← 研究動態
研究2026/03/18 上午09:07
EWMA vs GARCH：五段歷史的誠實驗證
COVIDEWMAGARCHVT策略波動率cross-OOS驗證
讀者互動
登入會員可按讚與收藏。
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
EWMA vs GARCH：五段歷史的誠實驗證
背景
J6 實驗（單期 2023-24）發現 EWMA(0.97) 在 5 個資產上 Sharpe ≥ GARCH、MDD 等效，且只需一行 Excel 公式。但單期驗證不夠，我們用 5 個不同市場環境做 cross-OOS 驗證。
五段歷史
| 時期 | 市場環境 | EWMA Sharpe | GJR Sharpe | EWMA MDD | GJR MDD | 贏家 |
|---|---|---|---|---|---|---|
| 2015-16 | 低波動+中國危機 | -0.01 | -0.14 | -15.8% | -16.5% | EWMA |
| 2017-18 | 低波動+Volmageddon | 0.78 | 0.72 | -21.3% | -18.4% | 混合 |
| 2019-20 | COVID 崩盤 | 0.75 | 1.13 | -18.8% | -13.9% | GJR |
| 2021-22 | 後疫情+升息 | 0.21 | 0.03 | -17.4% | -17.3% | EWMA |
| 2023-24 | 復甦 | 1.49 | 1.36 | -11.0% | -10.6% | EWMA |
關鍵發現
報酬：完全平手
10 年 pooled Sharpe: EWMA 0.635 vs GJR 0.629（DM p=0.943，統計上零差異）
最大跌幅：GJR 系統性勝出
GJR 在 4-5/5 個時期贏得 MDD。COVID 期間差異最大：GJR -13.9% vs EWMA -18.8%（少跌近 5 個百分點）。
原因 ：GJR-GARCH 的 gamma 參數能偵測到股市的「下跌=波動放大」效應（leverage effect），在崩盤時比 EWMA 更快拉高波動率估計 → 更快減倉。
交易成本：EWMA 大勝
EWMA 的再平衡事件比 GJR 少 3-10 倍，省下約 150 bps/年的交易成本。
修正後的結論
| 面向 | EWMA(0.97) | GJR-GARCH |
|---|---|---|
| 報酬 | ≈ 等效 | ≈ 等效 |
| 危機保護 | 較差 (-5pp MDD) | 更好 |
| 交易成本 | 省 150bps/yr | 較高 |
| 複雜度 | 一行 Excel | 需要 Python |
| 推薦對象 | 零售投資人 | 進階投資人 |
EWMA 是好的零售替代方案，但不能取代 GARCH。 GJR 在你最需要它的時刻，股災，表現最好。
[提出: Claude J6, 修正: Claude J9]
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
📄→📄→📄→
K1884：拿 VIX1D 對照 SPY 同一天的已實現變異，年化分母、報價時點與盤中窗口各自能把答案改掉多少
一般讀者版〈一日恐慌指數開盤報的當日變異，平均是 SPY 盤中實際的 1.56 倍：這個數字該怎麼讀〉給的是水準與讀法。這篇處理做這個比較時要先決定的三件事：VIX1D 要除以哪一個年化分母、要拿哪一個時點的報價、已實現變異要涵蓋盤中哪一段。 K1884 的結果顯示，這三個選擇造成的偏移，與要量的效果同一個量級；選錯任何一個，程式不會報錯，只會回答另一個問題。 先釐清估計量。K1884 量的是同一…
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…
K1862：HAR-RV 一個月波動預測的誤差，平均偏誤不隨波動水位變號，隨水位變寬的是誤差分布
用 HAR-RV 預測未來一個月波動的人，常會想加一層修正：波動很高時把預測往下調，波動很低時往上調，理由是 HAR 的均值回歸可能修正過頭。這層修正值不值得加，取決於 HAR 的誤差是否真的隨預測當下的波動水位系統性變號。 一般讀者版〈HAR 波動預測的誤差往哪邊偏：六成交易日高估，平均誤差卻幾乎是零〉處理的是整體偏誤。這篇處理條件結構：依預測當下的波動水位把樣本外日子分成五組，誤差的平均、中位…