← 研究動態
一般讀者2026/04/11 上午08:03

為什麼「預測市場轉折」不如「讓帆自動收」:AI 模型輸給了一個超笨的方法

SPYVIX投資策略波動率Regime Switching

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。

投資人最大的幻想:如果能「提前看到暴風雨」就好了

[提出: 用戶, 執行: Claude]

想像你正在出海釣魚。

你最希望有什麼超能力?大多數人的答案是: 如果能預測暴風雨什麼時候來,就可以提前收帆、先回港避風。 

投資人的願望幾乎一模一樣。金融市場有一種叫做「波動率制度」(Volatility Regime)的概念,簡單說,市場有時候「很平靜」,有時候「很狂暴」。如果能在市場要從平靜變狂暴之前提前知道,就可以先減少股票曝險,躲過大跌。

聽起來完美,對吧?

但我們用真實數據做了嚴格測試,結果 令人意外 ——甚至有點讓人想笑。


「明天跟今天一樣」,比 AI 還準

我們用 2007 到 2026 年將近 19 年的美股數據(SPY 和 VIX),測試了三種機器學習模型,看它們能不能預測「明天市場是否進入高波動期」。

這三種模型都使用了 14 個特徵變數,包括 VIX 的每日變化速度、期限結構(VIX 與 VIX3M 的比值)、動能、波動率加速度……聽起來相當厲害。

然後我們拿它們跟一個「笨方法」比較: 「明天的市場狀態跟今天一樣」 (統計學上叫做 Naive Persistence,天真持續預測)。

結果如下:

市場轉折預測:AI模型 vs「明天跟今天一樣」

 天真持續預測的 F1 分數:0.907——比所有 AI 模型都高。 

最強的 AI 模型(閾值模型)F1 只有 0.899,羅吉斯迴歸是 0.890,都輸給了「明天跟今天一樣」這個完全不需要任何運算的方法。


為什麼「明天跟今天一樣」這麼準?

原因出乎意料地簡單: 市場的波動率狀態非常黏稠 。

在 VIX(恐懼指數)超過 20 的情況下(通常被視為「高波動期」),這種狀態的平均持續時間是  12 天 ,最長可以達到  331 天 ——就是 2020 年 COVID 那段時間。

每天發生「狀態轉換」(從平靜到狂暴,或反過來)的機率只有  6.1% ,也就是說有  93.9% 的時候,明天跟今天一樣 。

這就是為什麼「明天跟今天一樣」這個笨方法效果這麼好,它不是在偷懶,它是在利用市場的真實規律。


即使 AI 預測準了,也買不到多少好處

好,就算 AI 有辦法在狀態轉換之前預測到,實際上只有 33% 到 44% 的轉換可以被提前 1 到 5 天察覺,我們把這些預測轉化成真實投資策略,看看績效怎麼樣。

OOS 2019-2026 夏普比率:平滑調整 vs 離散切換

橫軸是幾種策略,縱軸是夏普比率(衡量每單位風險賺多少,越高越好)。

 平滑權重基準(12/VIX):0.918  AI 切換策略最好的結果:0.955(VIX>30 才切換的版本,差異很小) 多數 AI 切換策略:0.85 到 0.88,都輸給平滑基準

唯一稍微領先的 AI 策略,是設定非常高門檻(VIX 超過 30 才切換),等於說「除非天都塌下來才動作」,而這跟「一直平滑調整」的邏輯已經很接近了。


更好的方法:讓「帆面積」自動隨風力變化

回到我們的出海比喻。

與其訓練一個能預測「暴風雨什麼時候來」的 AI,聰明的漁夫會這樣設計帆船: 當風速增加,帆面積自動縮小;當風速減弱,帆面積自動放大。  不需要做預測,只需要即時反應。

這就是「12/VIX 平滑調整法」的邏輯:

  • VIX(市場恐懼指數)越高,股票倉位自動降低
  • VIX 低的時候,倉位自動提高
  • 公式非常簡單: 股票倉位 = min(12 ÷ VIX, 100%) 

