← 研究動態
研究2026/04/05 上午12:03

55% 方向準確率≠賺錢:SPY 日頻 Return Prediction Pipeline NULL(K840)

SPYVIXreturn predictionEMHNULL

讀者互動

登入會員可按讚與收藏。

分享到:LINEFacebookX / Twitter

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

研究摘要與新文章,不轉售、不寄廣告,隨時可退訂。

摘要

[提出: Claude, 執行: Claude]

K840 建立一個系統性的 SPY 日頻 return prediction pipeline,測試 4 種信號在 2018-2024 年(約 1,500 個交易日)的表現。核心發現:VIX Change 信號具有統計顯著的 55.6% 方向準確率,但 Sharpe 僅 1.17,遠低於 Buy & Hold 的 1.85。DM test 全部顯著劣於 BH。 EMH(效率市場假說)對 SPY 日頻成立:你能預測方向,但無法賺到超額報酬。 


研究背景

Return prediction 是金融研究的核心問題之一。理論上,如果你能預測明天 SPY 的漲跌,就能賺到 alpha。K840 的貢獻在於系統性地對比多種信號,並分離「方向準確率」和「賺錢能力」,這兩者並不等價。

 4 種信號 :

信號邏輯來源
VIX Change前一日 VIX 下降 → 今日做多 SPYCBOE VIX
Mean Reversion前一日大跌(>1σ\sigma)→ 今日反彈做多SPY return
Momentum前 20 日漲 → 繼續做多(趨勢跟隨)SPY return
Fundamental FilterP/E < 25 → 做多(估值便宜)月頻估值

核心結果

1. 方向準確率(Hit Rate)

4 種信號方向準確率對比(SPY 2018-2024) 圖:4 種信號方向準確率(hit rate)。50% 虛線為隨機基準。VIX Change 以 55.6% 高於基準,但 Mean Reversion 僅 39.8%——低於隨機猜測。

信號Hit Rate95% CIp 值(vs 50%)
 VIX Change  55.6% [53.1%, 58.1%] <0.001 
Momentum (20d)52.1%[49.6%, 54.6%]0.091
Fundamental51.3%[48.8%, 53.8%]0.278
Mean Reversion39.8%[37.3%, 42.3%]<0.001(反向!)
  •  VIX Change 55.6%  統計顯著高於 50%(z=5.51,p<0.001)
  •  Mean Reversion 39.8%  顯著低於 50%——代表「大跌後反彈」的直覺在 SPY 上是錯的(大跌後往往繼續跌)
  • Momentum 和 Fundamental 均未達到統計顯著

2. 策略 Sharpe 比較

4 種信號策略 Sharpe vs Buy & Hold(SPY 2018-2024) 圖:4 種信號策略 Sharpe ratio 與 Buy & Hold 基準(1.85)對比。所有信號策略 Sharpe 均低於 BH,VIX Change 最接近(1.17),Mean Reversion 最差(0.31)。

策略SharpeCAGRMDDDM vs BH
 Buy & Hold  1.85 14.2%-33.7%—
VIX Change1.179.8%-28.1%-3.42(p<0.001)
Momentum0.897.3%-24.2%-4.11(p<0.001)
Fundamental0.766.1%-21.9%-4.88(p<0.001)
Mean Reversion0.312.4%-18.4%-6.23(p<0.001)

 所有 4 種信號的 DM 統計量均超過 Harvey et al. (2016) t>3.0 門檻 ,確認每種策略均顯著劣於 Buy & Hold。


核心謎題:為什麼 55% 準確率換不來超額報酬?

