← 研究動態
研究2026/09/11 下午07:00

SPY 每變動 1%,VIX 會彈多少?答案要看恐慌指數本來多高

VIX恐慌指數部位大小條件反應

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。

SPY 每變動 1%,VIX 會彈多少?答案要看恐慌指數本來多高

 先講清楚這篇文章不是什麼:這不是一份避險有效性研究。  全文只有同日的統計斜率,沒有避險效果(HE)、沒有 VaR 縮減、沒有效用計算。文中出現的部位換算,是示意性的量級,不是保護力的量測。這句話會在文章結尾再說一次,因為它比任何一個數字都重要。

 第二件要先講清楚的事:本文的斜率是「全日對稱斜率」,不是下跌專屬。  本研究的迴歸式對全部 6,702 個交易日(上漲、下跌、零報酬)一併擬合同一條斜率,估計出來的是漲跌共用的同日關聯,識別不出「只有下跌的時候」會怎樣。文中所有「每變動 1%」都該這樣讀。 本研究是探索性的描述量測,不是驗證性結論 ;研究設計、資料分析與結論撰寫由同一執行體完成,未經盲化分工。

現在講讀者面的問題:同樣是 SPY 單日變動 2%,如果這一下發生在 VIX 平靜的 13 附近,和發生在 VIX 已經恐慌的 35 附近,VIX 本身會彈多少?如果你想用 VIX 相關部位去抵銷這個幅度,需要準備的名目部位一樣嗎?

樣本與分組

資料是 ^VIX 與 SPY 的日收盤價,2000-01-04 至 2026-08-27,6,702 個交易日。用前一天收盤的 VIX(vix.shift(1),即今天開盤前已知的資訊)把交易日分成五組:VIX 低於 15、15 到 20、20 到 25、25 到 35、以及 35 以上。每組各自對「SPY 當日報酬」和「VIX 當日變動」做同日迴歸,斜率取絕對值比較。

VIX 分組平均起始水準交易日數SPY 每變動 1%,VIX 變動幾 %(漲跌共用)SPY 每變動 1%,VIX 變動幾點(漲跌共用)
VIX < 1512.802,0987.87(HAC t=27.6)1.08(HAC t=25.6)
VIX 15–2017.322,0497.11(HAC t=29.3)1.31(HAC t=22.8)
VIX 20–2522.311,2834.90(HAC t=23.6)1.12(HAC t=22.0)
VIX 25–3528.739603.71(HAC t=23.6)1.13(HAC t=19.8)
VIX ≥ 3545.583122.44(HAC t=12.2)1.26(HAC t=11.4)

左邊那一欄(百分比反應)一路下滑,右邊那一欄(點數反應)五組的點數斜率都落在 1.08 到 1.31 之間,彼此的 HAC 誤差區間大幅重疊;這不代表點數反應持平,見下文「量不到的那一件」。這張表本身就是整篇文章要講的兩件事的全部證據:一件很硬,一件量不到。

恐慌指數的起始水準越高,同樣幅度的變動換到的百分比彈跳越小

硬的那一件:百分比反應確實隨起始水準遞減

把五組資料放進同一個迴歸,讓「起始 VIX 水準」和「SPY 報酬」交乘,交互項係數是 3.70(HAC t=15.02),起始水準每高一階,百分比反應就顯著更弱,統計上非常穩。用 block bootstrap(5,000 次重抽,區塊長度 21 個交易日)驗證 VIX<15 組與 VIX≥35 組的反應差距,95% 區間是 4.65 到 6.16,完全不含零。把樣本切成 2000–2008、2009–2019、2020–2026 三段各自重跑,交互項係數分別是 2.35(t=10.23)、5.48(t=13.02)、3.76(t=6.51),三段同號,沒有一段翻轉。

換算成百分比數字:VIX<15 組的反應是 7.87%,VIX≥35 組是 2.44%,衰減了 69%。這不是挑出來的極端對比,是整組交互項迴歸的直接結果。

量不到的那一件:點數反應是不是也隨水準變強,本研究答不出來

研究當時寫下的假設是「點數反應會隨水準變強」(恐慌越高,同樣幅度的變動換來的絕對點數彈跳也該更大)。實測交互項係數是 −0.068,HAC t=−0.63,p=0.53——完全不顯著。

 這裡最容易被誤讀的一步,必須說清楚:統計上「不顯著」不等於「量到零」。  同一組資料的 95% 信賴區間,同時相容於「VIX≥35 組的點數反應比 VIX<15 組強 32%」和「弱 17%」這兩種完全相反的情境,本檢定分辨不出這個量級的差異。研究團隊接著做了等價性檢定(TOST,兩個單邊檢定),拿樣本自己模型的最大逐桶誤差(±13.2%)當等價界,結果 不支持等價 (p=0.32);要讓等價性檢定通過,等價界得放寬到約 ±28%。也就是說,這份資料同時無法「拒絕沒有差異」也無法「證明真的沒有差異」,量不到,不是沒有。

