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

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。

不過資產類別不同，不等於日報酬各走各的。相關係數可以量出它們同步的程度，而同一組資產在平靜期和高波動期量到的相關係數可能不一樣。

這篇導讀把過去兩個半月做過的幾個跨資產實驗串成一條線，檢查一件事：平靜期算出的相關係數，能不能當成分散效果的保證。答案是不能直接當保證；下文逐項說明每個實驗量到什麼、沒量到什麼。

開頭先放一組參照數字：2026 年 6 月 23 日收盤，VIX 為 19.49，落在一般認定的「正常」區間。法說季前，Mag 7 的 RV30 全數高於 SPY 的 15.2%，TSLA 為 48.2%，約是 SPY 的三倍。指數表面平靜，個股之間的波動水準差距很大。

第一層：鈾礦 ETF 與美股同向變動，但沒有達到完全相關

URA 是全球鈾礦 ETF。它的日報酬與美股同步到什麼程度，是檢查它能不能分散風險的第一步。實驗 K1445 的兩個相關係數樣本不同，不能混用。

• 靜態相關係數  0.516 ：URA、KRBN、SPY、TLT 四個資產的共同樣本，2020 年 8 月 3 日至 2026 年 6 月 9 日，1,470 筆日報酬。
• 60 日滾動相關係數：URA 與 SPY 的重疊樣本，2010 年 11 月 8 日至 2026 年 6 月 9 日，共 3,860 個滾動點。平均  0.531 ，最大  0.918 ，最小  -0.108 ，最近一個滾動點（2026 年 6 月 9 日）為  0.765 。

0.516 表示兩者的日報酬明顯同向變動，沒有達到完全相關。K1445 沒有估計 URA 對 SPY 的 beta，也沒有計算任何組合的波動或回撤，所以這個數字支持「URA 與美股有共同波動」，不支持「URA 完全不能分散」，也不支持「URA 是美股的放大版」。URA 自 2010 年 11 月起的樣本年化波動率是 36.6%，SPY 自 2010 年 1 月起的樣本是 17.16%，兩者的樣本期間不同。

比特幣要分開看。實驗 K1025 用 2015 年 2 月 2 日至 2026 年 4 月 8 日共 2,812 個交易日，依當日 VIX 水準把樣本分成四組，估計比特幣與 SPY 的動態條件相關係數（DCC）平均：VIX 低於 15 的 1,037 天為  0.067 ，15 至 25 的 1,386 天為  0.266 ，25 至 35 的 326 天為  0.454 ，高於 35 的 63 天為  0.407 。相關係數隨 VIX 分組升高；最高一組只有 63 天，估計的不確定性較大。

圖：比特幣與美股的動態條件相關係數（DCC）平均，依當日 VIX 分四組。樣本為 2015 年 2 月 2 日至 2026 年 4 月 8 日的 2,812 個交易日。資料來源：實驗 K1025。

這個升幅不能全部讀成「壓力期的連動變強」。分組本身依 VIX 決定，高波動樣本的相關係數會因分組方式而偏高（第二層的 Forbes-Rigobon 校正處理的就是這件事），K1025 的這組統計沒有做這項校正。K1025 的後續修訂也沒有支持「比特幣把恐慌傳給美股」：在迴歸中加入前一期 VIX 作為控制變數後，0.95 分位的係數為 0.42，95% 區間從 -0.61 到 1.14，包含零；樣本外預測的 Clark-West 統計量全樣本為 -0.12，沒有比特幣波動改善 VIX 預測的證據，但這不等於增量資訊為零。

把 URA 和比特幣放在一起，只能得到一個有限的結論：平靜期量到的相關係數，不能直接當成高波動期的分散效果。URA 的相關係數明顯為正；比特幣的相關係數依 VIX 分組而變。這些實驗都沒有計算組合在壓力期的實際損失，所以無法量化分散失效的程度。

第二層：跨市場的連動量得到，但歸因要小心

美股與台股、日股與台股的連動，在長樣本中都量得到；量到連動，不等於能指出誰影響誰。

實驗 K628b 用 2010 年 1 月至 2026 年 3 月的 4,211 個交易日，看 SPY 對 0050.TW 的波動率傳染。Granger 因果檢定在高波動期間的顯著水準極高，幾乎不可能是巧合。但危機期的相關係數經 Forbes-Rigobon 校正後只剩  0.063 （未校正為  0.150 ），沒有高於平靜期的  0.107 ，檢定沒有找到危機期傳染的證據（p 值  0.221 ）。

