跟單政治人物能否獲利？SPY 代理模擬的結果與限制

你有沒有看過這種廣告：「跟單國會議員，年賺 XX%！」

這個邏輯聽起來很合理。政客接觸未公開的法規草案、補貼計畫、產業政策，一般人很容易以為他們的資訊比分析師早。如果你知道某人在法案通過前就悄悄買了一批半導體股，你當然想跟著一起買。

這篇不回答「真實的議員交易能不能跟」，因為我們沒有用真實的議員交易或申報資料。它回答一個比較窄的問題： 一個知道未來方向的訊號，晚幾個交易日才拿到，還值多少？ 

美國有個法律，叫 STOCK Act

2012 年，美國國會通過了 STOCK Act。

其中一條規定： 國會議員的股票交易，要在 45 天內申報。 

這篇的模擬用交易日計算延遲。下面說的「延遲 45 個交易日」是模型設定，不等同這條規定的 45 天。

我們用 20 年的 SPY 數據，算一個代理模擬

我們的研究（K823，2005–2024，超過 5,000 個交易日）模擬了一個場景： 假設你能百分之百知道 SPY 接下來的方向，只是要晚幾個交易日才能用，你還能賺錢嗎？ 

結果如下：

這張圖說的是：

•  當天方向預知（做不到） ：如果事先知道每天收盤是漲是跌，Sharpe 是 7.66，相當於每年賺 144%。這是理論上限，真實世界不存在。
•  延遲 1 個交易日 ：Sharpe 直接變成 -0.88。 不是少賺，是虧錢。 
•  延遲 45 個交易日 ：Sharpe -0.35，CAGR 約 -6%。

相比之下， 什麼都不做、直接買入持有 SPY ：Sharpe 0.61，CAGR 約 10%。

也就是說，在這個模擬裡，即使每天的方向都完全正確，只要晚 45 個交易日才用， 績效還是輸給什麼都不做的策略 。

為什麼延遲一天，就完全失效了？

這背後有個有趣的市場機制。

股市有一個特性叫「均值回歸」：今天漲比較多的股票，明天往往跌一點；今天跌的，明天有時會反彈。這是市場的短期「換氣」現象。

所以，如果昨天 SPY 漲了，你今天照著「昨天的訊號」買進，剛好逆著這個換氣的方向—— 買在小高點，然後跌給你看 。

在這個模擬裡，當天方向的資訊只對當天有用，隔一個交易日就失效。

那如果資訊是「長線的」呢？

有人會說：「好，我知道政客不是靠預測每天漲跌。他們靠的是大事，像是政府要大力補貼某個產業。這種資訊應該影響更長期吧？」

我們也測試了這個版本：假設知道之後 22 個交易日（約一個月）報酬加總的正負，然後測試延遲多久後訊號還有效。

結果：延遲 22 個交易日時 Sharpe 最高，是 2.41。但這個數字要小心讀：延遲 22 個交易日時，用來決定部位的那 22 天裡，最後一天正好是持有的那一天，等於還看得到當天的報酬。延遲到 23 個交易日，這部分消失，Sharpe 立刻掉到 0.49，已經低於買入持有的 0.61。

延遲 45 個交易日時是 0.28，同樣低於買入持有的 0.61。

 所以在這個模擬裡，長線訊號延遲超過 22 個交易日以後，績效大多低於買入持有。這個結果不能用來判斷 45 天的申報期限發揮了什麼作用。 

就算訊號百分百正確，這個模擬裡還是跑輸

我們還做了一個測試：在 22 個交易日的訊號上加入噪音，準確率分別設為 55%、60%、65%、70%、80% 和 100%，延遲固定 45 個交易日。

答案： 六個設定都輸給買入持有。 

準確率 100% 時，Sharpe 也只有 0.28，低於你直接買 SPY 的 0.61。

要注意，這只是固定隨機種子、單一路徑的六個設定，不代表任何準確率、任何跟單方法都贏不了大盤；議員真實的準確率，我們也沒有資料可以驗證。

那那些「議員跟單賺大錢」的故事是怎麼回事？

你可能在社群媒體上看過：「某某議員持倉報酬 300%！」

這些故事幾乎都有兩個共同點：

 第一，選最好的那個人 。美國有 535 個國會議員，每年都有幾個人剛好買到最熱的科技股。但那些買錯的大多數，你不會看到有人轉發。這叫「倖存者偏誤」。

 第二，把事前運氣當事後智慧 。一個議員剛好在 AI 熱潮前買了 Nvidia，不代表他是因為「政策資訊」才買，也可能只是剛好。

學術研究在 2004 年發表過參議員交易有統計顯著超額報酬的結果。

實際可行的建議

如果你真的想研究政客交易，可以把它當作 輔助資訊之一 ，而不是直接跟單。

比如：如果多位議員都在增持某個產業，這可能反映某些政策方向正在討論中，你可以用來幫助判斷「哪個產業未來政策環境較好」，而不是直接複製他們的買賣。

但即使這樣，也要記住： 申報資料公開時，交易已經過了一段時間。 

結語

這組 SPY 模擬說明的是：知道未來方向的訊號，晚幾個交易日才用，價值掉得很快；長線訊號延遲超過 22 個交易日以後，績效大多低於買入持有。

它沒有用到真實的議員交易，所以不能告訴你某位議員的交易值不值得跟，也不能說明申報期限發揮了什麼作用。想參考政客交易，最多把它當成觀察政策方向的輔助資訊。

本文基於實驗 K823 的實證結果（腳本：experiments/k823/k823_congressional_trading.py，數據來源：yfinance，SPY，期間：2005–2024，超過 5,000 個交易日）。這是 SPY 代理模擬，不是真實國會交易資料。非投資建議。