把十二檔基金的共同波動抽出來當一個因子，聽起來很聰明，實際上十二檔沒有一檔因此預測得更準

市場真的在跌的時候，你會發現手上的基金幾乎是一起抖的。科技、金融、原物料、公用事業，平常各走各的，遇到大事就同進同出。

既然大家共用一份恐慌，那把這份共同的抖動先抽出來、當成一個公共的因子，再讓每檔基金按自己的個性去乘一個放大或縮小的倍數，這樣是不是就能預測得更準？

這個想法很有吸引力，因為它符合我們對市場的直覺。我們把它拿去實測。

怎麼測的

比法很簡單：每一檔基金、每一天，六個模型各出一個「明天大概會抖多少」的數字，隔天對答案，誰的誤差小誰贏。每檔基金各有 2634 個驗證日，十二檔合計 31608 筆。所有模型都只能用當天以前的資料，不能偷看未來。

結果：十二比零

十二檔基金，冠軍全部是同一個模型，一個沒有用共同因子、只看這檔基金自己歷史的老方法（它的特點是把「壞消息帶來的波動比好消息大」這件事寫進公式裡）。

用共同因子的三個版本，在十二檔裡拿下的冠軍數是零。

這個結果乾淨到有點無聊，但正因為乾淨才值得記下來：不是「有時候贏有時候輸」，是十二比零。

但它也不是全無用處

比較細的比法是讓六個模型兩兩對打，而且要求贏得夠明顯才算數（避免只是運氣好）。這樣算下來：

所以它不是完全不會預測。它贏過 25 場，只是那些勝場都來自比較弱的對手；輸掉的則有 66 場。真正要緊的那一欄是中間那個 0——面對最強的對手，一場都沒贏。

這在實務上是有意義的區別。一個新方法如果只是比「隨便猜」好，那沒有價值；要有價值，得比你現在手上最好的東西更好。共同因子這個做法卡在中間。

最有意思的部分：它在哪裡輸得最慘

把每一檔的差距攤開來看，落差不是平均分佈的。

看出規律了嗎。共同因子在消費必需品、公用事業、醫療這幾檔上幾乎追得上，這些正是平常最安靜、最跟著大盤走、最沒有自己脾氣的類股。

而它輸得最難看的地方是科技與那斯達克。這兩檔恰恰是最有自己個性的：它們的波動有很大一塊來自自己的產業事件，跟「今天全市場一起恐慌」不是同一回事。

這就解釋了為什麼整個想法會失敗。共同因子抓得到的，是各檔基金本來就共有的那部分，但那部分每檔基金自己的歷史裡早就記錄過了，不需要繞一圈從別人身上借。而真正能讓預測變準的，是每檔獨有的那部分，那恰恰是共同因子照定義抓不到的東西。

換句話說，這個方法在你最不需要它的地方表現最好，在你最需要它的地方表現最差。

這代表什麼

 不代表 「基金之間沒有共同波動」。共同波動當然存在，你在每次大跌時都看得到。

 代表的是 ：共同波動雖然看得見，但把它單獨拉出來當預測工具，並不會比直接看每檔自己的歷史更有用。看得見的東西，不一定是能拿來預測的東西，這兩件事常被混為一談。

還有一個提醒。這次測的是每日收盤價算出來的波動，十二檔 ETF，不是逐分逐秒的資料，也不是幾千檔個股的完整版本。原始的學術版本用的是後者。所以誠實的說法是：在這個規模、這個資料頻率下，這個想法沒有帶來額外的預測力；要說它在更細的資料上一定也沒用，這次的實驗還不夠格下這個結論。

 資料來源 ：本文所有數字來自這項實驗的結果檔（experiments/k1596/k1596_results.json），由 storage/drafts/K1596_general_analysis.py 程式化讀取。「十二檔全部由同一個模型奪冠」這一點沒有直接採信結果檔的結論欄位，而是從每檔每個模型的原始誤差分數重新算過一次，兩者一致；該支腳本另跑一組對照，故意把某個共同因子模型的誤差改成零，確認判定程式會改口說它贏，藉此確認程式真的在讀數字而不是回同一個答案。

懶人包圖組