← 研究動態
研究2026/09/30 下午10:00

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

估計量VIX1D已實現變異隱含波動日內資料

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。

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 量的是同一個交易日的分歧:

d_t = log IV1D_t - log RV_t,其中 IV1D_t = (VIX1D_t / 100)² / 252。

IV1D_t 是選擇權市場在開盤時對當日變異的定價,RV_t 是 SPY 當日 09:35 到 16:00 的五分鐘已實現變異。兩邊指同一個交易日。 這不是變異風險溢酬 :變異風險溢酬比的是三十日隱含變異與其後三十日的已實現變異,兩個時鐘不同,其中一個在定價時還沒發生。

資料

  •  VIX1D :Cboe 官方 VIX1D_History.csv。Yahoo 不提供 ^VIX1D 歷史。
  •  樣本 A(主工具) :SPY 五分鐘 bar 計算的已實現變異,167 個交易日,2026-01-14 至 2026-09-17。五分鐘資料只能回溯約六十日,更早的日子來自先前凍結的日測度。
  •  樣本 B(代理,較長) :以日線 OHLC 的 Garman-Klass 變異作代理,845 個交易日,自 Cboe 公布的 VIX1D 上線日 2023-04-24 起。上線日之前的值是事後回算,當時沒有人能交易,因此不納入主樣本。
  • 排除提早收盤日與盤中報酬不足七十筆的日子。

第一個選擇:年化分母

其他 Cboe 波動指數以日曆分鐘計時,VIX1D 不是。依 Cboe VIX1D 方法論,它以營業分鐘計時,一年 252 × 6.75 × 60 個營業分鐘,常數到期 405 個營業分鐘,所以指數平方回推一個交易日的變異時,分母恰好是 252。這是方法論推得的恆等式,不是「一年幾個交易日」的慣例選擇。

建構樣本平均 d隱含 / 已實現
主設定:開盤報價、營業日年化樣本 A0.4451.56
改用日曆日年化樣本 A0.074—
窗口均勻放大情境樣本 A0.394—
主設定,限可補首根 bar 的日子子樣本0.522—
補上開盤第一根五分鐘 bar子樣本0.4511.57
日曆日年化並把隔夜併入診斷-0.4130.66

同一份資料在六種估計量建構下的平均分歧;日曆日年化使分歧接近零,再把隔夜併入則轉為負值。

主設定下,樣本 A 的平均 d 為 0.445,隱含變異約為已實現變異的 1.56 倍,Newey-West t = 10.40。若套用三十日 VIX 的日曆分母 365,每個 d_t 平移 0.370,平均 d 降到 0.074,從明確為正變成與零難以區分。 分母這一個選擇,就足以把結論從「選擇權明顯高估當日變異」改成「沒有差異」。 

第二個選擇:哪一個報價指向當日

Cboe 的 CSV 提供開、高、低、收四個報價,它們指向不同的交易日。開盤報價(約 09:31)的近月腳是當日下午結算的零日到期合約,前瞻窗口就是當日。收盤報價(16:15)時,當日合約已在 16:00 到期,指數改由下一個到期日計算,定價的是下一個交易日,中間夾著一段營業分鐘時鐘不計時的隔夜。

實測中,VIX1D 收盤值平均是開盤值的 1.27 倍。隔夜占 SPY 收盤到收盤變異的 0.446。若拿收盤報價、日曆分母,再把隨後的隔夜併入已實現變異,比值反轉為 0.66,平均 d 為 -0.413。這一組需要 t+1 的資訊,實驗只把它列為水準診斷,不當訊號使用;它說明的是,報價時點與窗口一起選錯,連分歧的方向都會反過來。

第三個選擇:盤中窗口

VIX1D 的營業日是 09:30 到 16:15,共 405 分鐘;主設定的已實現變異只涵蓋 09:35 到 16:00,共 385 分鐘。缺的二十分鐘有兩段:09:30 到 09:35 的第一根 bar,以及 16:00 之後 SPY 沒有 bar 的十五分鐘。

 均勻放大只是情境,不是界限。  若假設缺的分鐘與觀測到的分鐘每分鐘變異相同,把已實現變異放大到 405 分鐘,平均 d 會減少 0.051,剩 0.394。但資料否定這個假設:開盤後的前十五分鐘平均占完整交易時段已實現變異的 0.113,遠高於均勻假設的比例。缺的分鐘可能幾乎沒有變異,也可能很多,真正的調整可以落在這個情境的任一側。

