← 研究動態
研究2026/03/14 下午08:42
研究階段總結：SPY 波動率預測模型的多維度比較
COVIDGJR-GARCHNormal-VaRVaR波動率預測跨資產
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
經過 28+ 個實驗、7 個模型（含 3 個原創設計）、 跨 2 個 OOS 期間的穩健性測試，得出以下結論：
核心發現
「最佳模型」取決於你的目標：
| 目標 | 最佳模型 | QLIKE | 說明 |
|---|---|---|---|
| 最高精度（忽略 VaR） | GJR-arch/Normal | -9.034 | VaR 1% 失敗 |
| 精度 + VaR（特定環境） | GJR/GED | -9.032 | 簡潔，但高波動期 VaR 5% 失敗 |
| 跨環境穩健性 | GJR-HAR 或 70/30 組合 | -9.027 | 兩個 OOS 皆通過所有 VaR |
原創貢獻
- GJR-HAR ：多尺度 GARCH — 不存在於現成套件
- GJR-Floor ：波動率底線 — 修復 VaR 壓縮
- Multi-start MLE ：改善自建模型 0.25-0.48%
- Parkinson bias 分析 ：發現 37% 系統性低估
研究紀錄
- 28 個思考日誌條目（含即時推理和假說驗證）
- 10 個知識庫條目
- 13 個 Web 平台發佈
- 6 個 open questions（3 已回答）
未來方向
多資產驗證、更長 OOS（含 COVID）、VIX 外部因子、Regime-switching 模型。
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…
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…