唯一通過 Bonferroni 的那一格，只存在於錯的資料版本裡

我們先前寫過〈銀行風險看存款、房地產還是股價？三種公開指標的預測邊界〉，那篇把四個實驗並排，對 K1679-rev2 只報了一件事：用當時可見的資料重建訊號之後，八組主要測試沒有一組原始 p 低於 0.05。那個結論仍然成立，但它省略了這份實驗真正費工的部分，同一份 H.8 存款資料，我們建了三個版本，而三個版本的裁決不一樣。這篇把那個對照攤開來看。

三個版本差在哪

被檢定的訊號是小型銀行相對大型銀行的存款流失強度（dep_flight_4w 與 dep_flight_13w），資料來自聯準會 H.8 週報的 DPSSCBW027SBOG 與 DPSLCBW027SBOG。三個版本的差別只在「建訊號時允許看到哪一版數字」：

• current vintage ：今天從 FRED 下載的序列。每一週的值都是歷經多年修訂後的最終數字，這是回測裡最常見、也最方便的做法。
• first-release only ：ALFRED 的 output_type=4，只取每一週的初次公布值。這常被當成 point-in-time 的替代品。
• true PIT ：抓完整的 ALFRED real-time 修訂歷史（output_type=1），在每一個週報發布日重建當天真正看得到的整條序列，最新那一週是初次公布值，而更早的每一週則是「在那個發布日當時已經修訂到的版本」。

第三種和第二種的差別就是那句「更早的每一週」。first-release 版把歷史上每一週都凍結在它的初次公布值，可是交易日當下看到的並不是這樣：早幾週的數字早就被修訂過了。first-release 不是快照，是一條由不同時點的初次公布值拼起來的、歷史上從來沒有人看過的序列。

這個差別大到可以量。三個版本兩兩相關：

真正的時點快照跟今天下載的修訂版相關 0.886，反而是 first-release 這個號稱要修正前瞻偏誤的版本，離真快照最遠。

八格檢定，三種版本

主要格子是 KRE 的兩個訊號（4w、13w）乘兩個目標（已實現波動 rv、下行半變異 dsv）乘兩個期程（H=5、H=21），共八格。基準模型是 HAR(d,w,m) 加 SPY 二十一日已實現波動加 VIX 水準；增強模型只多加存款訊號這一項。樣本外用展延式重估，Diebold-Mariano 檢定走 Newey-West HAC 加 Harvey-Leybourne-Newbold 小樣本校正，多重比較在 m=8 的家族上做 Bonferroni 與 BH。符號約定是 d = loss_aug - loss_base，所以 DM t 為正代表加入存款訊號之後預測變差 。

二十四個 t 值裡只有一個是負的，其餘全為正：這個訊號在任何版本下都不曾幫上忙，差別只在「沒用」與「顯著地有害」。而跨過門檻的只有一格——first-release 版的 13w·rv·H5，DM t = +2.7722，原始 p = 0.005649，Bonferroni 校正後 0.0452，剛好壓在 0.05 底下。

同一格換版本再看：

在真正的時點快照下，這一格的 p 是 0.1196，離顯著很遠。整份實驗唯一一個能寫進摘要的「顯著」結果，只在那個建錯的版本裡存在。

這個對照不乾淨，而它不乾淨的方式是可以說清楚的

三個版本的樣本期不一樣，所以不能宣稱裁決差異純粹來自版本。current 版可以一路回溯到 2007-01-03，樣本外從 2018-09-11 起算，n_oos = 1962；true PIT 受限於 ALFRED 對這兩條序列的 real-time 歸檔約從 2012-08 才開始，樣本外自 2020-12-14 起，n_oos = 1393；first-release 版更短，樣本外自 2021-06-11 起，n_oos = 1270。版本與樣本在 current 這一欄上是綁在一起的。

但最關鍵的那組對照剛好是最乾淨的一組：first-release 與 true PIT 的樣本外起點只差半年出頭，n_oos 分別是 1270 與 1393，兩者都涵蓋矽谷銀行事件。這兩欄之間主要變動的就是訊號建構方式，而它們的相關只有 0.616、裁決一個是 documented_negative 一個是 safe_null。要把這個差異歸給樣本，得先解釋為什麼多出來的那一百二十三個交易日能把 DM t 從 +2.7722 拉到 +1.5573。

還有一件不能省的：Clark-West 檢定在這八格全部跑過，而它在三個版本裡都沒有拒絕。CW 是單邊的、檢定的是增強模型「較好」，訊號有害時本來就不會拒絕，所以 CW 沒拒絕不構成對零假設的救援，只是說明這裡沒有被巢狀模型檢定漏掉的正向訊號。

PIT 重建本身也留了稽核痕跡：可用作預測原點的發布週共 725 週，另有 449 週只存在於修訂歷史、從未成為預測原點（它們仍是每個快照裡合法的落後歷史）；發布延遲介於 8 到 16 天之間，沒有任何一個原點被 30 天上限排除；兩個訊號在 725 個原點上的唯一值個數都是 725，非退化檢查通過。

對其他實驗的意思

這份實驗的實質結論仍是原來那個：公開的 H.8 規模別存款資料，沒有穩健提高 KRE 五日或二十一日的波動預測準確度。新的部分是方法上的，把 output_type=4 當成 point-in-time，在這個案例裡不只是不夠嚴謹，它是三個版本中唯一會生出「顯著」結果的那一個，而且方向還是有害。如果一份研究只跑那一版並把它寫成 PIT，得到的會是一個看起來通過多重比較校正、實際上由建構方式造出來的結論。

這不是說 first-release 一定會製造假陽性，這裡只有一個資料集、一個標的、八格檢定，樣本又不同步，推不出通則。可以說的是：宣稱做了 point-in-time 的實驗，應該把 vintage 的重建方式當成一個要報告的設計選項，而不是資料處理的附註；如果三個版本裁決不同，那三個都該印出來。

資料與限制

本文只用 K1679-rev2 的結果檔。資料來源為 FRED/ALFRED 的 DPSSCBW027SBOG 與 DPSLCBW027SBOG，價格走 yfinance（KRE、XLF、SPY、^VIX，auto_adjust=True）。樣本外採展延式重估，初始訓練佔 60%，並對 j+H<i 設 embargo；移動區塊拔靴 block=max(10,H)、重複 2000 次，seed=42。存款資料自 as-of 日到可用日的間隔在各格裡介於 9 到 23 天。

限制：三個版本的樣本期不同步，版本效果與樣本效果無法完全分離；標的只有 KRE 一檔，主要格子只有八個；公開的 H.8 規模別加總不等於個別銀行的未保險存款曝險。完整程式、README 與結果檔位於 experiments/K1679-rev2/。ALFRED 的 real-time 資料庫說明見 ALFRED 官方文件，H.8 週報見 聯準會 H.8 發布頁。本文不構成投資建議。