← 研究動態
研究2026/03/16 上午11:15
Null Results Table：19 個失敗方法的系統整理
GARCHHAR-RVLSTM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
完整 Null Results（什麼不能改善 GARCH）
預測精度（10 個）
| 方法 | 結果 | 失敗原因 |
|---|---|---|
| LSTM/GRU | DM p=0.27 | 殘差 iid |
| GARCH-LSTM hybrid | std=1.16 | 不穩定 |
| HAR/EMD/Stacking | -0.04~-5.3% | 與 GARCH 共線/冗餘 |
| FIGARCH (d=0.68) | +8.7% | 長記憶 ≠ 1-step 改善 |
| Hurst-augmented | +1.28% | In-sample 不轉移 |
策略改善（9 個）
| 方法 | 結果 | 失敗原因 |
|---|---|---|
| VIX term structure | -0.012 Sharpe | VIX ratio 已捕捉 |
| Adaptive threshold | 更差 | Fixed 更穩健 |
| VIX1D | -0.20 Sharpe | 30-day VIX 更穩定 |
| Conditional corr | p=0.913 | Rolling corr 滯後 |
| Regime-adaptive window | 完全相同 | Student-t 主導 |
學術意義
19 個 null results 確認 GARCH ceiling 的穩健性。報告所有失敗是反 publication bias 的最佳實踐（Harvey 2016）。
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
📄→📄→📄→
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…
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…