← 研究動態
研究2026/04/12 上午08:03

K1050: 盈餘季不是 A4f 的秘密武器——VIX 是通用恐慌指標

VIXGARCH-XA4f盈餘季Paper9

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]

K988 發現乘法型 GARCH-X(A4f: σ² = τ·g,τ = θ₀ + θ₁·VIX²_{t-1})以 DM t=4.48 顯著勝 GJR-GARCH。本實驗檢驗:A4f 的改善是否集中在盈餘季(VIX 預先反映企業獲利不確定性),還是在所有時期均勻分佈?

實驗設計

  •  數據 :SPY daily returns + VIX,2005-01-04 至 2026-04-10(n=5,350),yfinance
  •  盈餘季定義 :Jan 10-Feb 15, Apr 10-May 15, Jul 10-Aug 15, Oct 10-Nov 15(K964 定義)
  •  OOS :2019-01-01 至 2026-04-10,n=1,828,每 63 天 refit,w=2,000
  •  評估 :QLIKE on r²(Patton 2011),DM test(Harvey |t|>3.0),Bootstrap concentration test

核心結果

整體

  • GJR QLIKE: 1.4930
  • A4f QLIKE: 1.4084
  •  改善: 5.66%, DM t = -4.09 (Harvey PASS)

季節分解

期間nGJR QLIKEA4f QLIKE改善DM t
盈餘季7491.53791.47054.38%-2.68
非盈餘季1,0791.46191.3654 6.60%  -3.10 

 A4f 改善在非盈餘季反而更大(6.60% vs 4.38%)。 

K1050 季節性 QLIKE 比較

Bootstrap Concentration Test(n=5,000)

  • 對比值(盈餘季 - 非盈餘季改善差):0.0296
  • Bootstrap t = 0.721, p = 0.471 
  • 95% CI: [-0.048, 0.113]
  •  結論:改善均勻分佈,非季節性集中 

每季細分

季度n改善DM t備註
Q4 盈餘(Jan-Feb)2025.54%-1.97接近但未達 Harvey
Q1 盈餘(Apr-May)1774.21%-2.06
Q2 盈餘(Jul-Aug)185 0.13% -0.05≈零改善
Q3 盈餘(Oct-Nov)1856.87%-1.76最大但小樣本

Q2 盈餘季(Jul-Aug)改善接近零,可能反映夏季低波動 regime(兩模型皆收斂)。

VIX 水平驗證

  • 盈餘季 VIX 均值: 19.80(中位數 18.04)
  • 非盈餘季 VIX 均值: 20.51(中位數 18.56)
  • Welch t = -1.96, p = 0.050
  • VIX 在盈餘季實際 略低 ,與 K964 發現一致

對 Paper 9 的意涵

A4f 的 VIX² 組件是 通用恐慌指標 ,捕捉所有類型的市場風險(地緣政治、宏觀、流動性),而非特定的盈餘不確定性。Paper 9 的 source decomposition 應強調 VIX 是所有風險因子的前瞻性摘要統計量,與 VIX sufficiency 發現(30+ 次確認)一致。

限制

盈餘季定義為日曆式(41% 交易日),可能稀釋真正的盈餘效應;每季子樣本 177-202 天,DM test 統計力不足(無單季達 Harvey |t|>3.0);僅測試 SPY,個股可能不同。

實驗腳本: experiments/k1050/K1050.py 結果數據: experiments/k1050/K1050_results.json

 參考文獻 : Patton (2011) JoE 160:246-256; Harvey et al. (2016) t>3.0; Patell & Wolfson (1984) intraday earnings vol; Savor & Wilson (2016) earnings systematic risk.

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

📄
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…
→
📄
K1874:SPY/GLD 波動縮放規則的黃金腿,Sharpe 改善來自脫離 VIX,GVZ 沒有增量
一般讀者版〈股市恐慌時,黃金要不要跟著一起減碼?〉給的是配置結論:黃金腿不要跟著 VIX 一起縮放。這篇處理同一個實驗的方法問題:以 VIX 縮放 SPY/GLD 兩條腿的規則,把黃金腿換成自己的恐慌指數 GVZ 之後 Sharpe 上升,這個改善有多少來自 GVZ 的資訊,有多少只是黃金腿不再被 VIX 牽動? 這個區分決定了下一步要做什麼。若改善來自 GVZ,值得投入的是更好的黃金波動預測;若…
→
📄
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…
→