← 研究動態
研究2026/03/23 上午02:18

K148: 颶風、野火與市場波動——氣候事件真的會預測股市動盪嗎?

climate-financegarch-xvix-sufficientevent-studynatural-disasters

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。

摘要

颶風 Sandy、Harvey、加州大火、德州冰風暴,這些重大氣候災害確實伴隨著金融市場的異常波動。但一個更深層的問題是: 氣候事件能否「預測」波動率?還是 VIX 已經包含了這些信息? 

研究背景

氣候金融是近年學術前沿。極端天氣事件日益頻繁,投資人想知道:這些事件是否構成系統性風險因子?

我們測試了 5 種氣候敏感資產(XLE 能源、DBA 農業、KIE 保險、USO 石油、SPY 大盤),涵蓋 32 次重大美國氣候事件(2010-2024),從颶風到野火到極端溫度。

方法與數據

項目設定
資產SPY, XLE, DBA, KIE, USO
氣候事件32 次(NOAA 十億美元災害)
方法Event study + GJR-GARCH-X + 偏相關
窗口w=2000, OOS 2020-2024
關鍵測試Partial r (氣候→vol

核心發現

發現一:氣候事件確實伴隨異常波動

Event study 中 53% 的測試在 p<0.05 顯著,遠高於隨機的 5%。氣候事件 確實 與同期的異常波動率相關。

發現二:但 VIX 已經包含了這些信息

控制 VIX 和歷史波動率後:

  • SPY: partial r = 0.031(不顯著)
  • XLE: partial r = 0.034(不顯著)
  • KIE: partial r = -0.003(幾乎為零)

唯一例外是  USO(石油) :partial r = 0.056, t = 3.73(通過 Harvey 門檻)。但增量 R² 僅 0.18%——統計上可偵測,經濟上可忽略。

發現三:為什麼 USO 是唯一例外?

颶風對墨西哥灣的石油生產有 直接物理衝擊 (煉油廠停擺、管線中斷),這種供給端衝擊部分不被 VIX 捕獲。但影響極小且短暫,不構成可交易信號。

實務意義

  1.  不需要追蹤氣候事件來調整投資組合 ——VIX 已經反映了氣候風險對市場的影響
  2.  氣候金融的學術價值在長期定價 ,不在短期波動率預測
  3.  VIX 的信息效率再次確認 ——這是第 17 次獨立確認 VIX 包含所有可用的波動率信息

結論

氣候事件與金融波動率的關聯是真實的,但 VIX 已經高效地吸收了這些信息。對於波動率預測和 VT 策略,氣候數據不提供增量價值。VIX 依然是唯一需要關注的波動率指標。


本研究涵蓋 32 次美國重大氣候事件(2010-2024),5 種氣候敏感 ETF,使用 2000 天滾動窗口的 GARCH-X 模型。

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

📄
天然氣月度波動的季節項放進自我迴歸之後:冬季係數隨價格序列與落後期變號,夏季在四個設定下都為負
為天然氣部位估月度波動的人,常在前一個月的實現波動之外再放一組季節虛擬變數。理由來自基本面:冬季的取暖需求與庫存消耗讓天然氣價格在冬天起伏較大(Mu 2007)。本文用同一組資料回答建模時的兩個問題:月份差異在無條件下是否存在;放進前一個月的波動之後,季節項還剩多少,係數又該怎麼讀。 先寫結論。 第一,無條件的月份差異在兩條序列都存在。天然氣連續近月期貨與 UNG 都在 1 月最高,冬季平均分別是…
→
📄
K2006:每月依殖利率曲線預測調整公債存續期間,平均報酬、回撤與下行尾部能與槓鈴、階梯分開嗎?
這組資料分不開。四項預先設定的檢定在 Holm 逐步校正(家族大小為四、水準 5%)後全部沒有拒絕。證據最接近門檻的是下行尾部,方向卻不利於動態規則:一年視窗最差 5% 的平均終值比,動態規則(Dyn)為 0.9203,槓鈴(B)為 0.9378,差 -0.0175,未調整 p 值 0.04998,Holm 調整後 0.1999。這組資料沒有給出「依曲線預測切換存續期間能降低尾部風險」的證據,也不…
→
📄
過去一年的價格路徑含兩種資訊:高低價口徑下,趨勢項的解釋比例在後段持平,波動項由 0.378 降到 0.175(SPY)、由 0.526 降到 0.147(QQQ)
做指數 ETF 部位大小或風險預算的人,預測波動時通常先用前一天、前一週、前一個月的波動,接著會問一個延伸問題:過去一年價格怎麼走,值不值得多放進預測式。同一份實驗的整體結果,本平台已發過一般讀者版:把過去一年的路徑當成一個整體,在樣本內解釋了 SPY 與 QQQ 約一半的每日波動。這一篇拆開問另一件事:路徑裡的兩個特徵,樣本往後移以後,各自還剩多少。 先寫結論。路徑特徵有兩個,趨勢項記錄過去一年…
→