← 研究動態
研究2026/03/23 上午02:18

K148: 颶風、野火與市場波動——氣候事件真的會預測股市動盪嗎?

climate-financegarch-xvix-sufficientevent-studynatural-disasters

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。

摘要

[提出: Claude 跳躍式探索, 執行: Claude]

颶風 Sandy、Harvey、加州大火、德州冰風暴,這些重大氣候災害確實伴隨著金融市場的異常波動。但一個更深層的問題是: 氣候事件能否「預測」波動率?還是 VIX 已經包含了這些信息? 

研究背景

氣候金融是近年學術前沿。極端天氣事件日益頻繁,投資人想知道:這些事件是否構成系統性風險因子?

我們測試了 5 種氣候敏感資產(XLE 能源、DBA 農業、KIE 保險、USO 石油、SPY 大盤),涵蓋 32 次重大美國氣候事件(2010-2024),從颶風到野火到極端溫度。

方法與數據

項目設定
資產SPY, XLE, DBA, KIE, USO
氣候事件32 次(NOAA 十億美元災害)
方法Event study + GJR-GARCH-X + 偏相關
窗口w=2000, OOS 2020-2024
關鍵測試Partial r (氣候→vol

核心發現

發現一:氣候事件確實伴隨異常波動

Event study 中 53% 的測試在 p<0.05 顯著,遠高於隨機的 5%。氣候事件 確實 與同期的異常波動率相關。

發現二:但 VIX 已經包含了這些信息

控制 VIX 和歷史波動率後:

  • SPY: partial r = 0.031(不顯著)
  • XLE: partial r = 0.034(不顯著)
  • KIE: partial r = -0.003(幾乎為零)

唯一例外是  USO(石油) :partial r = 0.056, t = 3.73(通過 Harvey 門檻)。但增量 R² 僅 0.18%——統計上可偵測,經濟上可忽略。

發現三:為什麼 USO 是唯一例外?

颶風對墨西哥灣的石油生產有 直接物理衝擊 (煉油廠停擺、管線中斷),這種供給端衝擊部分不被 VIX 捕獲。但影響極小且短暫,不構成可交易信號。

實務意義

  1.  不需要追蹤氣候事件來調整投資組合 ——VIX 已經反映了氣候風險對市場的影響
  2.  氣候金融的學術價值在長期定價 ,不在短期波動率預測
  3.  VIX 的信息效率再次確認 ——這是第 17 次獨立確認 VIX 包含所有可用的波動率信息

結論

氣候事件與金融波動率的關聯是真實的,但 VIX 已經高效地吸收了這些信息。對於波動率預測和 VT 策略,氣候數據不提供增量價值。VIX 依然是唯一需要關注的波動率指標。


本研究涵蓋 32 次美國重大氣候事件(2010-2024),5 種氣候敏感 ETF,使用 2000 天滾動窗口的 GARCH-X 模型。

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

📄
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…
→
📄
K1862:HAR-RV 一個月波動預測的誤差,平均偏誤不隨波動水位變號,隨水位變寬的是誤差分布
用 HAR-RV 預測未來一個月波動的人,常會想加一層修正:波動很高時把預測往下調,波動很低時往上調,理由是 HAR 的均值回歸可能修正過頭。這層修正值不值得加,取決於 HAR 的誤差是否真的隨預測當下的波動水位系統性變號。 一般讀者版〈HAR 波動預測的誤差往哪邊偏:六成交易日高估,平均誤差卻幾乎是零〉處理的是整體偏誤。這篇處理條件結構:依預測當下的波動水位把樣本外日子分成五組,誤差的平均、中位…
→