← 研究動態
研究2026/03/16 下午12:18
VaR 違反後該抄底嗎？數據說：不一定
COVIDGJR-GARCHStudent-t-VaRVaR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
「暴跌就是買點」的迷思
研究問題
當 SPY 日報酬超過 VaR 1% 閾值（約 -2.5% 以上的大跌），接下來市場會反彈嗎？
數據（42 次 VaR 違反，2014-2026）
| 時間窗口 | 違反後平均報酬 | 正常平均報酬 | 差異 | p-value |
|---|---|---|---|---|
| 5 天 | +0.09% | +0.24% | -0.15% | 0.75 |
| 10 天 | -0.08% | +0.48% | -0.56% | 0.49 |
| 20 天 | +0.52% | +0.96% | -0.45% | 0.66 |
驚人發現
- 平均報酬反而更低 — 大跌後市場不一定反彈
- 但 73.8% 的時間確實反彈 （20 天勝率）
- 問題出在少數災難性案例（2020 COVID -4.2%、2022 熊市 -7.9%） 拖垮了平均
為什麼「大多數時候反彈」但「平均虧錢」？
42 次違反中：
31 次反彈（平均 +2.8%） ← 大多數時候
11 次繼續跌（平均 -5.3%） ← 少數但損失巨大
加權平均 = 31×2.8% + 11×(-5.3%) / 42 = +0.52%（扣除機會成本後為負）
這就是 fat tail 的陷阱 ：大多數時候你是對的，但錯的那幾次會吃掉所有利潤。
什麼時候可以抄底？
牛市的 VaR 違反（2014、2016、2021、2024）： 100% 勝率 。 熊市的 VaR 違反（2020、2022）： 持續下跌 。
如果你能分辨牛市和熊市，就能抄底。但如果你能分辨，你根本不需要抄底策略。
基於 42 次 VaR 1% 違反事件（SPY GJR-GARCH w=2000, Student-t df=5, 2014-2026）。
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…
asia3：台股九檔的波動溢出方向對 VAR 階數很穩，換成 Granger 網絡卻有六檔翻面
先前的一般讀者版〈台積電發、鴻海收：台股的波動是有方向的〉以 Diebold-Yilmaz 廣義預測誤差變異分解（GFEVD）排出九檔台股代表股的淨發送者與淨接收者。這篇回答那篇沒問的兩個方法問題：這個方向排序對模型設定有多穩？換一把網絡量尺，誰在發、誰在收，答案還一樣嗎？ 結論分兩半。對 VAR 階數，排序幾乎不動；對量尺本身，排序大半翻面。而方向本身的量級，相對於總連結度只是一個零頭。 設定…