外資台指期的淨部位，能預告公布後第二個交易日的大盤嗎？1,765 個交易日的檢驗，沒有找到多出來的資訊

外資在台指期的淨空單越堆越高，常被當成大盤轉弱的預告。要不要把它當成減碼的依據，先要問一個比較窄也比較嚴格的問題：把外資淨部位換成連續的分數，扣掉最近兩天的漲跌之後，它還能不能多預測公布後第二個交易日的台股報酬。

這篇用 2019-06-13 至 2026-09-10 共 1,765 個訊號日回答。先講結果：兩種分數都沒有給出多出來的預測資訊，多重比較校正後單靠運氣的機率都是 1.00，樣本外 1,265 個預測加入訊號之後反而略差。另一面，這個樣本只能分辨偏相關約 0.073 以上的關聯，更小的關聯看不出來，所以結論只能寫到「沒有找到」，不能寫成「外資期貨部位沒有資訊」。

先看結論

• 水位分數的係數是 0.0145 個百分點，變動分數是 0.0142 個百分點，方向都是正的，但單靠運氣的機率是 0.52 與 0.68。預先約定的判準是校正後機率低於 0.05，兩者校正後都是 1.00。
• 樣本外 1,265 個預測裡，加入訊號後的預測誤差比只用最近兩天漲跌略大：改善量是 -0.0020 與 -0.0016，負值代表更差。
• 樣本能可靠分辨的最小偏相關約 0.073。沒有找到不等於不存在：比這小的關聯在這份資料裡看不出來。

兩個分數與一個預測目標

 淨部位。  外資及陸資在台指期的多單未平倉口數，減去空單未平倉口數。訊號只來自單一資料源 FinMind，報酬用發行量加權股價報酬指數（含息），不另外延伸資料。

 水位分數。  當天淨部位與最近 250 個交易日平均的差，除以這 250 天的標準差。分數高代表外資部位比平常偏多，低代表比平常偏空。

 變動分數。  當天淨部位比前一天的變動，除以最近 250 天變動的標準差，不去均值。分數高代表外資當天加多的力道比平常大。

 預測目標。  未平倉資料在當天收盤後才公布，所以訊號最早用於下一個交易日收盤進場，檢查的是進場那天收盤到再下一個交易日收盤的報酬，也就是公布後第二個交易日的報酬。迴歸同時控制當天與下一個交易日的漲跌，兩者在進場時都已經知道，避免把「剛漲完會怎樣」誤認成訊號的功勞。

怎麼檢驗

每個分數各做一條迴歸：報酬對分數與最近兩天的漲跌。係數的機率用兩種算法並看：標準算法容許相鄰日子的報酬彼此相關；位移算法把分數整列循環位移 1,266 種位移，每種都重估一次，看實際結果落在位移分布的哪裡。取兩者中較大的機率，再對兩個分數一起校正，校正後機率低於 0.05 才算有增量預測力。這個判準在看到結果之前就寫定。

另外做一次樣本外檢驗：用擴張視窗，先以前 500 列訓練，第一個預測目標日是 2021-07-05，之後每次多一列，共 1,265 個預測。比較「只用最近兩天漲跌」與「再加上分數」兩個模型，看加入分數後預測有沒有變好。

結果

係數與單靠運氣的機率

機率是「如果分數其實沒有增量預測力，光靠隨機波動也會看到這麼大係數」的機率，越低越不像運氣。偏相關是扣掉控制變數後，分數與報酬的相關程度。

三種算法的機率都遠高於 0.05。係數的意思是：分數每高一個單位，公布後第二個交易日的報酬平均多 0.0145 與 0.0142 個百分點，這個大小與零分不出差別。偏相關只有 0.015 與 0.011，距離能分辨的 0.073 還很遠。

變動分數事前預期方向為正（外資加多的力道大，之後報酬較高），估計值也是正的，但機率 0.68，不能拿方向吻合當證據。水位分數事前沒有預期方向。

樣本外

加入分數之後，改善量是 -0.0020 與 -0.0016，兩者都是負值，代表預測誤差略大。把「加入分數會讓預測變好」當作要檢驗的說法，單尾機率是 0.98 與 0.86，沒有支持。

沒有找到，能說到哪

 能說的。  在這七年、1,765 個訊號日裡，外資台指期淨部位的水位與變動兩種連續分數，都沒有提供超出最近兩天漲跌的、對公布後第二個交易日報酬的預測資訊。

 不能說的。  第一，不能說外資期貨部位沒有資訊。以名目 80% 的把握、校正後的第一步門檻為準，樣本只能分辨偏相關約 0.073 以上的關聯。第二，這裡只檢驗了兩種分數與一個預測期距，其他算法、其他期距沒有檢驗。第三，這不是交易策略的評估：沒有計入交易成本，也沒有比較報酬或回撤。

限制

•  預註冊非盲。  凍結判準前，作者已看過外資台指期淨部位的日期涵蓋、極端日數與事件數，以及樣本期之前的指數報酬波動；沒有看過 2018-06-05 以後的報酬與任何未平倉變數的聯合統計。
•  改題。  本題是原題（淨部位的極端值能不能預警動能策略崩潰）因極端事件太少、樣本不足而結案後的替代題，不是原題的延伸估計。
•  樣本重疊。  先前一篇以外資台指期淨空單為例的文章，分析過重疊期間的外資台指期資料，所以這份樣本不是獨立的新樣本，也不能當成對那篇文章的獨立驗證。
•  單一資料源。  訊號只來自 FinMind。2023-11-01 以前的值沒有與期交所官網交叉驗證，約占訊號日的六成；公布時點來自二手轉載，2021-12-06 以前的公布時刻不明。若有日期晚於進場日收盤才公布，落後規則就不成立。
•  報酬只有收盤值。  無法評估公布後到進場日收盤之間可交易的部分。
•  序列高度持續。  水位分數的相鄰值非常接近，位移算法已把這點納入主要判定，但小樣本偏誤仍可能殘留。
•  範圍。  結論只限台灣市場與這個資料源，不外推。

資料與方法

• 資料：FinMind 的外資及陸資台指期多空未平倉口數；發行量加權股價報酬指數收盤值；訊號日 2019-06-13 至 2026-09-10，目標日 2019-06-17 至 2026-09-14，共 1,765 列。
• 檢驗：兩個分數各一條帶控制的迴歸；係數機率取標準算法與位移算法中較大者，再做 多重比較校正；樣本外用擴張視窗，先以前 500 列訓練。
• 判讀：校正後機率低於 0.05 才算有增量預測力；樣本外只決定措辭，不推翻主要判定。

懶人包圖組