GDP、失業率、利率⋯這些總經數據能預測股市波動嗎？實測結果讓人意外
讀者互動
登入會員可按讚與收藏。
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。
每次聯準會公布經濟數據，新聞都說「市場將因此大幅波動」。GDP 成長放緩、失業率攀升、殖利率曲線倒掛⋯這些總經數據真的能幫你預測市場波動嗎？
我們用 2005-2026 年的美股數據做了嚴格測試。結果可能讓你重新思考投資策略。
六個模型的擂台賽
我們比較了六種預測 SPY 波動率的方法：
QLIKE 越低代表預測越準確。VIX 一枝獨秀，宏觀變數全部敗下陣來。
| 排名 | 模型 | 用什麼預測 | QLIKE |
|---|---|---|---|
| 🥇 | A4f(VIX) | 恐慌指數 VIX | 1.403 |
| 🥈 | VIX + 宏觀 | VIX + 利差 | 1.415 |
| 🥉 | 宏觀（利差＋失業率） | 利差 + 失業率（不含 VIX） | 1.475 |
| 4 | 宏觀（失業率） | 失業率 | 1.492 |
| 5 | GJR（基準） | 只用歷史波動 | 1.497 |
| 6 | 宏觀（利差） | 10 年期 vs 3 個月利差 | 1.501 |
三個出乎意料的結論
1. 宏觀數據對「什麼都不看」沒有顯著幫助
利率期限利差（Term Spread）和失業率作為預測因子，與 GJR 基準模型的差距都不顯著（DM t 統計量分別是 −0.13 和 0.26，正值代表宏觀模型較準）：利差的 QLIKE 比 GJR 高 0.004，失業率低 0.005。把利差和失業率合併成一個模型，QLIKE 1.475 也只比 GJR 低 0.023，DM t 統計量 1.48，同樣未達顯著。也就是說，加上這些總經數據，並沒有比只看昨天的波動率顯著更準。
2. 加了宏觀變數反而變差
把 VIX 和宏觀變數組合起來（VIX + Macro），QLIKE 從 1.403 惡化到 1.415。 多加資訊不但沒幫助，反而是雜訊。
這就像天氣預報，如果你已經看了氣壓計（VIX），再去問隔壁阿伯「今天會不會下雨」只會讓你更困惑。
3. VIX 的統計優勢壓倒性
VIX vs GJR 的 DM 檢定 t 統計量 = 4.77，遠超學術最嚴格的 Harvey (2016) 門檻 3.0。這不是「可能比較好」，而是「幾乎確定更好」。
為什麼宏觀數據不管用？
Conrad & Loch (2015) 在學術期刊上發表過類似研究，發現宏觀變數有時能改善波動率預測。但那是在 VIX 指數不那麼普及的年代。
現在 VIX 本身就已經 消化了所有宏觀資訊 ——市場參與者在交易選擇權時，已經把對 GDP、失業率、通膨的預期都反映在 VIX 裡了。單獨看這些指標，只是看到 VIX 已經包含的「舊聞」。
投資人該怎麼做？
不需要每天盯著總經數據調整部位。 看 VIX 就夠了：
- VIX < 15：市場平靜，可以多持股
- VIX 15-25：正常範圍，維持配置
- VIX > 25：高波動，減少曝險
這比「失業率上升了所以要減碼」「GDP 放緩所以要保守」簡單得多，而且更準。
一句話：你不需要讀完所有總經報告才能管理風險。看一個數字就好：VIX。
本文基於實驗 K1001 的實證結果（數據來源：yfinance + FRED，期間：2005-2026，OOS 1,779 天） 參考文獻：Conrad & Loch (2015). JAE 30(7):1090-1114.
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