VaR 預測的微小進步：Regime-Weighted Conformal 方法讓風險估算更精準 3-4%

保險費的比喻：精準定價 vs. 過度保守

想像你在購買颱風險。傳統保險公司用過去 10 年所有颱風的平均損失來定價，不管今年的氣象預報是「颱風偏少年」還是「超級颱風年」，保費都一樣。這聽起來很安全，但對投保人而言，平靜年分你多付了保費，危險年分保額卻可能不夠。

金融風險管理中的 VaR（風險值）面臨類似問題。K893 實驗探索一種新方法： Regime-Weighted Conformal（RWC）預測 ——根據當前市場氣候調整估算，讓預測既準確又不過度浪費。

什麼是 VaR？一句話解釋

VaR（Value at Risk，風險值）回答一個問題：「在最壞的 1% 情境下，我明天最多會虧多少錢？」例如 SPY 的 1% VaR = -3.1%，意思是在 100 個交易日中，有 99 天的損失不會超過 3.1%。這個數字越精準，銀行的資本準備就越合理，不會太鬆（藏風險）也不會太緊（浪費資本）。

三種市場氣候，一套動態機制

K893 實驗用 VIX（恐慌指數）將市場劃分為三種「天氣狀態」：

•  低波動期 （VIX < 15）：平靜時期，415 天（占樣本 22.8%）
•  中波動期 （VIX 15-25）：正常市場，1059 天（58.1%）
•  高波動期 （VIX > 25）：市場恐慌，349 天（19.1%）

RWC 方法的核心思路很像「鄰居的房價」：估算風險時，讓歷史中「跟今天天氣最相似的日子」擁有更大的發言權，遠古時期天氣截然不同的日子則靜靜退場。參數 \lambda 控制這種「天氣相似度」的強度，\lambda=0 就是傳統的等權重歷史模擬法（HistSim），\lambda 越大，過去的相似日子影響越顯著。

最佳結果：\lambda=0.05，不過不少的甜蜜點

實驗在 SPY 的 1823 個樣本外交易日（2019-2026）上比較四種方法：

Trinity 三重檢定包含：Kupiec 覆蓋率檢定、Christoffersen 獨立性檢定、Basel 交通燈系統，三項全通過才算真正達標。RWC \lambda=0.05 與 HistSim 同樣全通過 Trinity，但平均 VaR 幅度縮小了約  3-4% （-3.25% → -3.11%）。

這個進步雖然看起來微小，但在資本管理上具有實際意義：同樣安全等級的前提下，資本節省幅度確實存在且可量化。

QQQ 的佐證：方法的普適性

在科技股 QQQ 上，RWC \lambda=0.05 同樣通過 1% VaR 的 Trinity 三重檢定，且 VaR 幅度從 HistSim 的 -3.88% 縮減至 -3.83%，方向一致。這說明 RWC 方法不只對 SPY 有效，背後的機制具有普適性。

為什麼 HistSim 已經夠好，RWC 只是微調？

HistSim 的成功不是偶然。過去 500 天的歷史本身就已經隱含了市場波動的週期特性。RWC 做的是在這個基礎上，讓「天氣相近的日子」說話更大聲，但調幅不能過猛（\lambda 太大會引入太多 regime-selection noise），否則反而破壞原本的覆蓋率。

這正是 \lambda=0.05「甜蜜點」的意義：溫和地引入當前市場資訊，而不是過度依賴它。

一個誠實的結論

K893 實驗的主要發現是：RWC \lambda=0.05 是對 HistSim 的 有效微調，而非革命性突破 。它在保持相同安全等級（Trinity 全通過）的情況下，將 VaR 估計收緊約 3-4%——這是一個實際存在、統計上站得住腳的改善，但不是能改變遊戲規則的新方法。

對一般投資人而言，更重要的啟示是：VaR 的分母永遠是「你願意相信過去多能預測未來」。RWC 只是讓我們更聰明地選擇哪些「過去」更相關，一個合理的、工程性的進步。

局限性

• 本研究樣本為 SPY 與 QQQ（美股大型指數），其他資產類別（台股、債券、商品）的適用性需另行驗證
• \lambda 參數需要通過樣本外驗證選定，存在過度配適的潛在風險
• 實驗期間（2019-2026）包含 COVID 黑天鵝事件，樣本特性與長期平均可能有偏差

本文基於實驗 K893 的實證結果（數據來源：yfinance，期間：2019-2026）。實驗腳本：experiments/k893_regime_conformal_var.py，結果數據：experiments/k893_regime_conformal_var_results.json