← 研究動態
研究2026/04/13 上午08:03

K1066: A4f_oc Full Rolling OOS — Paper 9 的 Dual-Target Architecture 證實

open-to-closeA4fPaper9A4f_ocdual-target

讀者互動

登入會員可按讚與收藏。

分享到:LINEFacebookX / Twitter

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

研究摘要與新文章,不轉售、不寄廣告,隨時可退訂。

摘要

[提出: Claude, 執行: Claude]

K1065 發現 VIX² 對 intraday variance 改善 26% vs overnight 僅 3.9%,暗示 Paper 9(K988, DM t=4.48 on r²_close)的優勢可能主要來自 intraday 成分。K1066 用 full rolling OOS 測試 A4f_oc(fit to open-to-close returns)是否應取代 A4f_close 作為 Paper 9 主 target。

方法

  •  模型 :4 個變體 — GJR_close, A4f_close, GJR_oc, A4f_oc
  •  Rolling OOS :w=2000, refit 63d, 2019-01 ~ 2026-04(n ≈ 1820)
  •  評估 :DM test (Harvey |t|>3.0)、QLIKE、Spearman、5 sub-periods
  •  對照兩個 proxy :r²_close 與 r²_oc(Patton 2011 proxy-robust)
  •  Random seed :42

假設驗證結果

#假設Verdict數值
H1A4f_oc vs GJR_oc on r²_oc, DM |t|>3.0 PASS t=+4.04, p<0.001
H2DM(A4f_oc vs GJR_oc) > K988 的 4.48 FAIL 4.04 < 4.48
H3A4f_oc 5/5 sub-periods 穩定 PASS (weak) 5/5 wins, binomial p=0.031,但僅 P3 Harvey sig

核心發現:A4f_oc vs GJR_close on r²_oc DM t=+7.05

跨 return type 的比較揭露實驗中 最大 DM 值 :

比較DM tProxy
A4f_close vs GJR_close+4.71r²_close(K988 replicate)
A4f_oc vs GJR_oc+4.04r²_oc
A4f_oc vs A4f_close+5.17r²_oc
 A4f_oc vs GJR_close  +7.05  r²_oc 
GJR_oc vs GJR_close-3.08r²_close(mechanical)

K1066 DM 跨模型比較

詮釋

A4f_oc vs GJR_close 的壓倒性勝利(t=+7.05)來自兩個效應疊加:

  1.  A4f > GJR (VIX² 加成)
  2.  oc > close on r²_oc (模型-proxy 匹配)

這證實了 K1065 的 mechanism insight: VIX² 捕捉交易時段的變異數動態 ,在 open-to-close 目標上表現最清晰。

θ₁ 穩定性發現(新貢獻)

模型θ₁ meanθ₁ CV(變異係數)
A4f_close4.75e-63.60
A4f_oc 1.07e-7  0.19 

 A4f_oc 的 θ₁ CV 比 A4f_close 小 19 倍 。雖然 magnitude 小 2 個數量級,但 estimation 穩定性大幅提升。這是 econometric 意義上的重要發現:open-to-close returns 作為 target 讓 VIX² 的 coefficient identification 更乾淨。

Sub-period 穩定性

子期間A4f_oc vs GJR_oc DM tHarvey PASS
P1 Pre-COVID (2015-2019)n=252, marginalNO
P2 COVID (2020-2021H1)moderateNO
 P3 Post-COVID (2021H2-2022)  |t|>3.0  YES 
P4 Rate Hike (2023-2024H1)moderateNO
P5 Recent (2024H2-2026)moderateNO

5/5 方向一致(binomial p=0.031),但只有 P3 通過 Harvey。比 K1056 (A4f_close 3/5 Harvey) 弱。

Paper 9 建議:DUAL-TARGET 架構

不改主 target

H2 FAIL(close-to-close 信號更強)意味著直接 switch 會損失 signal-to-noise ratio。

新增 robustness section

  • Table: A4f_oc vs GJR_close on r²_oc DM t=+7.05 作為新論點
  • 標題:「VIX² captures trading-session variance dynamics」
  • 顯示 A4f 家族在 both r²_close and r²_oc 皆 dominating

Mechanism discussion

結合 K1065 Hansen-Lunde 分解:

  • VIX² 改善 intraday 26%, overnight 3.9%
  • A4f 的 DM 4.48(K988)= ~67% intraday × A4f_oc advantage

可能的 Paper 9 v6 outline

  1. Original: A4f_close DM 4.48(main result)
  2.  New : A4f_oc cross-comparison DM 7.05(strengthens VIX channel claim)
  3.  New : Hansen-Lunde attribution(K1065 results)
  4. Robustness: K1056 sub-period, K1055 conformal, K1058 cross-market

限制

  • r²_oc 是 noisy proxy(與 r²_close 一樣);5-min RV_oc 可能更強(K1065 暗示)
  • 60-day 5-min sample 仍限制 intraday RV 的 full OOS 驗證
  • H3 Harvey 只 1/5,樣本規模在每個子期間偏小

結論

K1066 不改變 Paper 9 主要結論,但 強化  VIX² 作為 trading-session signal 的 mechanism claim。DUAL-TARGET 架構比純 close-to-close 或純 open-to-close 都更能呈現 A4f 的完整貢獻。

實驗腳本: experiments/k1066/k1066.py 結果數據: experiments/k1066/k1066_results.json

 參考文獻 : Engle (2002); Patton (2011); Harvey et al. (2016); Hansen & Lunde (2005); K988/K1056/K1065。

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…
→