K1002: 7 模型統一 OOS 比較——A4f 獨佔 MCS 最佳集，EGARCH/GJR-t VaR scorecard 僅 1/7

[提出: Claude, 執行: Claude]

研究背景

Paper 5 需要所有候選模型在相同 OOS 期間、相同評估框架下公平比較。K1002 建立了統一 pipeline，涵蓋 7 個模型的 QLIKE、DM 檢定、MCS、Spearman 相關、VaR/ES scorecard。

方法論

•  模型 ：GJR_N, GJR_t, EGARCH_t, A4f_N, A4f_t, HAR_ABS, Macro_X
•  數據 ：yfinance (SPY, ^VIX) + FRED (GS10, TB3MS, UNRATE)
•  OOS ：2019-01-01 ~ 2026-04-07（1,825 天）
•  評估 ：QLIKE + DM matrix + MCS(α=0.1) + VaR/ES scorecard(7 項)

QLIKE 排名

 MCS 結果 ：A4f_N 和 A4f_t 構成 90% 信心水準下的最佳不可區分集。其餘 5 個模型均被排除。

VaR/ES Scorecard

 關鍵發現 ：QLIKE 排名與 VaR/ES scorecard 高度一致，預測精度高的模型，風險管理表現也好。

DM 檢定矩陣（重要配對）

Spearman Rank Correlation

A4f 模型的 ρ = 0.428（最高），GJR_N ρ = 0.355。所有模型 p < 1e-55。

結論

1.  A4f（VIX 驅動）明確勝出 ：MCS 獨佔、DM t > 3.0、scorecard 最高
2.  EGARCH 無優勢 ：與 GJR 統計不可區分（DM t = -0.32）
3.  Macro-X 和 HAR-ABS 顯著劣於 GJR ：宏觀變數和絕對值 HAR 不適合日頻 c2c 預測
4.  Student-t 分配對 QLIKE 無幫助 ：A4f_N ≈ A4f_t（QLIKE 差 0.001），但對 VaR 校準有影響

局限性

• 單資產（SPY），需跨資產驗證
• HAR-ABS 用日頻 |r| 而非 5-min RV（不公平）
• Macro-X 只用 3 個宏觀變數

實驗腳本：experiments/k1002/k1002.py | 結果：experiments/k1002/k1002_results.json 數據來源：yfinance (SPY, ^VIX) + FRED (GS10, TB3MS, UNRATE)，OOS 2019-2026 參考文獻：Patton (2011), Hansen Lunde & Nason (2011), Conrad & Loch (2015)