← 研究動態
研究2026/03/25 下午08:03

K356: 波動率因果有向圖 — SPY+TLT 輸出波動、OIL 吸收波動、危機時傳染路徑倍增

EEMGLDSPYTLTregimePhase_K因果推論GrangerDAGOIL傳染效應

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]

以 6 資產 Granger 因果檢定建構波動率傳導有向圖(DAG)。發現明確的層級結構:SPY 和 TLT 是波動率「輸出者」,EEM 是中繼站,OIL 是終端「吸收者」。危機時期因果邊從 5 條暴增至 14 條,8 條呈雙向傳導,揭示系統性風險的傳染機制。

研究背景

傳統相關性分析只能說「兩個資產一起動」,無法區分「誰影響誰」。本實驗使用 Granger 因果檢定和 Transfer Entropy 建構波動率的「因果地圖」,揭示跨資產的波動率傳導方向和層級。

方法與數據

項目設定
資產SPY, TLT, GLD, EEM, OIL (USO), EURUSD
期間2006-2026(約 5,000 交易日)
數據來源yfinance(日頻收盤價)
波動率指標22 日實現波動率(RV_22)
方法Granger 因果檢定(最大滯後 5 日)
Regime 劃分VIX ≥ 20(高波動)vs VIX < 20(低波動)
穩健性VIX 控制後因果邊存活率
非線性Transfer Entropy(補充 Granger)

核心發現

發現一:明確的波動率層級結構

              ┌─────────────┐
              │   SPY (Hub)  │───────────────────┐
              └──────┬───────┘                    │
                     │                            │
                     ▼                            ▼
              ┌──────────────┐             ┌───────────┐
              │  TLT (Hub)   │────────────→│ EEM (Relay)│
              └──────────────┘             └─────┬─────┘
                                                 │
                     ┌───────────────────────────┘
                     ▼
              ┌──────────────┐
              │  OIL (Leaf)  │
              └──────────────┘

        GLD, EURUSD: 非線性連結(Granger 未偵測,TE 捕捉)

全樣本 Granger 圖密度 1.0(所有資產對皆有顯著因果關係),但層級分明:

  •  Hub(波動率輸出者) :SPY、TLT — 對所有其他資產有因果影響
  •  Relay(中繼站) :EEM — 接收 Hub 波動,轉傳至 Leaf
  •  Leaf(波動率吸收者) :OIL — 主要接收波動,較少輸出
  •  非線性角色 :GLD→SPY 和 EURUSD→SPY 的 Granger 檢定不顯著,但 Transfer Entropy 顯著 — 存在非線性因果傳導

發現二:危機時因果邊暴增,傳染效應的直接證據

指標平靜時期(VIX < 20)危機時期(VIX ≥ 20)
因果邊數量5 條14 條
雙向因果邊0 條8 條
圖密度稀疏(獨立運作)密集(全面傳染)
SPY 輸出邊2 條5 條

平靜時期:各資產基本獨立運作,只有少數穩定的因果關係(如 SPY→EEM)。

危機時期:因果網絡全面激活。原本單向的因果關係變為雙向(如 SPY⇄TLT、SPY⇄EEM),形成波動率的正回饋迴路。這就是「傳染」的機制,一個資產的波動不只傳遞出去,還被放大後回傳,導致系統性恐慌。

發現三:100% 因果邊通過 VIX 控制

所有全樣本因果邊在控制 VIX 後仍然顯著。這排除了「虛假因果」的可能性,不是因為所有資產都對 VIX 反應才看起來有因果關係,而是存在真正的直接波動率傳導。

發現四:SPY 領先 OIL 4 日

最長因果滯後出現在 SPY→OIL(4 個交易日),暗示股市波動的衝擊需要約一週才能完全傳導至原油市場。這對跨資產避險的時機安排有直接含義。

實務意義

  1.  風險監控優先級 :監控 SPY 和 TLT 的波動率跳升,它們是系統性風險的「領先指標」
  2.  避險策略設計 :OIL 作為終端吸收者,波動率衝擊到達有延遲(~4 日),提供避險視窗
  3.  Regime 識別 :因果邊數量本身就是 regime 指標,從 5 條跳到 14 條意味著進入傳染模式
  4.  組合分散化 :平靜時期各資產獨立,分散化有效;危機時期全面連動,傳統分散化失效
  5.  GLD 角色 :GLD 的因果關係以非線性為主,在線性框架中可能被低估

局限性

  • Granger 因果 ≠ 真因果(仍可能遺漏共同因子)
  • Transfer Entropy 計算對 bin 數和滯後選擇敏感
  • 6 資產樣本有限,更完整的 DAG 需要更多節點
  • VIX regime 劃分使用簡單閾值(20),未測試其他切分點
  • 日頻數據可能錯過日內因果傳導

結論

波動率傳導存在明確的層級結構(Hub→Relay→Leaf),危機時傳染路徑從 5 條暴增至 14 條且出現雙向正回饋。100% 因果關係通過 VIX 控制檢驗,確認為直接傳導而非虛假因果。這為跨資產風險管理和投資組合構建提供了因果層面的實證基礎。

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

📄
asia3:台股九檔的波動溢出方向對 VAR 階數很穩,換成 Granger 網絡卻有六檔翻面
先前的一般讀者版〈台積電發、鴻海收:台股的波動是有方向的〉以 Diebold-Yilmaz 廣義預測誤差變異分解(GFEVD)排出九檔台股代表股的淨發送者與淨接收者。這篇回答那篇沒問的兩個方法問題:這個方向排序對模型設定有多穩?換一把網絡量尺,誰在發、誰在收,答案還一樣嗎? 結論分兩半。對 VAR 階數,排序幾乎不動;對量尺本身,排序大半翻面。而方向本身的量級,相對於總連結度只是一個零頭。 設定…
→
📄
K1876:GVZ 預警黃金回撤的 regime 交互假說被推翻,而且這份樣本的 R=1 月份幾乎只出現在 2013–2016
一般讀者版(〈持有黃金,20 天內從高點回落 5% 的機率約四分之一〉)講的是結論:GVZ 做成的事前預警,樣本外勝不過歷史發生率。這篇補上那篇沒談的三件事:事前登記的 regime 交互假說為什麼被推翻、Clark-West 為正而 Brier 變差要怎麼讀、以及這份樣本裡的 regime 為什麼幾乎等於一個年代虛擬變數。 設定 事件:起點 t 之後 20 個交易日內,GLD 收盤價自期間高點回…
→
📄
VIX 越高、衝擊越被「吸收」?比例式衝擊倍數的分母陷阱與門檻效應
VIX 已經很高時,再來一次 VIX 大跳,SPY 的反應會不會變小?常見的量法是「衝擊倍數」(shock amplification ratio,SAR):衝擊日的 |r| 除以平日的 |r|。這個倍數確實隨前一日 VIX 升高而下降,於是很容易讀成「高波動環境會吸收衝擊」。本文檢驗這個讀法在三個地方站不站得住:分母、門檻,以及外生衝擊。 資料是 SPY 與 VIX 日資料,2006-01-05…
→