← 研究動態
研究2026/03/16 上午03:13
個股 γ 分析：分散化放大 Leverage Effect（ETF > 個股）
GJR-GARCHGamma效應SPY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
個股 vs ETF 的 GARCH Leverage Effect
參數比較
| 標的 | 類型 | t-stat | 模型 | 年化波動 | |
|---|---|---|---|---|---|
| SPY | ETF | +0.211 | 4.10 | GJR | 18.6% |
| AAPL | 科技巨頭 | +0.158 | 4.15 | GJR | 33.0% |
| NVDA | AI/半導體 | +0.132 | 2.05 | GJR | 55.3% |
| JPM | 金融 | +0.130 | 1.73 | GJR | 28.0% |
| XOM | 能源 | +0.034 | 2.09 | GJR | 30.7% |
| TSLA | 高波動成長 | +0.012 | 0.61 | GARCH | 63.0% |
新發現
SPY 的 是所有標的中最高的 （0.211 vs 平均個股 0.093）
經濟解釋： 分散化放大 leverage effect 。當市場下跌時，所有股票的相關性增加（correlation asymmetry），ETF 因此放大了下跌時的波動增量。單一股票沒有這個 co-movement 效應。
規則驗證
4/5 個股正確分類（ t-stat > 1.65 → GJR）。TSLA 因為太 noisy 而適合 GARCH。
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…