← 研究動態
研究2026/03/27 上午08:03

通膨數據公佈那天市場會大跌?20 年數據告訴你真相完全相反

FOMCSPY波動率NFP事件CPI

讀者互動

登入會員可按讚與收藏。

分享到:LINEFacebookX / Twitter

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。

訂閱研究摘要

研究摘要與新文章,不轉售、不寄廣告,隨時可退訂。

[提出: 用戶, 執行: Claude]

每次通膨數據(CPI)要公佈的前幾天,財經媒體就會開始預警:「這次 CPI 數字很關鍵,市場可能大幅震盪!」很多投資人因此在 CPI 公佈前趕快減倉,深怕踩到地雷。

但如果告訴你,這 20 年來的數據顯示, CPI 公佈那天市場的波動跟普通日子幾乎完全一樣 ,你相信嗎?

我們用 2005 至 2025 年、共 5,281 個交易日的 SPY(美國 S&P 500 ETF)數據做了一個測試,把 FOMC(美聯儲利率決策)、NFP(非農就業)、CPI(消費者物價指數)三大總經事件日和普通日做比較,結果出乎大多數人的預料。


三大事件日,市場波動到底多多?

先看一張清晰的比較圖:

事件類型     │ 平均絕對波動   │ 相比普通日   │ 統計顯著?
─────────────┼───────────────┼─────────────┼──────────
普通日(基準)│    0.757%      │    —        │   —
CPI 公佈日   │    0.782%      │   +3.2%     │   ✗ 不顯著
NFP 公佈日   │    0.825%      │   +9.0%     │   ✗ 不顯著
FOMC 決策日  │    0.971%      │  +28.2%     │   ✓ 顯著

數據來源:yfinance,SPY 日報酬率,2005-2025 年共 5,281 個交易日

 結論非常清楚 :

  •  CPI 日 :波動只比普通日多 3.2%, 完全不顯著 (統計 p 值高達 0.758,相當於隨機雜訊)
  •  NFP 日 :多 9%,同樣 不顯著 (p = 0.195)
  •  FOMC 日 :多 28.2%, 唯一顯著的事件 (p = 0.021)

用三個類比理解這個現象

1. CPI 就像「考試成績公佈」

想像你的孩子期末考剛考完試,今天成績單要發下來了。

你會很緊張嗎?或許會,但你心裡其實已經有底了,孩子每次模擬考表現如何、平時用功程度、老師的暗示,這些資訊你早就消化過了。成績單公佈那一刻,通常只是 確認你已知的事情 。

CPI 也是一樣。經濟學家、大型機構每個月都在預測 CPI,市場早就把預期的數字「消化」進股價裡。等到官方公佈的那一刻,大部分情況只是確認市場已知的資訊,所以波動跟平常日差不多。

2. NFP 像「天氣預報」

就業報告(NFP)比 CPI 更難預測,但也只比普通日多波動 9%,且不具統計顯著性。就像你知道今天「可能下雨」,即便實際真的下了,你也不會太驚訝,預測本身已經讓你做好心理準備。

3. FOMC 像「老闆突然宣布加薪或降薪」

聯準會(Fed)的利率決策就不一樣了。即便分析師猜測方向, Fed 主席的措辭、會後記者會的語氣、前瞻指引的調整 ,這些都不是事先就能精確預測的。

當老闆突然說:「從下個月起,全公司薪水調整方案如下……」這才是真正的「新資訊」進場,整個辦公室氣氛立刻跟著變。FOMC 的 +28% 波動,就是這個原理。


更反直覺的發現:FOMC 日減倉反而虧錢

許多投資人的直覺:「FOMC 那天風險這麼大,應該先把倉位減一半,等塵埃落定再加回來。」

我們實際回測了這個策略:

策略            │ 年化 Sharpe 比率
───────────────┼────────────────
維持滿倉        │    0.629
事件日半倉減碼  │    0.557
────────────────────────────────
差距            │   -0.072(滿倉反而更好)

為什麼?因為  FOMC 決策日的平均報酬率是正的(+0.16%) ,跑得比普通日更好。減倉就是放棄了這部分正報酬,同時還要付出來回交易的成本。

這不是說 FOMC 日一定漲。但平均來看,市場整體是偏向「接受聯準會決定」的,大方向的不確定性通常在開會前幾週就已反映。


那我們該怎麼做?

根據 20 年數據,實際可行的建議:

 CPI 公佈前不需要做任何動作  數據清楚顯示,這一天跟普通日無異。媒體的緊張氣氛並不反映市場實際的波動幅度。繼續持有你的倉位就好。

 NFP 也不需要特別因應  就業數據公佈的波動同樣在統計上不顯著。除非你有很高確信度的預測,否則觀望就是最好的策略。

 FOMC 日波動確實較大,但不代表要減倉  波動大不等於方向一定是向下。如果你對自己的配置有信心,維持倉位是數據支持的選擇。若你真的很擔心,可以在 FOMC 前後稍微調整風控,但整體不建議大幅減碼。


一句話總結

 20 年數據告訴我們:每個月讓媒體大肆渲染的 CPI 和就業數據,市場根本不鳥;真正讓股市大幅震盪的,只有聯準會開口那一天,而且就算震盪,平均報酬仍然是正的。 

下次 CPI 公佈前,記得把這篇文章傳給還在猶豫要不要減倉的朋友。


本文基於 K513 實驗,數據來源 yfinance,期間 2005–2025 年,共 5,281 交易日、675 個事件日。研究局限:以 SPY 為代理,其他市場可能有所不同。結果不構成投資建議。

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

📄
VIX 越高、衝擊越被「吸收」?比例式衝擊倍數的分母陷阱與門檻效應
VIX 已經很高時,再來一次 VIX 大跳,SPY 的反應會不會變小?常見的量法是「衝擊倍數」(shock amplification ratio,SAR):衝擊日的 |r| 除以平日的 |r|。這個倍數確實隨前一日 VIX 升高而下降,於是很容易讀成「高波動環境會吸收衝擊」。本文檢驗這個讀法在三個地方站不站得住:分母、門檻,以及外生衝擊。 資料是 SPY 與 VIX 日資料,2006-01-05…
→
📄
K1884:拿 VIX1D 對照 SPY 同一天的已實現變異,年化分母、報價時點與盤中窗口各自能把答案改掉多少
一般讀者版〈一日恐慌指數開盤報的當日變異,平均是 SPY 盤中實際的 1.56 倍:這個數字該怎麼讀〉給的是水準與讀法。這篇處理做這個比較時要先決定的三件事:VIX1D 要除以哪一個年化分母、要拿哪一個時點的報價、已實現變異要涵蓋盤中哪一段。 K1884 的結果顯示,這三個選擇造成的偏移,與要量的效果同一個量級;選錯任何一個,程式不會報錯,只會回答另一個問題。 先釐清估計量。K1884 量的是同一…
→
📄
K1378:VIX 長期成分讓 SPY 波動預測勝過 GJR-GARCH,這個優勢在疫情窗外更穩定
做風險控管或選擇權定價的人,常要在兩種日頻波動模型之間取捨:只用報酬本身的 GJR-GARCH,或在 GARCH 之外加一個由 VIX 驅動的長期成分。後者多了一個外部變數要維護,值不值得,要看它的預測優勢從哪裡來。如果優勢只來自 2020 年那種市場崩跌的少數日子,平常用它就只是多背一個依賴;如果優勢出現在一般日子,它才是日常可用的改進。 K1378 用 SPY 的樣本外一步預測回答這個問題:A…
→