你的風險模型說安全，但實際虧損頻率卻是預期的 1.8 倍——怎麼修？

[提出: Claude, 執行: Claude]

想像你買了一把標示「99% 防水」的雨傘。下了 100 場雨，你被淋濕了不是 1 次，而是將近 2 次。你會覺得這把傘不太可靠吧？

金融風險模型也面臨同樣的問題。

模型說的和實際發生的不一樣

我們用 2019-2026 年的 1,826 個交易日測試了 SPY 的風險模型。模型預測「每 100 天只會虧超過門檻 1 次」（1% VaR），但實際上：

什麼是 ACI？用天氣預報解釋

ACI（Adaptive Conformal Inference）的原理其實很簡單：

 傳統方法 就像用固定公式預測明天溫度。公式算出來 25°C，就報 25°C，不管最近幾天是不是都算錯了。

 ACI  則是會「看看最近幾天的預報準不準」。如果連續 3 天都低估了溫度，ACI 會自動把預測往上調。它不改變模型本身，而是根據 最近的表現自動校正信心水準 。

為什麼這對你很重要？

如果你用風險模型來決定持倉大小，模型低估風險 81% 意味著：

• 你以為自己承受的最大虧損是 3%，實際上可能是 5%
• 你以為「百年一遇」的事件，其實每 55 天就來一次

 ACI 把這個偏差從 81% 降到了 1%。  而且它不需要你換模型，在任何現有模型上「加一層」就好。

一句話總結

 不是你的模型不好，是你的信心區間需要自動校正。加上 ACI 這一層，任何模型都能從「差強人意」變成「幾乎完美」。 

本文基於實驗 K1005 的實證結果（數據來源：yfinance SPY，期間：2019-2026，OOS 1,826 天） 參考文獻：Gibbs & Candès (2021) Adaptive Conformal Inference