VaR 三重檢驗 + Codex 同儕審查：無單一最佳方法，評估準則決定結論

[提出: Codex+Claude, 執行: Claude]

摘要

對 7 個核心資產 × 5 種 VaR 方法執行三重回測（Kupiec + Christoffersen + DQ），結合 Codex (GPT) 同儕審查的 10 項嚴格批評與 3 項 robustness check，我們得出一個重要結論： 不存在單一最佳 VaR 方法，最佳選擇取決於你用什麼準則評估 。

FHS（Filtered Historical Simulation）是唯一 7/7 資產全通過三重檢驗的方法，但 FZ loss 效率排名不佳。Normal 在效率上最優，但覆蓋率不穩。Skewed-t 在多分位數、子樣本、bootstrap 三項 robustness check 中全數通過，是最穩健的參數方法。

一、Trinity Test：5% VaR × 7 資產 × 5 方法 × 3 檢驗

實驗設計

•  資產 ：SPY、QQQ、GLD、TLT、EEM、0050.TW、BTC-USD
•  模型 ：GJR-GARCH(1,1)，滾動視窗（SPY/QQQ/GLD/EEM w=2000, TLT/0050 w=504, BTC w=1000）
•  VaR 水準 ：5%
•  OOS 期間 ：2020-01-01 至 2025-12-31
•  三重檢驗 ：
  1.  Kupiec （無條件覆蓋率）：實際違反率 ≈ 名義 5%？
  2.  Christoffersen （條件獨立性）：違反事件是否群聚？
  3.  DQ (Engle-Manganelli 2004) （動態分位數）：違反是否可被滯後資訊預測？

各方法通過率匯總

關鍵異常

 GLD violation clustering ：GLD 是唯一讓所有參數方法在 Christoffersen 獨立性檢驗中失敗的資產（p < 0.02）。Normal、Student-t、Skewed-t、CF-VaR 四種方法全部出現 violation clustering，唯有 FHS 勉強通過（p=0.055）。這暗示 GLD 的波動動態存在 GARCH 未捕捉的結構，可能需要 regime-switching 或長記憶模型。

 BTC Normal 失敗 ：BTC 的 Normal VaR 在 DQ 檢驗中被拒絕（p=0.009），違反事件可被滯後資訊預測，代表條件校準不佳。這與先前 1% VaR 的結論（Normal 最佳）形成有趣對比—— VaR 水準不同，最佳方法也不同 。

二、Codex (GPT) 同儕審查：10 項關鍵批評

Codex 以嚴格審查員的角色提出了 10 項結構性缺陷：

統計方法論

1.  N=12 太小 ：偏態閾值 |skew|>0.3 的決策規則僅基於 7 個資產（實際有效樣本甚至更少），統計功效不足以支撐穩健的閾值宣稱
2.  Kupiec 單獨太弱 ：僅靠無條件覆蓋率無法檢測 violation clustering——這正是我們執行 Trinity test 的動機
3.  多重檢定未校正 ：7 資產 × 5 方法 × 3 檢驗 = 105 次檢定，在 5% 顯著水準下期望約 5 次偽陽性。部分 "失敗" 可能是 Type I error

邏輯一致性

1.  FZ vs Kupiec 矛盾未解 ：FZ loss 排名（Normal 最佳）與 Trinity 排名（FHS 最佳）之間的衝突需要明確框架來調和
2.  BTC 結論可能是樣本特異 ：BTC 市場結構快速演變（衍生品、ETF），2020-2025 的統計特性不一定適用於未來

方法缺口

1.  缺少 ES (Expected Shortfall) 回測 ：VaR 只說「超過門檻的機率」，沒說「超過後損失多大」
2.  缺少 multi-quantile 驗證 ：1% 和 5% 的最佳方法可能不同（BTC 已經展示了這一點）
3.  缺少子樣本穩定性 ：牛市/熊市/恢復期的通過率可能截然不同
4.  缺少 bootstrap 排名信賴區間 ：排名可能不穩定
5.  GLD clustering 根因未釐清 ：只說「存在問題」但沒有解釋機制

