商品 ETF 的方向對了一半，可惜統計撐不住：波動分高低之後的動能 vs 反轉拼圖

商品市場的學界研究這兩年冒出一個新講法：短期的反轉跟動能其實同時存在，誰贏要看當下的波動高低。波動高的時候反轉壓過動能，波動低的時候動能壓過反轉。

聽起來很合理。趨勢交易圈裡這也是常識：行情急的時候追高會被打臉，行情慢的時候趨勢能跑很久。

我們把這個猜想搬到 6 個常見商品 ETF 上實際算。樣本是 2010 年 1 月到 2026 年 6 月，黃金、白銀、原油、天然氣、銅、廣義商品籃，週和月兩種頻率都跑，回看 1、2、4 個 bar 的方向訊號。一共 36 個格子，每個格子再切高低波動兩段，所以是 72 個獨立的檢驗。

結論先說：方向對了一半，但檢驗一個都過不了關。

設計怎麼擺

每個格子要回答的問題很單純：在這個 ETF、這個 N、這個頻率、這段波動環境裡，做反轉的平均報酬會不會明顯高過做動能？

訊號是「過去 N 期報酬的方向」，反轉就是把訊號反過來。兩邊用同一個延遲一根 bar 的規則，不偷看未來。波動分段用滑動視窗算出來的當下波動，再用展開中位數切高低，分位數本身只看過去資料，不會偷到當下這根 bar 的資訊。

成本部分加了 1 個 bp 的翻倉費用，這只是 sensitivity 用，不會改變判定。

主結果：一半方向對 全部不顯著

把 36 個格子的方向擺出來看，剛好 18 個格子（50%）呈現「高波動時反轉平均報酬比動能高、低波動時動能平均報酬比反轉高」的預期方向。

但統計檢驗是另一回事。

在寬鬆的門檻下（一般說的 5% 顯著），高波動段抓到 1 個格子反轉顯著（銅 ETF 週頻 N=1，dm_t = +1.99），低波動段抓到 3 個格子動能顯著（黃金月頻 N=1、N=2、N=4，dm_t = −2.5 / −2.6 / −2.0）。另外高波動段還有 2 個格子達到寬鬆顯著但方向相反，原油月頻 N=1（dm_t = −2.42）跟廣義商品月頻 N=1（dm_t = −2.19），是動能贏，跟 H1（高波動反轉）相反。寬鬆 統計強度>1.96 命中合計 6 個格子。

把多重檢驗校正套下去，門檻收緊到 0.0014。剛剛那 6 個格子全部消失，36 個全部歸零。

這 6 個寬鬆命中也不該被當證據。當你同時跑 36 個檢驗，就算這些檢驗背後其實全是雜訊，平均也會有大約 1.8 個跑出寬鬆顯著；72 個一起算就是大約 3.6 個。我們抓到 6 個，看起來略高，但低波動段抓到的 3 個黃金月頻格子（N=1、N=2、N=4）共用大部分樣本，三個檢驗高度相關，等同有效獨立檢驗只剩 4 個，跟雜訊期望幾乎沒實質差距。

為什麼方向對 統計卻撐不住

這個結果並不矛盾。方向一致不等於 effect 大。

樣本是第一個限制。廣義商品月頻 122 筆、銅月頻 158 筆，要在這種長度下檢出微小報酬差是吃力的。再把樣本切高低波動之後每邊只剩 60 到 100 筆，穩健標準誤又會把信賴區間撐開，t 值很難跑到校正後門檻的位置。

第二個限制是 ETF 替代物本身。學界討論的「商品短期反轉加動能共存」是建立在真正的期貨曲線資料上，roll yield、basis、庫存壓力都會進到訊號裡。ETF 把這些東西混進總報酬一鍋炒，最有資訊量的那層資訊先被吃掉了。剩下的就是純價格動能 — 而純價格動能在 2010 年之後的商品市場本來就被金融化稀釋得差不多。

第三個是 effect 本身可能就小。趨勢交易圈的「行情急 → 反轉、行情慢 → 動能」是長期累積的交易感覺，沒有人說過它應該大到 16 年 6 個 ETF 就能打出統計顯著。學界的常識感跟正式統計檢驗中間，本來就有一段距離。

一個方法論教訓

寫到這裡可以拉出一個更廣的教訓。如果今天直接看寬鬆門檻抓到 4 個顯著，再加上 18/36 方向對，文章寫起來會像「商品 ETF 在波動分段下展現出動能反轉共存的證據」。聽起來像個發現。

但這 4 個是從 72 個檢驗裡篩出來的。在 72 個檢驗下，純雜訊也會給你大約 3 到 4 個寬鬆命中。所以那 4 個跟「真的有訊號」幾乎沒辦法區分。多重檢驗校正存在的目的就是這個：把這層由檢驗數量帶來的假發現拉掉。

而 50% 方向對也要小心。72 個獨立的隨機方向訊號，純雜訊本來就會有大約 50% 機率落在「預期方向」那一側。你需要的是 70%、80% 才開始有意義。50% 不能拒絕「方向是隨機的」這個 baseline。

換句話說：方向對 跟 統計顯著 是兩回事，方向對的比例「夠不夠高」跟「跟 50% 純機率比起來顯著嗎」又是另一回事。每一層都要分開查。

接下來要怎麼做才有機會

這篇是 PoC（先驗證最簡架構），確認用 ETF 加滑動波動分段抓不到。這不代表學界的講法錯了。下一步比較有意義的方向至少有三個。

第一是換成真正的期貨連續契約，把 roll yield 跟 basis 重新放回訊號裡。CME 主流商品都有夠長的歷史。第二是把波動分段的切法升級，從滑動中位數換成更精緻的波動模型（例如有條件變異數模型）或隱藏狀態模型，這樣分段邊界會更清楚，混在邊界附近的觀察值不會稀釋訊號。第三是加進期貨曲線結構 — 看曲線是 backwardation 還是 contango，只在 contango 端做反轉、backwardation 端做動能，看分離度有沒有上來。

NULL 的價值在於它幫後續研究排掉一個解：問題不在「沒嘗試」，問題在 ETF 替代物跟單一波動指標的解析度不夠。下一輪如果用期貨加隱藏狀態還是抓不到，那就可以寫成清楚的證偽。

資料來源

yfinance 商品 ETF 收盤價，期間 2010 年 1 月到 2026 年 6 月 15 日。完整 36 格的報酬、最大回撤、檢驗統計、每格樣本數、跟未來資料偷看的審計紀錄都在實驗資料夾，程式碼可一鍵重跑。

懶人包圖組