強美元環境下，哪些資產的波動率真的會被拉高？HAC 校正後只剩 USO 站得住

直接用 Welch t-test 看，5 個資產裡有 4 個在強美元環境下波動率顯著偏高。但這個推論少了一層：21 日滾動已實現波動率彼此高度重疊，相鄰樣本的自相關非常強，直接用 Welch t-test 會把標準誤壓得太小。改用 OLS-HAC / Newey-West（maxlags=21）之後，4/5 Bonferroni 顯著縮成只剩  USO 1/5  還站得住。

資料是 2010-01-04 到 2026-06-05 的 4,131 個交易日，資產是 EEM、GLD、DBC、USO、DBB，美元體制代理是 UUP。體制定義有兩條路徑：level 用 UUP 相對 100 日均線的 z-score，trend 用過去 60 日報酬正負，兩者都先 shift(1) 避免 lookahead。

正式結論：naive Welch 看起來是 4/5，但 HAC 後只剩 USO

先把 level 體制的兩套結果放在一起看：

差值方向幾乎沒變，但顯著性掉得很明顯。EEM、DBC、DBB 在 naive Welch 下都過 Bonferroni，換成 HAC 後全部掉出 α=0.01。只有 USO 還留在門內，代表「強美元下油的波動率偏高」這件事，不只是大樣本把 t 值堆上去，而是在 overlap-aware 的標準誤下仍然成立。

換成趨勢體制定義，答案還是一樣

如果把強弱美元改成 trend 體制，結果一樣。HAC 後仍然只有 USO 通過 Bonferroni；EEM、DBC、DBB 依舊只剩方向一致，沒有留下 paper-grade 顯著性。

這個 cross-check 很重要，因為它把結論釘得更窄也更穩： 不是「強美元會普遍抬高跨資產波動率」；而是「在這 5 個資產裡，USO 是唯一在兩種體制定義、兩層 Bonferroni、以及 HAC 校正後都留下來的標的」。 

為什麼重疊樣本會讓 Welch 太樂觀

關鍵在 21 日 RV 的重疊性。K1439 的 ACF(1) 幾乎貼在 1 附近：EEM 0.989、GLD 0.984、DBC 0.984、USO 0.990、DBB 0.984；連 ACF(21) 都還有 0.43 到 0.59。這種資料結構下，把每天的 RV 當成彼此接近獨立，結論會太樂觀，這不是 wording 問題，是 inference layer 的問題。

所以結論要分兩層講：

1.  描述性層次 ：EEM、DBC、USO、DBB 的 strong-minus-weak RV 差值都為正，方向上確實像是強美元對風險資產和商品帶來較高波動。
2.  正式推論層次 ：補上 HAC/Newey-West 後，只有 USO 在 level 與 trend 兩種 regime 定義下都通過 Bonferroni。其他資產最多只能說「方向一致、證據偏弱」，不能寫成已確認的普遍效果。

研究與實務上能說什麼

一句話總結： 這份資料不支持「強美元普遍抬高跨資產波動率」，只支持「油（USO）對強美元體制最敏感，而且這個結果在嚴格推論下仍然成立」。 

如果目的是拿去做模型先驗，美元體制變數仍值得留在觀察名單裡，但優先順序不同。USO 可以當成有正式統計支撐的候選外生變數；DBC、DBB、EEM 則比較像需要下一輪 moving-block bootstrap 或子期間切分再確認的 suggestive evidence。GLD 目前仍然是乾淨的 null。

本文基於實驗 K1439（腳本：experiments/k1439/k1439.py；重現腳本：experiments/k1439/reproduce.py；結果：experiments/k1439/k1439_results.json）。資料來源：yfinance，期間：2010-01-04 至 2026-06-05，樣本：4,131 個交易日。正式推論採 HAC/Newey-West（maxlags=21）；Welch t-test 僅作描述性統計。