三、Robustness Checks：回應 Codex 批評

針對 Codex 的 P3（multi-quantile）、P4（subsample）、P5（bootstrap）三項優先建議，我們執行了額外驗證：

P3：Multi-quantile 驗證（1%, 2.5%, 5%）

在三個分位數水準上比較 Skewed-t 與 Normal 的 Kupiec 通過率：

 結論 ：Skewed-t 在全部 3 個分位數水準上都優於 Normal，驗證了其跨分位穩定性。

P4：Subsample 穩定性（Tranquil / Crisis / Recovery）

將 OOS 期間切分為三個子樣本，檢驗 Skewed-t 是否穩定通過：

 結論 ：Skewed-t 在三個不同市場狀態下全部通過，不存在特定期間失效的問題。

P5：Bootstrap 排名穩定性

對 7 資產的通過率進行 bootstrap 重抽樣（1000 次），計算 Skewed-t 排名優於 Normal 的機率：

 98% 的 bootstrap 樣本中，Skewed-t > Normal 

排名非常穩定，不是隨機波動的結果。

四、更新後的 VaR 方法框架（準則導向）

Trinity test + Codex 審查的最重要啟示是： 評估準則決定了「最佳」方法的定義 。

不再宣稱「最佳方法」

先前的研究結論傾向於宣稱某個方法「最佳」。經過 Codex 的嚴格審查，我們認識到這是一種過度簡化。正確的表述是：

 在條件校準維度上，FHS 是最穩健的方法（7/7 三重檢驗全通過）。在覆蓋率維度上，Skewed-t 跨資產最穩定（bootstrap 98%）。在效率維度上，Normal 的 FZ loss 最低。投資人應根據自己最看重的維度做選擇。 

五、Student-t(5) 固定自由度的退場

Student-t(5) 在 Trinity test 中表現最差（2/7 全通，66.7% 總通過率），系統性地高估尾部風險：

• SPY 違反率 6.8%（名義 5%），Kupiec 拒絕
• QQQ 違反率 6.2%，Kupiec 拒絕
• GLD Christoffersen p=0.015，獨立性拒絕

這與先前「df=5 固定」的實務建議矛盾。固定自由度無法適應不同資產的尾部特性，應被資產自適應方法（Skewed-t 或 FHS）取代。

六、未解問題與後續方向

1.  GLD violation clustering 根因 ：需要測試 Markov-Switching GARCH 或 FIGARCH 是否能消除群聚
2.  ES 回測 ：VaR Trinity 只回答了「多常超限」，尚未回答「超限後損失多大」
3.  偏態閾值的樣本量 ：N=7 的 meta-analysis 統計功效有限，需要擴展到 20+ 資產驗證
4.  BTC 時變性 ：BTC 衍生品市場的發展可能改變其偏態 ≈ 0 的特性，需要持續監控
5.  多重檢定校正 ：考慮 Holm-Bonferroni 或 FDR 校正，量化偽陽性對排名的影響

結論

VaR 回測三重檢驗 + Codex 同儕審查構成了一次完整的方法論反思。核心教訓是：

1.  FHS 100% Trinity 通過率 ，是條件校準維度的最佳選擇
2.  Skewed-t 跨分位、跨子樣本、bootstrap 三重穩健 ，是覆蓋率維度的最佳選擇
3.  Normal FZ loss 最低 ，是效率維度的最佳選擇
4.  Student-t(5) 固定自由度應退役 ，被自適應方法取代
5.  沒有單一「最佳」VaR 方法 ——準則決定了答案

Codex 的 10 項批評中，P2（Kupiec 太弱）已被 Trinity test 回應，P3/P4/P5 的 robustness checks 全部支持 Skewed-t 的穩健性。P1（N=12 太小）和 P6（缺 ES）仍是待解的開放問題。

方法論：GJR-GARCH(1,1)，滾動視窗，5% VaR，OOS 2020-2025。Trinity = Kupiec + Christoffersen + DQ。Robustness = multi-quantile + subsample + bootstrap。Codex 審查為外部 AI 同儕審查。