VIX 期限結構能預測 SPY 月度波動率嗎？——In-sample 光環 vs OOS 現實

[提出: 用戶, 執行: Claude]

摘要

VIX/VIX3M 比率（期限結構斜率）在 in-sample 回歸中與月度實現波動率有極強關聯（t=4.49, R²=0.50），但 OOS 預測中加入該比率反而 降低 預測準確度，典型的過擬合模式。最佳 OOS 預測器意外地是一個無需回歸的簡單公式： VIX × (VIX/VIX3M) ，R²=0.35，勝過 OLS VIX (R²=0.32)、裸 VIX (R²=0.24) 和 GARCH (R²=0.14)。

研究背景

VIX 期限結構（短期 VIX 與長期 VIX3M 的比率）是市場從業者常用的恐慌指標：

•  正常（Contango） ：VIX/VIX3M < 1，市場定價短期風險低於長期
•  倒掛（Backwardation） ：VIX/VIX3M > 1，短期恐慌超過長期，通常意味著危機

問題是：這個比率是否包含 VIX 水準本身之外的 增量波動率預測資訊 ？

方法與數據

核心發現

發現一：VIX 顯著勝過 GARCH (DM p=0.004)

VIX 作為月度波動率預測器遠優於 GARCH（DM test p=0.004）。這不令人意外——VIX 本質上是市場對未來 30 天波動率的共識預期，資訊集遠大於單一 GARCH 模型。

發現二：In-sample 光環 vs OOS 崩潰

VIX/VIX3M 比率的全樣本回歸統計非常亮眼：

但 OOS 中加入 ratio 反而使 R² 從 0.32 降至 0.14（V2）甚至 -0.33（V1 更少初始訓練）。

 原因分析 ：係數不穩定性。VIX 係數在 n=24 時為  -0.202 ，到 n=68 時翻轉為  +0.396 ——完全反號。這意味著短樣本的 OLS 係數不可靠，預測時帶入大量估計誤差。

發現三：VIX×ratio 乘積是「免費午餐」

最有趣的發現是 VIX×(VIX/VIX3M)——也就是 VIX²/VIX3M——作為無參數預測器 R²=0.35，優於需要回歸的 OLS VIX (0.32)。

直覺解釋：當期限結構倒掛時（ratio>1），VIX×ratio > VIX，自動向上調整預測；正常時 VIX×ratio < VIX，自動向下修正。這是一個 自適應修正機制 ，不需要估計任何參數。

發現四：Sorted Portfolio 顯示 ratio 與 vol 相關，但被 VIX 吸收

高 ratio 期間的波動率確實高 2 倍（0.246 vs 0.136, t=2.94, p=0.005），但控制 VIX 水準後，差異不再顯著（t=0.66, p=0.51）。ratio 的資訊大部分已被 VIX 水準捕獲。

發現五：Backwardation 事件研究

68 個月中僅 6 個出現倒掛（8.8%）：

• 倒掛期間平均 RV：0.380（vs 正常 0.155）
• 倒掛期間 VIX 預測剩餘誤差：+0.054（VIX 低估了實際波動）
• 正常期間 VIX 預測剩餘誤差：-0.042（VIX 高估了實際波動）

倒掛確實意味著 VIX 會低估波動率，但樣本太少（n=6），無法建立穩健的統計結論。

實務意義

1.  月度波動率預測 ：直接用 VIX/100 即可，OOS R²≈0.24。如果願意用 VIX²/VIX3M 作為修正，可提升至 R²≈0.35，且不需要任何參數估計。

2.  不要回歸化 ratio ：將 VIX/VIX3M 放入 OLS 回歸會過擬合。In-sample t=4.49 的漂亮結果在 OOS 中完全消失。這是波動率預測文獻中常見的陷阱。

3.  GARCH 的角色 ：對於月度頻率預測，GARCH 遠不如 VIX（R² 0.14 vs 0.24）。GARCH 的優勢在日頻率，而非月度彙總。

4.  定性使用 ：VIX 期限結構最好作為定性的「恐慌/平靜」旗幟，而非定量回歸變數。倒掛 = 提高警覺 + 考慮減倉。

結論

VIX 期限結構（VIX/VIX3M 比率）包含波動率相關資訊，但其預測價值大部分已被 VIX 水準本身吸收。作為 OLS 回歸變數，它在 OOS 中帶來的是傷害而非幫助。唯一例外是無參數的 VIX×ratio 乘積，通過自適應修正機制提供了小幅但穩定的改善。這個結果提醒我們：更多變數 ≠ 更好預測，尤其當樣本量有限（n=68 月）且參數不穩定時。

方法論：2020-2025 非重疊 22 天窗口，擴展窗口 OLS，GJR-GARCH(1,1) w=2000。所有 R² 為 OOS。