颶風登陸之後，再保險股的波動真的比較大嗎：42 個事件，一個對照組把答案翻掉

大西洋颶風登陸，承擔巨災風險的再保險公司股價波動應該上升。這個推論直覺上很順：颶風強度越高，理賠潛在規模越大，不確定性越高。K1589 把它寫成一個可以檢定的劑量反應假說：登陸強度越強，事件後的已實現波動增幅越大。

實驗跑完之後的 verdict_internal 是 NULL。這個 null 有它自己的來歷：四檔再保險股都測到了正向反應，其中一檔還通過多重檢定校正；把它推翻的是對照組，同樣的反應在廣義保險 ETF 上也出現了。

事件、視窗與 lag

事件來自 HURDAT2 的首次登陸紀錄，樣本內合格且實際使用的事件數都是 42。標的有五檔：RNR、EG、ACGL、AXS 四檔再保險股，加上 KIE 這檔保險類股 ETF 作為對照基準。控制變數兩個：事件前一日收盤的 VIX，以及 SPY 的已實現波動。兩者的視窗逐字寫在結果檔的 lookahead_policy：VIX control uses last close strictly before t0; SPY control uses 21 trading returns strictly before t0。

時間視窗的定義寫在 rv_window_spec 與 lookahead_policy 裡，兩者互相對照。事件前波動的定義逐字是 21 trading-return std * sqrt(252), ending at last trading date <= t0-6 calendar days——視窗長度與那六個日曆日的緩衝都寫死在結果檔裡；事件後波動用 t+1 到 t+5 這五個交易日；t0 定義為「不早於 HURDAT2 首次登陸日的第一個交易日」。VIX 控制取嚴格早於 t0 的最後一個收盤，SPY 控制取嚴格早於 t0 的 21 個交易日報酬。

t0 − 6 這個緩衝值得注意。颶風不是瞬間事件，登陸前幾天市場已經知道它要來，如果事件前波動的視窗貼著登陸日結束，那個「事前」其實已經含有反應。留六天的緩衝是在避免用被污染的基準去量增幅。

推論用 HAC 標準誤，cov_maxlags = 10，事件依時間順序排列。四檔再保險股之間用 Holm-Bonferroni 校正，KIE 明確排除在校正族之外（multiple_testing.benchmark_excluded 逐字記著 KIE）。

逐檔看：有一檔通過了

四檔再保險股對登陸強度的迴歸係數（beta_category）：

四檔的係數全部為正，方向與假說一致。ACGL 通過 Holm 校正，校正後 p 值 0.0023。EG 與 AXS 的未校正 p 值落在 0.05 附近，校正後退到 0.137。

success_criteria.any_reinsurer_beta_pos_holm_p_lt_0p10 因此是 true。如果實驗到這裡就停，結論會是「再保險股確實對颶風強度有劑量反應，其中 ACGL 最明顯」。

對照組也有同樣的反應

問題在 KIE 這一列。

KIE 是保險類股 ETF，成分涵蓋整個保險業，不是專門承擔巨災風險的再保險公司。它在同一個迴歸裡的係數是 0.0197，t 值 2.306，p 值 0.021，R² 0.322——比任何一檔再保險股都高。

如果「颶風強度 → 波動上升」是再保險公司特有的巨災風險敞口造成的，那麼這個反應在廣義保險 ETF 上應該明顯較弱。實際上 KIE 的係數落在四檔再保險股的範圍中間，而它的 R² 還更高。

實驗因此跑了一個正式的交互作用檢定，把五檔標的放進同一個面板（n = 210，等於 42 個事件乘五檔），用事件日期叢聚標準誤，估計「再保險類別相對 KIE 的額外效果」：

• beta_kie_category = 0.0177
• beta_reinsurer_minus_kie_category = 0.0071
• se_reinsurer_minus_kie_category = 0.0142
• t_reinsurer_minus_kie_category = 0.503
• p_reinsurer_minus_kie_category = 0.615

再保險股相對對照組的額外劑量反應是 0.0071，標準誤 0.0142，t 值 0.503。這個估計值連自己的標準誤的一半都不到。

success_criteria.formal_reinsurer_minus_kie_interaction_pos_p_lt_0p10 因此是 false。這是 verdict 落在 NULL 的直接理由：逐檔看得到的反應，識別不出是再保險特有的。

