ETF 取樣套利的免費資料代理：前一日 ETF 衝擊之後，高流動性成分股沒有看出更大的反應（23,984 筆 ETF 日資料，三個點估計為正，校正後都不顯著）

摘要

ETF 追蹤指數時常常只持有指數裡流動性較好的股票，不完整複製。Brogaard、Heath 與 Huang（2026）因此提出：ETF 與其指數之間的套利，對流動性高與流動性低的成分股影響不同，高流動性股票的波動與共動會被放大。本文用免費資料做一個降階的試探：以公開的前十大持股快照與日頻價量，檢驗前一日的 ETF 衝擊之後，高流動性成分股的反應是否比低流動性成分股更大。樣本是 16 檔美國 ETF，2020-07-02 至 2026-06-22，23,984 筆 ETF 日資料，1,499 個交易日。事前寫好的判準沒有被滿足，判為 NULL_PROXY（代理沒有穩健支持）。

五個結果，依證據強度由強到弱：

•  第一，三個迴歸的點估計都是正的，但沒有一個通過 Bonferroni 校正。  已實現波動價差的係數是 +0.0064（z = 0.65，校正後 p = 1.000）；市場 beta 代理價差是 +0.0093（z = 1.09，校正後 p = 0.825）；與 ETF 的共動價差是 +0.0152（z = 2.08，未校正 p = 0.038，校正後 p = 0.113）。事前的支持條件要求至少 2 個目標在校正後 p 低於 0.05，實際是 0 個。
•  第二，事件診斷同樣是正的，三個自助法區間都涵蓋零。  前一日 ETF 衝擊落在最高十分位的日子，減其他日子的價差平均，三個目標分別是 +0.0496、+0.0321 與 +0.0401。
•  第三，效果量很小。  一個標準差（0.776）的 ETF 衝擊，對應的價差只有價差標準差的 0.7%、1.3% 與 2.2%。
•  第四，量測遠比原文粗。  只有前十大持股的當前快照、日頻資料、對前十大持股的追蹤誤差代理，沒有授權參與者的申購贖回籃子，也沒有盤中資料。
•  第五，結論強度只到「這個代理沒有穩健支持」。  它不能拒絕 Brogaard 等人的發現，也不能說 ETF 套利沒有放大高流動性股票。

研究問題與文獻

Ben-David、Franzoni 與 Moussawi（2018）利用指數成分的外生變動，發現 ETF 持股比例較高的股票波動明顯較高，並提出 ETF 的套利管道會把流動性衝擊傳到成分股。Da 與 Shive（2018）檢驗 ETF 套利是否提高成分股報酬的共動；Brown、Davies 與 Ringgenberg（2021）把 ETF 的申購與贖回當作非基本面需求的情境，檢驗報酬可預測性。Brogaard、Heath 與 Huang（2026）進一步指出，ETF 會「取樣」指數：系統性地少配或不配流動性差的成分股，所以 ETF 與指數之間的套利活動對標的市場有異質影響；他們用工具變數發現，ETF 的交易活動降低流動性高的股票的流動性與價格效率、提高其波動與共動，對流動性低的股票沒有影響。

本文不是這些研究的重現。沒有工具變數，沒有授權參與者的申購贖回資料，沒有盤中買賣價差；它只問一個更粗的問題：用公開的前十大持股與日頻價量，是否已經看得出「ETF 衝擊之後，高流動性成分股反應更大」。

資料與設計

 ETF 與持股。  16 檔 ETF：5 檔寬基（SPY、IVV、VTI、IWM、MDY）與 11 檔 SPDR 產業 ETF（XLB、XLC、XLE、XLF、XLI、XLK、XLP、XLRE、XLU、XLV、XLY）。持股取自 yfinance 的前十大持股快照，共 128 檔不同的成分股；加上 ETF 本身，共 144 個代號有價格。持股是當前快照，不是歷史持股。前十大持股的權重合計差異很大：SPY 約 0.392，IWM 只有 0.079，XLE 高達 0.749。

 價格與樣本。  yfinance 的調整後開高低收與成交量，2020-01-01 起至 2026-06-24 之前；有效樣本是 2020-07-02 至 2026-06-22，23,984 筆 ETF 日資料、1,499 個交易日、16 檔 ETF。

 流動性分組。  每個 ETF 每天，用前一日的 63 日平均對數成交金額，把可得的前十大持股分成 3 組，比較高流動性組與低流動性組。高流動性組的持股權重平均比低流動性組多 0.239，平均對數成交金額高 1.80，約是低流動性組的 6.0 倍（幾何平均）。

 ETF 衝擊。  兩個滾動標準化量的平均：ETF 成交金額的衝擊，以及 ETF 報酬與前十大持股（權重標準化後）籃子報酬之差的絕對值（追蹤誤差代理）。整個變數再往後移一日（shift(1)），所以預測用的是前一日資訊。全樣本的平均是 0.061，標準差 0.776，範圍 −2.44 到 +7.17。

 三個目標。  高流動性組減低流動性組的加權平均：已實現波動（滾動標準化的報酬平方）；市場 beta 代理（滾動標準化的個股報酬乘以 SPY 報酬）；與 ETF 的共動（滾動標準化的個股報酬乘以 ETF 報酬）。

