把 Fed 演講讀成一個分數，再拿去預測市場：12 個檢定沒有一個過，而最大的那個數字方向是反的

FOMC 開會那幾天，市場會動，這件事已經被測到爛了。但 Fed 官員一年講幾百場話，絕大多數不在會議那兩天，那些 會議之間 的發言，市場到底聽進去多少？

這個問題有它的道理。決議日是排定的，所有人都知道那天要看什麼；會議之間的演講不是，資訊如果真的從那裡漏出來，它應該比決議日更接近「意外」。學術上也有人主張，央行講話裡的 預測修正 內容（對 GDP、通膨、就業的看法變了沒）才是真正帶資訊的部分，而不是講了幾次、講了多長。

我們把這件事做成一個可以檢定的問題： 用 Fed 官網的演講全文，建一個透明的預測修正分數，看它能不能對隔天與未來五天的波動、以及左尾事件，提供任何增量訊號。

答案是不能。而且失敗的方式比失敗本身有意思。

怎麼量的

資料是 Fed 理事會官網的演講全文，配上四檔標的：SPY（美股）、QQQ（科技股）、TLT（長天期美債）、IEF（中天期美債）。樣本從 2020-02-05 到 2026-06-22，SPY 隔日波動那組有 1,602 個交易日。

分數本身刻意做得很笨：用一份 透明的字典 去數演講裡與 GDP、通膨、勞動市場相關的措辭方向，合成一個預測修正衝擊值，再標準化。這不是論文裡那種多模態機器學習模型，就是一個任何人都能照著重做的代理指標。

時間對齊上我們把話說死，因為這是這類研究最容易出事的地方：演講日期先對到 下一個 可交易日，然後訊號再 shift(1)，程式裡是 align_speech_signals() 建出的 *_z_l1 欄位，HAR 控制項同樣用 log_rv.shift(1)。 同一天的資訊完全不使用。 演講的發布時間我們沒有拿來用，不是忘了，是刻意保守：與其猜某場演講是盤前還是盤後，不如整體往後推一個交易日。

檢定用 HAC 標準誤（重疊的五日目標會製造序列相關），多重比較用 BH 校正。 發表門檻在跑之前就先寫死 ：要宣稱有訊號，至少要有兩個主檢定同時滿足 HAC t ≥ 3（方向為正）且 BH q ≤ 0.05。隨機種子 42。

12 個格子，沒有一個過

四檔標的 × 三個目標（隔日波動、未來五日波動、未來五日左尾事件）＝ 12 個主檢定。

通過門檻的：0 個。 不只是「沒有兩個」，正向 t ≥ 3 的有 0 個，連取絕對值後 |t| ≥ 3 的也是 0 個。

最強的一格是 SPY 的隔日波動：訊號每上升一個標準差，對數波動增加 0.033，HAC t = 1.60，p = 0.109，BH 校正後 q = 0.654，R² = 0.142。第二強是 IEF 的隔日波動，t = 1.22、p = 0.222。

p = 0.109 這個數字值得停一下。它不是那種「差一點就過」的邊緣案例，它連未校正的 0.05 都沒到，而校正之後 q = 0.65，意思是在這樣的多重檢定裡看到這種強度的東西，本來就很常見。

最大的那個數字，方向是反的

熱圖裡絕對值最大的一格，是 SPY 的左尾事件： t = −2.65 。

負號的意思是： 預測修正衝擊越大的日子，接下來五天出現左尾事件的機率反而更低。 這跟出發時的假設相反，我們原本預期的是資訊衝擊推高尾部風險。

這個「反而」在四檔標的上方向一致（SPY −2.65、QQQ −1.25、TLT −0.68、IEF −0.27），看起來很像一個故事的開頭。 但它撐不起任何結論 ，理由有兩層：

