← 研究動態
一般讀者2026/09/22 下午01:00

專利核准的那一天,市場其實沒什麼反應

波動率事件研究半導體統計顯著專利

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。

半導體公司拿到一批新專利的那一天,它所在的類股會不會跟著抖一下?

這個問題聽起來該有答案。專利是新資訊,新資訊進場,價格總要動一動。而且它是可以查的,美國專利商標局每週公布核准清單,日期精確到天。

我們把它測了一遍。

先把要測什麼講定,再去看結果

這件事的順序很重要,所以先說清楚。

資料是 2013 年到 2024 年、622 次美國上市公司的專利核准事件,橫跨 3,277 個交易日。訊號不用核准件數的絕對值。用的是「這週核准的件數,比它自己過去一年的常態高出多少」,專利局每週的批次大小本來就在變,不先扣掉這個,量到的會是專利局的行政節奏。

然後我們把要看的東西 在看結果之前 全部列完:三個產業(科技、半導體、生技)× 三種市場反應(整體波動、個股之間的分歧度、一起跳動的程度)× 六個時間長度(當天到第五個交易日),一共 54 個檢定。

多數研究不會這樣做,而這正是問題所在。如果先看資料再決定要報告哪一格,54 格裡總有幾格好看,那不是發現,那是挑出來的。

結果:兩格低於 0.05,校正後零格

54 個事前宣告的檢定,依 p 值由小到大排列,紅色虛線是 0.05。只有兩格落在線下:半導體類股第二天的整體波動 達顯著水準(顯著性 0.0308),以及半導體個股分歧度第二天 達顯著水準(顯著性 0.0444)。扣掉一次做了 54 次比較的運氣成分後,校正過的最小 p 值是 1.00,通過的格數是零。

54 格裡有 2 格單看低於 0.05,兩格都在半導體、都在第二個交易日:

  • 半導體類股的整體波動,達顯著水準(顯著性 0.0308)
  • 半導體個股之間的分歧度,達顯著水準(顯著性 0.0444)

但一次做 54 個檢定,就算什麼效果都沒有,純靠運氣也會跑出兩三格「顯著」。扣掉這個之後, 校正過的最小 p 值是 1.00,通過的格數是零。 

而且這兩格經不起第二種問法。我們把事件日整批平移一圈,把真的核准日換成假的日期,看看這個「效果」是不是隨便哪一天都量得到:

原本的 p 值平移事件日後
半導體整體波動(第 2 日)0.03080.0507
半導體個股分歧度(第 2 日)0.04440.0670

兩格在第二種問法下就都跨到 0.05 的另一邊去了。

我們還放了一個對照組:拿建築、農業、運輸這類低科技含量的專利當訊號,去測同一批科技類股。那批專利跟科技股沒有道理有關係,所以它 應該 測不出東西,結果 18 格裡一格都沒有低於 0.05。對照組行為正常,代表整套測法不是壞掉了,是真的沒東西。

那一格確實活了下來,而我們還是沒有寫成發現

故事本來到這裡就結束了。但有一格沒有。

把訊號往前挪一週(也就是問「上週的專利核准,跟這週的市場有沒有關係」),半導體類股的「同向跳動」在第二個交易日撐過了多重檢定校正:原始 高度顯著(顯著性 0.00069),校正後 0.0372,低於 0.05。

在多數地方,這就是一個可以寫進標題的發現了。

我們沒有寫。原因是這個:

唯一撐過多重檢定的那一格,在五種標準誤計算窗口下的校正後 p 值。往回看 1 天是 0.065、5 天 0.043、9 天 0.037、13 天 0.067、20 天 0.112。五個窗口裡只有兩個低於 0.05。

計算一個統計量有多可靠時,要處理「今天的誤差和昨天的誤差有關聯」這件事,而處理方式需要選一個窗口,往回看幾天。這個選擇沒有唯一正確答案,所以標準做法是 把幾個合理的窗口都跑一遍 ,看結論穩不穩。

我們跑了 1、5、9、13、20 天五種。結果是:

往回看幾天校正後 p 值通過 0.05?
10.065否
50.043 是 
90.037 是 
130.067否
200.112否

同一批資料、同一個假設、同一個檢定,只換了計算標準誤時往回看幾天,結論就在「發現」和「沒發現」之間來回兩次。

一個真的效果不該這樣。一個真的效果在 5 天的窗口下顯著,在 13 天的窗口下應該也差不多顯著;它可以變弱,但不該直接翻面。當一個結果的存亡取決於一個沒有唯一正確答案的技術選擇,那個結果告訴你的主要是那個選擇,不是市場。

