经济数据发布的时候,市场把波动率定错了吗

我有个想法:CPI、非农、FOMC 这些日子是提前几个月定好的,谁都知道那天会有大波动。既然这么确定,市场会不会对那天的波动率定价不足?如果是,就有得做。

结论是不成立,而且反过来了。我先看到的东西很像成立:事件日的波动率溢价确实几乎被吃光,十几个事件类别全都显著。但那个差异是 30 天隐含波动率把单日事件摊平之后的算术必然,不需要任何定价错误。真正超出算术的部分,没有一个类别显著。再往下查,有三条证据说明市场不但定价了,还定得比数学要求的多。

这篇主要记那个陷阱,以及事件反应本身的量化结果。中间我自己犯了两个错,都是核对时才发现的,也一并写在里面。

先确认事件反应是真的

比特币 24 小时交易,美国数据发布时全球都在场。先确认它到底有没有反应。

做法是把每一分钟的 |收益| 除以一个季节性基线:按(星期几,UTC 一天中的第几分钟)分成 10080 个格子,取那个格子里 |收益| 的平均值,算基线时排除所有事件日。这样「美国时段本来波动就大」这件事就被差掉了,普通分钟的比值应该是 1.0。

反应很清楚。CPI 公布那一分钟,BTC 的 |收益| 是同时段平常的 12.3 倍,FOMC 8.1 倍,非农 6.2 倍,初请失业金 4.0 倍。安慰剂在同一时刻是 0.95 倍,也就是基线本身没问题。

剂量反应干净:FOMC、CPI、非农在最前面;PPI、PCE、初请在中间;零售销售、耐用品订单、雇佣成本指数基本和安慰剂分不开。BLS 的次要发布是个天然对照 —— 和 CPI 同一时刻、同一个部门发,但没人关心,它的独占日效应就是零。

事件之前呢?我原来以为没有预热,因为市场不知道数字往哪边出。这也是错的。

CPI 前 120 到 61 分钟是 0.98 倍,前 30 分钟 1.14,前 10 分钟 1.38,最后 3 分钟 1.72。FOMC 更陡:1.36 / 1.80 / 2.49。成交额也一样,CPI 最后 3 分钟是当天正常水平的 1.79 倍,FOMC 2.50 倍。所以市场事前是有动作的,只是幅度比事后小一个数量级。PPI 和耐用品订单则确实是平的。

看起来像定价错误的东西

反应是真的,那定价呢?要回答这个得有隐含波动率。Deribit 有个叫 DVOL 的指数,是 BTC 期权的 30 天隐含波动率,公开 API 能取小时线,最早到 2021 年 3 月,ETH 也有。

我算每天的「实现波动 / 前一日隐含波动」。小于 1 表示市场把波动率定高了,这是常态 —— 卖波动率的人就靠这个赚钱。

BTC 平常这个比值是 0.818,也就是市场把波动率定高了约两成。但在重大事件日(CPI、非农、FOMC、PPI 任一),比值升到 0.980;FOMC 那天 1.051,CPI 那天 1.015,实现比隐含还高。ETH 一样:平常 0.870,事件日 0.994,FOMC 日 1.072。

逐月配对之后更清楚:同一个月里,事件日的比值比非事件日高 0.154,自助法区间 [0.107, 0.202]。分类别看,FOMC、CPI、非农、PPI、ISM、初请、职位空缺、密歇根信心,十几个类别全部显著,Holm 校正后大部分还在。

到这一步我以为验证完了。而且十几个类别方向一致,不像噪音。

算清楚:问题出在分母

但 DVOL 是 30 天期限的。一个事件日的额外波动摊到 30 天里只占三十分之一。这个分母会怎么影响比值?我把它写下来算了一遍。

设非事件日的日方差是 v,事件日是 k·v,未来 30 天里有 m 个事件日。一个完全理性的 30 天隐含波动率满足

隐含日方差 = [v·(30−m) + k·v·m] / 30

这个值在事件前后基本不变(30 天窗口里的事件数只差 0.6 个)。于是非事件日的比值是 √(v / 隐含日方差),事件日是 √(k·v / 隐含日方差),两者相除:

事件日比值 / 非事件日比值 = √k

这是个恒等式,跟 m 无关、跟 v 无关、跟市场定价准不准也无关。只要事件日的实际方差是平常的 k 倍,哪怕市场定价完全正确,事件日的比值也必然比非事件日高 √k 倍。

