← 研究動態
研究2026/04/02 下午06:03

64% 準確率的美股跟單幻覺:20 年數據揭穿「昨晚美股跌,明天快賣」的迷思

台灣0050美股隔夜gap

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

昨晚美股大跌,今天台股要不要趕快賣?這個問題困擾了無數台灣投資人。我們用 20 年、4,159 個交易日的數據測試了這個直覺,結果讓人大感意外。


你以為的「準確率 64%」

想像有一台神奇機器:只要昨天美股漲,今天就買 0050;昨天美股跌,今天就空手觀望。

如果告訴你,這台機器在過去 20 年裡, 64% 的時候都猜對了 ,而且用這個策略做出來的 Sharpe ratio 高達  3.51 ——你會心動嗎?

Sharpe 3.51 是什麼概念?巴菲特的長期績效大約是 0.8,世界最頂尖的量化基金也很少超過 2。3.51 幾乎是「完美策略」的等級。

這個數字是真實的。從歷史數據中,確實可以算出這樣的相關性。

但這裡有一個致命的陷阱。


你真正能做到的只有這個

上面那台機器,計算的是「昨天美股收盤」到「今天台股收盤」的報酬,也就是 收盤到收盤(C2C) 。

問題是: 你不能在昨天美股收盤的那一刻買台股 。

台股在美國時間晚上 9 點半開盤時,台灣已經是凌晨。等你睜開眼睛,台股早上 9 點開盤,才是你真正能下單的時候。

所以真實的問題是: 從台股今天開盤到收盤(O2C),你能賺多少? 

答案讓人冷靜:

  •  方向準確率:50.2% (和丟硬幣一樣,完全沒有預測力)
  •  Sharpe ratio:-0.17 (加上交易成本後,長期虧錢)

那 3.44 分的差距去哪了?

用美股預測台股:幻覺 vs 現實(20年數據)

上圖清楚顯示:藍色柱子(幻覺)和橘色柱子(現實)之間有巨大的落差。

  • 跟美股策略的 Sharpe:幻覺  3.51  → 現實  -0.17 (差距  3.68 )
  • 連單純買入持有 0050 的幻覺 Sharpe(0.91)也遠高於真實(0.07)

這 3.44 分的差距,全部藏在 你看不到、也買不到的時間段 ——台灣時間凌晨到早上 9 點之間,台股的開盤跳空。


為什麼開盤已經「消化」了美股?

這背後的道理並不神秘。

台股開盤前,所有參與者都已經看到了美股的數字。外資、法人、演算法交易系統,在開盤那一刻就會把美股的訊號「定價」進去。結果是:

 台股開盤價已經反映了美股夜盤的全部資訊。 

用天氣預報打比方:你昨晚看到預報說明天下雨,但你中午才出門,路已經乾了,傘帶了也沒用。

滾動相關係數的數據也證實了這一點:

  • 收盤到收盤的相關性: 平均 0.41 (有實質關聯)
  • 開盤到收盤的相關性: 平均 0.009 (近乎為零)

我們做了更嚴格的統計迴歸:用昨天美股報酬預測今天台股開盤到收盤的報酬,迴歸係數幾乎為 0(β\beta = -0.004),統計上完全不顯著。換句話說, 知道昨天美股漲跌,對今天台股的交易毫無幫助 。


那正確的做法是什麼?

既然跟美股做台股沒有用,投資人該怎麼辦?

研究發現,真正有效的不是看「美股昨天漲了多少」,而是看 美股的恐慌程度 ——用 VIX 指數來調整台股的投資比重。

在同樣的 20 年測試中,根據 VIX 動態調整 0050 持倉的「VIX 策略」:

  • 全樣本 Sharpe: 0.24 (雖然不高,但方向正確)
  • 最大回撤: -18.2% (比買入持有的 -45.3% 少了一半以上)

更重要的是:VIX 策略不需要每天看盤、不需要快速下單,只需要每個月調整一次配置。


給台灣投資人的一句話

 「昨晚美股跌了,今天要快賣」,這個反應在 20 年數據中沒有任何統計支撐。 

市場永遠比你快半步。你看到的消息,全世界都看到了;等你下單,已經晚了。

真正有意義的,不是追逐每日漲跌,而是用恐慌指標(VIX)管理你的長期曝險。這不需要盯盤,卻在歷史數據中展現出更好的風險調整後報酬。

少一點衝動操作,多一點系統紀律,這才是散戶在市場上的生存之道。


本文基於實驗 K812v2 的實證結果(數據來源:yfinance,期間:2006-2026,4,159 個交易日)。腳本:experiments/k812v2_us_taiwan_leadlag_otc.py,結果:experiments/k812v2_us_taiwan_leadlag_otc_results.json。

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

📄
K1502:把 FINRA 場外量加進特質波動 HAR 模型,22 檔逐檔 DM 檢定能排除多大的改善?
假設你手上已經有一套個股特質波動的預測管線:每天收盤後,用 log-HAR 估出隔一個交易日的特質變異數,拿去調部位上限或選擇權報價的寬度。眼前的決策很具體:要不要多接一條 FINRA 每日場外賣空量檔,把場外賣空比與場外總量放進迴歸。這條資料源要排程下載、對代號、處理缺檔日,維護成本是真的。K1502 回答的是這筆投入在樣本外換得到多少準確度,以及這組資料能把「換得到的上限」壓到哪裡。 結論先寫…
→
📄
期中選舉年的十月底到隔年四月底:19 個窗口、九窗口家族的校正,以及一個登記在窗口開始之前的預測(K1994)
2026 年是美國的期中選舉年,投票日在 11 月 3 日。K1994 檢驗一個流傳很久的說法:期中選舉年從 10 月最後一個交易日到隔年 4 月最後一個交易日,S&P 500 的報酬高於其他年份。這是一項預註冊檢定,主窗口、檢定方式與判準都在讀資料之前寫定,不過預註冊不是盲的(is_blind=false,凍結前已經看過的東西列在預註冊檔的第 3 節)。 結論 1950 年到 2025 年,19…
→
📄
K1462:SPY 的 HAR-Parkinson 波動預測加入前一日隔夜跳空與三種月度景氣狀態,2,586 個樣本外日沒有一個規格顯著勝過基準,NFCI 狀態版顯著較差
本文是同一實驗一般讀者版〈隔夜跳空加上景氣指標,能讓 SPY 的波動預測更準嗎?〉(mile_63d7fceb)的研究版。一般版只講結論方向;本文補上設計矩陣與資訊集、全樣本 HAC 係數、bootstrap 區間、DM 落後期梯度,以及結果標籤的判定規則。 問題 一個以 HAR 預測 SPY 日波動的使用者,要不要多維護兩條資料:前一交易日的隔夜跳空,以及月度總經狀態?文獻的動機有兩條。其一,跳…
→
64% 準確率的美股跟單幻覺:20 年數據揭穿「昨晚美股跌,明天快賣」的迷思 | VolPred