第一，它沒有通過門檻。門檻是事前寫死的正向 t ≥ 3，而它連絕對值都只有 2.65。事後把門檻改成雙尾、或改成「方向相反也算發現」，就是拿結果去挑規則。

第二，也是更根本的：這個方向如果是真的，它的解釋反而更可疑，為什麼 Fed 官員講出更強的預測修正之後，市場的尾部風險會 下降 ？比起「講話安撫了市場」，更平凡的解釋是：這個字典分數在動盪期本來就比較容易給出高分（措辭更密集），而動盪期之後往往是回穩。這是共變不是因果，而我們沒有做能區分兩者的設計。

所以這一格我們只記錄，不解讀。

只挑訊號最強的 48 天，還是什麼都沒有

有人會問：整體沒訊號，會不會是被大量無聊的日子稀釋了？只看訊號真的很強的那幾天呢？

我們取正向訊號日的第 80 百分位當門檻（z = 3.148），得到 48 個「最強訊號日」，對照其餘 1,572 天：

四個 p 值分別是 0.88、0.61、0.81、0.50。 沒有一個接近任何門檻。 方向上四檔都是「最強訊號日之後波動略高」，但幅度小到在雜訊裡看不出來。

左尾事件那一欄同樣要小心地講：SPY 在最強的 48 天裡，左尾發生率 2.08%，其餘日子 5.09%，看起來差了一倍多。 但 2.08% × 48 = 1 ——那 48 天裡總共只發生了 1 次 左尾事件。QQQ 與 TLT 各 2 次，IEF 3 次。

用個位數的事件去談機率減半，是這類研究最常見的自我欺騙。我們把數字放上來，是為了讓它自己說明為什麼不能用。

訊號和波動長得就不像

把訊號序列和 SPY 的前瞻五日波動疊在同一條時間軸上，這件事其實用看的就有感覺：

上半部是原始文字衝擊，尖峰在 2024 到 2026 之間越來越密、越來越高。下半部是 SPY 的前瞻五日波動，整段期間只有兩個明顯的大尖峰：2020 年初，以及 2025 年春季。

兩者的高點沒有對齊。 文字衝擊最猛的那幾年，正好是波動最平靜的那幾年。這張圖不能取代檢定，但它讓檢定的結果不那麼意外。

這個結果不能證明什麼

null result 最容易被過度延伸，所以這幾條要寫清楚，這些是實驗自己列的限制，不是事後找的台階：

• 語料不完整。 Fed 理事會官網的演講頁面不涵蓋所有地區聯準銀行總裁的發言，這不是一份完整的 FOMC 成員語料庫。
• 字典是代理，不是原模型。 我們用的是透明字典評分，不是文獻裡那種多模態機器學習的預測修正模型。 做不出訊號的是這個代理指標，不是「Fed 演講的資訊內容」這個假說本身。
• 日頻抓不到事件窗。 用日線 OHLCV 算的收盤對收盤波動代理，看不到高頻的事件窗反應；真正的反應如果只持續幾十分鐘，這個設計就是看不見。
• 五日目標重疊。 HAC 落後期設在五個交易日，緩解序列相關，但不等於做過非重疊穩健性檢查。
• 沒有用演講發布時間。 統一往後推一個交易日是保守處理，代價是可能錯過當天的即時反應。

換句話說： 這篇能說的是「用公開資料 + 透明字典做的簡單版本沒有訊號」，不能說「Fed 會議之間的講話對市場沒有影響」。 這兩句話的距離，正好是這個實驗沒有跨過的那段路。

那這篇的價值在哪

在於它把一條看起來很誘人的路走完了，並且留下了可以接手的座標。

用公開演講文本做波動率訊號，是那種聽起來一定有效的想法，央行講話當然重要，文本當然有資訊。但「重要」和「能在日頻資料上被一個透明字典抽出來、還能通過多重比較校正」之間，隔著好幾層。這個實驗量出了那幾層有多厚：最強的一格 p = 0.109，最大的一格方向還是反的。

下一個要試的人，至少知道兩件事：不要再從透明字典開始，以及日頻可能本來就是錯的解析度。