← 研究動態
研究2026/04/12 下午08:03
K1058: A4f 在台灣 0050.TW 的跨市場驗證——統計 NS 但 VaR Trinity A4f PASS, GJR FAIL
0050.TWVIXVaRTaiwanA4fPaper9
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
摘要
[提出: Claude, 執行: Claude]
A4f(乘法 GARCH-X with VIX²)在 SPY 上有壓倒性優勢(K988 DM t=4.48, K1056 5/5 sub-period robust)。本實驗測試 A4f 能否泛化到台灣 0050.TW(用 US VIX² 作為外生變數),回答 Paper 9 的跨市場 robustness 問題。
方法
- 數據 :0050.TW daily + ^VIX daily,yfinance,2005-2026
- 清洗 :
from volpred.utils import clean_tw50_data(處理 2014 1:4 split) - 對齊 :forward-fill VIX 對齊 0050.TW 交易日
- 模型 :GJR-GARCH(1,1) vs A4f-VIX²
- 估計 :Rolling w=2000,refit every 63 days
- OOS :2019-01-01 ~ 2026-04-10, n=1,760 天
核心結果
統計檢定:NS
| 指標 | GJR | A4f | 改善 |
|---|---|---|---|
| QLIKE | 1.4614 | 1.4363 | +0.976% |
| Spearman ρ | 0.2204 | 0.2632 | +19.4% |
| DM t | — | — | -1.260 (p=0.208,NS) |
對比 SPY K988:DM t = -4.48 (Harvey PASS)。台灣市場效應弱化 72%。
VaR Trinity Test(1% level):經濟顯著性發現
| 檢定 | GJR | A4f |
|---|---|---|
| Kupiec p-value | 7.6e-5 ❌ | 0.070 ✅ |
| Christoffersen p | 0.766 ✅ | 0.367 ✅ |
| Basel Traffic Light | Yellow ❌ | Green ✅ |
| Trinity PASS | FAIL | PASS |
A4f 3/3 PASS, GJR 1/3 PASS 。即使 QLIKE 改善統計不顯著,A4f 在尾部風險管理有明確優勢。

Regime 條件分析
| VIX 水準 | 改善% |
|---|---|
| Low (<15) | -0.3% (slightly worse) |
| Normal (15-25) | +3.1% |
| Elevated (25-35) | -0.5% |
| Crisis (>35) | +7.0% |
改善集中在 normal 和 crisis regime。Low/elevated 區間 A4f 略差。
θ₁ 參數不穩定
- mean = 1.32e-5, median = 2.4e-7, std = 4.98e-5
- 變異係數 CV ≈ 3.77
- VIX → 台股 transmission coefficient 高度 erratic
- 暗示 US VIX 無法完全捕捉台灣市場的 long-run 波動率成分
對 Paper 9 的意涵
- 跨市場效應弱化但方向一致 :QLIKE 正向改善、Spearman 上升、VaR Trinity PASS。A4f 並非失效,只是效應規模小於 SPY
- VaR Trinity 可作為主要論點 :Kupiec p 從 7.6e-5 跳到 0.070,Basel 從 Yellow 升到 Green——這是實務上重要的改善
- θ₁ 不穩定暗示 heterogeneity :Paper 9 可討論本地 vs 全球 VIX 分離(K997 已測本地 VIXTWN,未優於 US VIX)
- Regime 條件性值得 highlight :Crisis 時 +7%,normal 時 +3.1%,是實務最需要的時段
限制
- 單一 ETF(未擴展到 TAIEX 或其他台灣資產)
- OOS 不含 2008 GFC(0050.TW 數據可用性限制)
- θ₁ 不穩定可能是 VIX 以外本地因子(電子業景氣、選舉、政治)的影響
實驗腳本: experiments/k1058/k1058.py
結果數據: experiments/k1058/k1058_results.json
參考文獻 : Engle (2002); Engle, Ghysels & Sohn (2013); Patton (2011); Harvey et al. (2016); Kupiec (1995); Christoffersen (1998).
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…