想用新聞原創比例預判下週震盪？這道功課可以先省下來

打開任何一個財經新聞聚合頁，同一則通訊社稿會被幾十個網站換個標題轉貼。獨家報導與轉載混在一起，讀者分不出今天的新聞量是「真的有很多事發生」，還是「一件事被講了很多遍」。

一個自然的猜想由此而來：如果某天獨家報導的比例特別高，代表媒體正在挖出新資訊，市場接下來幾天可能比較不平靜。要是猜想成立，它會是一個免費的預警指標，只要數一數今天有幾則不同的新聞就好。

這篇要回答的是一個很實際的問題：這件事值得排進你每天的功課嗎？我們拿六百多個交易日、十五萬篇新聞實測了一次。答案是可以先省下來，原因分兩層，第二層比第一層更值得記住。

資料怎麼組

新聞來自 GDELT 這個免費的全球新聞資料庫。我們抓下二○二四年一月初到二○二六年八月底，以「stock market」為關鍵字、來源為美國英文媒體的全部標題與來源網站，共 150,073 篇。每一則標題先做正規化，同一則稿子在不同網站的版本會被歸成同一組；一組標題若出現在兩個以上的網站，就算轉載。

每個交易日算出一個「原創比例」：不同標題的組數裡，沒有被轉載的組占多少。整段期間有 654 個交易日窗口，每天的新聞篇數中位數是 212 篇，原創比例的平均值是 0.902。

市場那一端用四檔常見的美股 ETF：大盤、科技、金融、能源。每檔各看三種「接下來五天」的風險：整體波動、下跌那一側的波動、以及單日最大的跳動幅度。四檔乘三種，共十二項檢定。所有新聞、新聞量、過去波動與恐慌指數的資訊都只用前一天以前的值，避免偷看到當天收盤之後的東西。

第一層：怎麼數新聞，會改變答案的方向

我們的第一版把每一篇文章各算一次。一則通訊社稿被四十個網站轉貼，就貢獻四十篇「轉載」。用這種算法，原創比例與當天新聞量的相關係數是 -0.556：新聞越多的日子，原創比例越低。看起來像個發現，仔細想卻是定義造成的。大新聞當天轉貼最多，分母膨脹，原創比例自然被壓下去。

第二版改成每一組不同標題只算一次，四十個轉貼只算一組。相關係數縮到 -0.307，與新聞量的糾纏少了將近一半。更重要的是，原創比例對大盤未來五日波動的估計方向，從第一版的 +0.274 翻成第二版的 -0.579。同一份資料、同一個問題，只因為「數的單位」不同，結論就從「原創多、之後較震盪」變成相反方向。

還有一個容易被忽略的地方：週末新聞。全部新聞裡有 27,572 篇發在週末，占 18.4%。第一版只收交易日當天的新聞，週末與假日的稿子整批被丟掉，只有 79.1% 的文章進入模型。第二版把每個曆日的新聞併到下一個交易日，覆蓋率升到 99.9%，剩下的 161 篇是最後一個交易日之後的新聞，沒有可以對應的交易日。

這一層對讀者的意義很直接：任何拿新聞篇數當指標的做法，若沒有先把轉載去重、把週末併回來，看到的訊號有一部分是計數方式製造出來的。

第二層：數對了之後，訊號沒有跨過門檻

用第二版的算法，排除新聞資料庫回傳量被截頂的 115 個窗口（占 17.6%）之後，主樣本有 539 個交易日。十二項檢定的結果如下，證據強度離零越遠代表訊號越清楚，正值代表原創比例高、之後越震盪：

十二項裡最強的一項只有 1.36，出現在科技類股的整體波動，而且方向是負的。實驗開跑前就寫下的門檻是二點五；考慮到一次做了十二項檢定、必須更嚴格時，門檻是 2.87。沒有任何一項接近。四檔標的的方向也沒有一致：大盤與科技偏負，金融與能源偏正，看不出一個共同的故事。

事前定下的三個判定條件是：大盤那一項要達到正向門檻、四檔標的至少三檔同方向、大盤在樣本外要有正的增量解釋力。前兩條都沒有達成。第三條有達成，但幅度小到可以忽略：把二○二五年九月一日之後的 206 個交易日留作樣本外檢驗，用之前的 328 個交易日估計模型，加入原創比例之後，對大盤未來五日波動的解釋力只多了 0.00099。

這對你的決策代表什麼

省下來的，是一整套工作：抓新聞、去重、算比例、每天更新。這條線在目前的資料與方法下，沒有給出可用的預警訊號。你不需要為了「今天獨家特別多」而調整部位，也不需要付費買任何標榜「新聞原創度」的資料。

值得留下的，是計數的教訓。我們之前寫過幾篇拿新聞「數量」當波動率訊號的實測，油市新聞與監管文件數量都沒有跑出可用的訊號。這篇換了一個角度，看的是新聞的「成分」，也就是原創與轉載的比例，同時扣掉了新聞量的影響。結論仍然一致，並且多了一個前幾篇沒有碰到的發現：新聞資料的計數單位選錯，會憑空生出一個方向明確的假訊號。

這個結果的邊界

這篇能說的只有「在這份資料、這個代理變數與這段期間裡，沒有偵測到事前門檻要求的大型正向關聯」。它不能說原創新聞對波動沒有影響，理由有三個。

第一，我們用標題正規化來判斷轉載，這只是文字層面的分組，抓不到「同一件事、不同寫法」的報導，也分不出編輯意義上的原創。第二，修正後的分析是在第一輪審查指出計數問題之後才做的，屬於看過結果再修正的版本，我們在實驗紀錄裡明確標為非盲測。第三，排除截頂窗口之後，樣本偏向新聞量較少的日子，最熱鬧的那些日子反而不在主結果裡。

另外，控制了新聞量、過去波動與恐慌指數之後，原創比例仍有 88.8% 的變異沒有被這些因素解釋。它量到了某個獨立的東西，只是那個東西在這裡沒有轉成未來五日的波動訊號。

一句話結論

一天的新聞裡獨家占多少，在六百多個交易日、四檔美股 ETF、十二項檢定裡都沒有預告下週的震盪；把這道功課省下來，並且記住：數新聞之前，先決定一則被轉貼四十次的稿子算一篇還是四十篇。

懶人包圖組