美國國會議員的股票交易，能預測美股波動率嗎？一份誠實的「沒有」

一個聽起來很誘人的問題

打開財經新聞，每隔一段時間就會看到這樣的標題：「某參議員精準在股災前出清股票」、「眾議員家族在某科技股財報前異常加碼」。在《STOCK Act》（2012 年生效）強制要求美國國會議員揭露本人與配偶證券交易後，這類「議員選股能力」的故事幾乎成了財經新聞的固定欄目。

學界對此也有一段不算短的辯論。Ziobrowski 等人 2004 年發表在《Journal of Financial Economics》的研究曾經指出，美國參議員的個股投資組合能取得超額報酬，被許多人解讀為「立法者的資訊優勢」。雖然 Eggers 與 Hainmueller 2013 年用更乾淨的資料重做後得到「平庸甚至落後大盤」的相反結論，但「議員可能掌握政策資訊」的直覺，始終讓散戶與量化研究者好奇。

本研究（K978）想回答一個更窄、但更具操作意義的問題： 把所有國會議員的揭露交易加總成一個每日活躍度指標，這個指標能不能預測美股 SPY 未來的已實現波動率？而且是在 VIX 已經告訴我們市場情緒之後，還能再多告訴我們什麼？ 

結論很乾脆： 不能。 

下面我會把資料、方法、與每一個關鍵數字都攤開講，說明為什麼這個聽起來性感的訊號，實際上幾乎是一灘止水。

資料：誰在交易、什麼時候被我們看到

研究使用的是美國眾議院（House）的議員交易揭露檔案（congressional_trades_house.csv），共 15,674 筆交易紀錄。交易發生期間從 2012 年 6 月 19 日到 2022 年 12 月 31 日，但揭露日期（也就是市場公開可知的時間點）落在 2020 年 1 月 2 日到 2022 年 10 月 30 日之間。

這裡馬上就遇到第一個技術但極關鍵的選擇： 訊號對齊到「揭露日」而不是「交易日」 。

為什麼？因為任何想拿這個訊號去交易的人，最早只能在揭露公布的當天才看得到資料。如果用「交易日」對齊未來波動率，等於偷看了平均長達兩個月後才會公開的資訊，這是研究中最高優先的風險：「lookahead bias」。本研究嚴格用揭露日對齊，避免這個錯誤。

而這個選擇直接決定了訊號的「先天體質」：

• 揭露延遲平均 58.5 天
• 中位數 28 天

換句話說，當你在某天看到「議員 X 賣出某股 50 萬美元」這條揭露時，他很可能已經在一個月前、有時甚至兩三個月前就完成交易了。所謂的「即時資訊優勢」在揭露的瞬間，幾乎都已經是冷飯。

合併 SPY 與 VIX 日資料後，最終樣本是 1,562 個交易日，其中 585 天有議員揭露、977 天沒有揭露、51 天屬於「高活躍日」（揭露交易量超過全樣本 2 倍標準差，門檻為當日活躍度 60.3）。

方法：用最嚴格的方式問「有沒有用」

研究用了五種互補的檢定方法，目的是給這個訊號最公平、也最嚴格的審視機會：

1.  直接相關係數 ：議員每日交易量、淨買賣金額，與未來 5 日已實現波動率（fwd_rv5）的相關性
2.  VIX 控制後的偏相關 ：扣除 VIX 已經吸收的市場恐慌成分，議員交易還剩下多少獨立資訊
3.  Granger 因果檢定 ：把過去 1 到 5 個交易日的議員活躍度當作預測變數，看是否能解釋未來波動率
4.  HAC 穩健標準誤迴歸 ：把 VIX 與議員指標一起放進迴歸，看議員變數的係數是否達顯著水準
5.  事件研究與五分位排序 ：高活躍日 vs 一般日 vs 無揭露日的後續波動率比較，以及淨賣壓五分位的單調性檢定

所有檢定都使用 HAC（異質、序列相關穩健）標準誤；所有比較都遵守研究計畫的嚴格統計檢驗門檻，也就是文獻（HLZ 2016）所主張的「在金融資料探勘氾濫的背景下，要能站得住腳的訊號，統計強度必須遠超過傳統雙尾標準」。

結果一：原始相關性的「假象」

先看最直觀的數字（資料來源：experiments/k978/k978_congress_vol_results.json）：

乍看 0.10 的相關係數似乎還可以，但這個正相關幾乎完全是「假象」，它不是議員預測到了波動率，而是議員的交易行為本身與市場情緒同步。當市場恐慌、VIX 飆升時，議員也比較常交易、揭露量也比較大；同一天 VIX 已經把這個訊息完整吃下來了。

把 VIX 抓出來當成共同因子之後，議員交易量對未來波動率的「淨」相關性掉到 -0.0576（邊緣顯著），淨買賣方向則直接歸零（-0.0067）。一個訊號如果在控制了一個普通投資人都看得到的指數（VIX）後就消失，它在實務上就沒有獨立價值。

結果二：Granger 因果，所有 lag 都「過不了門檻」

Granger 因果檢定問的是：「過去 N 天的議員活躍度，能不能比 SPY 自己過去的波動率更有效預測未來波動率？」

所有 lag 都沒有跨過嚴格統計檢驗門檻。Lag 2 到 lag 4 在傳統 10% 水準下勉強邊緣，但這正是 HLZ 2016 所警告的「資料探勘陷阱」典型樣態：在多重比較、多種 lag 嘗試的情境下，這種邊緣顯著值非常可能是偶然。

結果三：迴歸——VIX 之外幾乎沒有貢獻

這是最重要的一張表：

光是 VIX 一個變數，就解釋了 SPY 未來 5 日波動率約 49% 的變異。把議員交易量加進去之後，R² 從 0.4905 上升到 0.4922——增量僅 0.0017，也就是 0.17 個百分點。

