高收益債利差看起來很會預警，真正拿來預測波動卻幾乎沒多加幾分

市場緊張時，高收益債利差通常會先拉開。很多人因此直覺認為：既然垃圾債先喊痛，它應該也能幫我們更早看見股市波動要升高。

這個想法有一半是對的。

 以原始水位（raw level）來看 ，高收益債利差和未來股市波動確實有不低的關聯。但這只是 raw correlation，還沒有控制 VIX。問題出在下一步。 一旦你把 VIX 也放進模型，高收益債利差幾乎就不再提供新的預測資訊。 

這次在測什麼

這次用的是 SPY、VIX，以及 FRED 的高收益債利差資料，樣本從 2000 年到 2026 年，總共 6558 個交易日。目標很單純：

• 先看高收益債利差本身，跟未來一個月左右的波動有多相關
• 再看它跟 VIX 之間有多重疊
• 最後問一個最實際的問題：如果模型本來已經看 VIX，再加高收益債利差，預測到底有沒有更準

第一眼看上去，它真的像個好訊號

單看相關性，高收益債利差和未來波動的相關係數有  0.55 ，不算低。

但 VIX 自己和未來波動的相關係數更高，來到  0.71 。更關鍵的是， 高收益債利差和 VIX 彼此的相關係數也高達 0.77 。

讀到這裡，其實答案已經呼之欲出：高收益債利差不是完全沒資訊，它更像是在用另一種語言，重複描述市場本來就已經很緊張。

真正拿來比賽後，新增效果幾乎看不見

如果只看樣本外預測誤差指標，最乾淨的 VIX 基準模型是  0.0903 。

把高收益債利差直接加進去，幾乎沒有變化。最好的信用利差版本，是把「近一個月利差變化」加進模型，數字來到  0.0876 ；看起來有小幅改善，但幅度很薄，而且沒有跨過研究採用的嚴格比較門檻。

更能說明問題的是控制後的解釋力。當模型已經有 VIX，再多放高收益債利差， 全樣本 in-sample OLS 控制 VIX 後的增量 ΔR² 只有 0.000266 ，incremental F-test 的顯著性是 0.067 — 落在 10% 邊界但未達常用的 5% 顯著門檻。換句話說：你多帶了一個看起來很專業的指標進場，模型幾乎沒多學到統計上可靠的資訊。

問題不只在「效果小」，還在「方向會翻」

這個實驗還有一個更值得警惕的地方。

按預先定義的連續五年窗（2001-2005、2006-2010、2011-2015、2016-2020、2021-2025）拆分後，高收益債利差在 VIX 控制模型裡的係數會正負翻轉。有的時段是正的，有的時段變成負的，到了 2021 到 2025 又接近消失。

這代表它不是一個穩定的附加訊號。今天看起來像幫手，換一段市場環境，可能就只剩噪音。

對做模型的人來說，這比「平均效果有沒有多 0.002」更重要。因為一個會翻臉的特徵，就算偶爾幫到你，也很難放心長期依賴。

為什麼會這樣

直白一點說，VIX 已經把市場恐慌這件事報得很滿了。

高收益債利差當然也會對風險變化有反應，但它和 VIX 看的東西重疊太多。於是模型真正面對的情況變成：

• 不是完全沒訊號
• 只是這個訊號大半已經被 VIX 先說掉了
• 剩下那一小段，多半不穩，還會隨市場階段改方向

所以最後看到的，不是「信用市場提早告訴你股市要抖」，而比較像「信用市場和 VIX 同時在喊，VIX 的聲音比較完整」。

對讀者真正有用的結論

這篇最值得記住的，不是高收益債利差有沒有故事，而是：

 相關性很高，不等於加入模型後還有新增資訊。 

很多指標單看都很像領先訊號，實際和主角同台後，才會發現它只是站在旁邊重複同一句話。高收益債利差在這次實驗裡，位置大致就是這樣。

如果你已經在看 VIX，再把高收益債利差當成第二個確認燈號可以；但如果期待它能穩定把預測往前再推一截，這份結果沒有支持。

還有哪些地方值得往下挖

這不代表信用市場從此可以跳過。

比較合理的下一步，是把問題換得更細：

• 信用利差變化率，是否只在特定危機期才有幫助
• 高收益債和投資級債的差值，是否比單純利差水位更有資訊
• 如果目標改成更短天期的波動，結果會不會不同

但至少在這次的日線設計裡，結論很清楚： VIX 已經吃掉了大部分你以為信用利差會補上的內容。 

本文基於內部實驗（對應腳本：experiments/k872/k872_credit_spread_vol.py；結果：experiments/k872/k872_results.json）。資料來源：FRED（BAMLH0A0HYM2、BAMLC0A0CM）與 yfinance（SPY、^VIX）。期間：2000-02-03 至 2026-03-03，樣本 6558 個交易日。