K823v2：跟著美國國會議員買股票能賺錢嗎？15,674 筆真實交易全面回測
讀者互動
登入會員可按讚與收藏。
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。
國會山莊的「內線」，真的存在嗎？
美國國會議員因能提前得知政策動向，長期被懷疑擁有「合法內線」。 《STOCK Act》（2012） 的立法初衷是逼迫議員公開揭露個人交易，讓市場監督制衡。 然而，揭露就等於賺錢的機會嗎？
K823v2 直接用 House Stock Watcher 的 15,674 筆真實申報記錄 ，回答這個問題。 不是模型模擬，不是理論推導，而是逐筆對照申報日與股價，計算你跟單能賺多少。
資料與方法
- 數據來源 ：House Stock Watcher（housestockwatcher.com），美國眾議院 2021-2022 年交易申報
- 樣本量 ：15,674 筆申報記錄，覆蓋 40 位有效議員
- 方法 ：Event Study——計算各策略在交易日後 10 個交易日的累積超額報酬（vs. SPY）
- 統計門檻 ：Harvey (2016) 嚴格標準，t > 3.0 才算顯著（控制多重假設問題）
四種策略設計
| 策略 | 邏輯 | 現實可行性 |
|---|---|---|
| S1 Oracle | 議員成交當天即時跟單 | ❌ 不可能（申報有延遲） |
| S2 Disclosure | 申報揭露當天跟單 | ✅ 現實可行 |
| S3 Disclosure+5 | 申報揭露後第 5 天跟單 | ✅ 保守版本 |
| S4 Top-10 | 只跟過去績效最佳的 10 位議員 | ✅ 可行但選擇偏誤 |
核心發現 1：申報延遲讓跟單變成空想
在討論跟單能不能賺錢之前，先看「信號」能多快到你手上。
圖1：House Stock Watcher 申報延遲天數分佈（N=15,674 筆）。中位數延遲 27 天，38.6% 在 15-30 天區間集中申報，典型的「截止日趕工」行為。
關鍵數字 ：
- 申報延遲 中位數 27 天 （法定上限 45 天）
- 38.6% 的交易集中在 15-30 天 才申報，這是「截止日前衝刺」的證據
- 即使最快的議員，市場也已有近 2 週的資訊消化時間
這個延遲分佈直接決定了跟單策略的命運： 當你收到信號，alpha 早已被主力吸乾。
核心發現 2：連「上帝視角」策略也不夠顯著
圖2：K823v2 四種跟單策略超額報酬（藍色柱）與 t-statistic（紫色柱）對比。紅色虛線為 Harvey (2016) 嚴格顯著門檻 t > 3.0，四策略全數落於門檻以下。
詳細結果
| 策略 | 樣本數 | 命中率 | 超額報酬 | t-stat | Harvey |
|---|---|---|---|---|---|
| S1 Oracle（即時跟單） | 1,722 | 62.5% | +0.563% | 2.512 | ❌ FAIL |
| S2 Disclosure（現實可行） | 1,722 | 57.9% | +0.051% | 0.245 | ❌ FAIL |
| S3 Disclosure+5（延後） | 1,722 | 63.0% | +0.056% | 0.286 | ❌ FAIL |
| S4 Top-10 精選議員 | 750 | 54.8% | +0.747% | 2.234 | ❌ FAIL |
| 大額交易（>$50K） | 353 | — | +1.804% | 3.941 | ✅ PASS |
最殘酷的數字 ：S1 Oracle 假設你能在議員 成交當天 複製每一筆操作，這在現實中完全不可能，但即使如此，t=2.51，仍然 未達 Harvey 嚴格顯著門檻。
換句話說：就算給你「上帝視角」，國會跟單策略的超額報酬也沒有統計顯著性。
核心發現 3：現實可行策略，零 alpha
S2 Disclosure-Day 是你在現實生活中能執行的最快策略：看到申報消息、當天下單。 結果：超額報酬 +0.051% ，t-statistic 0.245 。
這不是「小幅正報酬」，這在統計上與 零完全無法區分 。
議員個人績效分析
40 位有效議員中：
- 僅 1 位 達到正向 Harvey 顯著（2.5%，符合隨機預期）
- 3 位議員持續跑輸市場 ——跟錯人甚至虧錢
- 沒有證據支持任何一位議員具備系統性、可複製的跑贏能力
唯一例外：大額交易（>$50K）
大額交易（單筆超過 5 萬美元）的 t-statistic 達到 3.941 ，通過 Harvey 門檻。 超額報酬 +1.804% ，遠高於其他策略。
但有三個重要限制：
- 樣本極少 ：353 筆，佔全部交易 2.3%
- 選擇偏誤 ：大額交易往往集中在少數議員（Nancy Pelosi 等少數人貢獻大量大額交易）
- 市場容量問題 ：大額交易往往是流動性低的標的，跟單時滑點會吃掉大部分 alpha
這個例外更像是「噪音中的統計僥倖」，而非「系統性信息優勢」的證據。
K823 vs K823v2：方法論升級的重要性
| 面向 | K823（Proxy 版） | K823v2（真實版） |
|---|---|---|
| 數據 | 延遲衰減模型（模擬） | 15,674 筆真實申報記錄 |
| 信號 | 假設完美延遲結構 | 實際申報日期 |
| 交易執行 | 理論化 | 逐筆股價對照 |
| 結論強度 | 間接推論 | 直接實證 |
| 核心結論 | 相同（跟單無效） | 更強 （連 Oracle 也 FAIL） |
K823 的結論方向是正確的，但用的是「proxy 方法」，用延遲衰減模型模擬信號消退。 K823v2 的升級意義在於： 直接用真實數據驗證 ，排除了模型假設的干擾。
兩個實驗一致指向同一結論： 申報延遲徹底摧毀跟單可行性。
研究結論
國會議員跟單策略在現實中不可行。 27 天的中位數申報延遲讓信息優勢歸零。即使假設即時跟單（不可能），alpha 也未達統計顯著門檻。 現實可行的 Disclosure-Day 策略超額報酬 = 0.051%，t = 0.245，與零無異。
局限性
- 樣本期間僅 2021-2022（市場環境特殊：疫情後反彈 + 利率轉折）
- 未包含期權交易（STOCK Act 揭露範圍有限）
- House（眾議院）數據為主，Senate（參議院）數據較不完整
- 大額交易結果需在更長期間驗證
[提出: 用戶 (data sources), 執行: Claude]
實驗腳本 : experiments/k823v2_congressional_real.py
結果數據 : experiments/k823v2_results.json
數據來源 : House Stock Watcher (housestockwatcher.com)，2021-2022 年眾議院交易申報
統計方法 : Event Study + DM test，Harvey (2016) t > 3.0 顯著門檻
參考文獻 : Ziobrowski et al. (2004) "Abnormal Returns from the Common Stock Investments of the U.S. Senate"，Journal of Financial and Quantitative Analysis
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