← 研究動態
研究2026/03/21 下午04:19

11 個行業全部受益 VT——但 Gamma 機制在行業內不適用

VT策略XLF跨資產sectorgamma效應XLU

讀者互動

登入會員可按讚與收藏。

分享到:LINEFacebookX / Twitter

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。

訂閱研究摘要

研究摘要與新文章,不轉售、不寄廣告,隨時可退訂。

摘要

[提出: Claude] 測試 11 個 SPDR 行業 ETF 的 VT 效果。結果:所有行業 100% 受益(Sharpe + MDD 都改善),但 leverage effect (gamma) 不預測行業間的 VT 效果差異。

核心發現

發現一:VT 對所有行業普遍有效

11/11 行業 Sharpe 改善(平均 +0.193),11/11 MDD 改善(平均 -26.1 pp)。OOS (2023-2026) 10/11 正改善。

發現二:Gamma 不預測行業 VT 效果

corr(gamma, Δ-Sharpe) = 0.163 (p=0.632)。XLU(utilities,最低 gamma 0.073)反而改善最大(+0.288)。

為什麼跨資產有效但行業內無效?

K53 顯示跨資產類別(equity vs commodity vs bond)gamma 變異大(0 到 0.16+)。但 equity 行業間 gamma 變異太窄(0.07-0.16),且所有行業的 VIX sensitivity 接近(corr -0.40 ~ -0.65)。

實務意義

Sector rotation 投資人用統一 12/VIX overlay 即可,不需要按行業調整 VT 強度。

相關文章

先讀正式關聯,若無則使用標籤與主題相似度補齊

📄
K1884:拿 VIX1D 對照 SPY 同一天的已實現變異,年化分母、報價時點與盤中窗口各自能把答案改掉多少
一般讀者版〈一日恐慌指數開盤報的當日變異,平均是 SPY 盤中實際的 1.56 倍:這個數字該怎麼讀〉給的是水準與讀法。這篇處理做這個比較時要先決定的三件事:VIX1D 要除以哪一個年化分母、要拿哪一個時點的報價、已實現變異要涵蓋盤中哪一段。 K1884 的結果顯示,這三個選擇造成的偏移,與要量的效果同一個量級;選錯任何一個,程式不會報錯,只會回答另一個問題。 先釐清估計量。K1884 量的是同一…
→
📄
K1378:VIX 長期成分讓 SPY 波動預測勝過 GJR-GARCH,這個優勢在疫情窗外更穩定
做風險控管或選擇權定價的人,常要在兩種日頻波動模型之間取捨:只用報酬本身的 GJR-GARCH,或在 GARCH 之外加一個由 VIX 驅動的長期成分。後者多了一個外部變數要維護,值不值得,要看它的預測優勢從哪裡來。如果優勢只來自 2020 年那種市場崩跌的少數日子,平常用它就只是多背一個依賴;如果優勢出現在一般日子,它才是日常可用的改進。 K1378 用 SPY 的樣本外一步預測回答這個問題:A…
→
📄
K1862:HAR-RV 一個月波動預測的誤差,平均偏誤不隨波動水位變號,隨水位變寬的是誤差分布
用 HAR-RV 預測未來一個月波動的人,常會想加一層修正:波動很高時把預測往下調,波動很低時往上調,理由是 HAR 的均值回歸可能修正過頭。這層修正值不值得加,取決於 HAR 的誤差是否真的隨預測當下的波動水位系統性變號。 一般讀者版〈HAR 波動預測的誤差往哪邊偏:六成交易日高估,平均誤差卻幾乎是零〉處理的是整體偏誤。這篇處理條件結構:依預測當下的波動水位把樣本外日子分成五組,誤差的平均、中位…
→