实测:BTC 事件日的日方差是非事件日的 1.393 倍,所以 √k = 1.180。而实测的比值之比是 1.199。差 0.019。

ETH 同样:实测 1.143,理论 1.117,差 0.026。换个 k 的估计方法(中位数、几何均值),差值会变成负的。

也就是说,前面那个「事件日溢价被吃光」的现象,几乎全部是 30 天期限的算术必然。

最直接的演示是这个:从非事件日里挑出一批波动倍数和真事件日一样的日子,当作「伪事件日」。它们没有任何经济数据发布。

BTC 的伪事件日比值是 0.967 [0.933, 1.006],真事件日 0.980。ETH 伪事件日 0.995,真事件日 0.994,几乎完全一样。只要当天波动大,这个比值就会抬到 0.97 到 1.00,和那天有没有 CPI 无关。

那点超额显不显著

剩下的 0.02,得看它统计上站不站得住。我对每个事件类别做自助法:按月成块,同时重抽事件日和对照日,每次都重新算实测比值和 √k,取两者的差 —— 这样 k 的估计误差也算进去了。

BTC 里超额最大的是 ISM 制造业 +0.124(原始 p = 0.063,Holm 校正后 0.752),其次是非农 +0.112。ETH 里最大的也是非农 +0.114(p = 0.090)。没有一个类别在多重检验校正后显著。CPI 和 FOMC 这两个最大的事件,超额基本就是零。

反过来:市场定价比数学要求的还多

既然测不出定价不足,那有没有市场确实在为事件定价的正面证据?有三条。

第一条:未来 30 天里事件越多,今天的隐含波动率应该越高。回归 log(隐含波动率) 对未来 30 天的重大事件数,控制月固定效应,按月成块自助。

BTC 的系数是 +0.0175 [+0.0043, +0.0304]。理性基准是多少?窗口里多一个方差为平常 k 倍的事件日,log(隐含波动率) 应该上升 ½·log((30−1+k)/30) = +0.0065。实测是理性要求的 2.7 倍,ETH 是 4.2 倍。方向和幅度都说明市场在定价,而且定得偏多。

第二条:事件公布之后不确定性兑现,隐含波动率应该掉下来。

CPI 公布后 BTC 的隐含波动率下降 0.85%(p = 0.024),FOMC 下降 1.27%(p = 0.008),而随机时刻的安慰剂是 +0.03%。算术上一个事件滚出窗口只该让它掉 0.65%,实测掉得更多。

第三条,也是最反直觉的一条。我原来算过一个「每天卖 1 单位方差」的账,事件日合计是负的,看起来事件日在亏钱。但那个账用的是没去平滑的隐含方差 —— 30 天指数在事件日给出的方差预测本来就偏低,这是会计上的错配,不是亏损。把 k 用前半样本估出来、后半样本外应用,给事件日的方差预测乘上 k 再算残差:

去平滑之后,BTC 事件日的方差风险溢价是 +1.385,非事件日 +0.448,同月配对差 +1.208 [+0.172, +2.305]。事件日反而比平常多赚。ETH 的配对差 +2.393 [+0.483, +4.395]。也就是说市场在事件日收的保险费,比事件实际带来的波动还要多一点。

还有一件事得说清楚:用 30 天 DVOL 去测单日事件,工具本身几乎没有分辨率。一个事件日进出 30 天窗口,理论上只能让 DVOL 变动 0.65%,而 DVOL 自己每小时的 |变化| 平均就有 0.57%,信噪比只有 1.15(ETH 是 0.79)。所以这篇能说的是「用 30 天隐含波动率测不出定价不足」,不能说「市场对事件的定价一定精确」。

顺手测的:能不能交易

波动率这条路走不通,方向呢?常见说法是市场对数据反应不足、公布后会继续走。我测了:发布后第 k 分钟看价格往哪边走,同向持有到第 h 分钟。(k, h) 只在前半样本上挑,后半样本原封验证,扣往返成本。

不行。BTC 的 CPI 在前半样本选出的参数净赚 47.9 bps,搬到后半变成 −2.4 bps。只有 ETH 的 CPI 后半是正的(+44.8 bps,胜率 71%),但一个品种一个类别对上、其余没对上,更像是挑出来的。这个结果和前面是一致的:没有可捕捉的定价错误,自然也就没有可交易的动量。

敏感度在变小

2022 年 CPI 的反应最大,发布后 30 分钟的波动是平常的 5.6 倍 —— 那是加息最猛的一年。之后一路降,2026 年只有 1.05 倍。跨式的净收益从 2022 年的 286 bps 降到 2026 年的 9 bps。我的理解是:2022 年每一次 CPI 都可能改变加息路径,是真信息;现在利率路径稳定,同样一个数字带的信息少多了。

