成分股各走各的路，能提前告訴你大盤要變天嗎？12 年資料的答案很掃興

打開行情表，NVDA 一根長紅、XOM 跟著油價走、KO 幾乎沒動、UNH 是綠的。回頭看 SPY，整天挪的幅度比底下任何一檔都小。

底下每一檔都在晃，指數卻站得很穩。它們互相抵銷掉了。

這個現象有名字，在選擇權圈子裡是一門正經生意：買個股波動、賣指數波動，賭的就是「各走各的」會走到什麼程度。Cboe 甚至為它做了一支指數（DSPX）。

我想問一個更前面的問題。如果今天成分股散得特別開，這件事能不能提前告訴我，下個月大盤會不會變得比較晃？

我把 2014 年 1 月底到 2026 年 5 月中、3,090 個交易日的日資料攤開來算。答案分成三段，第一段很漂亮，第二段很掃興，第三段最容易被講錯。

兩個溫度計，先講清楚在量什麼

標的是 SPY 加上 20 檔美股大型股（AAPL、MSFT、NVDA、AMZN、META、GOOGL、BRK-B、JPM、XOM、UNH、JNJ、PG、HD、MA、V、BAC、WMT、KO、PEP、COST），另外拉 VIX 進來當對照組。

先算每一檔過去 21 個交易日（大約一個月）實際晃了多少，用變異數記下來，再組成兩個溫度計。

 分歧度  ＝ 20 檔成分股的平均變異，減掉 SPY 自己的變異。差得越多，代表個股各自跑、彼此抵銷掉的越多。

 同步率  ＝ SPY 的變異，除以成分股的平均變異。數字越大，代表大家越傾向一起動；越小，代表抵銷得越乾淨。

抵銷的力道比我原本想的大。成分股平均的年化變異中位數 0.0524，SPY 只有 0.0150，兩者的比值中位數是 3.4 倍。極端一點的日子，這個比值最低壓到 1.6，最高衝到 8.6。

同步率的中位數是 0.294。翻成白話：多數時候，大盤的變異只有成分股平均變異的三成，其餘七成在組合裡自己抵掉了。

分歧度的年化變異中位數 0.0359，比 SPY 自己的 0.0150 還大一倍有餘。被投資組合吃掉的那一塊，比留在指數上的還多。

第一段：這個溫度計確實會自己回頭

拿當下的分歧度（換算成標準差單位），去對接下來 21 個交易日它自己的變化，斜率是 -0.853。

斜率接近 -1，意思是這個月拉開多遠，下個月大致就收回多遠。這條關係解釋了 42.8% 的變化，統計強度 11.31，純屬巧合的機率小到可以忽略。同步率走同一套邏輯，斜率 -0.830，統計強度 12.70，解釋力 41.4%。

把 3,069 個交易日按當下分歧度排序、切成五等分，兩頭的對照更直接。

分歧度最低的那 618 天，接下來一個月平均往上跑 1.05 個標準差。最高的那 615 天，方向整個反過來，平均變化 -1.80 個標準差。高的那組減掉低的那組是 -2.85。

這一段做得很乾淨。個股散開的程度是有天花板和地板的，撞到就會被拉回來。

第二段：會回頭，不代表能拿來預測大盤

均值回歸講的是「這個溫度計自己會往哪走」。拿來下決策的人要的是另一件事：它能不能提前告訴我大盤要變天。

我留下 2022 年 1 月到 2026 年 5 月當實測期，共 1,095 個交易日。每一天只用當天收盤為止的資料重新配適模型，去猜接下來 21 個交易日 SPY 實際會晃多少。訊號在前、答案在後，不偷看未來。

六個模型排排站。

嚴格門檻設在可信程度 3。這條線比課本上常見的 2 更緊，理由是我一次比了五個模型，而且 21 天的預測視窗天天重疊，寬鬆一點就會撿到假訊號。

三件事同時發生。

加了分歧度或同步率的模型，誤差在 0.328 到 0.333 之間晃，基準是 0.3316。可信程度都不超過 0.24，等於什麼都沒發生。

真正把誤差壓下來的是 VIX，從 0.3316 降到 0.2732。它對未來一個月大盤波動的相關係數 0.370，也是全場最高，勝過當期大盤波動的 0.314、分歧度的 0.247、同步率的 0.243。

