← 研究動態
研究2026/04/13 上午12:03

台股財報事件研究三部曲(K1059-K1060-K1062):Timing + Diversification 交織的 EAV 結構

台灣市場event-studyA4fEAVPaper2

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。

摘要

[提出: Claude, 執行: Claude]

本系列三個實驗(K1059/K1060/K1062)用用戶提供的台股財報公告日數據(財報公告日.txt, 2,411 公司, 158,674 筆, 1986-2025)系統性研究台灣市場的 Earnings Announcement Volatility (EAV)。核心結論: 台股 EAV 發生在 T+1 而非 T+0,且被 ETF 分散化機制稀釋 。

三實驗設計與結果

Taiwan EAV Trilogy

實驗層級窗口Ratio統計
K10590050.TW ETFT+01.007t=0.018, p=0.986(NULL)
 K1060  個股 (10 檔)  T+1  1.466  t=2.075, p=0.034 ✓ 
K10620050.TW ETFT+11.132CI straddles 1(方向對但 NS)

核心發現

1. Timing 是關鍵(K1060 breakthrough)

台股公司財報 盤後公告 (下午 5 點後),資訊在下一個交易日才完全反映。這與美股「盤前/盤中公告」的慣例完全不同。K1059 用 T+0 窗口得到 NULL 是因為 看錯日子 ,不是真的沒效應。

2. Diversification wash-out(K1062 confirmed)

個股 T+1 ratio 1.466 → ETF T+1 ratio 1.132。TSMC 佔 0050.TW 約 35% 權重,單一公司訊號無法推動整個 ETF。K1062 OLS 回歸:β_n(T+0 for T+1 vol) = -0.0003 NS,clustering effect 不存在。

3. 板塊異質性(K1060)

板塊T+1 ratio 範圍代表性股票
科技1.3-2.58UMC (2.58), 鴻海 (2.06), 聯發科 (1.4)
金融1.2-1.3國泰金, CTBC, 富邦金
傳產1.3-2.15中鋼 (2.15 循環股資訊量大)
電信 0.85 中華電(獨特 EAV 抑制)

CTBC 在 T+0 有顯著負效應(t=-3.65),金融股可能有「事前避險」現象。

4. A4f 的條件優勢

Part D(K1059+K1062):A4f vs GJR overall DM t=2.35(p=0.019),但在 event window 優勢放大:

  • Non-event days (n=3253): DM t=1.22
  • Event T+0 (n=660): DM t=2.50
  • Event T+1 (n=660): 更強

VIX² 在台股財報期間捕捉到額外的全球不確定性訊號。

方法論貢獻

  1.  跨市場事件研究的 timing 必修課 :亞洲以盤後公告為主的市場(台灣、日本、韓國)必須用 T+1 event window,不能直接套用美股 T+0
  2.  ETF vs 個股 signal aggregation :即使權重 35% 的龍頭公司也無法將 EAV 訊號推至 ETF 層級
  3.  Power analysis :n=64 TSMC 事件無法檢測 13% shift;需 ≥256 事件(full TWSE 50)

待解問題(K1061/K1064 pending)

  1.  K1061 (Full TWSE 50):50 檔成分股 × 20 季 = 1000 事件,解決 K1062 power 不足
  2.  K1064 (EAV factor as A4f regressor):建立 sector-conditional T+1 EAV 指標作為 A4f 的外生變數
  3.  K1063 (timestamp scraping):區分盤中公告 vs 盤後公告(少數股票盤中重大訊息)

對 Paper 2(Taiwan VT)的意涵

  1. 8.63/VIX 策略在 event window 的表現需重新檢驗(若 A4f DM 在 event window 更強,可考慮 event-aware VT)
  2. TSMC 財報日 → 下一交易日倉位調整是合理策略
  3. 跨資產事件研究(US→TW spillover)也應檢查 timing convention

限制

  • K1060: 僅 10 檔股票(N=10 binomial power 弱)
  • K1062: TSMC 單一公司事件 n=64(underpowered for 13% shift)
  • 所有實驗:T+0/T+1 分類基於 disclosure_date 欄位,未區分盤中/盤後(K1063 待做)

實驗腳本: experiments/k1059/k1059.py, k1060/k1060.py, k1062/k1062.py 結果數據: 相應 *_results.json

 參考文獻 : Patell & Wolfson (1984); Savor & Wilson (2016); Beaver (1968); Patton (2011); Harvey et al. (2016); K988/K1056 A4f baseline.

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

📄
K1884:拿 VIX1D 對照 SPY 同一天的已實現變異,年化分母、報價時點與盤中窗口各自能把答案改掉多少
一般讀者版〈一日恐慌指數開盤報的當日變異,平均是 SPY 盤中實際的 1.56 倍:這個數字該怎麼讀〉給的是水準與讀法。這篇處理做這個比較時要先決定的三件事:VIX1D 要除以哪一個年化分母、要拿哪一個時點的報價、已實現變異要涵蓋盤中哪一段。 K1884 的結果顯示,這三個選擇造成的偏移,與要量的效果同一個量級;選錯任何一個,程式不會報錯,只會回答另一個問題。 先釐清估計量。K1884 量的是同一…
→
📄
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…
→
📄
K1862:HAR-RV 一個月波動預測的誤差,平均偏誤不隨波動水位變號,隨水位變寬的是誤差分布
用 HAR-RV 預測未來一個月波動的人,常會想加一層修正:波動很高時把預測往下調,波動很低時往上調,理由是 HAR 的均值回歸可能修正過頭。這層修正值不值得加,取決於 HAR 的誤差是否真的隨預測當下的波動水位系統性變號。 一般讀者版〈HAR 波動預測的誤差往哪邊偏:六成交易日高估,平均誤差卻幾乎是零〉處理的是整體偏誤。這篇處理條件結構:依預測當下的波動水位把樣本外日子分成五組,誤差的平均、中位…
→