這個數字最直白的解讀是： 議員交易資訊在 VIX 已知的前提下，對波動率預測的邊際貢獻約等於零。 

迴歸中議員交易量的係數雖然在最完整模型中達到傳統 5% 水準（達顯著水準（顯著性 0.046）），但本研究遵循 HLZ 2016 的高門檻（|統計強度| 至少要遠超過 2、實務上 ≥ 3 才算可信），這個結果 不通過嚴格門檻 。

結果四：高活躍日不會帶來更大的後續波動

事件研究把日子分三類比較：

• 高活躍日（>2σ，n=51）：未來 5 日波動率均值 0.2189
• 一般活躍日（n=534）：0.1947
• 無揭露日（n=977）：0.1407

數字看起來「高活躍日 > 一般日 > 無活躍日」，似乎有單調關係。但問題是：

1.  高活躍日 vs 一般日 t-test 並不通過嚴格統計檢驗門檻 （統計強度 0.687）
2.  無揭露日的 0.1407 是樣本選擇造成的 ，不是訊號，歷史上有大量「沒人揭露」的日子集中在低波動率行情中（2020 年中之後恢復常態的時期），與議員行為的因果關係薄弱
3. 五分位排序（quintile sort）後， 淨賣壓強度與後續波動率沒有單調關係 ，意思是「議員大幅淨賣」並沒有對應到「未來波動率更高」的清楚規律

為什麼會是「沒有」？四個結構性原因

研究最有價值的部分，往往不是統計表格，而是想清楚「為什麼」。本研究的 null result 來自四個彼此疊加的結構性因素：

 1. 揭露延遲是先天硬傷 

平均 58.5 天、中位數 28 天的延遲，意味著議員交易公開的當下，那筆交易所反映的資訊環境（政策草案、聽證會內容、產業會議）幾乎都已經是公共知識。市場早就把這些消化進價格與 VIX 裡了。

 2. VIX 已經是極有效率的恐慌資訊整合器 

VIX 由標普 500 期權的隱含波動率推導而來，每一秒都在把全市場交易者對未來 30 天波動的預期匯總起來。任何「事後揭露」的訊號要在 VIX 之外提供獨立資訊，幾乎都要面對「你比期權市場慢」這個壓倒性的競爭劣勢。

 3. 大多數議員交易其實是例行投資組合管理 

議員及其配偶的多數交易來自被動再平衡、信託委託、退休資產調整。把所有交易混在一起加總，等於把雜訊放進分子裡，把任何潛在的「情報式交易」訊號稀釋到測不出來。

 4. 樣本期偏短且偏單一情境 

揭露資料公開期僅 2020-2022 約三年，恰好涵蓋 COVID-19 下跌與隨後的反彈週期。這個樣本期既不夠長到分散至多種市場情境，也不夠涵蓋升降息完整循環，使得任何發現都帶有「特定環境下的條件性」。

給一般投資人的三個帶走訊息

 第一，「政治人物在交易」這件事本身是訊息，但不是預測訊號。  媒體報導某議員精準避開大跌時，那是事後挑出來的個案。把所有議員、所有時間、所有交易加總起來看，整個母體並沒有顯示出能跑贏一個普通投資人都看得到的 VIX 的能力。

 第二，研究誠實大於故事性。  這個題目寫個吸睛報導不難，挑幾個議員、抓幾天巧合，故事就有了。但作為研究，必須誠實面對「在 VIX 之後幾乎沒有額外貢獻」這個結果。我們不會因為主題夠話題性，就調軟統計門檻。

 第三，要找預測波動率的 alpha，方向不在「政治揭露」。  高頻期權市場、訂單流不平衡、跨資產風險溢酬、流動性指標、實際成交量微結構，這些每一筆都比 30 天延遲的議員交易揭露更接近「即時的、與波動率有結構性連結的訊號」。對量化研究者來說，把 token 投在這些方向上的期望報酬遠高於繼續糾結國會交易資料。

後續可能的方向

null result 不代表這條線完全死了。下面三個延伸方向有可能讓訊號活過來：

1.  事件分群研究 ：從整體加總改為分行業、分政策議題（國防、半導體、生醫）來切，看特定政策資訊是否在特定議員群體的交易中被前置反映
2.  參議院與情報委員會成員子樣本 ：Ziobrowski 原始研究指向參議員、特別是情報相關委員會成員可能有資訊優勢；本研究只用眾議院資料，未涵蓋這個子集
3.  把訊號向前對齊到「交易日」當作學術因果分析 （不是用來建可交易策略），可以更乾淨地檢驗「議員在當下交易時，是否已掌握未來波動的資訊」

但這些都是研究方向，不是可交易策略。對於想找實務 alpha 的讀者，這個結論已經夠清楚： 把目光從國會交易揭露移開，去看 VIX 期限結構、實時期權流動、跨資產風險訊號。 

資料來源

• 國會交易揭露：data/congressional_trades_house.csv，共 15,674 筆，涵蓋眾議員 STOCK Act 揭露
• SPY 與 VIX 日資料：yfinance，2020-01-01 至 2026-04-07
• 統計門檻引用：HLZ（2016）「...and the Cross-Section of Expected Returns」, RFS
• 議員交易資訊優勢辯論：Ziobrowski et al.（2004）, JFE；Eggers & Hainmueller（2013）
• 完整研究檔案：experiments/k978/（README、Python 腳本、結果 JSON、圖表）

圖表

研究編號：K978
研究類別：Null result / 訊號探索 / 多重檢定（HLZ 標準）
誠實宣告：本研究主要結果為「無顯著預測能力」，所有數字均直接取自 k978_congress_vol_results.json，未做任何選擇性報告。