這個檢定只能檢驗「危機期的相關結構有沒有改變」，不能說明兩邊為什麼一起動。全球風險偏好等共同因素是可能的解釋之一，K628b 沒有直接檢驗。

台日股的關係，實驗 K1412 比較台灣 50 與日經指數各占一半的組合：預測每日風險時，Student-t copula、Clayton copula 與只用相關係數的基準模型誰較準。全樣本相關係數是  0.586 。Student-t copula 相對基準的檢定量在五個樣本外起點都過了 Harvey 修正的門檻，Clayton copula 五個起點都沒過。這五個起點的樣本外區間大部分重疊，不是五次獨立重測；K1412 評估的是組合變異的預測，沒有計算兩個市場同時暴跌的實際頻率。

這兩個實驗合起來只能支持：這幾組市場之間的連動，在各自的樣本中量得到。它們沒有檢驗連動是否隨年代穩定，也沒有計算以亞洲股票配置美股組合時風險實際減少多少。

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 的波動。

金融壓力指數與 0050 已實現波動率的相關係數是  0.69 （2012 年至 2026 年，3,448 個樣本）。在金融市場這算很高的數字。

實際拿去做預測呢？樣本外（2024 年 3 月 7 日至 2026 年 4 月 7 日）的 R² 在加入金融壓力指數後為  0.9633 ，基準模型為  0.9634 ，沒有改善。把它做成擇時策略，年化報酬率是  13.04% （另一種合成方法為  12.07% ），低於直接持有 0050 的  17.66% （同為 3,448 個交易日）。

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 也未必「領先」B；同步反應和領先關係是兩件事。把同步當成領先去做策略，在轉折點容易失靈。

第四層：黏在一起，但說不清誰帶著誰

描述「誰把波動傳給誰」的傳染網路，常用的算法對「資產排列順序」極度敏感。排序穩健性檢驗（實驗 K865b）把七個資產的順序重排 52 種重算，以 COVID 危機期為例，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）。

換成完全不受排序影響的算法（GFEVD）之後，SPY 在關稅期是淨接收者，比特幣在 COVID 和升息期反而是淨傳染源。所以這張網路圖的方向性，我們算不準。

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。

第五層：連資產類別這個分類本身也不夠用

我們講了一整篇跨資產的連動，但如果你以為「同一類資產就會有類似行為」，這個假設同樣需要檢查。

來源文章 mile_10a52949 檢查了一個極端案例：SpaceX 掛牌後第 11 個日曆日，單日下跌 16.43%。新聞會說這是「崩盤」。該文以 SpaceX 掛牌以來 5 根日報酬估得年化波動率 231%（樣本很小，只能當量級參考），單日標準差約 14.5%，16% 的跌幅約為 1 個標準差。同樣一天下跌 16%，對年化波動率約 30% 的 Google 約為 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」，波動水準可以差好幾倍。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水準 。兩個波動水準差很遠的資產，即使相關係數很高，同一天的漲跌幅度也相差很遠。

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，是看相關性在不同波動狀態下變化多大。 

具體三個檢查：

一、平靜期相關係數低，不代表高波動期還會低。看你買的「分散工具」在過去幾次大波動裡的行為（2018Q4、2020Q1、2022 升息週期）。如果幾次都跟 SPY 同步下跌，它在那幾次提供的分散效果就很有限。

二、相關係數高，不代表可以做預測。同步波動常見的原因之一，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、波動水準差距大的資產，不能只因為類別相同就假設行為相近。把組合裡每個資產的年化波動列出來比較。

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，但樣本外預測沒有改善，K1011
• 比特幣能避險嗎？它與美股的相關係數隨 VIX 升高，但還不能直接下結論：K1025，比特幣與美股的相關係數依 VIX 分組的變化
• 鈾礦 ETF 與美股的共同波動：URA 與 SPY 的相關係數約 0.52：相關係數 0.516，明顯為正但未達完全相關
• 台股加日股的風險預測：Student-t Copula 在五個起點都勝過基準，但這五次不是獨立重測：K1412，五個樣本外起點的預測比較
• 一根 16% 的黑K，對 Google 是八個標準差：同樣的跌幅，在不同波動水準的個股上相當於不同個數的標準差

資料來源：VolPred 平台實驗 K1011 / K1025 / K865b / 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）。

懶人包圖組