但 VIX 模型的可信程度 2.74，仍然沒碰到 3 這條線。用另一個角度看，基準模型的解釋力 7.17%，VIX 模型拉到 17.91%，改善不小，卻沒有大到能排除運氣。

最後那一格最尷尬：在 VIX 模型上再加分歧度和同步率，誤差從 0.2732 變成 0.2735，可信程度從 2.74 掉到 2.35。多加兩個變數，成績反而退一點。

第三段：那條「散開就減碼」的規則，賺的是什麼

預測不準，不代表這個溫度計完全沒用。它還可以當風控開關：不猜下個月會晃多少，只在散得特別開的時候把部位縮小。

我照最簡單的版本試。分歧度衝進歷史高檔就把 SPY 部位砍到五成（S1）；同步率掉到低檔就砍到五成（S2）；兩個條件任一觸發就砍（S3）。訊號一律延後一天執行，t-1 看到、t 日才動，換手另扣 2bps 成本。

三條都比買進持有的 0.7555 好看。S2 的夏普值 0.7993，年化報酬 12.98%，還高過買進持有的 12.52%。

這時候最容易寫出的句子是「找到會擇時的訊號了」。我跑了兩道檢定，結果分得很開。

 下檔損失那道，過了。  只看虧損日的損失縮小程度，S1 的統計強度 3.41、S2 是 3.78、S3 是 4.45，純屬巧合的機率分別約萬分之七、不到萬分之二、以及百萬分之九。三條都穩穩越過嚴格門檻。

 報酬那道，沒過。  同樣三條策略，在報酬面對上買進持有的統計強度只有 0.50、0.26、0.67，巧合機率 0.615、0.798、0.501。三條全都離門檻很遠，其中 S1 和 S3 的方向還是反的，報酬面比買進持有略差一點。

兩道檢定合起來的意思很清楚：夏普值變好，主要來自平均曝險本來就低了 8 到 17 個百分點，不是來自「砍在對的時間點」。

拿掉 100% 的曝險，波動自然降，最壞的那些天自然沒那麼痛。同樣的效果，直接把持股比例固定在 S3 那樣的 82.8% 也做得到，還省下 13 到 27 次的換手成本。

順著這個邏輯往下看，S3 的曝險最低（82.8%），下檔檢定強度也最高（4.45），這兩件事同步往同一個方向跑，剛好是「少曝險」而非「會擇時」的旁證。

真要說有什麼可用的，是最大回撤那一欄：24.50% 降到 24.20%，差 0.3 個百分點。躲掉的幅度比多數人期待的小很多。

這份資料的邊界

用的是「現在」的大型股名單去回測 2014 年，NVDA 和 META 今天在名單上，是因為它們活下來且長大了。這種存活者偏誤會讓分歧度的歷史成績偏樂觀，方向明確，幅度我沒有辦法在這份資料裡量出來。

20 檔等權平均只是近似，跟真正按歷史成分股、按市值加權算出來的 S&P 500 分歧度不是同一個東西。

還有一層更關鍵的落差。這裡量的是股價實際走出來的分歧度，選擇權市場交易的是「大家預期會有多分歧」。兩者中間隔著一層溢價，這份資料推論不到那一層。想從這篇跳到分歧度交易划不划算，材料不夠。

還有一點技術上的：21 天的預測視窗天天重疊，等於同一段行情被重複計算了 21 次。正式檢定我用了針對重疊調整過的標準誤，但前面那些描述性的數字沒有這層保護，不要拿去當結論用。

三句話帶走

分歧度確實會均值回歸，而且回得很乾淨，斜率接近 -1、解釋力四成以上。

它預測不了下個月大盤的波動。把它加進預測模型，誤差幾乎沒動；加在 VIX 模型上還會退一點。

減碼規則改善了下檔損失，那來自曝險變少，不是來自擇時能力。把它講成「多賺了」，資料不支持。

整份檢定的判定是「混合」。有一段成立，有一段不成立，中間那條把它們連起來的橋沒有搭好。

資料與複現

資料來自 yfinance 調整後收盤價，標的為 SPY、20 檔美股大型股與 VIX，樣本 2014-01-31 至 2026-05-14，共 3,090 個交易日。預測實測期為 2022-01-01 至 2026-05-14，1,095 個交易日，逐日以擴張視窗重新配適。交易訊號一律延後一天執行，換手成本 2bps。隨機種子固定為 42，程式碼與完整結果可依相同參數重跑。

本文是資料分析，不是投資建議。

懶人包圖組