BTC VaR 反轉發現與 |偏態| Meta-Analysis：7 資產 VaR 方法選擇規則 (O20-O21)

[提出: Claude, 執行: Claude]

摘要

Phase O20-O21 帶來一個令人驚訝的發現： BTC 的最佳 VaR 方法是 Normal——與傳統資產完全相反 。進一步的 7 資產 meta-analysis 揭示了背後的統一規則： |偏態| 是預測 VaR 方法選擇的唯一顯著因子 （$\rho$=-0.87, p=0.01）。年化波動率和超額峰態都不重要。

O20：BTC VaR — Normal 最佳，與傳統資產完全相反

背景

在 Phase O12-O19 的 6 資產實驗中，Skewed-t 是唯一 6/6 全通過 Kupiec 的方法，Normal 僅 1/6 通過，堪稱最差。直覺上，BTC 作為波動率高達 45-71% 的極端資產，應該需要更複雜的分配才對。但實驗結果完全相反。

Kupiec 結果

 5/5 方法全部通過 Kupiec ——但 Normal 的 p=0.919 遙遙領先，代表其違反率與名義 1% 幾乎完美吻合。Skewed-t 的 p=0.112 雖然還是通過，但已經邊際，因為它 過度保守 ——只有 0.6% 的違反率（名義應為 1%），等於多佔了不必要的風險資本。

為什麼 BTC 不需要 Skewed-t？

BTC 的統計特性提供了完整的解釋：

關鍵機制：

1.  偏態≈0 ：BTC 的報酬分配幾乎完全對稱，沒有股票市場常見的左偏特性。Skewed-t 的偏態參數（lambda）在 BTC 上無用武之地，反而引入了不必要的修正。

2.  無 leverage effect ：BTC 的 gamma 參數 0% 顯著，意味著下跌不會像股票一樣導致波動率不對稱上升。這與偏態≈0 互相印證——BTC 的漲跌在統計上是對稱的。

3.  GARCH $\sigma$ 已極大 ：BTC 年化波動率 45-71%，GARCH 估計的條件標準差本身就已經很大。因此即使只用 Normal 分配的 z 值（2.326 for 1% VaR），VaR = $\sigma$ × z 的絕對值已足夠覆蓋極端損失。分配修正是多餘的。

4.  GARCH(1,1) 優於 GJR-GARCH ：由於 gamma 不顯著，GJR 模型中的不對稱項只是噪音。BTC 適用最簡單的 GARCH(1,1)。

實務啟示

•  加密貨幣風控 ：使用 GARCH(1,1) + Normal VaR 即可，不需要複雜分配
•  資本效率 ：Normal 是最窄的 VaR → 最少資本佔用，且 Kupiec 最佳
•  注意 ：此結論基於 BTC 的 當前統計特性 （偏態≈0）；若未來 BTC 發展出 leverage effect（例如更多衍生品市場），需要重新評估

O21：|偏態| 是唯一顯著的 VaR 方法選擇預測因子

研究問題

O20 的 BTC 結果引發一個更大的問題： 什麼決定了一個資產該用 Normal 還是 Skewed-t？  是波動率大小？是厚尾程度？還是偏態？

Meta-Analysis 設計

收集 7 個資產的三項統計特性，與「Normal vs Skewed-t 哪個 Kupiec p 值更高」的指標做 Spearman 相關分析：

結果：只有偏態顯著！

這個結果出乎意料又合情合理：

•  年化波動率（$\rho$=0.21, p=0.64） ：波動率大小與 VaR 方法選擇無關。BTC 波動率最高（60%）但用 Normal 最好；GLD 波動率中等（21%）但需要 Skewed-t。
•  超額峰態（$\rho$=0.25, p=0.59） ：厚尾程度也不重要。所有 7 資產的峰態都足以需要 GARCH 建模，但 GARCH 本身已經處理了 volatility clustering。
•  |偏態|（$\rho$=-0.87, p=0.01） ：唯一顯著因子。$\rho$=-0.87 代表強負相關，偏態越大，越需要 Skewed-t（而非 Normal）。

簡單決策規則

基於 7 資產的經驗閾值：

if |skewness| > 0.3:
    use Skewed-t VaR    # 捕捉不對稱尾部
else:
    use Normal VaR      # 對稱分配足夠

7 資產驗證表

規則準確率 6/7 (86%)。唯一例外是 0050.TW（|skew|=0.21 但 Skewed-t 更佳），可能因為台灣市場的 amplification effect（4.6x）導致實際尾部比偏態數字暗示的更厚。

規則準確率  6/7 (86%) 。唯一例外是 0050.TW（|skew|=0.21 但 Skewed-t 更佳），可能因為台灣市場的 amplification effect（4.6x）導致實際尾部比偏態數字暗示的更厚。

核心洞見

1. 波動率大小 ≠ 分配複雜度

這是 O20-O21 最反直覺的結論。BTC 是最「瘋狂」的資產（60% vol），但只需最簡單的分配；SPY 是最「無聊」的資產（16% vol），卻需要最複雜的分配。原因在於： VaR 的準確性取決於尾部形狀（偏態），而非尾部大小（波動率） 。GARCH 已經處理了波動率的時變性，剩下需要分配處理的只有「形狀」，是否對稱。

2. 加密貨幣的統計特殊性

BTC 缺乏 leverage effect（gamma=0），這與其市場結構一致：

• 股票：下跌 → 槓桿上升 → 波動率上升（Merton-Black-Christie mechanism）
• BTC：沒有負債結構 → 沒有槓桿機制 → 漲跌波動率對稱

這也解釋了為什麼 GARCH(1,1) 比 GJR-GARCH 更適合 BTC——不對稱項只是噪音。

3. 三維正交框架的延伸

O20-O21 進一步豐富了三維正交框架：

三個維度的選擇準則現在都有明確的經驗規則。

方法論筆記

• 所有結果基於 GARCH 滾動 w=2000、1% VaR
• Kupiec test 使用 likelihood ratio 檢定
• Spearman 相關使用雙尾檢定
• BTC 數據期間：2014-2026（w=2000 後約 1600 個 OOS 觀測）
• 7 資產的統計量均基於全樣本標準化殘差計算

O20-O21 揭示了一個簡潔的規則：看偏態，不看波動率。|skew| > 0.3 用 Skewed-t，|skew| < 0.3 用 Normal。這個規則在 7 個跨資產類別（股票、債券、商品、新興市場、加密貨幣）中有 86% 的準確率。