這個 null 的檢定力上界

這一節必須寫在結論之前，因為它決定了「沒有偵測到」能講多重。

事件數是 42（n_events_used = 42，與 n_events_eligible 相同，沒有事後篩選）。四十二個事件對一個要估四個係數（截距、劑量、VIX、SPY 波動）的迴歸來說不寬裕。HAC 的 cov_maxlags = 10 在這個樣本量下會讓標準誤偏大，而標準誤偏大讓 null 更容易得到。

交互作用檢定的樣本是 210 個觀測，但獨立單位仍然是 42 個事件（標準誤已依事件日期叢聚，這個處理是對的）。要在 42 個事件上偵測到「再保險比廣義保險多出 0.007 的劑量反應」，需要的效果量遠大於現有估計。

所以這份 null 的正確讀法是：在 42 個事件、這組視窗定義、這組控制變數下，沒有偵測到再保險股相對保險類股 ETF 的額外劑量反應。它不是「證明再保險股對颶風沒有特別反應」。小樣本讓檢定力有上界，未達顯著與效果不存在是兩件事。

這份結果的範圍

範圍限制有幾項：事件只取大西洋颶風的首次登陸，沒有涵蓋其他災種；標的只有四檔再保險股加一檔 ETF，不是完整的產業橫斷面；波動視窗是事件後五個交易日，更長的視窗可能有不同結果；劑量的定義是登陸強度分級，不是保險損失金額。

什麼樣的後續能把答案推進一步

這份 null 指出三條可以續做的路，每一條都能寫成獨立的可檢定問題。

第一條是換劑量。目前用登陸強度分級當劑量，那是氣象變數，與保險損失之間隔著暴露度與地形。改用實際的保險理賠估計（例如產業損失指數）當劑量，訊噪比應該更好，代價是資料取得較難且公佈有延遲。

第二條是換視窗。事件後五個交易日的視窗抓的是即時反應，而再保險的理賠評估通常要數週。把視窗延長到 20 或 60 個交易日，同時處理視窗重疊造成的相關，可能會看到不同的分佈。

第三條是擴大橫斷面。四檔再保險股加一檔 ETF，橫斷面太窄，無法用「巨災敞口比例」做連續變數的分組。若能取得各公司財報揭露的巨災再保比重，就可以把「敞口越高、反應越強」這個更精確的假說直接放進迴歸，而不是依賴類別虛擬變數。

這個實驗真正示範的東西

四檔再保險股的係數全部為正、其中一檔通過多重檢定校正，這組讀數本身是漂亮的。它之所以沒有變成結論，是因為實驗同時準備了一個對照組，而對照組也亮了。

這個設計選擇值得單獨指出來。如果 KIE 沒有進到這個實驗裡，同一批數字會支撐一個看起來很紮實的正面結論，而那個結論會是錯的，因為它把「保險類股在颶風後波動上升」誤認成「再保險股因為巨災敞口而波動上升」。對照組的作用就是把這兩件事分開。

事件研究裡最容易被略過的一步是「這個反應在不該有反應的東西上有沒有出現」。K1589 做了這一步，代價是一個 null，收穫是一個不會誤導人的結論。

延伸閱讀：同一顆實驗的讀者版

這顆實驗先前已有一篇面向一般讀者的文章：颶風愈強，再保險股愈晃？把對照組放進來，故事就變了。那一篇回答的是「這個說法成不成立」，本篇回答的是「這個實驗到底量了什麼、量到哪裡為止」。兩篇引用同一份 K1589 的結果檔，數字相同不是重複發布，是同一個量測的兩個深度；若兩篇的數字有出入，以結果檔為準。

 實驗 ：K1589｜ 事件 ：HURDAT2 大西洋颶風首次登陸，42 個事件（合格數與使用數相同）｜ 標的 ：RNR、EG、ACGL、AXS（再保險）＋ KIE（對照基準）｜ 控制 ：VIX（t0 前最後收盤）、SPY 21 日已實現波動（嚴格早於 t0）｜ 推論 ：HAC（maxlags 10）＋ Holm-Bonferroni（僅四檔再保險股）；交互作用檢定用事件日期叢聚標準誤｜ seed ：42｜ verdict ：NULL｜ 數字來源 ：experiments/k1589/k1589_results.json（逐一對應的 metric key 見同目錄 PROVENANCE.md）