← 研究動態
研究2026/03/22 下午09:18

G2 財報季波動率:指數層級效應不存在,VIX 再次 Sufficient

QQQSPYVIX波動率VTAAPLMSFT財報季earnings季節性

讀者互動

登入會員可按讚與收藏。

分享到:LINEFacebookX / Twitter

持續追蹤這項研究

收藏、追蹤與明日提醒只保存必要識別資料,可在會員中心檢視或刪除。

研究資訊不構成個人投資建議;提醒僅代表研究更新,不代表交易訊號。

訂閱研究摘要

研究摘要與新文章,不轉售、不寄廣告,隨時可退訂。

摘要

財報季(1/4/7/10 月第 3-5 週)是否創造可預測的波動率模式?能否改善 VT 策略?實證結果: 指數層級的財報季效應不顯著,VIX 已充分吸收此資訊。  但個股層級效應顯著存在,凸顯指數分散化的吸收作用。

研究背景

每年四個財報季集中了大量企業公告,直覺上應該推升市場波動率。本研究檢驗:

  1. 財報季波動率是否系統性偏高?
  2. VIX 是否已反映此效應?
  3. VT 策略能否透過財報日曆額外改善?

這與先前 K80(日曆季節性 null)不同——K80 看的是「Sell in May」等月度效應,本研究聚焦在 企業事件驅動 的波動率週期。

方法與數據

項目設定
資產SPY, QQQ, AAPL, MSFT
期間2007-01-04 至 2026-03-20(4,833 交易日)
財報季定義1/4/7/10 月第 15 日起(第 3-5 週)
VT 策略12/VIX 月度再平衡, lagged
統計檢定Levene test, DM test, t-test
條件式調整財報季權重減 0-50%

核心發現

發現一:指數財報季波動率沒有顯著升高

SPY 財報季年化波動率 18.96%,非財報季 19.68%,比率僅 0.96x—— 財報季反而略低 。

資產財報季 Vol非財報季 Vol比率Levene p
SPY18.96%19.68%0.960.615
QQQ21.69%21.90%0.990.636
AAPL34.16%29.63%1.150.001 **
MSFT33.60%26.15%1.280.000 ***

 關鍵洞察 :個股(AAPL 1.15x, MSFT 1.28x)在財報季波動顯著升高,但指數的分散化效果完全吸收了這些個股 vol spike。這是指數投資的隱藏優勢。

發現二:VIX 對財報季無差異反應

期間VIX 均值VIX 中位數
財報前(1-14日)19.6917.20
財報季(15-31日)19.5417.27
財報後19.6617.62
非財報月19.9917.59

VIX 在財報季甚至略低(-0.33 點),t 檢定 p=0.307。市場並未因財報季系統性地提高恐慌定價。VIX pre→peak 變化:57% 的時間下降,反映「不確定性消除」效應(uncertainty resolution)。

發現三:條件式 VT 調整毫無改善

財報季減倉幅度SharpeMDD年化報酬
0%(基準)0.6617-25.72%6.98%
10%0.6604-25.41%6.85%
20%0.6580-25.44%6.72%
30%0.6544-25.47%6.59%
50%0.6434-25.56%6.32%

所有調整都 降低  Sharpe ratio。DM test: t=1.30, p=0.195——無統計顯著差異。財報季減倉只是白白犧牲報酬。

發現四:年度一致性極低

20 年中僅 8 年(40%)財報季 vol 高於非財報季。特別是 2020 年(COVID),非財報月的 vol(35.9%)遠高於財報季(20.1%),因為系統性風險主導了一切。

發現五:VRP(波動率風險溢價)無差異

財報季 VRP vs 非財報季 VRP:t=-0.95, p=0.34。市場對財報季的定價(VIX)與實際實現波動率的差距,與非財報季沒有統計差異。

實務意義

  1.  指數投資者不需要因財報季調整 VT ——個股 vol spike 被分散化吸收
  2.  VIX 作為 sufficient statistic 的地位再次確認 (第 13 次確認,延續 J3/J4/J8/K80)
  3.  個股交易者注意 :AAPL/MSFT 在財報季 vol 顯著升高(15-28%),做個股 VT 時需考慮
  4.  不確定性消除效應 :57% 的時間 VIX 在財報季下降,公告本身消除不確定性

結論

 財報季波動率模式在指數層級不存在。  SPY/QQQ 的財報季 vol 與非財報季無顯著差異(Levene p>0.6),VIX 不因財報季改變(t-test p=0.31),條件式 VT 調整無改善(DM p=0.19),年度一致性僅 40%。

此結果與 K80(日曆季節性 null)一致: VIX 已經是月度以下的 sufficient statistic ,不需要財報日曆等額外資訊。對個股而言,財報季效應真實存在,但指數的分散化效果使其在投組層級消失,這恰好說明了為什麼 VT 用指數比用個股更穩健。

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

📄
過去一年的價格路徑含兩種資訊:高低價口徑下,趨勢項的解釋比例在後段持平,波動項由 0.378 降到 0.175(SPY)、由 0.526 降到 0.147(QQQ)
做指數 ETF 部位大小或風險預算的人,預測波動時通常先用前一天、前一週、前一個月的波動,接著會問一個延伸問題:過去一年價格怎麼走,值不值得多放進預測式。同一份實驗的整體結果,本平台已發過一般讀者版:把過去一年的路徑當成一個整體,在樣本內解釋了 SPY 與 QQQ 約一半的每日波動。這一篇拆開問另一件事:路徑裡的兩個特徵,樣本往後移以後,各自還剩多少。 先寫結論。路徑特徵有兩個,趨勢項記錄過去一年…
→
📄
過去一年的漲跌路徑,在樣本內解釋了 SPY 與 QQQ 約一半的每日波動;放進預測模型後損失降 8.79%,但還不能算預測優勢
用免費的日開高低收資料,檢查過去一年的漲跌路徑能解釋多少 SPY 與 QQQ 的每日波動,以及把它加進常見的波動預測基準後,預測損失有沒有下降。觀測到的損失有下降,但被比較的模型彼此包含,沒有有效的顯著性檢定,結論只能是描述性的。 這個結果能幫你決定什麼 用過去的波動預測未來的波動,是部位大小與風險預算的基本功。一個自然的問題是:除了「前一天、前一週、前一個月的波動」,過去一年的漲跌路徑本身,還有…
→
📄
天然氣月度波動的季節項放進自我迴歸之後:冬季係數隨價格序列與落後期變號,夏季在四個設定下都為負
為天然氣部位估月度波動的人,常在前一個月的實現波動之外再放一組季節虛擬變數。理由來自基本面:冬季的取暖需求與庫存消耗讓天然氣價格在冬天起伏較大(Mu 2007)。本文用同一組資料回答建模時的兩個問題:月份差異在無條件下是否存在;放進前一個月的波動之後,季節項還剩多少,係數又該怎麼讀。 先寫結論。 第一,無條件的月份差異在兩條序列都存在。天然氣連續近月期貨與 UNG 都在 1 月最高,冬季平均分別是…
→
G2 財報季波動率:指數層級效應不存在,VIX 再次 Sufficient | VolPred