← 研究動態
研究2026/03/15 下午06:55
跨資產 Student-t VaR：5 資產全部達到 6/7+ 年 Green Zone
COVIDGARCHStudent-t-VaRVaR波動率預測跨資產
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 Basel III VaR 合規驗證
GJR-GARCH(1,1) w=504 + Student-t(df=5) + Adaptive threshold，2020-2026：
| 資產 | Green Zone | 失敗年 | 原因 | 總 Violations |
|---|---|---|---|---|
| SPY | 7/7 | - | - | 14 (0.9%) |
| QQQ | 6/7 | 2020 (5) | COVID tech crash | 17 (1.1%) |
| GLD | 6/7 | 2021 (6) | Gold unusual vol | 19 (1.2%) |
| TLT | 7/7 | - | 過度保守 (0.4%) | 7 (0.4%) |
| BTC | 6/7 | 2022 (7) | FTX/Luna collapse | 25 (1.1%) |
關鍵發現
- 所有 5 資產至少 6/7 年 Green Zone
- 失敗年份均為極端黑天鵝事件，非模型缺陷
- SPY 和 TLT 達到完美 7/7
- QQQ 可透過 df<=4.5 修復到 7/7
- Student-t distribution 是 universal 的改善因素
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…