我犯的两个错

都是核对时才发现的,写下来免得下次再犯。

第一个是数据。BTC 现货的分钟文件缺了 2023 年 11 月和 2026 年 4 月两个整月 —— 下载时网络失败,日志里写着,我没回头看。我写过补齐脚本,但从来没跑。更糟的是加载数据时把缺失分钟按前一根价格填平了,于是那 60 天产生 1440 个零收益,当日方差为零,却因为「分钟数够 1440」通过了过滤,以比值 0 混进面板。这把非事件日的比值从 0.818 压到 0.800。检查缺失时我按月份统计行数,而整月缺失的月份根本不在统计结果里,所以没看出来。

第二个是前面提过的基线口径:分子用均值、分母用中位数,把所有倍数放大了约 60%,还让「事件前没有预热」这个结论看起来成立。

两个错的方向都是让结果更像我想要的。

不稳的地方

• DVOL 是 30 天期限的固定指数,对单日事件的信噪比只有 1.15(BTC)和 0.79(ETH)。真正能反映「市场对今天这个事件怎么定价」的是当日或当周到期期权的隐含波动率和期限结构,我没抓那个数据。这是最大的限制。
• k 的估计方式会改变超额的符号:用均值 k = 1.393 时超额 +0.019,用中位数 1.440 时 −0.006,用几何均值 1.577 时 −0.062。正文用的是对「定价不足」最有利的那个,结论仍然不成立。
• BLS 次要发布这个安慰剂只有 18 个独占日。它能排除 CPI 那种量级的效应(区间上界远小于 +0.20),但精度有限。
• 1 分钟收益的平方和会因微观结构噪声高估已实现波动约 4.5%。改用 5、15、30 分钟收益重算,配对差仍在 +0.14 附近,超额仍然为零甚至更负。
• 「非事件日」只排除了我这份日历里的事件。加密市场自己的事件、美股财报、期权到期日都没排除。
• 日历里 2025 年 10 到 12 月因美国政府停摆有真实缺口,没有补。初请失业金 2021–2024 和 2026 的日期来自 ALFRED 的发布日期文件,2025 年的与 DOL 官方页逐条一致(含节假日调整和停摆缺口),所以采信了其它年份。
• 黄金只有 313 天数据(2025-05 到 2026-05),每类事件 8 到 11 次,只作方向参考,没放进主结论。XRP 的分钟文件缺了 39 个月,整个品种没用。
• 剔除 2022 年后,描述性的配对差从 +0.154 降到 +0.125,仍显著;超额仍然是零。
• 本文用日度口径判断「有没有事件」,同一天有多个事件时归给优先级最高的那个。分钟级分析里用「独占」子集处理重叠,日度分析里用回归和独占口径分别做了一遍。

最后

1. 比特币对美国宏观数据的反应是真的:CPI 公布那一分钟的波动是同时段平常的 12.3 倍,FOMC 8.1 倍。发布前也有预热,最后 3 分钟波动 1.7 倍、成交额 1.8 倍。剂量反应清晰。
2. 事件日的「实现/隐含」比值从 0.818 升到 0.980,逐月配对差 +0.154,十几个类别全显著 —— 但这是 30 天期限摊平单日事件的算术必然。理论 √k = 1.180,实测 1.199。
3. 从非事件日里挑出波动相当的「伪事件日」,比值 0.967,和真事件日 0.980 分不开。效应来自「当天波动大」,不是「当天有事件」。
4. 扣掉算术之后的超额,BTC 和 ETH 没有一个类别在多重检验校正后显著。
5. 三条反向证据:隐含波动率对未来事件密度的弹性是理性要求的 2.7 到 4.2 倍;CPI 和 FOMC 公布后隐含波动率下降幅度大于算术要求;去平滑之后事件日的方差风险溢价反而比平常高(配对差 +1.208)。市场对事件收的保险费不是少了,是多了。
6. 事件后的方向性动量策略在严格样本外站不住。
7. BTC 对宏观数据的敏感度逐年下降,2022 年 5.6 倍,2026 年 1.05 倍。

下一步该抓 Deribit 短期期权的历史隐含波动率,直接看事件日跨越前后的期限结构 —— 那才能真正回答最初那个问题。这篇的价值主要在于说明为什么不能拿 30 天隐含波动率去测单日事件:那个看起来很显著的 +0.154,是个陷阱。

数字随方法修订会更新(v1,2026-09-09)。