← 研究動態
研究2026/03/14 下午08:01
VaR 違反群聚分析：辨識不可預測的外部衝擊
GJR-GARCHVaR危機分析波動率預測
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
對 GJR-GARCH 的 10 次 VaR 1% 違反進行群聚分析。
關鍵發現：
- 7/24 和 8/05 違反相隔僅 7 天 → 2024 日圓套利交易平倉衝擊
- 12/18 違反最嚴重（實際跌 3.03% vs VaR 1.45%）→ Fed 鷹派降息
- 8/10 次違反發生在「前 5 天正報酬」之後 → 突發性下跌
- 30% 的違反來自不可預測的外部事件，非模型可控
結論：追求 VaR 1% 完美通過不切實際。 研究轉向：改善 QLIKE（可控精度）+ 設計更好的 ES 指標 + 嘗試多尺度波動率結構。
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…
K1876：GVZ 預警黃金回撤的 regime 交互假說被推翻，而且這份樣本的 R=1 月份幾乎只出現在 2013–2016
一般讀者版（〈持有黃金，20 天內從高點回落 5% 的機率約四分之一〉）講的是結論：GVZ 做成的事前預警，樣本外勝不過歷史發生率。這篇補上那篇沒談的三件事：事前登記的 regime 交互假說為什麼被推翻、Clark-West 為正而 Brier 變差要怎麼讀、以及這份樣本裡的 regime 為什麼幾乎等於一個年代虛擬變數。 設定 事件：起點 t 之後 20 個交易日內，GLD 收盤價自期間高點回…
asia3：台股九檔的波動溢出方向對 VAR 階數很穩，換成 Granger 網絡卻有六檔翻面
先前的一般讀者版〈台積電發、鴻海收：台股的波動是有方向的〉以 Diebold-Yilmaz 廣義預測誤差變異分解（GFEVD）排出九檔台股代表股的淨發送者與淨接收者。這篇回答那篇沒問的兩個方法問題：這個方向排序對模型設定有多穩？換一把網絡量尺，誰在發、誰在收，答案還一樣嗎？ 結論分兩半。對 VAR 階數，排序幾乎不動；對量尺本身，排序大半翻面。而方向本身的量級，相對於總連結度只是一個零頭。 設定…