K1515：以跨市場波動特徵預測 HYG 日內區間流動性代理，XGBoost 與 OLS 的樣本外誤差無法區分

本文是同一實驗一般讀者版〈股市波動，能預測高收益債 ETF 的流動性指標嗎？〉（mile_fa20b55e）的研究版。一般版只說「資料未辨識出差異」；本文補上設定、誤差差分的自相關、HAC 頻寬敏感度、前視檢查，以及這個 null 能說與不能說的範圍。

問題與動機

Cabrol, Drobetz, Otto & Puhan（2024，Financial Analysts Journal）以機器學習預測公司債流動性。K1515 是日頻、單一標的的概念驗證：以前一日的跨市場波動資訊，能否讓非線性模型比線性模型更準地預測 HYG 的流動性代理？與既有實驗的方向相反：K1472、K150、K265 是以流動性代理預測股票波動，本實驗是以股票波動預測債券流動性。

設計

•  資料 ：yfinance 的 HYG、LQD、VCIT、SPY、^VIX，2014-01-01 至 2026-06-15；建構特徵並刪除缺值後共 3,107 列。自 2026-10-19 起，正式重跑讀取已提交的凍結快照（data/k1515_prices_frozen.csv），不連網。
•  目標 ：(HYG_High − HYG_Low) / HYG_Close，日內區間型流動性代理。
•  特徵（全部落後一日） ：自身落後一日、五日與二十二日均值，SPY 二十二日已實現波動，VIX，HYG 減 LQD 報酬的五日均值（信用利差代理），SPY 與 VIX 變動的二十二日相關。
•  切分 ：訓練至 2022-12-31（2,243 日），樣本外自 2023-01-01（864 日），純時間切分。
•  模型 ：OLS 與 XGBoost（三百棵樹、深度四、學習率百分之五、seed 42，不調參），兩者使用相同特徵與相同落後處理。
•  檢定 ：平方誤差的 DM 檢定，repo canonical dm_test，Newey–West Bartlett 權重，頻寬 10，Student-t p 值。

結果

• XGBoost 對 OLS 的 DM 統計量為 0.0355，p 值 0.9717，判定 NULL：無法拒絕兩者平方誤差相等。
•  HAC 頻寬敏感度 ：損失差分在落後二期的自相關為 0.365，落後一期為 -0.023，因此不能只用不做 HAC 的版本。實驗對零到二十一共八種頻寬重算，t 值介於 0.0355 與 0.0499 之間，判定規則在每一種頻寬都給 NULL。不做 HAC 的舊版主檢定（2026-10-19 前使用）t 為 0.0493，常態 p 值 0.9607，結論相同。
•  前視檢查 ：check_k1515_lookahead.py 對 3,107 個日期逐一擾動當日的高、低、收價，所有特徵只使用前一日以前的資料。

這個 null 說的是什麼

1.  檢定的是模型類別，不是特徵集合。  兩個模型使用同一組七個特徵，所以 DM 檢定問的是「梯度提升樹是否比線性迴歸好」，不是「跨市場特徵是否比只用自身落後項好」。後者需要另跑只含自身落後項的 OLS 基準，本實驗沒有做。
2.  VIX 的重要性不是樣本外證據。  XGBoost 的分裂增益重要性中 VIX 最高（0.461），五日均值次之（0.281）；這是樣本內的擬合統計量，而且兩個模型都包含 VIX，本實驗沒有辨識 VIX 個別的樣本外貢獻。
3.  線性模型主要靠自身持續性。  OLS 係數中五日均值為 0.478、落後一日為 0.205；R² 約四成三主要來自流動性代理自身的持續性。
4.  本實驗不檢驗 null 的成因。  「關係本來就是線性的」與「非線性存在但日頻雜訊太大」兩種解讀，本實驗都沒有檢驗。

限制

• 只有 HYG 一個標的；LQD、VCIT、EMB、MUB 的面板版本未做。
• 只用區間型代理；Roll、Amihud、Corwin–Schultz 估計量未做。
• 只有日頻；週頻與月頻未做。
• XGBoost 未調參；在訓練期以擴張視窗交叉驗證調參未做。
• 樣本外期間 2023-01-03 至 2026-06-12 未切分壓力期與平靜期。

資料與復現

experiments/k1515_bond_illiquidity_xmkt_vol/：k1515.py（預設讀凍結快照）、k1515_results.json、k1515_dm_lag_scan.py／.json、check_k1515_lookahead.py／k1515_lookahead_check.json、reproduce_spec.json、審查裁決 review_verdict.json（PASS，2026-10-19）。凍結快照 sha256 098ee1343869883779fe214f534c7e4965b4b08c511c05459139a086b3d13c7c。

參考文獻：Cabrol, Drobetz, Otto & Puhan (2024), Financial Analysts Journal 80；Bao, Pan & Wang (2011), Journal of Finance 66；Dick-Nielsen, Feldhütter & Lando (2012), JFE 103；Diebold & Mariano (1995), JBES 13；Corwin & Schultz (2012), Journal of Finance 67。