財報季要降槓桿嗎？21 年 SPY 數據說：別自作聰明
讀者互動
登入會員可按讚與收藏。
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。
一句話結論
把「財報季」當成特別風險區、特地降槓桿， 在 SPY（標普 500 ETF）上 21 年的資料找不到任何證據能證明這樣做更好 ；繼續用 VIX 當訊號的固定波動率目標策略，已經把該管的風險都管掉了。
為什麼會有人想在財報季調整部位？
每年 1 月、4 月、7 月、10 月中下旬，美股進入所謂的「財報季」(earnings season)。大型企業集中公布上一季營收與獲利，新聞版面被各種 beat / miss 與盤後跳空填滿。對個股投資人來說，這段時間波動率明顯升高、股價跳動誇張，是常識。
於是很自然地會有一個直覺：
財報季 = 不確定性高 = 我應該在這段時間降低部位、或者用更保守的波動率目標。
這個直覺對「個股」可能成立。但問題是 — 大盤指數（SPY、0050、台灣加權）並不是個股。它是上百檔股票加權平均後的結果，個股財報的好壞會在組合裡互相抵銷。
實驗 K570 想回答的就是這個問題： 對 SPY 這種寬基指數而言，財報季到底有沒有特別的波動率特徵？如果有，把 VT（波動率目標）策略針對財報季加碼/減碼，能不能打敗最簡單的 12/VIX 基準？
實驗怎麼跑
- 資料 ：SPY、^VIX 日資料，2004-12-31 到 2026-03-26，共 5,342 個交易日
- 財報季定義 ：1/4/7/10 月的第 3-5 週（這四個月份的中下旬，是美股財報密集公布期）
- 樣本切分 ：5,341 個策略日中，財報季 986 日（18.5%）、非財報季 4,356 日（81.5%）
- 基準（baseline） ：12/VIX 固定波動率目標 — 把目標年化波動率設在 12%，用 VIX 當作市場波動的 forward-looking 估計，每天根據 12% ÷ VIX 算出股票部位權重
- 三個變體 ：
- Earnings Enhanced ：財報季把目標降到 10%（更保守）；非財報季拉到 14%（更積極）
- Earnings-Only VT ：只在財報季做 VT，平常 100% 持有 SPY
- Anti-Earnings VT ：只在非財報季做 VT，財報季反而 100% 持有
- 驗證 ：全樣本回測 + 三組跨期間 OOS（2012-2017、2016-2020、2020-2025）+ 兩模型比較檢定
結果一：財報季的「特別性」根本不存在
先看最基本的描述統計 — 財報季的波動率、報酬、絕對報酬，到底有沒有跟非財報季顯著不同？
| 指標 | 財報季均值 | 非財報季均值 | 差異統計強度 |
|---|---|---|---|
| 21 日年化已實現波動 | 15.6% | 15.6% | 微小、未達顯著水準（顯著性 0.82） |
| VIX 收盤價 | 19.0 | 19.2 | 微小、未達顯著水準（顯著性 0.50） |
| SPY 日報酬（基點） | +5.0 bps | +3.6 bps | 微小、未達顯著水準（顯著性 0.74） |
| SPY 日絕對報酬 | 75.7 bps | 76.9 bps | 微小、未達顯著水準（顯著性 0.72） |
| 變異數同質性檢定 | F=0.12 | — | 顯著性 0.73，無差異 |
翻譯成白話 ：在指數層級上，財報季那 18.5% 的交易日，看起來跟其他 81.5% 的日子在統計上 完全分不出來 。VIX 沒比較高、報酬沒比較大、波動沒比較劇烈、連波動率的離散程度都一樣。
這個結果並不孤單。實驗紀錄顯示 K498、K412、K80 三個前置研究在不同切法下重複得到同樣的 null 結論： 個股財報效應在指數加權後被互相抵銷掉了 。學術上 Savor & Wilson (2016, JFE) 主張的是「總體經濟資訊公布日」帶有系統風險溢酬 — 但個別公司財報日的集合並不等於總體事件日。
結果二：四種策略的全樣本對比
把四種策略丟進 21 年回測，加上買進持有作為對照：
| 策略 | 年化報酬 | 年化波動 | 風險調整後報酬 | 最大回撤 | 平均槓桿 | 年週轉率 |
|---|---|---|---|---|---|---|
| 買進持有 SPY | 10.2% | 19.0% | 0.43 | -55.2% | 100% | 0 |
| 12/VIX 基準 | 5.6% | 9.4% | 0.38 | -29.5% | 70.5% | 7.93x |
| Earnings Enhanced (10/14) | 5.9% | 10.4% | 0.38 | -32.3% | 75.4% | 8.46x |
| Earnings-Only VT | 8.7% | 17.7% | 0.38 | -55.5% | 94.7% | 3.65x |
| Anti-Earnings VT | 6.7% | 11.7% | 0.40 | -33.7% | 75.8% | 8.74x |
幾個重點：
- 12/VIX 基準在回撤控制上仍優先 。年化報酬 5.6%，年化波動 9.4%，Sharpe 0.38，最大回撤 -29.5%。雖 Sharpe 已不顯著優於買進持有（0.43），但 MDD 控制（-29.5% vs -55.2%）仍有明顯優勢。
- Earnings Enhanced 年化報酬 5.9%（vs 基準 5.6%），Sharpe 0.38（= 基準 0.38），最大回撤 -32.3%（比基準 -29.5% 更差）。平均槓桿略高（75% vs 70%）是主因，不是時機抓得更好。
- Earnings-Only VT （只有財報季減碼，平常滿倉）幾乎跟買進持有一模一樣 — 因為財報季只佔 18.5% 的時間，調整一下下根本沒影響全圖。
- Anti-Earnings VT （財報季滿倉，非財報季 VT）反而比基準更差，最大回撤 -24.5%。如果有人主張「財報季其實波動低、可以加碼」— 這個資料說：不是。