 首根 bar 可在部分日子直接量。  有原始五分鐘 bar 的 53 個交易日上,開盤第一根五分鐘 bar 的報酬占完整時段已實現變異的中位數 0.042,最高 0.344。補上它,這些日子的平均 d 從 0.522 降到 0.451,隱含對已實現比值 1.57,HAC t = 8.18。這個結論只適用於這 53 天,不外推到更早、首根 bar 已無法取得的日子;167 天的主結果仍是關於 09:35 到 16:00 的已實現變異。

分歧是否有結構轉折

Bai-Perron 全域搜尋最多五個轉折、兩個樣本都選零個;sup-Wald 檢定以區塊 bootstrap 求 p 值,樣本 A 為 0.43,樣本 B 為 0.762,都無法拒絕「沒有轉折」。這不是分歧穩定的證據。樣本 A 的 167 天落在同一個波動環境,修剪比例又強制每段至少二十五天,對轉折的檢定力很低;BIC 選零與 sup-Wald 不拒絕,是短樣本在「有轉折」與「沒轉折」兩個世界裡都會給出的結果。

用分歧預測隔日已實現變異:先拆回它的兩個組成

把 d_t 分成三等分,看高分歧組與低分歧組隔日的 log RV。原始分歧的方向是「高分歧之後隔日較平靜」:樣本 A 秩雙列相關 -0.218,Holm 調整後 p = 0.144,不顯著;樣本 B -0.239,顯著。

樣本n原始分歧:秩雙列相關Holm p殘差化分歧:秩雙列相關p
A:5 分鐘 RV166-0.2180.1440.3810.000542
B:Garman-Klass 代理844-0.2392.7e-060.3601.56e-13

原始分歧與殘差化分歧對隔日已實現變異的秩雙列相關;兩個樣本都在控制今日已實現變異後由負轉正。

這個方向有機械成因。d_t 是 log IV1D 減 log RV,高 d_t 大多是當天 RV 低,而 RV 有持續性。把 d_t 對當日 log RV 與 VIX9D/VIX1D 期限斜率殘差化後再做同一個檢定,兩個樣本的方向都翻轉為正,樣本 A 為 0.381,樣本 B 為 0.360。

樣本常數項 tlog IV1D tlog RV t
A-3.382.502.34
B-3.209.874.49

把隔日 log RV 同時迴歸在當日 log IV1D 與 log RV 上,兩個組成都各自顯著為正(樣本 A 的 t 為 2.50 與 2.34,樣本 B 為 9.87 與 4.49)。分歧只是兩者相減,在同時知道兩者之後不再提供額外資訊。原始分歧的預測力是已實現變異的持續性;殘差化分歧的正向預測力,是隱含波動本來就該做的事。

這對任何「價差型」訊號都適用:當訊號是兩個變數的差,先把兩個組成分別放進模型,再問差值本身有沒有增量。

代理變數的限制

樣本 B 的 Garman-Klass 代理涵蓋 09:30 到 16:00 完整時段,與樣本 A 的窗口不同。兩者在重疊的 166 天上 log 相關 0.848,平均偏差與零無法區分,但三等分分組只有 0.560 的日子一致。樣本 B 的分組結果約每五天錯分兩天,它的顯著性以代理誤差是平穩干擾為前提。

限制

  • 樣本 A 只有 167 天、約八個月,低於跨三個波動環境、至少五百筆的標準。它是工具基準,不是主要證據。
  • 主結果的已實現變異是 09:35 到 16:00,不是完整交易時段。405 對 385 分鐘的窗口差既未修正也未界定。
  • 納入上線日之前的回算資料後,隔日預測的高低組差異不再顯著。主樣本起點由 Cboe 公布的上線日決定,不是事後挑選。
  • 報價時點的選擇依方法論事先決定,但未以盲測方式登記。
  • 單一資產、單一市場;以 SPY 對照由 SPX 選擇權算出的指數,存在本實驗未建模的基差。
  • 本實驗沒有經過成本模型或部位規模測試,不構成任何交易主張。

資料與復現

  • 實驗:K1884,非作者審查 PASS。
  • 程式、凍結資料與結果檔都在 experiments/k1884/;數字取自 k1884_results.json 的具名鍵。
  • 本文的表格與圖由 storage/drafts/k1884_research_charts.py 從同一份結果檔直接產生。

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…
→
📄
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…
→