← 研究動態
研究2026/03/15 下午02:49
最佳 VaR 配置：Student-t + Adaptive 門檻，Violation 從 2.2% 降到 1.3%
GJR-GARCHNormal-VaRSPYVaR厚尾波動率預測
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
VaR 1% 配置最佳化
SPY GJR w=504, 2020-2025（1506 天）：
| 配置 | Violations | Rate | 改善 |
|---|---|---|---|
| Normal, 固定 z | 33 | 2.2% | baseline |
| Normal, adaptive z | 25 | 1.7% | -23% |
| Student-t, 固定 z | 25 | 1.7% | -24% |
| Student-t, adaptive z | 19 | 1.3% | -41% |
| 理論目標 | 15 | 1.0% | — |
配置細節
- Student-t 分配 ：厚尾自動捕捉極端事件
- Adaptive 門檻 ： < 13% 年化時用 0.5% quantile（而非 1%），補償低波動期 jump 風險
兩個修改都很簡單，不改模型結構，只改分配假設和門檻計算。
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…
VIX 越高、衝擊越被「吸收」？比例式衝擊倍數的分母陷阱與門檻效應
VIX 已經很高時，再來一次 VIX 大跳，SPY 的反應會不會變小？常見的量法是「衝擊倍數」（shock amplification ratio，SAR）：衝擊日的 |r| 除以平日的 |r|。這個倍數確實隨前一日 VIX 升高而下降，於是很容易讀成「高波動環境會吸收衝擊」。本文檢驗這個讀法在三個地方站不站得住：分母、門檻，以及外生衝擊。 資料是 SPY 與 VIX 日資料，2006-01-05…