你以為模型沒問題？可能只是測量工具太粗糙——用「高低價」才揭露黃金 ETF 的隱藏傷害

摘要

[提出: 用戶, 執行: Claude]

同一個波動率模型，用兩種不同的「測量尺」評估，結論可以完全相反。我們的研究發現：傳統「每日收盤價平方（r²）」因雜訊太高，讓一個對黃金 ETF（GLD）實際有害的進階模型看起來像「無害」；改用高低價計算的 Range 估計器後，才揭露它的真實破壞力。

先從一個生活場景說起

想像你要追蹤病人的體溫。有兩種溫度計：一種每天只在固定時間量一次（比如中午），另一種全天記錄最高和最低體溫。

哪個更準？當然是後者。中午的體溫可能剛好落在「正常範圍」，但病人在凌晨高燒 39.5 度，你根本不知道。

股票的「波動率」也有同樣的問題。

傳統方法：用收盤價計算，雜訊極大

金融研究中最常見的波動率代理變數，叫做「每日收盤價平方（r²）」，就是用今天和昨天的收盤價算出報酬率，再把它平方。

這個方法的問題在於： 雜訊非常大 。它完全忽略了股票在一天之內的起伏，股價可能在盤中大漲大跌，但如果收盤恰好回到原點，r² 就是 0，好像什麼都沒發生。

學術研究（Parkinson 1980, Garman & Klass 1980）早已證明：用當日 最高價和最低價 計算出的「Range 估計器」，精準度比 r² 高 5 到 14 倍。

精準度差了多少？用實驗說話

我們對四大宗商品 ETF（美國石油基金 USO、黃金 GLD、天然氣 UNG、比特幣 BTC）做了完整測試（實驗 K1134，OOS 期間 2021-2026，各資產約 1,300 個交易日）。

核心問題：一個叫做  GAS-t （分數驅動波動率模型，Creal-Koopman-Lucas 2013）的進階模型，到底有沒有比傳統 GJR-GARCH 更準？

用傳統 r² 評估：GAS-t 在黃金 ETF（GLD）上的結果是「無顯著差異（NS）」，DM 統計量 t = -0.76。看起來很安全，也不差。

換成三種 Range 估計器重新測量： t = -4.03、-4.14、-4.10 。

這些數字已經超過嚴格的學術門檻（Harvey 2016 要求 |t| > 3.0），代表 GAS-t 對黃金 ETF  有顯著的統計傷害 ，不是「沒差」，而是「比基本模型更糟」。

圖：GAS-t 模型對黃金 ETF（GLD）的評估結果。灰色長條（r²）顯示統計不顯著（NS）；紅色長條（三種 Range 估計器）均超過 Harvey 顯著門檻，揭露模型的真實傷害。

為什麼這件事很重要？

這不只是技術細節，背後有個重要的教訓：

 用噪音高的測量工具，會讓有問題的模型「通過審查」。 

以黃金 ETF 為例：如果一個機構或量化基金只用 r² 評估 GAS-t，他們會以為這個模型「還好，不顯著差」，然後繼續用它管理資金。但換成更精準的評估後才發現，這個模型其實在主動傷害預測表現。

另一個例子更戲劇化：美國石油基金（USO）在 r² 下，GAS-t 看似有 +2.65% 的改善（雖然不顯著）。但換用 Range 估計器後，結論完全反轉，改善消失，甚至轉為小幅劣化。r² 的雜訊製造了一個本不存在的「希望」。

三種 Range 估計器，結論高度一致

我們使用了三種不同的 Range 估計器（Parkinson、Garman-Klass、Rogers-Satchell），設計原理各有不同：

這三種方法在黃金 ETF 上給出幾乎相同的結論（DM t 介於 -4.0 到 -4.1 之間），這正好驗證了 Patton（2011）的理論：不管用哪種公允的代理變數，模型排名的結論是一致的。三種不同的「尺」，指向同一個事實。

什麼樣的模型通得過？

你可能會問：那天然氣（UNG）的情況呢？

有趣的是，UNG 在 Range 估計器下，GAS-t 的 DM 統計量反而是正值（t ≈ +2.4），暗示它有約 2.7-3.0% 的改善潛力。但這仍然沒有通過我們更嚴格的「三重門檻」（改善 > 5% + 統計顯著 + 兩個子期間一致）。目前沒有一個商品 ETF 讓 GAS-t 成功通關。

比特幣（BTC）最直接：不管用哪種測量方式，GAS-t 都顯著失敗（t 約 -3.1 到 -4.4），而且 QLIKE 損失高達 -7.9% 到 -9.5%。極端的加密市場行情（FTX 崩盤、LUNA 歸零）讓原本設計來「縮小極端值影響」的模型反而適得其反。

對投資人的意義

這個研究對一般人最直接的意義是：

 評估一個模型或策略好不好，工具本身的精準度很關鍵。 

很多量化投資工具或 App 背後，可能用的是最簡單的 r² 來衡量波動率。如果這個工具評估出「模型 A 比模型 B 好」，但評估的尺本身就有 5-14 倍的誤差空間，那這個結論有多可靠？

不一定要深入理解這些公式，但記住一個原則： 用日內高低價計算的波動率，比只用收盤價更接近真實。  一個真正嚴謹的分析，至少應該用兩種以上的方式交叉驗證。

研究局限

• USO 和 UNG 屬於「滾動合約」型 ETF（定期換倉導致展期損益），在轉倉日高低價可能有雜訊，Range 估計器並不完全免疫。
• BTC 24 小時交易、無固定收盤，高低價的定義方式可能與傳統市場有所不同。
• 本研究使用每日數據，五分鐘高頻 RV 估計器（如 Realized GARCH）在數據可取得時會更精準。

下一步

研究持續進行中。下一批實驗（K1136）將測試非「分數驅動」的模型家族，看看在相同的 Range 估計器框架下，是否有模型能在商品市場找到統計顯著的優勢。

如果你想了解我們研究的策略建議，可以到策略選擇器查看目前的持倉建議。

本文基於實驗 K1134（腳本：experiments/k1134/k1134.py，結果：experiments/k1134/k1134_results.json）。數據來源：yfinance 實證數據（USO / GLD / UNG / BTC-USD），OOS 期間：2021-2026，各資產約 1,323 個觀測值。參考文獻：Parkinson (1980) J Business、Garman & Klass (1980) J Business、Rogers & Satchell (1991) Ann Appl Prob、Patton (2011) J Econometrics。