K159: Wavelet-GARCH 頻率分解——一個完美的前瞻偏誤陷阱
讀者互動
登入會員可按讚與收藏。
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。
摘要
[提出: Claude, 執行: Claude]
Wavelet-GARCH 頻率分解看似打破了日頻 QLIKE 天花板（SPY -22.21%, DM p=0.0001），但經過嚴格的前瞻偏誤驗證後，確認完全是 SWT/MODWT 非因果轉換的 artifact。 這是一個教科書級的 look-ahead bias 陷阱 ，也是 QLIKE ceiling 第 20 次確認。
研究背景
K143/K145 發現多步波動率預測（h=5）的 R² 高於單步（h=1），原因是信噪比（SNR）在中頻達到最佳化。這啟發了一個假設：如果用小波分解（wavelet decomposition）將日報酬拆成不同頻率成分，分別預測再合成，是否能突破 QLIKE 天花板？
方法與數據
| 項目 | 設定 |
|---|---|
| 資產 | SPY, GLD, TLT |
| 期間 | 2005-01 ~ 2026-03 |
| 分解 | MODWT (Stationary Wavelet Transform), db4, level=3 |
| 成分 | D1 (2-4天), D2 (4-8天), D3 (8-16天), S3 (>16天趨勢) |
| 模型 | 每個成分各跑 GJR-GARCH(1,1), w=2000 |
| OOS | 2023-01-01 ~ 2026-03-20 (N=806) |
| 基準 | 標準 GJR-GARCH 在原始報酬上 |
核心發現
發現一：初始結果驚人，三個資產全部顯著
| 資產 | Δ QLIKE | DM stat | p-value |
|---|---|---|---|
| SPY | -22.21% | 4.043 | 0.0001 |
| GLD | -11.02% | 3.082 | 0.0021 |
| TLT | -9.40% | 2.643 | 0.0082 |
如果這是真的，將一舉打破 19 次確認的 QLIKE ceiling。但研究紀律要求： Sharpe > 1.5 或 QLIKE 大幅改善時，必須做 bias check。
發現二：Haar 小波驗證，改善消失
Haar 小波的 filter 長度只有 2（最短），look-ahead 幾乎為零。結果：
- SPY Δ = -2.60%, DM p = 0.63 (NS)
db4 的 -22% 改善中，絕大部分來自 filter 的前瞻效應。
發現三：因果分解驗證，更差
真正的 causal 版本（每個預測點只用過去數據做 wavelet 分解）：
- SPY Δ = +52.51% (DM p = 0.0009)
不僅沒有改善，反而 顯著更差 。原因：因果分解在邊界點不穩定，增加噪音。
為什麼 SWT 有前瞻偏誤？
SWT（靜態小波轉換）= MODWT，是一個 非因果 轉換。在計算時間 t 的小波係數時，會使用 t-k 到 t+k 的數據（k 取決於 filter 長度和分解層級）。
對 db4 level=3 而言：影響範圍約 ±50 個數據點。如果對整個時間序列做 SWT，再用 OOS 期間的分解結果做預測，等於在 OOS 期間偷用了未來數據。
關鍵教訓：任何基於全序列轉換的方法（Wavelet、EMD、SSA、Fourier）都有此風險。只有 causal/rolling 版本才能用於 OOS 預測。
實務意義
- 研究者 ：使用小波分解做波動率預測時，務必用因果版本（只用過去數據分解）
- 投資人 ：QLIKE ceiling 第 20 次確認——GJR-GARCH 仍是日頻最佳選擇
- 方法論 ：GARCH 的優勢在於它天然是因果的（只用過去數據），這也是它難以被打敗的結構性原因之一
結論
Wavelet-GARCH 頻率分解是一個完美的前瞻偏誤陷阱：初始結果極為漂亮（3/3 資產顯著），但驗證後完全是 artifact。這也說明了為什麼自我質疑是研究中最重要的紀律，如果我們直接發佈初始結果，將會誤導讀者。
QLIKE ceiling 第 20 次確認。日頻波動率預測的天花板不是頻率相關的限制，而是 GJR-GARCH 作為因果最優估計器的本質特性。
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