當 VIX = 12(平靜),倉位 = 100% 當 VIX = 20(緊張),倉位 = 60% 當 VIX = 40(恐慌),倉位 = 30%

這個方法不需要預測市場轉折,只需要「看現在的恐懼指數然後調整」。就像汽車的 自動雨刷 ——雨下大了就轉快,雨小了就轉慢,不需要駕駛去預測「幾分鐘後會下多大的雨」。


聰明的投資人不預測,他們建系統

這個研究最重要的啟示是:

 不要浪費時間預測市場轉折點,因為這件事幾乎不可能做好。即使 AI 也輸給「明天跟今天一樣」這個笨方法。 

更好的策略是:建立一個能自動、持續、平滑反應的系統,而不是等待「對的時機」才行動。

離散切換(高/低倉位來回跳)會帶來不必要的交易成本和「被晃出場」的風險。平滑調整讓你始終在市場中,只是根據風險環境微調比例。

就像自動雨刷比手動切換雨刷更安全,因為它時時刻刻都在工作,而不是等你決定「現在該切換了」。


結論:給一般投資人的行動建議

  1.  不要嘗試預測「市場什麼時候會崩」  — 這是徒勞無功的,專業模型也做不到
  2.  改用會自動調整的策略  — 當 VIX 高(市場恐慌),你的股票比例自然降低;VIX 低時,再逐漸提高
  3.  接受「沒辦法躲掉所有暴風雨」  — 目標不是零虧損,而是讓虧損幅度在可接受範圍內
  4.  持續在場勝過精準進出場  — 平滑策略 19 年的最大虧損只有 -14.8%,而買進持有是 -33.7%

市場從來不等你「預測好了再行動」。但好消息是, 你不需要預測,你只需要一個跟著恐懼指數自動呼吸的系統 。


本文基於實驗 K1019 的實證結果(數據來源:yfinance SPY/VIX 2005-2026,1825 天 OOS 驗證)

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 已經很高時再跳一次,SPY 多晃的幅度沒有變小——危機時還更大
你是否會在 VIX 已經很高的時候降低對「下一次 VIX 大跳」的防備,理由是市場已經怕過了,再一次衝擊不會多晃太多?這份資料的答案是不會少晃:VIX 一天跳升兩點以上的那天,SPY 的單日漲跌幅比平日多出約一個百分點,不論前一天 VIX 在十幾還是二十幾都差不多;VIX 在 30 以上的危機期間,多出來的幅度還更大。 我們看了什麼 資料是 SPY 與 VIX 的日資料,期間 2006-01-05…
→
📄
跌得越痛,下個月補得越多?回頭看像是有,拿來預測還輸給平均數
市場有一種常見說法:跌得越兇的月份,之後的報酬會補回來,因為承擔下跌風險的人應該拿到補償。學術上這叫尾部風險溢酬,截面研究裡確實有證據。我們想問的是另一件事:如果只看 SPY,這個月的下跌痛感能不能告訴你下個月的報酬? 我們用二〇一〇年一月到二〇二六年七月中的 SPY 日資料,整理成 198 個月的樣本,檢查兩把「下跌量尺」: RDSV(下行半變異數):把這個月所有下跌日的報酬平方加總。跌的天數越…
→
📄
銀行收緊放款時,債券 ETF 劇烈震盪會讓隔天股市更不安嗎?十九年資料:不必另設一道警報
美國聯準會每一季會問各大銀行:最近對企業放款,標準是放寬還是收緊?當回答「收緊」的銀行明顯多過「放寬」,市場常把它當成信用變緊的訊號。一個常見的延伸想法是:在這種時期,高收益債或貸款類 ETF 一旦出現劇烈震盪,隔天的股市就更容易跟著不安,所以要對債券 ETF 的動靜特別敏感,甚至提早減碼股票。 這篇回答的就是這個決策:銀行收緊放款的期間,要不要把債券 ETF 的單日劇烈波動,當成比平常更強的股市…
→