係數對了，預測卻沒進步：一個測量誤差修正的誠實踩空

有一種踩空，是公式錯了。還有一種踩空，是公式對了、你手上的資料撐不起它。這次是後者。

我們拿一套 2016 年提出、後來被廣泛引用的波動率預測修正法，試著用「人人都拿得到的日線收盤價」複製它的好處。結果：這個修正機制的痕跡清清楚楚出現在我們的模型裡，卻一次都沒換來更準的預測。九個測試組合，零個統計上站得住腳的改善。

這篇把過程講清楚，順便講一件比結果本身更值得記住的事。

先認識這套方法在修什麼

波動率預測有一個歷史悠久、簡單到有點好笑的經典做法：把「昨天的波動率」「過去一週的平均波動率」「過去一個月的平均波動率」三個數字加權相加，拿來預測明天的波動率。三個移動平均，算術題，十幾年來卻是難打敗的基準線。我們把它稱為三尺度基準模型。

問題出在第一項，「昨天的波動率」。這個數字本身是估出來的，有時候估得準，有時候一天裡幾筆離譜的跳動就把它汙染了。三尺度基準模型對這件事一視同仁，不管昨天那個數字乾不乾淨，都給它固定的權重。

2016 年一篇金融計量期刊上的論文補的正是這個洞：當昨天的波動率讀數「雜訊大」時，就自動把它的權重調低，別太相信一個測不準的數字。他們用一個專門偵測雜訊高低的量，來判斷昨天那個讀數該打幾折。在原作者用的高頻盤中資料上，這招確實有效。

我們想問的其實是一個很現實的問題

高頻盤中資料很貴，而且乾淨、夠長的樣本不好找。日線收盤價則是免費、遍地都是。

所以問題來了：這套修正法的好處，能不能用日線資料的粗糙替代品撈到手？

我們照著實驗室一貫的誠實代理慣例，把波動率跟那個雜訊偵測量全部改用日線對數報酬去建，用一個月窗口的四次方報酬當雜訊指標的替代品。樣本是 SPY、QQQ、台灣 0050 三檔，2010 年到 2026 年，分別預測未來一天、未來一週、未來一個月的波動率，用滾動擴張視窗逐步往前估計，每檔約三千多筆樣本外觀測。三檔資產各自獨立估計、各自報告，不混在一起算。

這裡先把話講死：日線的四次方報酬是盤中雜訊指標的弱替代品，它天生粗糙。所以就算結果是零效果，也完全在預期之內、而且是個乾淨的結論，它回答的是「這條省錢捷徑走不走得通」，不是在替原本那套盤中版修正法下判決。

結果：痕跡在，效果不在

先看修正機制有沒有「發動」。照理論，雜訊項的係數應該是負的，雜訊越大，越壓低昨天讀數的權重。

九個測試組合，這個係數 全部是負的 。方向百分之百對。機制確實在模型裡動了。

再看它有沒有換來更準的預測。下表的損失比是「加了修正的模型 ÷ 沒加修正的基準模型」的預測誤差比值，大於一就代表修正後反而比原版差：

三件事一眼就看得出來。

 美股是倒退的。  SPY 跟 QQQ 六個格子的損失比全部大於一，最糟的 SPY 一週期距差了 11%。加了修正，預測反而變差。

 台股是打平的。  台灣 0050 的三個損失比都貼著一，兩個甚至微幅小於一，但幅度小到沒有實質意義。

 沒有一格通過我們事先訂好的嚴格門檻。  我們用一套正式的統計檢定（同時做了小樣本保守修正）來比較兩個模型誰更準，把顯著門檻設在檢定值的絕對值要超過三倍標準誤，這比一般常見的門檻嚴格得多。九次檢定，沒有一次過關，不管是「修正版顯著更差」還是「顯著更好」，統計上都說不出口。九個格子裡「雜訊係數顯著為負、同時預測顯著改善」同時成立的，是零個。

唯一一個雜訊係數自己過了嚴格門檻的，是台灣 0050 的未來一個月期距（檢定值 −3.11）。修正機制在台股月頻上留下了最深的痕跡，結果那一格的預測改善還是不顯著。痕跡最清楚的地方，反而最能說明問題： 方向對，不代表有用。 

真正卡住的不是公式，是解析度

我們一開始以為，日線替代品頂多是「效果打折」，係數會弱一點但還在。實際跑完才發現卡點在別的地方。

這套修正法的整套邏輯建立在一個能力上：知道「哪一天」的波動率讀數特別髒。盤中資料能做到，因為它一天有幾百筆價格，測得出某一天的雜訊是不是異常大。

日線的四次方報酬做不到這件事。它能告訴你「最近這一個月大致有多毛躁」，卻分不出毛躁到底集中在哪一天。修正法拿到的是一團糊掉的雜訊訊號，於是它壓權重壓得沒重點，該壓的沒壓對，不該壓的被連累。係數的方向記得對，力氣卻使在錯的地方。

換句話說，瓶頸從來不在那條公式。是測量的解析度不夠。你沒辦法用日線資料假裝出盤中的精度，就像你沒辦法把一張縮圖放大回原始照片，放大演算法再聰明，缺的資訊就是缺了。

為什麼一個零效果的結果值得寫出來

這個結果不推翻原本那套修正法。它在盤中資料上的成果穩穩站著。我們證明的是另一件事：那條「拿日線資料抄捷徑」的路走不通。

這件事對讀者有用的地方在於，它替你省下一次白工。日線收盤價免費又好拿，把盤中版的修正法硬套上去的誘惑很真實，係數還會給你一個「方向對了」的假安慰。但預測準度不會因此改善，甚至倒退。看到係數方向對就開香檳，是量化研究裡最常見的自我欺騙之一。

我們的實驗室規矩是：失敗也如實報。這篇就是一次如實報，公式對、係數方向對、資料撐不起來，於是沒用。把這句話寫清楚，比多發一篇「我們又打敗基準模型了」有價值得多。

資料與方法：SPY、QQQ 取自 yfinance 日線收盤價，台灣 0050 取自清理後的日線資料，樣本期間 2010-01-01 至 2026-06-30；SPY 全樣本共 4,145 筆日報酬（2010-01-05 至 2026-06-29），未來一天期距的樣本外觀測約 3,299 筆（2013-05-15 起）。三檔資產各自獨立以擴張窗口估計，未混合計算。預測誤差用波動預測慣用的損失分數（對低估的懲罰比高估重），模型比較檢定為正式的預測誤差比較檢定並套用小樣本保守修正，落後期依各期距自身設定。隨機程序固定種子。全文數字逐一對應實驗結果檔。

懶人包圖組