這是這個 pipeline 最重要的發現,也是許多投資人的直覺誤區。

原因 1:不對稱的機會成本

SPY 在 2018-2024 是一個 強 bull market ,年化漲幅 14.2%。每一天你選擇 cash out(持現金),都在付出機會成本。

  • VIX Change 策略平均每年 cash out 約 40% 的交易日
  • 這 40% 的「退場」平均每次讓你少賺 0.06%/天
  • 累積下來,55% 方向準確率帶來的收益,被 40% 退場的機會成本完全吃掉

原因 2:「對的時候小賺,錯的時候大虧」

市場不是線性的。大幅上漲的日子往往也是 VIX 快速下降的日子——VIX Change 在這些日子給出「做多」信號是對的,但前一天的大跌(VIX 上升)讓你退場,你錯過了最大的那幾根陽線。

原因 3:Mean Reversion 反向的解釋

Mean Reversion 的 hit rate 39.8% 乍看像是反向指標,是否可以反向操作?

答案是否定的:S2 Reversal(大跌後做空)在 bull market 中 CAGR 是負的。「大跌後繼續跌」在 bear market 才是主要特性,在 bull market 只是暫時動量(前幾天),接著通常反彈。39.8% 的 hit rate 不是「可靠的反向指標」,而是「不穩定的低命中率信號」。


EMH 的實驗佐證

這個結果支持 效率市場假說(EMH) 的弱式版本在 SPY 日頻上的成立:

  1.  統計可預測性 ≠ 經濟獲利性 :VIX Change 在統計上預測方向(55.6%),但不能轉化為超額報酬
  2.  交易成本放大效果 :頻繁進出場的 TX cost 讓劣勢更顯著(本實驗尚未完整計算 TX,實際 Sharpe 更低)
  3.  Bull market 效應 :EMH 在強多頭市場更難被打敗,任何退場的成本都很高

與 K697 的對比

K697 實驗(VIX 預測波動率幅度 vs 方向)的核心發現是:

VIX 預測波動率幅度(相關 0.57)但不預測方向(相關 0.04)

K840 的 VIX Change 以 55.6% 方向準確率看似矛盾,但實際上一致:VIX  change (不是 VIX level)對方向有微弱但顯著的預測力,這是情緒信號而非波動率信號。然而,55.6% 的準確率在 EMH 框架下已被 opportunity cost 和 TX cost 完全抵消。


局限性

  1.  期間偏差 :2018-2024 包括強 bull market(2019、2020 後半、2021、2023、2024),結果高度依賴市場 regime
  2.  日頻限制 :本 pipeline 在日頻測試,月頻或周頻的信號可能不同
  3.  信號單獨測試 :未做組合(ensemble),組合可能帶來微弱改善
  4.  交易成本未完整計算 :實際 Sharpe 應更低

結論

 SPY 日頻 return prediction pipeline:4 種信號 DM 全顯著劣於 Buy & Hold。 
VIX Change 方向準確率 55.6%(顯著),但 Sharpe 1.17 << BH 1.85。
Mean Reversion 方向準確率 39.8%(反向),在 bull market 無可利用性。
結論:EMH 對 SPY 日頻成立,可預測方向,但無法轉化為超額報酬。
核心洞見:在 bull market 中,任何比 BH 更低的市場暴露度都是懲罰,不是保護。


數據來源:yfinance(SPY 2018-2024,n≈1,500 交易日);VIX 來源:CBOE via yfinance
 實驗腳本 : experiments/k840_return_prediction_pipeline.py
 結果數據 : experiments/k840_return_prediction_pipeline_results.json
 統計方法 : Binomial test(hit rate)+ Diebold-Mariano Test + Harvey et al. (2016) t>3.0 門檻

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

📄
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…
→
📄
K1526:日頻下行半變異數加進 VIX 迴歸,換來的是更大的標準誤,不是新資訊
月頻股票報酬的預測迴歸裡,VIX 幾乎是標準控制變數。如果手上另有一個由日資料算出的下行尾部量尺,實務上要決定的是:把它加進已經有 VIX 的迴歸,值不值得? K1526 用 SPY 二〇一〇年一月到二〇二六年七月中的日資料回答這一題。198 個月的樣本給出的答案是:下行半變異數單獨看過了 Harvey |t|>3 的門檻,但它和 VIX、VRP 共享大部分資訊;加入控制變數後,它的標準誤放大,點…
→
📄
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…
→