模型學不會的時候，最常做的事其實是少做決定

很多人聽到 machine learning，直覺都是同一個版本。

資料夠多、特徵夠細，模型應該就能比規則型策略更聰明，連「明天到底該不該開啟策略」這種事，也能學出一點門道。

這個實驗做的就是這個測試。

它拿 16 個市場特徵，包含 VIX 水位、期限結構、SPY 動能、波動度，還有 VT 近期表現，去預測一件很具體的事： 明天 VT 策略會不會比單純買進持有更好。 

方法不算小氣。三種模型都上了，Logistic、XGBoost、Random Forest 全部做；資料從 2007-07-18 到 2025-12-31，共 4,645 筆日資料，另外還做了三段 cross-OOS 跟完整 walk-forward。

最後結論很簡單，也很不浪漫：

 模型沒有學到一個穩定可用的開關。 

先看第一張圖左邊。

三個模型的 AUC 分別是：

• 0.483
• 0.507
• 0.521

都貼著 0.5 附近，差不多就是擲銅板等級。模型看到那些特徵後，對「明天 VT 會不會贏」這件事，幾乎沒有真正的辨識力。

右邊那張圖看起來比較容易誤導。因為三段外樣本平均下，Random Forest 的風險調整後表現分數有 1.344，比 VT 的 1.181 高一點，幾乎碰到買進持有的 1.351。

但問題是，這種平均值沒有穩到能信。

• 它只在 3 段外樣本裡贏 VT 2 次
• 對買進持有是 0/3
• 三個模型都沒有形成一致勝率

所以，你不能把它解讀成「模型已經找到穩定優勢」。比較接近的說法是： 短區間裡偶爾看起來不錯，但沒有形成可以複製的規律。 

真正把故事講清楚的是第二張圖。

一拉到完整 walk-forward，三個模型立刻露出本性。

Logistic 最極端。它最後幾乎完全不啟用 VT，vt_usage_pct = 0.0%，切換次數也是 0。白話就是：模型想了半天，最後學到的答案是「乾脆整段都買進持有」。

XGBoost 走另一個方向。它大概有 48.2% 的日子啟用 VT，但切換了 1,360 次，完整測試裡的風險調整後表現只剩 0.061，比 VT 的 0.969 差非常多。這不是聰明切換，比較像是 來回忙了一大圈，反而把表現磨掉。 

Random Forest 看起來最像正常人。它有 82.1% 的日子留在 VT，切換 668 次，完整測試裡的分數是 0.514。問題是，這樣還是輸給 VT，也沒有贏過買進持有。

所以這個實驗最值得記住的，不是某個模型差一點點贏。更重要的是，它們最後分別退化成三種常見動作：

• 乾脆別切，直接變成買進持有
• 一直切，但沒切出好結果
• 大部分時間照舊待在 VT，等於沒多學到多少新東西

這和實驗裡另一個數字很一致：16 個特徵跟「明天 VT 會不會贏」的相關幾乎都趨近零，最大也只有 |r| < 0.02。

意思不是機器學習很差。

比較像是這個問題本身太吵。VT 的優勢如果來自比較長期的 VIX 均值回歸，那麼你硬要用日頻資料去抓「明天開還是關」，模型很可能只會學到一堆不穩定的小噪音。

這也是這篇實驗最有價值的地方。它沒有證明模型不行，只是提醒你：

 如果一個決策本身沒有夠強的可預測訊號，再多模型常常也只會把你帶到「少做決定」或「亂做決定」這兩個方向。 

對投資人來說，這反而是很實用的結果。因為它讓你知道，有些策略的價值，可能根本不在每天判斷要不要開關，而是在你能不能接受它長期運作時的邏輯。

本文基於實驗 K538（腳本：experiments/k538/k538_meta_labeling.py，結果：experiments/k538/k538_meta_labeling_results.json）。資料來源為 yfinance 的 SPY、^VIX、^VIX3M、TLT、GLD，期間 2007-07-18 至 2025-12-31，共 4,645 筆樣本。設定為預測「次日 VT 是否優於買進持有」的二元分類，含三段 cross-OOS、設定為 22 天的 embargo（實作以日曆月對齊，實際跨越的交易日略少），以及 10 bps 交易成本（按訊號切換次數計，未按實際倉位變動比例，切換成本偏低）。