颶風愈強，再保險股愈晃？把對照組放進來，故事就變了

再保險公司做的生意，說穿了就是幫保險公司分擔巨災。颶風登陸、房子倒了、理賠單湧進來，最後有一段是他們吃下去的。

所以有個推論很自然：颶風愈強，這些公司的股價應該愈不安分。

而且強度有分級，Saffir-Simpson 那套一到五級。既然分了級，問題就從「有沒有颱風」變成能不能量出一條斜坡：每升一級，波動多加多少。

這條斜坡我量了。結果有意思的地方不在斜坡本身。

先講結論

斜坡確實往上。四檔再保險股的斜率全是正的，其中一檔看起來還很紮實。

但把一檔「不該那麼敏感」的對照組放進同一張圖，它的斜率也差不多。兩邊拉不開。

所以那條往上的斜坡，量到的比較像是「颶風季節整個保險業都會晃一點」，而不是「再保險公司特別扛得到風險」。

怎麼量的

登陸事件取自 NOAA 的 HURDAT2 資料庫，2010-09-04 的 EARL 到 2024-11-06，一共 42 次一級以上的大西洋登陸。分佈是一級 24 次、二級 5 次、三級 4 次、四級 6 次、五級 3 次。最強的那幾場都在裡面：2017 年的 IRMA 和 MARIA、2018 年的 MICHAEL 都是五級。

股價來自 yfinance 日收盤。四檔再保險股是 RNR（RenaissanceRe）、EG（Everest）、ACGL（Arch Capital）、AXS（Axis Capital）。

對照組用 KIE，一檔美國保險業 ETF。它裡面裝的是一般的保險公司，壽險、產險、經紀商，巨災曝險遠不如純再保險商。如果「扛巨災」這件事真的是關鍵，那 RNR 這幾檔的斜坡就該明顯陡過 KIE。

波動率的算法要講清楚，因為這裡最容易偷看未來。

登陸前的波動用 21 個交易日算，而且必須在登陸日往前推 6 個日曆日就截止。登陸後的波動用登陸後第一個交易日起算的 5 天。

控制變數用登陸前最後一個收盤的 VIX，跟 SPY 前 21 天的波動。亂數種子固定在 42。

數字長這樣

每升一級，事件後波動率多出來的幅度：

中間那欄是訊號相對於雜訊的倍數，愈大代表愈不像運氣。一般抓 2 左右當門檻。右邊那欄是同時檢驗四檔之後、把「多測幾次總會中一次」的機率扣掉的結果，數字愈小愈可信。

ACGL 那一列是真的：0.0023 就算扣過多重比較也站得住。

問題在最後一列。KIE 的斜率 +0.0197，訊號強度 2.31，單看也過門檻，而且它夾在四檔再保險股中間，比 RNR 還高。

對照組把結論翻掉

四檔再保險股的平均斜率是 +0.0243，KIE 是 +0.0197。差 0.0046。

光看這個差還不夠，要問的是「這個差有沒有大到不像雜訊」。所以把五檔股票、42 次事件疊成同一組資料（210 個觀測值），誤差按事件日分群，直接估「再保險股比 KIE 多出來的斜率」。

答案是 +0.0071，訊號強度 0.50，對應的機率是 0.615。

0.615 是什麼意思？就是如果再保險股跟 KIE 其實沒差別，光靠運氣也有六成機會看到這麼大的差距。這個差跟量測誤差分不開。

換句話說：能量到的東西，KIE 也有；再保險股多出來的部分，量不到。

波動的絕對幅度也很小

還有一件事值得看：這些斜率再怎麼顯著，實際的波動變化有多大？

42 次登陸平均下來，RNR 的年化波動從 0.2119 變成 0.2150，多了 0.0031。ACGL 從 0.2005 到 0.2054。AXS 甚至是往下的，從 0.2188 掉到 0.2086。KIE 從 0.1658 到 0.1641，也是往下。同期 SPY 從 0.1332 掉到 0.1272。

一年 21% 上下的波動率，事件後平均多零點幾個百分點。就算斜坡是真的，能拿來做什麼的空間也不大。

那要怎麼看這件事

我不會說「颶風不影響再保險股」。四檔的斜率都是正的，方向一致，ACGL 那條扣完多重比較還在。這不是零。

我會說的是： 這份資料撐不起「再保險股對颶風強度特別敏感」這個講法 。因為同一條斜坡在一檔巨災曝險低得多的保險業 ETF 上也量得到，而且兩者拉不開。

這中間的差別很實際。如果你想的是「颶風季買再保險股的波動率」，那你買到的東西，跟買一般保險股拿到的差不多。真正把再保險商跟同業分開的東西，理賠準備、再保條約的結構、巨災債券的觸發條件，不會寫在事件後五天的股價波動裡。

對照組的價值就在這裡。少了 KIE 那一列，ACGL 的 0.0023 看起來像個發現。放進來之後，它比較像是整個保險板塊在颶風季共有的季節性。

一個檢定要能證明什麼，得先問它排除掉了什麼。

資料來源：NOAA HURDAT2 大西洋颶風登陸紀錄、yfinance 日收盤價。樣本 2010-09-04 至 2024-11-06，42 次一級以上登陸事件。所有數字由 experiments/k1589/k1589_results.json 程式化讀出，圖表由 assets/k1589_general_figs.py 重跑即可重現。

懶人包圖組