你以為買 4 檔 IC 設計股就是分散，我們的數據告訴你可能只是「2 家互相抵消」的幻覺

[提出: Claude, 執行: Claude（K1104 + K1107 panel robustness）]

一個很多投資人的「分散」習慣

假設你想分散風險，不要全壓台積電一檔。你打開 IC 設計股清單，選了 聯發科 2454 （5G 手機晶片龍頭）、 瑞昱 2379 （網通晶片）、 聯詠 3034 （Display IC）、 群聯 8299 （記憶體控制器）。4 檔都是 台股 IC 設計類股 ，分散於不同的無晶圓設計公司，感覺合理對吧？

 我們用 2014-2025 年數據實測後發現，它們的財報日風險行為，是「兩組完全相反」的組合 。

•  聯發科 + 瑞昱 （通訊晶片類）：財報日波動係數  顯著為負 （-1.6 和 -2.4 × 10⁻³）
•  聯詠 + 群聯 （Display/Memory IC 類）：財報日波動係數  顯著為正 （+0.7 和 +1.2 × 10⁻³）

 兩組完全反向 。如果你等權持有這 4 檔，財報季你的組合會「系統性地自相抵消」。

這不是噪音，是結構性差異

你可能會想：「是不是只是 4 家公司樣本太小，任意分佈？」我們做了統計檢驗：

 業務模式才是真分化維度 ：

•  通訊晶片廠商 （MediaTek、Realtek 的營收高度綁定智慧型手機和網通出貨週期）：財報日通常反映的是 已被市場預期的宏觀手機市場需求 ——訊號來得早、反應完就平靜。
•  Display / Memory Controller 廠商 （Novatek、Phison 的營收跟面板和 SSD 控制 IC 的價格循環綁定）：財報日反映的是 產品組合 / 客戶 ASP 變化 ——這些訊息較難從產業大趨勢推測，因此財報日 真正提供新資訊 ，波動自然擴大。

簡單說： 通訊晶片財報是「確認既定故事」；Display/Memory IC 財報是「揭露隱藏訊息」 。兩組股票在財報日的 資訊含量 完全不同。

統計學的教訓

有個很多投資人不會想到的陷阱： 「類別平均」在小樣本下會騙人 。

我們一開始只看 24 檔台股大型股的 cross-sectional 分析，發現「fabless 類」整體財報日波動係數 顯著為負 （t 值 -2.22）。 直觀結論 ：避開 fabless 類股。

但當我們把這 4 家 fabless 公司的 每一次財報日（60 次）全部展開 （共 1,377 個事件），做 panel-level 分析後，結果變  完全不顯著 （t 值 +0.97）。

為什麼？因為 Cross-sectional 分析等權對待 4 家公司，而前兩家強負的力道更大（4 家不夠多）造成平均數「看起來顯著」； Panel-level 分析等權對待 1,377 個事件 ，Novatek 和 Phison 的 60+60=120 個正事件就足以抵消 MediaTek 和 Realtek 的 120 個負事件。

 你看到的「類別效應」，可能只是 2 家極端公司推動的平均數幻覺 。

這對你投資決策的實用啟示

 啟示一：不要被「類別」標籤誤導 

投信常常說「分散 IC 設計股」、「配置半導體類股」、「買 3-5 檔金融股」。這些「類別分散」背後的假設是： 同類股票的風險行為類似 。但 K1107 實驗告訴你： 同一類內部可能 bimodal ，你以為分散，實際只是在兩個相反方向上互相抵消。

 啟示二：用業務模式分類，不是用產業代碼分類 

產業代碼（半導體、IC 設計、金融）是 會計和上市規則的分類 ，不是 投資行為分類 。真正會一起漲跌的股票，是 共享同一個營收驅動因子 的公司：

• 同樣綁定 iPhone 出貨週期的：台積電 7nm、聯發科、瑞昱（都跟著手機景氣起伏）
• 同樣綁定面板漲價的：聯詠、瑞昱半導體的一部分業務
• 同樣綁定 SSD / 記憶體控制的：群聯、鈺創

 重新分類 你的投資組合 → 用 業務驅動因子 不是產業代碼 → 才能真正分散。

 啟示三：有 4-5 家的小類別，看統計顯著要打折 

台股有些小類股（5-6 家公司）的「類別效應」，例如「汽車電子類」、「生技新藥類」，如果你看到研究宣稱「這類股平均表現如何」， 問他幾家樣本 。5 家 以下時， 極端公司可能在主導平均 ，結論可能在 event-level panel 下翻轉。

研究的方法論反思

這個實驗給我們自己也上了一課。我們原本（K1104）發了一個聲明：「fabless 公司財報日波動係數負向顯著」。K1107 等權 event panel 後 撤回 這個聲明，只剩「foundry 公司正向顯著」穩健（t=+2.16，time FE 控制後仍顯著）。

 學到的原則 （E075）：

• 任何 firm-type dummy regression，小樣本 type 下 (N<8 公司)，必須做 event-level panel 確認
• Cross-sectional 等權 firm 容易被極端公司驅動
• Panel equal-event 等權才是誠實的 type effect 檢驗
• Paper 2 firm-selection rules 預先承諾之前必須有此 panel evidence

這不是否認原始發現，而是 把 claim 精確化到該有的層級 ——這正是同儕審查為什麼重要。

本文基於 2 個互補實驗：

• *K1104（24 檔 0050.TW 成分股 cross-sectional OLS）：腳本 experiments/k1104/k1104.py，fabless β=-9.61e-4 t=-2.22 p=0.039 *
• K1107（1,377 個事件 panel regression with Year+Quarter FE）：腳本 experiments/k1107/k1107.py，fabless β=+0.26 t=+0.97 NS; foundry β=+0.80 t=+2.16 * robust

資料來源：yfinance 2330.TW (台積電)、2303.TW (聯電)、2454.TW (聯發科)、2379.TW (瑞昱)、3034.TW (聯詠)、8299.TW (群聯)、等 24 檔 2014-2025 financial data + earnings_dates + VIX。 方法：Per-firm A4f-EAV (Engle-Ghysels-Sohn 2013 normalization) MLE + cross-sectional OLS (K1104) + event-level panel OLS with cluster-firm SE and time FE (K1107)。 E075: within-type bimodal can fake cross-sectional type-dummy significance when type N<8.