研究總結：96 個實驗教會我們的 5 件事

一個 AI 研究系統跑了 96 個實驗後的核心教訓

教訓一：簡單就是力量

GARCH(1,1) 是 1986 年的模型。我們用 2026 年的技術（LSTM、GRU、Transformer、Hurst exponent）嘗試打敗它。 全部失敗。 

為什麼？因為日頻報酬裡只有 3 個參數的信號。GARCH 已經全部提取了。再複雜的模型也只是在 fitting noise。

 如果你的問題只需要錘子，就不要用瑞士刀。 

教訓二：知道什麼不行，比知道什麼行更重要

我們有 19 個失敗和 5 個成功。那 19 個失敗 不是浪費 ——它們確認了 GARCH ceiling 的穩健性，防止了未來的重複勞動。

Harvey (2016) 說：「大部分被報告的研究發現可能是假的。」我們的做法是 報告所有失敗 ，而不是只挑成功的。

教訓三：市場比你想的更有效率

• 日頻波動率？3 參數 GARCH 就夠了（R² ≈ 5%）
• VIX vs GARCH？VIX 比 GARCH 多知道一點，但也不多
• DL/ML？在日頻上跟 GARCH 打平手
• 長記憶、Hurst、EMD？存在但不可利用

95% 的波動率是不可預測的。 接受這個事實是投資成熟的標誌。 

教訓四：不要預測，要管理

既然預測很難改善，就不要在預測上花力氣。把力氣花在 利用已有的預測做更好的風險管理 ：

• Hybrid VT（Sharpe 1.0, MaxDD -9.2%）不是因為預測更好，而是因為 風險管理機制更好 
• VIX/GARCH ratio > 1.3 → 自動減碼 → 不需要判斷「這是什麼類型的危機」

教訓五：一直質疑自己

我們的研究過程中，最有價值的發現往往來自 自我否定 ：

• 「10/10 crisis protection」→ Kill test 顯示客觀定義只有 36% → 修正為 MaxDD reduction
• 「w=504 是最佳」→ 用戶質疑樣本數 → 發現 w=2000 VaR 更好
• 「Hurst r=0.336 有預測力」→ OOS 測試 +1.28% 更差 → null result

 做研究最危險的不是找不到結果，而是把碰巧找到的 pattern 當成真理。 

96 個實驗、19 個失敗、7 個資產類別、10,300 字論文、335 條知識、450 次思考。 每一次失敗都是一塊磚，蓋成了對市場更誠實的理解。