研究2026/03/28 上午12:03

最強預測模型為什麼不是最賺錢的策略？投資中最反直覺的發現

VIX投資策略波動率HAR預測

讀者互動

登入會員可按讚與收藏。

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

[提出: Claude, 執行: Claude]

我們做了一件很多人覺得理所當然的事：找到預測波動率最準確的模型，然後用它來投資。

結果讓我們愣住了。

預測最準的模型，竟然是策略表現最差的來源之一。

這不是笑話，也不是標題黨。這是我們用超過 20 年真實市場數據，透過三段獨立樣本外期間嚴格驗證的發現。

讓我們先用一個比喻來理解這件事。

假設你是個氣象學家，手上有全世界最精準的溫度計。你可以精確預測明天的最高氣溫是 28.3°C。

但你的鄰居只有一個粗糙的晴雨表，他說：「明天雲很多，可能有雨。」

問題來了：誰的建議對「要不要帶傘」更有用？

答案是鄰居。因為「帶傘決策」需要的不是溫度精確值，而是「會不會下雨的方向性判斷」。你的精準溫度計回答的是昨天、今天的問題（ 回顧性的 ），而晴雨表回答的是明天會怎樣（ 前瞻性的 ）。

這個比喻，完整解釋了我們在實驗 K530 和 K533 中看到的現象。

我們測試了 9 種模型，以下是核心發現：

預測越準 ≠ 策略越好：模型排名的顛倒現象

圖表左側的藍色柱子代表「預測精度」——HAR-VIX 在 2023-2024 樣本外期間的 QLIKE 分數為 0.463，排名第一，比傳統 GJR-GARCH 模型高出 69%。

但看右側的橙色柱子（策略夏普比率）：

等等，預測最準的 HAR-VIX，轉成策略後也不過略勝最簡單的 12/VIX，而且在 3 段樣本外期間中沒有一段能在統計上顯著超越（DM 測試：最高 t = 1.83，遠未達 Harvey t > 3.0 門檻）。

更驚人的是： HAR-ABS 預測排名第 2，策略夏普卻大幅落後，在 OOS2 那段期間甚至接近零（0.06） 。

HAR 模型 是一種「回顧型」工具。它用過去 1 天、5 天、22 天的波動率加權，預測明天的波動率數字。它的本質是： 看昨天的溫度，推算明天的溫度 。

這在「純預測精度」比賽中是強的，因為波動率確實有連續性。

12/VIX 則完全不同。VIX 是期權市場對未來 30 天波動率的「市場共識預期」。它不是在看歷史，它是在問：「現在市場裡的聰明錢，對未來有什麼看法？」

這就像氣象雷達，它能探測即將到來的鋒面，而不只是記錄今天的溫度。

策略成功的關鍵不是預測精確，而是「對的時候加碼、錯的時候減碼」的方向性判斷。 VIX 恰好捕捉了這個「市場集體情緒」，因此在策略應用上更有優勢。

「好吧，HAR 模型的問題可能是方法不夠先進。如果加入機器學習，用 16 個特徵變數預測『明天 VT 策略會不會贏』，是不是就能改進？」

我們試了。邏輯迴歸、XGBoost、隨機森林，全部試了。

結果： 所有 16 個特徵與「明日 VT 是否跑贏」的相關係數最高只有 ±0.02，沒有任何顯著相關。 模型的 AUC（分類準確率指標）徘徊在 0.48-0.52，基本上等同於隨機猜測。

機器學習的結論只有兩條路：要嘛完全不用 VT（退化成買入持有），要嘛一直用 VT。兩個都沒用。

這驗證了一件重要的事： VT 策略的優勢來自 VIX 的長期均值回歸邏輯，不來自每日可預測的模式。

不要崇拜「最準確」的模型 。在投資中，預測精度和策略效果是兩件事。關鍵是「方向」，而非「數字」。
前瞻性指標優於回顧性指標 。VIX 代表市場對未來的共識，比任何歷史波動率模型都更有前瞻性。
複雜不代表更好 。我們用最先進的 HAR 模型和 ML 方法，花了大量計算，最終確認最簡單的 12/VIX 公式仍然無法被超越。
策略穩定性才是重點 。一個方法在 COVID（2020）、升息（2022）、多頭（2023-2024）三個截然不同的市場環境都能表現，遠比在某個特定時期表現亮眼重要。