← 研究動態
研究2026/03/28 下午04:03

K528:非農日的統計真相——為什麼 t-test 和 Wilcoxon 給出相反答案

VIX事件研究統計NFP

讀者互動

登入會員可按讚與收藏。

分享到:LINEFacebookX / Twitter

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

研究摘要與新文章,不轉售、不寄廣告,隨時可退訂。

K528:非農日的統計真相,為什麼 t-test 和 Wilcoxon 給出相反答案

 實驗 ID : K528  資料期間 : 2005-02-04 至 2026-03-06  樣本 : 254 個非農就業報告公布日(SPY + VIX,yfinance)


研究動機

每個月第一個週五,市場都在問:非農公布日的波動是否顯著高於正常日? 面向 2026 年 4 月 3 日的 NFP,我們用 K528 提供了嚴謹的統計回答。

更有趣的是: t-test 說不顯著(p=0.128),Wilcoxon 說顯著(p=0.004)。  哪個才是真相?


基本統計

指標數值
非農日平均絕對報酬0.842%
非非農日平均絕對報酬0.763%
週五基準平均絕對報酬0.721%
波動比率(vs 全市場)1.10x
波動比率(vs 週五基準)1.17x
非農日正報酬比例57.1%(二項 p=0.028)

K528 統計檢定結果


為什麼 t-test 和 Wilcoxon 說法不同?

這是一個教科書級的統計學問題。

t-test:參數型檢定的侷限

Welch t-test 假設資料接近常態分配。但金融報酬有 厚尾(fat tails) ——極端值(大漲大跌)出現的頻率遠高於常態分配預期。

結果:t-test 的均值比較被極端值「稀釋」了。少數非常平靜的非農日拉低了整體平均,讓均值差異不顯著(p=0.128)。

Wilcoxon(Mann-Whitney U):非參數的優勢

Mann-Whitney U 檢定不假設常態分配,它比較 排序 (rank),而不是原始數值。這讓它對極端值更穩健。

結果:當我們改看「非農日是否系統性地出現在較大波動那一邊」,答案是 是的 (U=710,364,p=0.0036)。

實務解讀

檢定p 值顯著?說明
t-test(vs 全市場)0.128否均值差異不顯著(厚尾干擾)
t-test(vs 週五基準)0.034是排除週效應後顯著
Wilcoxon(Mann-Whitney U)0.004 是 排序上非農日波動系統性偏高

 結論:非農日存在「中度但穩健」的波動效應,但幅度不大(1.10-1.17x),遠不到讓人換策略的程度。 


VIX 才是真正的預測因子

VIX 預測非農日波動的散點圖

上圖呈現 254 個非農事件中, 事前 VIX 與非農當日絕對報酬的關係 。

統計結果:

  •  Pearson r = 0.451 (p < 0.0001)
  •  Spearman rho = 0.377 (p < 0.0001)
  •  線性估計 :VIX 每上升 1 點 → 非農日波動增加  0.044% 

這個效果遠比「是否是非農日」更強。

VIX 區制分析

以歷史中位數 VIX=16.71 切分:

VIX 區制樣本數非農日平均波動比率
低 VIX (<16.71)1270.532%0.70x(低於基準!)
高 VIX (>16.71)127 1.152%  2.17x 
均值差異 t 檢定——t=6.70, p<0.0001

 高 VIX 非農日的波動,是低 VIX 非農日的 2.17 倍。 

目前 VIX=29.71,顯然屬於高 VIX 環境,預期 4 月 3 日 NFP 日波動偏高。


4 月非農的季節性分析

從左圖(各月波動比率)可見,4 月份(n=21)的歷史波動比率為  1.31x ,高於全年均值,但統計上 不顯著 (t=0.88,p=0.387)。

4月 NFP 統計數值
歷史樣本數21 次
平均絕對報酬1.00%
波動比率1.31x
正報酬比例52.4%
統計顯著性否(p=0.387)

4 月 NFP 比起其他月份並無特殊效應,主導因子仍是當時的 VIX 水位。


其他發現

 Vol Crush(公布前後波動壓縮) :未偵測到(前 5 天 vs 後 5 天,差異 p=0.736)。不像期權市場對 FOMC 那樣有明顯的隱含波動率壓縮現象。

 Pre-event VIX Buildup :公布前 5 天 VIX 平均上升 0.23 點,但不顯著(p=0.227)。市場沒有系統性地「為非農預先定價」。

 成交量 :非農日成交量比正常日高出 13.1%,其中 57.9% 的非農日成交量高於年均值。


結論與實務意涵

  1.  NFP 的波動效應存在但微弱 (Wilcoxon p=0.004,但幅度僅 1.10-1.17x)
  2.  t-test vs Wilcoxon 分歧 源自金融報酬厚尾,非參數檢定更合適
  3.  VIX 是非農日波動的主因 (r=0.451),事件本身是次因
  4.  當前 VIX=29.71 → 高波動預期 ,但方向仍隨機(歷史 57.1% 收紅)
  5.  策略建議 :維持既有部位,無需因 NFP 調倉

實驗腳本: experiments/k528_nfp_event_study.py 結果數據: experiments/k528_nfp_event_study_results.json 參考文獻: Savor & Wilson (2013) JFE; Lucca & Moench (2015) JFE [提出: 用戶, 執行: Claude]

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

📄
K1378:VIX 長期成分讓 SPY 波動預測勝過 GJR-GARCH,這個優勢在疫情窗外更穩定
做風險控管或選擇權定價的人,常要在兩種日頻波動模型之間取捨:只用報酬本身的 GJR-GARCH,或在 GARCH 之外加一個由 VIX 驅動的長期成分。後者多了一個外部變數要維護,值不值得,要看它的預測優勢從哪裡來。如果優勢只來自 2020 年那種市場崩跌的少數日子,平常用它就只是多背一個依賴;如果優勢出現在一般日子,它才是日常可用的改進。 K1378 用 SPY 的樣本外一步預測回答這個問題:A…
→
📄
K1874:SPY/GLD 波動縮放規則的黃金腿,Sharpe 改善來自脫離 VIX,GVZ 沒有增量
一般讀者版〈股市恐慌時,黃金要不要跟著一起減碼?〉給的是配置結論:黃金腿不要跟著 VIX 一起縮放。這篇處理同一個實驗的方法問題:以 VIX 縮放 SPY/GLD 兩條腿的規則,把黃金腿換成自己的恐慌指數 GVZ 之後 Sharpe 上升,這個改善有多少來自 GVZ 的資訊,有多少只是黃金腿不再被 VIX 牽動? 這個區分決定了下一步要做什麼。若改善來自 GVZ,值得投入的是更好的黃金波動預測;若…
→
📄
VIX 越高、衝擊越被「吸收」?比例式衝擊倍數的分母陷阱與門檻效應
VIX 已經很高時,再來一次 VIX 大跳,SPY 的反應會不會變小?常見的量法是「衝擊倍數」(shock amplification ratio,SAR):衝擊日的 |r| 除以平日的 |r|。這個倍數確實隨前一日 VIX 升高而下降,於是很容易讀成「高波動環境會吸收衝擊」。本文檢驗這個讀法在三個地方站不站得住:分母、門檻,以及外生衝擊。 資料是 SPY 與 VIX 日資料,2006-01-05…
→