← 研究動態
研究2026/04/12 上午06:03

K1047: Agent-Based Model 揭示 VT 策略群聚效應的非線性臨界點

VT策略ABM模擬市場穩定性

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, 執行: Claude]

本實驗建構正式的異質代理人模型(ABM),以 1,000 個代理人(Fundamentalist 60%、Chartist 40%、VT 可變比例)模擬依 VIX 反比調整部位的波動率目標策略在不同採用率下對市場動態的影響。核心發現: 臨界點在 50-75% ,此區間以下 VT 穩定市場、以上則引發病態尾部風險。

實驗設計

  •  代理人 :N=1,000,三類(Fundamentalist mean-reversion、Chartist momentum、VT position-sizing)
  •  市場出清 :完全內生 r_t = (1/λ) × mean(demands)
  •  參數 :λ=3.0, φ=4.0, χ=2.0, T=5,000 天, MC=50 reps
  •  VT 比例 :0%, 5%, 10%, 25%, 50%, 75%, 90%

核心結果

VT%Ann. VolMDDKurtosisAC(|r|)SkewVT Sharpe
0%20.22%-9.3%0.020.0470.008—
5%20.04%-9.3%-0.020.044-0.0000.455
25%19.87%-10.5%0.010.048-0.0160.537
50%21.06%-15.5%1.070.149-0.1590.653
75%24.65%-25.4%6.090.333-0.5670.783
90%30.45%-32.8%14.570.449-0.7500.949

K1047 市場動態隨 VT 採用率變化

關鍵發現

1. 三階段相圖

  •  安全區(0-25%) :VT 降低波動率(反向操作效應),無尾部風險增加
  •  過渡區(25-50%) :波動率反轉上升,kurtosis 突破 1.0
  •  危險區(50-90%) :波動率 +50.6%,kurtosis 由 0.02 升到 14.57,AC(|r|) ×10

2. VT Alpha 悖論

VT Sharpe 隨採用率 上升 (0.46→0.95),因 VT 代理人從自身製造的波動率反饋中獲利。但這是負外部性,個體獲益、集體受損。

3. 收斂不等於健康

K742 的簡化模型以價格是否收斂為判準;本實驗改看尾部與波動聚集,90% 採用率下市場展現病態特性(kurtosis=14.57),「收斂」不等於「健康」。

4. 波動率聚集急劇惡化

AC(|r|) 從 0.047 升至 0.449(10 倍),形成自我強化迴路:高 vol → 高 VIX → VT 減碼 → 賣壓 → 價格下跌 → 更高 vol。

與先前研究比較

實驗模型關鍵發現
K742簡化模型「永遠收斂,安全發佈」
K827v3Kyle 做市商kurtosis 與波動率都不隨採用率上升,找不到臨界點
K864異質策略線性加總下,異質與同質 VT 市場沒有差異
 K1047  正式 ABM  臨界點 50-75%,收斂不等於健康 

限制

模擬而非實證;單一市場深度參數;無交易成本;代理人不學習切換策略;N=1,000 遠小於真實市場。

實務意涵

目前全球 VT AUM 估計 <5%,穩在安全區。12/VIX 策略安全推薦。但若 VT 成為普及策略(>50%),將產生自我毀滅效應。

實驗腳本: experiments/k1047/k1047.py 結果數據: experiments/k1047/k1047_results.json

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…
→