 迴歸。  目標價差對前一日 ETF 衝擊、前一日 ETF 報酬絕對值、前一日市場已實現波動、目標自己的前一日值與 ETF 固定效果迴歸；標準誤依日期分群，三個目標做 Bonferroni 校正（乘 3）。 事前寫好的支持條件：  至少 2 個目標的係數為正、校正後 p 低於 0.05，且事件診斷方向一致；較弱的結果記為 WEAK_DIAGNOSTIC 或 NULL_PROXY，不當作 ETF 套利放大高流動性股票的證據。

 事件診斷。  前一日 ETF 衝擊落在最高十分位（門檻 1.043）的日子與其他日子，比較三個價差的平均；區間用移動區塊自助法（區塊 21 個交易日，重抽 1,000 次，seed 42）。這個自助法在修正後，每個被抽中的日期會依被抽中的次數重複計入。

結果一：三個迴歸

係數的單位是標準化的價差，每單位前一日 ETF 衝擊。三個係數都是正的，方向與「ETF 衝擊之後高流動性成分股反應更大」一致。與 ETF 的共動價差的 Wald 95% 區間（+0.0009 到 +0.0296）在校正前不含零，未校正 p = 0.038，但三個目標一起校正後是 0.113，沒有通過事前的門檻；本文不因為它在校正前最接近而把它升格成發現。三個迴歸的 R² 都低於 0.003。

結果二：效果大小與事件診斷

一個標準差的 ETF 衝擊（0.776）乘上係數，對應的價差變動是價差標準差的 0.7%（已實現波動，價差標準差 0.738）、1.3%（市場 beta 代理，0.572）與 2.2%（與 ETF 的共動，0.543），即使係數顯著，量級也很小。

三個差都是正的，與迴歸同方向，但三個自助法區間都涵蓋零（3 個中的 3 個）。事件診斷與迴歸是同一份資料的兩種讀法，不是兩個獨立的證據。

能說與不能說

•  能說：  在 2020-07-02 至 2026-06-22 的 16 檔 ETF 上，以前十大持股快照與日頻價量構成的代理，沒有穩健地顯示前一日 ETF 衝擊之後高流動性成分股比低流動性成分股反應更大；事前的支持條件沒有被滿足，判為 NULL_PROXY。
•  能說：  三個點估計與三個事件差都是正的，方向與原文的預期一致，但都小於抽樣誤差。
•  不能說這反駁了 Brogaard 等人：  本文的量測遠比原文粗，沒有授權參與者的申購贖回籃子、沒有盤中資料、持股是當前快照；這個代理偵測不到，不等於機制不存在。
•  不能說 ETF 套利沒有放大高流動性股票：  檢定力有限，零結果只表示這個代理分辨不出。
•  不能當交易規則：  沒有估任何部位的報酬或成本。

限制

•  不是申購贖回的資料。  沒有授權參與者的實際籃子，也看不到盤中的套利交易與買賣價差、深度。
•  持股是當前快照。  yfinance 只提供目前的前十大持股，歷史持股與權重的變動、倖存者偏誤與組成漂移都沒有處理。
•  追蹤誤差是代理。  對權重標準化後的前十大持股籃子計算，不是官方淨值；前十大權重合計從 0.079 到 0.749，代理的品質因 ETF 而異。
•  16 檔 ETF 不是 16 個獨立樣本。  SPY 與 IVV 追蹤同一個指數，前十大權重合計分別是 0.392 與 0.392，持股高度重疊；同一天的所有 ETF 共享市場層級的衝擊，依日期分群只處理共同日衝擊的部分。
•  資料來源版本未記錄。  快取下載使用的 yfinance 版本沒有記錄，腳本要求調整後價格，所以快取的是調整後價格。
•  低頻代理，不是因果識別。  目標是滾動標準化的日頻量，檢定是前一日衝擊的迴歸，不是工具變數。
•  Bonferroni 校正偏保守。  三個目標高度相關，校正過嚴可能讓真實的弱效果過不了門檻；這也是結論只寫到「代理沒有穩健支持」的原因。

資料來源：yfinance 前十大持股快照與調整後開高低收、成交量；實驗編號 K1364。

 參考文獻 

• Ben-David, I., Franzoni, F., & Moussawi, R. (2018). Do ETFs increase volatility? Journal of Finance, 73(6), 2471–2535. https://doi.org/10.1111/jofi.12727
• Brogaard, J., Heath, D., & Huang, D. (2026). ETF sampling and index arbitrage. Journal of Financial and Quantitative Analysis, 61(2), 547–579. https://doi.org/10.1017/s0022109025102378
• Brown, D. C., Davies, S. W., & Ringgenberg, M. C. (2021). ETF arbitrage, non-fundamental demand, and return predictability. Review of Finance, 25(4), 937–972. https://doi.org/10.1093/rof/rfaa027
• Da, Z., & Shive, S. (2018). Exchange traded funds and asset return correlations. European Financial Management, 24(1), 136–168. https://doi.org/10.1111/eufm.12137