平靜時不相關，危機時跟著跌：不對稱傳染，低波動時相關 0.068，恐慌期飆升
- 鈾礦 ETF 買了真的能分散風險？相關係數 0.52：URA 不是避風港，是 SPY 高 beta 版本
- 台股與日股同漲同跌，5 次嚴格重測全數通過：黏性是 16 年穩定的結構，不是 artifact
- 一根 16% 的黑K，對 Google 是八個標準差：同個跌幅，量級差一個數量級的反例
資料來源：VolPred 平台實驗 K1011 / K819 / K865 / K628b / K1445 / K1412；SpaceX/Google 量級例子取自來源文章 mile_10a52949 的 yfinance 日線整理。前述實驗數字可在對應 results.json 與文章內文驗證。VIX 19.49 取自 2026-06-23 收盤（mile_366ef29b）。法說季 Mag 7 RV30 數據取自 yfinance 2026-06-23 收盤（mile_b221e550）。
懶人包
