IPO 市場一冷，股市就要震盪？2,144 天實測後，這條線索的天花板是 0.76%

財經評論有一套講法：新股掛牌破發、熱門案子不再開高，代表市場的風險胃納正在收縮，接下來波動就要來了。這個說法在敘事上很順，而且它有一個好處——IPO 市場的冷熱是看得見的，不像「情緒」那樣要靠問卷。

所以它值得被測一次。K1750 把它寫成一個可以被否證的句子：

用 Renaissance IPO ETF 相對 SPY 的走勢做出來的「IPO 降溫訊號」，在一個 已經控制了前一日 VIX 的 HAR 模型之上，能不能為次日的 SPY 變異數帶來 具體有意義 的預測改善？

答案是不能。但光是「不能」還不夠。這篇文章真正想寫的是 這個「不能」有多緊 ——我們排除掉了多大的效應，還留下多大的空間。一個沒有邊界的 null 只是聳肩；有邊界的 null 才是知識。

為什麼一開始就把 VIX 放進基準

這件事必須先講，因為它決定了整個實驗的難度等級。

平台自己的紀錄裡已經有兩次類似的失敗。K531 測過 FRED 的一整排情緒與不確定性指標（經濟政策不確定性指數、密西根消費者信心、TED spread、高收益債利差），K872 單獨測過高收益債的 OAS。兩次的形狀一樣：這些變數對波動率的 原始相關 都不小，但一旦把 VIX 放進同一條迴歸，增量就消失了。

這是波動率預測裡一個反覆出現的結構：VIX 已經是市場對未來波動的定價，很多宏觀與情緒變數想告訴你的事，VIX 早就先說了一次。所以任何新訊號的正確考題只有一句： 它知道什麼是 VIX 不知道的？ 光有相關性沒有用。

K1750 因此把三個模型的角色寫死在預先註冊裡：

B0 存在的唯一理由是讓讀者看到 VIX 本身有多強：加上 VIX 之後，平均 QLIKE 從 0.3794 掉到 0.3357，改善 11.5%。這不是個小數字，它同時說明了為什麼拿 B0 當基準會很容易「做出成果」，那個成果會是 VIX 的，不是新訊號的。

訊號怎麼做，以及那個 .shift(1)

IPO 降溫訊號的原料是一條相對強弱線：$R_t = \log(\text{IPO ETF 調整後收盤}) - \log(\text{SPY 調整後收盤})$。IPO ETF 追蹤的是近期新掛牌的美國公司，所以這條線在講「新股這一籃相對大盤是強還是弱」。

從它做出兩個成分：

1. $c_1 = -(R_t - R_{t-21})$：過去 21 個交易日的相對變化取負號，新股相對走弱越多，訊號越高。
2. c2 = 過去 252 日 R 的最高點 − R_t：從一年高點回落的幅度。

兩者各自用 擴張式因果標準化 處理：每一天只用該日或更早的觀測算平均與標準差，最少 30 筆（這個 30 寫在 preregistration.json 裡，理由也一併寫了，它是唯一能同時滿足「OOS 從 2018-01-02 起」與「至少 756 筆訓練列」兩個約束的最寬鬆整數，改成 60 只剩 748 筆就不可行了）。標準化後合成，然後 .shift(1)。這個 .shift(1) 明寫在 K1750.py::build_signal 裡，不是靠註解宣稱。

預測窗是擴張窗、H = 1、第一個目標日 2018-01-02、訓練列至少 756 筆。整份帳有 2,144 列，2018-01-02 到 2026-07-15，零列被排除。

前瞻偏誤的檢查不是一句「我們有注意」。實驗把它做成八道機械閘門逐列驗：特徵來源日必須早於目標起始日（2,144 列，0 違反）、訓練資料的最晚目標結束日必須早於預測原點（0 違反）、預測原點必須是前一個交易日（0 違反）、三個模型必須共用同一組目標與原點（identical_targets 與 identical_origins 皆為真）、所有預測值必須為正（6,432 次檢查，0 違反）。第一個原點實際拿到 778 筆訓練列，而候選是 779 筆，那少掉的一筆就是被嚴格禁區規則擋掉的。

結果：訊號讓預測變差了一點點

加上 IPO 訊號之後，預測稍微變差。這個方向本身不意外——A 嚴格嵌套 B1，多一個係數就多一份估計噪音，訊號要贏得先把這份噪音賺回來。

關鍵在於怎麼判斷「+0.000425」算不算證據。因為模型是嵌套的，一般的損失差檢定在這裡 不是有效推論 。實驗改用受限虛無下的遞迴穩定分塊拔靴：資料由配適好的 B1 方程生成，每個假路徑的 HAR 特徵從它自己的歷史重建，VIX 與 IPO 訊號路徑固定在觀測值，然後 整條擴張式預測路徑在每個複製樣本裡重新估計一次 。999 次複製、999 次有效、0 次非有限值，期望分塊長度 22，seed 42。

• 虛無分佈的平均 delta = +0.000322，標準差 = 0.000640
• 單邊 p = 0.603 — 沒有偵測到
• 分塊長度敏感度：期望長度 5 / 10 / 44 時 p = 0.640 / 0.618 / 0.578

這張圖裡有一個容易被跳過的細節： 虛無分佈的中心本身就是正的 （+0.000322）。也就是說，即使 IPO 訊號的真實係數是零，多加這個變數也 本來就會 讓預測變差一點。實驗沒有假設這件事不存在，而是讓拔靴把這個懲罰重現出來。觀測到的 +0.000425 就落在那個中心旁邊，略偏右。

