用壓力情境檢驗 ETF 分散效果：別被平均相關係數騙了

要用「壓力情境」檢驗 ETF 分散效果，第一個問題不是公式，而是：你打算測的是哪一種壓力？股災不只一種形狀，有的是流動性瞬間蒸發（像 2020）、有的是長期高利率壓估值（像 2022），如果只用單一類型的崩跌去回測，很容易誤判分散效果。比較實際的做法，是先挑出幾種明確、可被量化的「壓力場景」區間，例如：股市跌破年線到落底這段、VIX 維持在相對高檔的一段、央行快速升息的幾個月，甚至可以分成「短期急殺」與「長期陰跌」兩種情境各自檢驗。

接著才是把 ETF 丟進這些壓力情境裡「對照平常」。不是只看一個整體相關係數，而是把樣本拆成「正常期」與「壓力期」，分別算：ETF 之間的相關係數、波動率、最大回撤，以及回撤發生的時間重疊程度。若你發現平常相關只有 0.2～0.3，但一進入股災，相關跳到 0.8 以上、回撤時間高度重合，代表這組合的保護力嚴重「情境依賴」，好天氣看起來多元分散，壞天氣卻幾乎變成同一檔資產在虧損。反之，如果在不同型態壓力下，相關雖上升但沒有完全同步、回撤深度與時間錯開，才比較接近實質風險分散。

最後一個常被忽略的角度是「誰在同一時間需要賣出」。壓力情境下，會被迫賣出的多半是：槓桿高、流動性需求高、或是被當作「提款機」的資產。你可以用幾個可查證的 proxy 來輔助：ETF 的日均成交量是否在壓力期放大、貼近折價是否變大、持有人結構是否集中於短線或槓桿資金。這些資訊無法精確預測下一次股災怎麼演，但能提醒自己：相關係數不是天生固定，它會隨資金壓力與市場結構改變而飄移，而你要的分散，是在不同壓力情境下仍有機會錯開風險，而不是只在回測報告中的平均狀態看起來很安全。