K477: VIX 的因果結構——為什麼它是唯一需要的風險指標

摘要

本文報告 K477（Toda-Yamamoto 因果發現）與 K446（GPR 因果檢定）的核心發現：VIX 在多變數因果網絡中呈現「吸收者（sink）」而非「發射者（source）」的角色。股市報酬、實現波動率、信用利差、期限結構等信息流向 VIX，而非反向。此一結構性發現強化了 VIX 作為「充分統計量（sufficient statistic）」的理論地位，並解釋了為何加入 GPR、隔夜報酬等外生變數無法改善 VIX 的波動率預測能力。

研究動機

在 32 次獨立實驗中，我們反覆確認 VIX 是波動率預測的「充分統計量」，加入其他任何外生變數，均無法顯著改善預測精度（DM test p > 0.05）。這引發了一個更深的問題： 為什麼？ 

傳統解釋是「VIX 已充分反映市場信息」，但這是一個循環論述。更嚴謹的問法是：VIX 的信息結構究竟是什麼？它是信息的「來源」還是「終點」？

K477（Toda-Yamamoto 因果發現）和 K446（Caldara & Iacoviello GPR 因果結構）給出了明確答案。

方法論

Toda-Yamamoto 程序（K477）

標準 Granger 因果檢定要求變數定態（I(0)）。但 VIX 等金融序列在某些期間呈現近單根特性，直接使用 Granger 可能導致偽回歸。

Toda & Yamamoto（1995）提出的修正方法：

1. 確認各序列的整合階數 d_{max}\
2. 估計 $VAR(p + d_{max})$（p = lag order by BIC，額外加入 $d_{max}$ 個 lag）
3. 對前 p 個 lag 的係數做 Wald 檢定（Wald statistic 漸近 $\chi^2$）

此方法在 I(0)、I(1)、共整合等任何情況下均有效。

多變數系統設定

變數組：VIX（隱含波動率）、SPY 報酬、RV21（21 日實現波動率）、GPR（地緣政治風險指數）、TLT 報酬、GLD 報酬

分析 6×5=30 個有向邊，計算每個變數的：

•  In-degree ：有多少其他變數 Granger-cause 它（信息流入量）
•  Out-degree ：它能 Granger-cause 多少其他變數（信息流出量）

核心結果

VIX 是網絡中的「吸收者」

 VIX in-degree=4 的意義 ：

• SPY 報酬 → VIX（市場下跌驅動恐慌情緒上升）
• RV21 → VIX（歷史波動率升高，市場重新定價隱含波動率）
• TLT 報酬 → VIX（債市動盪作為宏觀壓力先行指標）
• GLD 報酬 → VIX（避險資產流向反映系統性風險偏好）

 VIX out-degree=1 的意義 ：

• VIX → GPR（這是反常識的重要發現，見下節）

K446 關鍵發現：VIX→GPR，而非 GPR→VIX

K446（Caldara & Iacoviello 2022 GPR Daily Index，N=6,552，2000-2026）的 Granger 因果檢定：

 解讀 ：市場恐慌（VIX 上升）驅動地緣政治風險報導（GPR 上升），而非反過來。當 VIX 飆升，媒體和分析師傾向於將其解讀為地緣政治事件，GPR 隨之攀升，但這是「後驗歸因」，而非前瞻因果。

這一發現與 K446 的定性分析一致：伊拉克戰爭期間 GPR-VIX 相關係數 +0.61（事件驅動，GPR 先行），但在 COVID-19 期間幾乎為零（市場波動非地緣政治主導）。GPR 的預測力強烈依賴事件類型，缺乏系統性。

理論詮釋：VIX 作為充分統計量的因果基礎

傳統上，VIX 的「充分統計量」地位被解釋為：VIX 隱含了市場對未來波動率的期望，包含了所有可公開觀察的信息。

K477 提供了更深的因果層面解釋：

 VIX 是信息的「終點站」，而非「起點站」 

市場參與者以高速度、高準確度聚合所有可觀測信息並將其定價入 VIX 中。這意味著：

1.  任何已知的外生衝擊 （GPR、信用利差、隔夜報酬），在驅動市場行為的同時， 也同步驅動 VIX 
2.  VIX 的預測優勢來自它「吸收」了所有這些驅動力 ，而非因為它自己是驅動力
3.  試圖在 VIX 之外尋找增量信息 ，等同於試圖在一個已充分聚合信息的市場中找到低估資產，幾乎不可能

這也解釋了一個悖論：在因果圖中，GPR 可以 Granger-cause VIX（lag=1，勉強顯著），但在預測模型中，GPR 反而顯著 惡化  VIX 的預測精度（K446 OOS R²=-0.67 vs baseline R²=-0.09）。原因：統計意義的 Granger 顯著性不等於經濟意義的增量預測力——VIX 已「預先消化」了 GPR 信號。

限制與說明

1.  日頻數據限制 ：K477 使用日頻資料，intraday 因果結構（如高頻市場微結構）可能不同
2.  Granger 非真正因果 ：Granger 因果是「預測意義的先行性」，非結構性因果關係（Pearl (2000) 意義）
3.  GPR 數據特性 ：GPR 月頻指數透過日頻插值處理，可能有平滑偏差（K446 數據期：2000-2026，N=6,552）
4.  網絡結構隨時間變化 ：in/out-degree 是全樣本平均，危機期間（2008/2020）因果結構可能與平穩期不同

結論

VIX 在多變數因果網絡中的角色是「吸收者（in-degree=4）而非來源（out-degree=1）」。這一結構性發現從因果層面解釋了 VIX 充分統計量現象：因為所有市場信息最終匯聚於 VIX，試圖在其外找到獨立預測因子幾乎等同於找到市場效率的漏洞。K446 的反常發現（VIX→GPR 比 GPR→VIX 更顯著）進一步印證：VIX 吸收信息後，連後見之明式的「歸因報導」（如 GPR 升高）都會被 VIX 的先期表現所驅動。

對實務投資者而言，這意味著：在日頻操作中，VIX 是最重要的，也可能是唯一需要追蹤的，風險指標。

本文基於 K477（Toda-Yamamoto 多變數因果發現，2000-2026，N=6,552+）和 K446（GPR Granger 因果結構，Caldara & Iacoviello 2022 AER，yfinance SPY/VIX 數據）。方法論參考：Toda & Yamamoto (1995) Journal of Econometrics 66, 225-250。限制：日頻、Granger 非結構性因果、GPR 數據插值平滑。