所以這一格在我們的紀錄裡寫成「需要一次全新的、事前講定的驗證」,不是「發現」。

還有一個更容易上當的地方

這一格是半導體。而在往前挪一週的那組結果裡,科技類股也是同方向、生技也是同方向,三個產業一起指向同一邊。

三個獨立的產業同時給出一樣的答案,聽起來是很強的佐證。

只是它們不獨立。 三個產業的專利核准訊號彼此高度相關 ——科技和半導體的相關係數是 0.758,科技和生技是 0.574。原因很簡單:它們共用同一個專利局每週的批次大小。這週專利局發得多,三個產業的數字就一起偏高。

所以那不是三個確認,比較接近同一個檢定被重複做了三次。

這是很容易上當的地方,因為「多個獨立來源都指向同一結論」確實是強證據—— 前提是那些來源真的獨立 。而共用同一個上游的資料源,看起來獨立的機會非常高。

這篇對讀者的用處

 第一,專利核准日本身不是一個可以操作的訊號。  至少在這 622 次事件、12 年的資料裡不是。原因不難想:專利核准是一個漫長流程的終點,申請在 18 個月前就已經公開,真正的資訊多半早就進了價格。核准那天只是蓋了章。

 第二,看到「我們發現某個訊號有效」時,值得問三個問題 ,而且這三個問題的順序就是本文的順序:

  1. 他一共測了幾個東西?只報告贏的那個,跟只報告贏的那一天,是同一種毛病。
  2. 換一種問法還在嗎?平移日期、換一個時間窗、換一個計算方式,真的效果撐得住,挑出來的撐不住。
  3. 那些「互相印證」的證據,彼此真的獨立嗎?共用同一個資料源的三個訊號,是一個證據不是三個。

 第三,一個誠實的研究會有「我們不知道」這一格。  這次留下的就是那樣一格:它可能是真的,也可能是窗口選對了。要把它變成知識,需要的不是再看一次同一批資料,是一次全新的、在看結果之前就把規則講死的驗證。

在那之前,它就是「不知道」。而把「不知道」寫成「不知道」,是這件事唯一誠實的做法。


 資料與方法 :美國上市公司(NYSE/AMEX/NASDAQ,經 CRSP 比對)的美國發明專利核准事件,2013 年 1 月至 2024 年 12 月,共 622 次事件、3,277 個交易日;其中 620 次具備可計算的科技類訊號。訊號定義為該週核准件數取對數後,相對於前 52 週的標準化偏離,基準期僅使用該週之前的資料。產業對應 CPC 分類:科技對 XLK、半導體對 SMH、生技對 XBI,另以低科技專利為對照訊號。市場反應以每日高低價估計的整體波動、個股橫斷面分歧度與同向跳動三類衡量,時間長度自事件當日至第五個交易日。54 個檢定於估計前全部宣告完畢,並以 Holm 與 Benjamini–Hochberg 兩種方式對全部 54 格一起做多重比較校正。標準誤採 HAC 估計,並在 1/5/9/13/20 天五個窗口下重算。穩健性另含事件日環狀平移與區塊自助抽樣一萬次。本文所有數字取自該實驗結果檔的具名欄位。

懶人包圖組

說明專利核准是可查到日期的新資訊,因此市場理應反應,這是本次要測的問題

說明五十四個檢定在看結果之前全部宣告完畢,並列出事件數與交易日數

對照單看低於零點零五的格數與扣掉多重比較運氣成分後通過的格數

說明唯一撐過校正的那一格在五種標準誤窗口下只有兩種通過,因此列為待驗證而非發現

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

📄
天然氣的波動冬天最大,1 月比 3 月晃 1.86 倍;但「快到期更晃」,免費資料驗不出來
用 2006 到 2026 年的免費日收盤價檢查兩件事:天然氣的波動是否有月份規律,以及期貨快到期時是否更晃。第一件事找得到,第二件事這套資料驗不出來,而且結論會隨換約日的處理改變方向。 這個結果能幫你決定什麼 持有天然氣 ETF(UNG)或交易天然氣期貨的人,會碰到兩個關於波動的問題:冬天暖氣用量大,天然氣價格是否特別晃;期貨快到期的那幾天,價格是否晃得更厲害。這兩個問題都可以拿日收盤價直接檢查…
→
📄
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…
→
📄
台股 0050 的五分鐘波動預測:只有 26 個樣本外交易日,HAR 模型看得到方向,但沒過嚴格門檻
預測下一個交易日市場會有多「抖」,是風險管理的起點。這篇用實驗 K1664 檢查一個具體問題:用台灣五十 ETF(0050.TW)的五分鐘價格資料,HAR 類型的波動預測模型,能不能勝過最簡單的持續性預測(下一個交易日的波動等於前一個交易日)。 結論先說:在這份小樣本裡,HAR 日加週模型的平均預測誤差最低,比持續性預測低 31.03%,方向上有優勢;但樣本外只有 26 個交易日,檢定用的 t 統…
→