點數反應隨恐慌水準的變化:本檢定量不到,這是未拒絕,不是「沒有變化」

為什麼這是一個發現,不是兩個

百分比反應等於點數反應除以起始 VIX 水準(dlv ≈ dpt / vix_lag)。既然點數反應在統計上量不到隨水準變化,那麼「同一個大致不變的點數,除以一個越來越大的分母」,算出來的百分比自然會越除越小。 百分比反應的衰減,是點數反應「量不到差異」這件事的算術後果,不是另一條獨立證據 ——不能拿它反過來當作「所以點數反應真的有隨水準變化」的佐證,這兩件事互相印證不了對方。

同一份資料還有第三個視角,屬 探索性切片(非參數中位數,不屬於主要迴歸) :只看下跌 1.5%–2.5% 那些天的點數變動中位數,VIX≥35 組是 VIX 15–20 組的 68%——方向上比合併迴歸的估計更明顯地偏向「點數反應在高檔反而變弱」。但 VIX<15 這一組在下跌天的樣本只有 25 天,低於研究團隊自訂的最小格數(30 天),這個切片本身沒有算,所以錨定整篇文章開頭那句話的那一組,在這個非參數對照裡是缺席的。三種量法(合併迴歸、逐桶迴歸、下跌天中位數)彼此不衝突,是因為每一種的不確定性都大於它們之間的差距,這正是上一段「量不到」在說的同一件事,換了三個角度看仍然一樣。

換算成部位大小:算術結果,不是避險效果

如果要用同一份逐桶點數斜率的倒數,抵銷同樣一筆 2% 的 SPY 變動,名目部位要從每 100 元 SPY 的 12.71(VIX<15 組)放大到 41.05(VIX≥35 組),多了 223%,接近 3.2 倍。

這個數字算法很直白:拿條件平均斜率的倒數,乘上要抵銷的變動幅度。 它不是避險有效性 ——本研究沒有計算避險後的變異數縮減、沒有 VaR、沒有效用函數,殘差變異數(真正決定一個避險部位實際承擔多少風險的東西)完全沒有進入這個換算。它只回答「用歷史平均斜率反推,名目上要配多少」,不回答「配了之後風險真的降低了多少」。(這段的 2% 變動幅度與每 100 元 SPY 的基準是為了敘述而設的例子,不是量測值;12.71 與 41.05 則是逐桶斜率倒數的算術結果。同理,前面提到的最小格數 30 天是研究團隊自訂的門檻,不是從資料估出來的量。)

三個不能忽略的邊界

 VIX 指數本身不能直接交易。  本文所有數字都是指數對指數的量測,不是 VIX 期貨或任何 VIX 相關 ETP 的實際損益;期貨的展期成本與期限結構會另外改變結論的大小,甚至方向。

 VIX≥35 那一組的 312 個交易日大多落在 2008 金融海嘯與 2020 新冠崩盤兩段期間 ,等效的獨立樣本數遠小於名目上的 312 天,block bootstrap 只能部分處理這個問題。

 等價性檢定的等價界不是事前訂的。  ±13.2% 這個數字是從樣本自己的逐桶配適誤差量出來的,不是研究設計階段獨立訂下的門檻,所以前面那個「不支持等價」的結論,嚴格說只是近似的參考值。不影響最終判斷的原因是:能通過等價檢定的最小門檻約是 ±28%,超過這個近似等價界兩倍以上,換成任何站得住腳的獨立門檻都通不過;但「事前獨立訂界」這一步,本研究確實沒有做到。

資料與方法

  • 資料來源:yfinance 日收盤,^VIX 與 SPY(報酬用還原價),2000-01-04 至 2026-08-27,共 6,702 個交易日
  • 分桶依據:前一日收盤 VIX(避免用到當日資訊)
  • 主要檢定:五桶各自同日 OLS 迴歸(HAC 穩健標準誤)、水準交互項迴歸、三段子期間穩健性、block bootstrap(5,000 次、區塊長度 21 天、seed 1842)、TOST 等價性檢定
  • 完整程式碼與結果:experiments/k1842/k1842.py、experiments/k1842/K1842_results.json

 再說一次結尾這句話 :這篇文章量到的是「同樣幅度的單日變動,換算成的百分比彈幅會隨恐慌水準墊高而縮小」,以及「這件事在算術上意味著名目部位該放大多少」。它沒有、也不打算確立「VIX 在高檔真的反應得比較弱」這個更強的行為主張,那個問題,本研究誠實地答不出來。

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…
→