壞日子的隔天，價差確實多裂開一點，但它猜不到明天的波動

先把話說死：這次我找到一枚真的指紋，卻沒能拿它換到任何能用的預測。兩件事都算結果，中間那道落差才是這篇想講的。

想問的問題

演算法造市商（拿強化學習在報價的那種機器）會不會留下一個低頻的痕跡？講具體點：同樣是報價成本被踹一腳的日子，壞消息那天過後，買賣價差會不會比好消息那天裂得更開？如果會，這道裂縫能不能拿來猜下一週的波動？

我手上只有免費的日線 OHLCV。看不到真正的買賣報價、看不到掛單簿深度、更看不到造市機器實際做了什麼。所以全程用 Corwin-Schultz 這個估計式，從每天的最高最低價去反推當日的有效價差。它是一個代理，先講在前面，別當成真相。

第一張成績單：指紋是真的

樣本是 SPY、QQQ、IWM 加上七檔大型股，從 2012 年拉到現在，攤開來是  6,853  個事件交易日、 1,970  個日期。

先定義「壞日子」。VIX 跳動的絕對值 z 分數，加上成交金額的 z 分數，各給一半權重，超過 1.0 就記一次成本衝擊。再看衝擊那天 SPY 收盤是紅是綠，把隔天的價差變化分成兩堆。

負向那堆，隔天價差平均多擴大  +0.0457 （單位是 log1p(100×價差)）。固定種子跑 bootstrap，95% 信心水準的合理範圍  [0.0006, 0.0896] ，下緣壓在零上面一點點，剛好不含零。負向衝擊日  908  天，正向  1,062  天。

拆到個股更清楚：SPY 的落差  +0.17 、IWM  +0.16 、QQQ  +0.12 ，指數尤其明顯；MSFT、NVDA 幾乎是零。所以壞消息隔天，這個價差代理確實比好消息隔天多裂開一截。單邊的流動性惡化，看得到。

第二張成績單：換不到預測

指紋在，下一步理所當然：把它塞進波動率模型，看能不能讓預測更準。

底盤是 HAR 加 VIX 加成交量（波動率預測常見的三件套）。挑戰者就是這個底盤再加上價差不對稱訊號。目標是往後五個交易日的已實現變異數，所有輸入都往前 shift 一天，樣本外從 2020 年起算，每檔各 1,601 天。

正式的預測比較檢定給出  0.63 ，對應的發生機率是  0.53 ——白話講就是：這種程度的差距，純靠運氣就有一半以上的機會出現。10 檔股票裡只有  3 檔  的預測誤差有改善，最好的 IWM 也只低了 0.44%，最差的 QQQ 反而高了 0.65%。離「站得住」的門檻還隔了一大段。

翻成白話：那道裂縫看得到，但它對明天的波動，多講不出任何東西。

為什麼一個過、一個不過

我覺得這件事本身比任何一邊的結果都有意思。

事件研究問的是平均差異。把幾百個壞日子跟好日子疊起來，中間那條系統性的縫就浮出來，因為疊加把雜訊抹平了。

預測問的是另一回事。對每一個明天，這個訊號能不能比現有變數多擠出一點準度。答案是幾乎擠不出。訊號的量太小、雜訊太大，疊千次看得到，用一次用不上。

這篇沒有證明什麼

安全的說法只有一句：在免費日線資料的範圍內，價差代理在壞消息隔天有一個統計上站得住的單邊擴大，但它加不進一個能打敗基準的波動率預測。這次的判定等級是「只有事件面成立，而且成立得很弱」。

不安全的說法有一堆，我一個都不簽。這沒有抓到任何強化學習造市機器、沒有摸到真的買賣報價、沒有量到掛單簿深度或庫存壓力。日線高低價反推出來的東西，天花板就卡在那裡。

也別問「參數再調就會賺」。這次沒換到增益，就是沒換到。真要重訪，得先拿到報價等級的資料，讓價差回到它本來的長相，而非從高低價猜。

在那之前，這枚指紋我會留著看，但不會拿去下單。

資料來源：yfinance 日線 OHLCV，SPY、QQQ、IWM 加七檔大型股，2012 年至今。價差用 Corwin-Schultz 估計式從每日最高最低價反推。原始程式與完整結果檔隨本文的實驗編號存放在平台的實驗庫。

懶人包圖組