🌡️ 事件溫度計｜非農前一週的 VIX，未偵測到比一般週多漲：191 次公佈日的對照組檢定

8 月 7 日晚上，美國勞工統計局要公布 7 月就業報告。這篇排在事件前七個日曆日的發布槽；研究裡的 T-7 則是第七個交易日前，也就是 7 月 29 日收盤。7 月 30 日是交易日 T-6，雖然已在資料快照裡，但不拿來替換 T-7 的條件水位。

這種時候市場上會開始出現一種說法：事件快到了，波動率要開始墊高，該提前佈局。聽起來很合理，畢竟不確定性擺在前面。

我把這句話拿去對 2010 年以來的資料算了一次。結論是：非農前的那一週，VIX 的走法跟隨便抽一段沒有非農的同長度區間，看不出差別。

怎麼定義「前一週」

先把兩件事講死，不然結論沒有意義。

 公佈日從哪來。  不是「每月第一個星期五」。這個近似值會出錯：遇到假日、遇到 BLS 調整發布時程，日期就會漂掉，而錯誤的方向是雙向的，把非事件日算成事件日，同時把真的事件日丟進對照組。本文的日期取自 ALFRED（FRED 的即時檔案庫）的官方新聞發布行事曆，release id 50（Employment Situation）。這條規矩是有代價換來的：2026 年 7 月我們發現 CPI 的事件研究一直用「每月 13 號」當代理日期，13 個日期裡錯了 7 個，其中一天 BLS 根本沒發布 CPI。用真日期重算，CPI 當日 VIX 反應的平均值從 +2.18% 翻成 -0.85%。

 視窗怎麼切。  「前一週」定義為公佈日往前數 7 個交易日的收盤（T-7）到公佈日前一天收盤（T-1），中間是 6 個交易日。所有條件都只用 T-7 當天以前就看得到的資訊，沒有事後回填。

2010-01-01 到 2026-07-31 之間，能對上交易日與價格資料的公佈日共  191 次 ，從 2010-02-05 到 2026-07-02。

對照組是什麼

這是整篇的關鍵，也是大部分「事件效應」論述省略的一步。

只算事件視窗會得到一個數字，但那個數字沒有比較對象。VIX 本來就會動，本來就有平均值回歸的傾向。要判斷非農有沒有貢獻，得先問： 同樣長度、但裡面沒有非農的區間，長什麼樣子？ 

對照組取法：全樣本每一個 6 交易日的 VIX 變化，只扣掉報酬區間真正與非農前視窗相交的起點，剩下  2,062 段 。事件窗使用的報酬區間是 i-6 到 i-1；控制窗是 k+1 到 k+6，所以只有 i-12 ≤ k ≤ i-2 才算重疊。

平均值差  0.83 個百分點 ，方向符合「事件前波動率墊高」的直覺；但中位數、上漲比例與分布寬度都沒有顯示明顯分離。

控制視窗每天往前滾動，相鄰兩段共享五個報酬，不能假設彼此獨立。主檢定因此把事件指標放進線性模型，標準誤使用 Newey-West HAC、落後期 22：

• 平均差： +0.83 個百分點 
• HAC 標準誤：1.51；t=0.55； p=0.583 
• 95% 信賴區間： -2.14 到 +3.80 個百分點 
• 落後期改成 6 或 60，p 分別為 0.575、0.560

這個區間仍容許小幅負效果或正效果，所以「未偵測到」不能寫成「效果等於零」。

那為什麼看起來有效應

把 191 次公佈日按 T-7 當天的 VIX 水位分組，會冒出一個很漂亮的梯度：

單調、乾淨、樣本也還可以。低波動時進入非農週，VIX 平均漲 6.33%；高波動時進入，平均跌 9.65%。看到這張表，很容易寫出「低波動環境下事件風險溢價會重新定價」這種句子。

問題是這張表沒有對照組。把同一組水位分割套到那 2,062 段沒有重疊的區間上：

梯度在對照組裡也存在。VIX 從 15 以下出發，不管那一週有沒有非農，平均都漲約 6%；從 25 以上出發，兩組平均都往下。四組的 HAC p 都高於 0.16；再用 Holm 方法校正四次比較，最小 p 也有 0.659。

那條梯度是 VIX 的平均值回歸。它跟非農沒有關係，只是剛好每個月都有一次非農，所以每次都會被一起量到。

對 8 月 7 日這次的意義

7 月 29 日 VIX 收在  20.66 ，落在 20–25 這一格。這是 8 月 7 日往前數第七個交易日的收盤；資料快照裡更新的 7 月 30 日收盤 17.09 屬於 T-6，不拿來挑選歷史分組。

歷史上從這個水位進入非農前一週的 30 次裡：平均 +0.28%，中位數 -6.01%，上漲比例 33.3%。同一水位的一般週平均是 -4.84%，兩者差 5.13 個百分點；HAC p=0.165，四組比較經 Holm 校正後 p=0.659，仍未達顯著水準。

平均是正的、中位數是負的，表示少數大漲把平均往上拉；樣本只有 30 次，信賴區間也跨過零。這一格不能當成 8 月 7 日前 VIX 必漲的預測。

結果檔另保留事件日變化的平均數與中位數，但本文沒有事件日對照組，也沒有對當日變化做正式檢定，因此不能從兩個描述統計量推論「不確定性解除」或「反應穩定」。

這個結果不能延伸到哪裡

•  樣本數有限。  分組後每格只有 26 到 68 次，檢定力不高。「測不出差別」不等於「差別是零」，小幅度的效應這個樣本本來就抓不住。
•  只看收盤價。  本文不分析日內反應，也沒有納入選擇權隱含波動率的期限結構；結論只適用於日收盤的六個交易日視窗。
•  只有 VIX。  沒有測個股、沒有測利率、沒有測外匯。這篇講的是 VIX。
•  和既有結論一致。  K513 測過 CPI 與非農對波動率的影響，同樣沒有找到；本文換成事件前視窗、加上對照組，得到方向一致的結果。
•  HAC 落後期仍是有限樣本判斷。  本文同時報 6、22、60 三種設定；三者都未改變結論。

一句話

如果打算在 8 月 7 日之前，因為「非農要到了」而調整波動率部位，這 191 次的紀錄沒有給你依據。VIX 接下來一週怎麼走，比較可能跟 T-7 的起點水位有關，而不是只由下週五那份就業報告決定。

 資料來源 ：VIX 日收盤（Yahoo Finance，快照固定截至 2026-07-30；本次 T-7 條件水位使用 2026-07-29）；非農公佈日期取自 ALFRED 官方新聞發布行事曆（FRED release id 50）。可重現腳本 experiments/nfp_20260807_t7/nfp_20260807_t7.py，完整結果 experiments/nfp_20260807_t7/nfp_20260807_t7_results.json。初版三個 nfp_t7_* 檔保留為更正前證據，不再作為正式來源。