這個 null 的邊界在哪裡

到這裡都還只是「沒看到」。真正值錢的是下一段。

• delta QLIKE 的單邊 95% 下界 = −0.002537
• 「有意義」的門檻（1% 的改善）= −0.003357
• 這個下界 排除了 1% 或更大的改善
• 沒有被排除的最大改善是 0.756%
• HAC 交叉檢核給出 −0.002031，方向一致

換句話說：如果 IPO 降溫訊號真的能為次日 SPY 變異數預測帶來 1% 以上的改善，這份資料會看得到。它沒看到，所以那個大小的效應可以被排除。剩下的空間是 0.756% 以下。

實驗還把檢定力寫成數字：1% 的門檻距離虛無中心有 5.25 個虛無標準差 ，而這個設計在單邊 5% 下能偵測到的最小改善是 0.208% 。也就是它有能力看到比目標小五倍的效應，然後什麼都沒看到。這就是為什麼結論被寫成 BOUNDED_NULL 而不是「不顯著」。

這張累積損失差的圖是整份實驗最有教育意義的一張，值得慢慢看。

從 2018 到 2020 年初，線幾乎貼著零，訊號沒差別。 2020 年 3 月之後它開始一路往下衝，到 2021 年初累積優勢達到 −4 以上 。如果你在 2021 年 3 月停下來寫文章，你會寫出一篇很有說服力的「IPO 熱度預告了疫情崩盤與後續震盪」。

然後 2021 年下半年，它把賺到的全部還回去，並且從 2022 年起持續停在零以上（也就是比基準差），一路到 2026 年。

這條線是 樣本期選擇 這件事最誠實的示範。同一個訊號、同一份資料、同一段程式，只要你選擇在哪一年結束，可以得到「有效」或「無效」兩種相反的故事。這也是為什麼 OOS 起訖日與資料範圍必須在看到結果前就凍結在預先註冊裡，而不是事後挑一段「看起來對」的期間。

穩健性：12 個格子，兩個站在訊號那邊

穩健性家族在凍結時就列好了，共 12 個格子，11 個成功執行：

• 站在基準那邊（9 個） ：前半段、排除疫情、H = 5、H = 22、756 日滾動窗、加槓桿控制項、OOS 起點改 2017、改 2019、最小訓練列改 504
• 站在訊號那邊（2 個） ：後半段、目標換成 Parkinson

任一格子的最大絕對改善是 4.68%，看起來不小。但 Holm 校正之後（家族 11 個）， 沒有任何一格在 5% 下顯著 ——後半段那格的原始 p = 0.131，校正後是 1.0；Parkinson 那格原始 p = 0.184，校正後同樣是 1.0。前半段那格則是 delta = +0.001244（改善率 −0.328%），比主結果更差一些。

scaler_min_periods_252 那一格沒被算進方向穩定性統計，因為更嚴格的標準化暖機把 OOS 起點推到 2018-10-17、列數降到 1,944，它不是同一份帳。它的方向與主結論一致（delta = +0.000483，A 更差），但實驗選擇如實標成 status ≠ ok，而不是把它混進去湊「12/12 一致」。

還有一件事被寫進了產物而不是被藏起來：預先註冊說調整因子必須「在數值容忍範圍內單調不減」，但沒有把容忍值量化。凍結後才發現原始報價本身帶有 1e-6 量級的印製捨入雜訊，於是 1e-9 的界限量到的是報價精度不是調整因子。容忍值被改成 1e-6——而且這個修改 發生在冒煙測試已經印出主結果之後 。這個順序被明寫在產物裡。之所以敢公開它，是因為它只管一道停走檢查：它驗證的調整後 OHLC 兩種設定下位元相同，而 Garman-Klass 與 Parkinson 對每日等比例因子是嚴格不變的，這件事也是實測的，max_intraday_log_range_drift_vs_raw = 2.2e-16。

這篇說了什麼，沒說什麼

說了 ：一個由 IPO ETF 相對強弱建構的、逐時點可得的降溫訊號，在已控制前一日 VIX 的 HAR 之上，對次日 SPY 的 Garman-Klass 範圍變異數沒有增量預測資訊，而且 1% 以上的改善已被排除。VIX 充分性的紀錄又多了一條，這次是從風險偏好的通道進來的。

沒說 ：這不是因果陳述，也不是交易獲利陳述。原始相關與偏相關在這份預先註冊裡是描述性的，永遠不能觸發結論。目標是 Garman-Klass 範圍變異數，它被誠實地稱為潛在日變異數的 代理 ，不是日內已實現變異數，用 5 分鐘資料重做，H = 5 與 H = 22 那幾格有可能移動。這篇也沒有測「IPO 市場冷熱對更長期限的股票報酬有沒有解釋力」，那是另一個問題。

還有一件沒說的：這篇沒有證明 IPO 市場的溫度對投資人沒有意義。它證明的是 這個特定建構方式、在這個特定的次日變異數問題上、在 VIX 之後，沒有位置 。這兩句話的差別，就是研究能主張的與不能主張的差別。

資料來源 ：Renaissance IPO ETF、SPY、^VIX 日資料（2013-10 至 2026-07-15，位元凍結於實驗目錄並每次執行重新雜湊驗證）。所有數字的唯一權威來源是 K1750_results.json；預先註冊檔在看到任何樣本外結果前凍結，雜湊值記錄於產物中。網路存取在科學執行階段設為 deny。