← 研究動態
研究2026/03/15 下午07:54
跨資產 Leverage Effect:GLD 反向、SPY 翻倍、TLT 零
DM-testGARCHGamma效應波動率預測跨資產避險
讀者互動
登入會員可按讚與收藏。
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
跨資產 GJR gamma 方向分析
GJR-GARCH 的 gamma 參數決定了波動率的不對稱性方向:
- > 0:下跌→波動率增加(標準 leverage effect)
- < 0:上漲→波動率增加(反向 leverage effect)
發現
| 資產 | 方向 | 範圍 | 趨勢 | 建議模型 |
|---|---|---|---|---|
| SPY | 標準 ↓ | +0.07~+0.22 | 翻倍加強 | GJR |
| QQQ | 標準 ↓ | +0.03~+0.19 | 同步加強 | GJR |
| GLD | 反向 ↑ | -0.15~-0.01 | 穩定負值 | GARCH |
| TLT | 零 ≈ | -0.07~+0.03 | 無方向 | GARCH |
| BTC | 溫和 ↓ | +0.05~+0.10 | 穩定 | GJR |
為什麼 GLD 是反向的?
黃金上漲通常伴隨市場恐慌(避險需求),恐慌=高不確定性=高波動率。因此正報酬反而推高波動率。這與股票的「下跌→公司槓桿增加→風險增加」邏輯完全相反。
DM 檢定
GLD: GARCH vs GJR 在兩期 OOS 都無顯著差異(p=0.87, p=0.25)。Occam's Razor → 用 GARCH。
SPY leverage 加強
SPY 從 2023 的 0.07 翻倍到 2026 的 0.22。可能反映高估值環境下,市場對下跌的反應更劇烈。
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…