HAC return-differential 比較（測試各策略報酬差是否顯著異於零）呼應結論： 全樣本下沒有任何變體在嚴格統計門檻下勝過 12/VIX 基準 。全樣本三個變體的 HAC t 值分別是 Earnings-Only 2.30、Anti-Earnings 1.82、Earnings Enhanced 1.34，都低於 Harvey (2016) 對新因子要求的 |t|>3.0 門檻。
結果三：三組跨期間 OOS 也是同一個故事
只看全樣本可能被某段時間的 fluke 帶風向。所以拆三組 train/test 跨期間驗證：
| 期間 | 12/VIX 基準 | Earnings Enhanced | Earnings-Only | Anti-Earnings |
|---|---|---|---|---|
| 2012-2017 | 0.87 | 0.88 | 1.02 | 0.99 |
| 2016-2020（含 2020 崩盤） | 0.81 | 0.80 | 0.68 | 0.75 |
| 2020-2025 | 0.58 | 0.58 | 0.56 | 0.59 |
數字是各子期間的風險調整後報酬。 三組子期間的模式不完全一致 （2012-2017 表現較好的變體是 Earnings-Only，2016-2020 是基準，2020-2025 各策略差異極小），9 個 HAC 比較中只有一個超過 t>3.0 門檻：2012-2017 的 Earnings-Only（t=3.25）。同一變體在 2016-2020 與 2020-2025 的 t 值只有 1.36 與 1.65，三組子期間只有一組過門檻， 不構成跨期穩健的證據 ；其餘 8 個比較的 t 值介於 0.35 到 2.58。
逐年勝率也支持 NULL 結論：21 年裡 Earnings Enhanced 勝 12/VIX 基準的年份為 9 年， 勝率 42.9% ，無法拒絕隨機猜測。
為什麼指數的財報季是 null？
學術文獻給的解釋很乾淨：
- Moreira & Muir (2017, JoF) 的波動率目標策略，本質上就是讓 VIX 動態決定槓桿。VIX 對「市場現在多緊張」有極快的反應 — 任何財報季的不確定性，只要市場真的在乎，VIX 會先漲；策略會自動降槓桿。 不需要日曆規則 。
- Savor & Wilson (2016, JFE) 的核心結論是 FOMC、CPI、NFP 等 總體事件 帶風險溢酬；個股財報的集合是 idiosyncratic 不是 systemic。
- 指數本來就是 500 檔股票的加權平均，個股財報好壞互相對沖。
白話版 ：你以為財報季有額外風險，VIX 早就告訴策略了；你以為財報季波動會大，但組合分散後並沒有；你想自己加日曆規則，反而會在「VIX 已經低了但你還繼續減碼」的日子拖累報酬。
對散戶與投資組合經理的可行建議
- 如果你已經在用波動率目標策略（VT）— 不用為財報季調整任何參數 。資料顯示這只會增加交易成本（年週轉率從 7.93x 拉到 8.56x）、惡化最大回撤、降低風險調整後報酬。
- 如果你還沒用 VT — 12/VIX 在回撤控制上有明顯優勢 。年化報酬 5.6%（低於買進持有 10.2%），最大回撤 -29.5%（遠優於買進持有 -55.2%）。VT 策略的核心價值是 平滑波動、控制回撤 ，不是提升絕對報酬；若你無法承受 50%+ 的帳面虧損，VT 仍值得考慮。
- 不要把個股直覺套到指數上 。「我的台積電在財報前震盪很大」是真的；但「整個 0050 在財報季比較危險」就需要重新驗證 — 答案在 SPY 上是 NO。
- 真的想做事件擇時？挑對事件 。文獻上有實證效應的是 FOMC（聯準會利率決議）、CPI、NFP — 這些是市場層級的訊息流入點。財報季不是。
- 小心「我加了規則就一定變好」的偏誤 。本實驗 4 個變體裡有 3 個比基準差，1 個邊際好但幅度小到落在統計雜訊內。 多加規則 ≠ 多賺錢 ，反而很常多繳交易稅。
一個誠實的限制
這篇研究是大盤指數層級的結論。它 不直接適用於 ：
- 單一個股或集中持股組合（個股財報效應是真的，K570 沒否定）
- 高頻交易或盤中策略（本研究是日頻收盤）
- 中小型成長股 ETF（IWM、QQQ 還沒同樣驗證；後續研究方向）
- 台股加權指數（台股財報集中度與時程跟美股不同；待 K-id 補實驗）
研究範圍以外的延伸，需要對應資料才能回答。 這篇文章只證明：對 SPY、過去 21 年、日頻、寬基指數，財報季調整 VT 是徒勞 。
資料來源
- 價格資料 ：Yahoo Finance（SPY 收盤價、^VIX 收盤價），2004-12-31 至 2026-03-26
- 樣本 ：5,342 個交易日，5,341 個策略日（去掉首日 lag）
- 實驗腳本 ：
experiments/k570b/k570b.py - 完整結果 JSON ：
experiments/k570b/k570b_results.json - 相關前置研究 ：K498（指數層級財報季波動 null）、K412（指數財報效應 null）、K80（VT 季節性 null，含 sell-in-may）
- 方法論文獻 ：
- Moreira & Muir (2017), "Volatility-Managed Portfolios", Journal of Finance
- Savor & Wilson (2016), "Earnings Announcements and Systematic Risk", Journal of Financial Economics
- Harvey (2016), "...And the Cross-Section of Expected Returns", Review of Financial Studies — t > 3 新因子門檻