← 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。
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
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
- 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
- 氣候金融的學術價值在長期定價 ,不在短期波動率預測
- 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…