RESEARCH ARCHIVE
研究日誌
VolPred 全部已發佈文章的時間序列，依發佈日期由新到舊排列。
Fed 開會前，信用債真的會先示警嗎？這次答案偏否定
有一個很有吸引力的想法：Fed 開會時，真正脆弱的地方可能會先在信用債露出，股市晚一點才反應。 直覺上也說得通。高收益債比較怕融資條件收緊，投資級債比較穩。如果 HYG 開始明顯輸給 LQD，也許代表信用市場已經在替下一段股市波動拉警報。 這次研究把這個想法先降到一般投資人看得到的資料層級。沒有用逐筆公司債資料，也沒有用盤中 Fed 宣布那一小段時間；只用每日 ETF 價格和公開的 Fed 政策意…
尾部風控聽起來更聰明，實測卻只贏了一次
風險平價的想法很直覺：不要讓某一個資產主宰整個投資組合的風險。 常見做法是看波動率。資產愈會晃，權重就少一點；資產比較穩，權重就多一點。這次研究問一個更尖銳的問題：如果風險不看平常的波動，而是看最糟那一段的尾部損失，配置會不會更安全？ 我們用四個一般投資人也熟悉的 ETF 做測試：SPY、TLT、GLD、PDBC。比較三種配置： 配置 核心規則 --- --- 等權重 四個…
商品 ETF 翻向時，銅先把警報拉高
很多人看商品 ETF，只盯著價格漲跌：原油漲了、天然氣跌了、銅又被叫成景氣溫度計。 但對持有人來說，另一個問題更急：價格翻向之後，接下來會不會變得更難拿？ 我們把 USO、UNG、CPER 三個商品 ETF 放在一起看。方法很樸素：比較最近一個月和最近一季左右的報酬斜率。如果短線開始比中線強，就記成「冷轉熱」；如果短線轉弱，就記成「熱轉冷」。訊號必須連續維持 10 個交易日，而且三個 ETF 裡至…
深度學習波動率模型的部分複製：RECH-X 跨市場實測，第九次 ML 天花板確認
2024 年一篇 Finance Research Letters 論文宣稱，把 Simple-RNN 嵌進 GARCH(1,1) 的遞迴常數，能讓模型在 S&P 500 上顯著打敗 RealGARCH。 這個主張，在台灣市場完全失效；在 QQQ 上得到零效果；即使在 SPY 上成立，深入拆解後也會發現，功勞屬於 realized variance covariate，不屬於 RNN 本身。 這是…
每日策略建議：VIX 18.89（正常）— 2026-06-26
基於 2026-06-25 收盤數據，預測下一交易日最佳持倉配置。 市場快照 SPY: $734.3 (+0.14%) GLD: $369.46 (+0.96%) 0050.TW: NT$107.15（2026-06-24 收盤） VIX: 18.89 🟡（正常） GARCH 年化波動率: 17.0% ⚠️ 0050.TW 資料延遲提醒：本文所引用的 0050.TW 收盤為 2026-06-24，…
2026-06-26 本日持倉比率建議（依據 2026-06-25 收盤數據）
σ = 17.0% · VIX = 18.89 策略 配置 現金 ------ ------ ------ GARCH VT (SPY) SPY 70% 30% Risk Parity (SPY+GLD) SPY 50% + GLD 30% 20% 12/VIX (SPY) SPY 64% 36% 50/50 SPY/GLD…
VIX 拆再細，也只告訴你明天
想像你在看 VIX，不只看恐慌指數高不高，還把市場的波動拆成兩個桶：一個放下跌日造成的風險，一個放上漲日造成的風險。直覺會說，下跌那桶應該比較重要，因為投資人買保險，多半是怕跌。 我們把這個想法拿去測，答案比想像中短：拆得出訊號，但訊號主要活在下一個交易日。時間拉長到約一個月、三個月、半年，訊號就淡掉了。 先看最重要的結果 這次用 S&P 500 指數和 VIX 做月資料檢驗，期間從 2006-0…
AI 波動率模型真的比較聰明嗎？RECH-X 的答案很克制
一個波動率模型加上 AI 後，真的會比較會預測嗎？ 這個問題最近又被 RECH-X 拉回桌上。RECH-X 的想法很直覺：保留老派波動率模型的骨架，再塞進一個很小的神經網路，讓模型能讀昨天的市場震動、昨天估出的風險、以及已實現波動率。2024 年一篇 Finance Research Letters 論文給出漂亮結果，主張 RECH-X 在 S&P 500 上勝過 RealGARCH。 我們把它重…
2025 的波動率文獻，其實沒有叫你先追 AI 模型
只要看到「AI」「deep learning」「transformer」這幾個字，很多人會自然以為波動率預測這條線也差不多定案了：老模型快退場，接下來就是新模型接管。 這次整理做的事很簡單：不先站隊，先把 2025 前後最關鍵的 6 篇 primary sources 拉出來看。裡面有 3 篇 review，也有 3 篇直接做 benchmark 的實證研究。 看完之後，結論和常見想像差很多。 文…
K1437：台幣匯率波動傳染台股嗎？14 年 Granger 檢定整體 NULL，升值衝擊有邊緣訊號
摘要 2012 年到 2026 年 3 月，共 3,358 個交易日。用雙向 Granger 因果檢定（VAR p=4）與 DCC(1,1)-GARCH 同步估計台幣（USD/TWD）波動率與台股（TWII）波動率之間的傳染關係。主結果是 NULL：台幣波動率 Granger-cause 台股波動率的 F=0.67，p=0.610，穩健於三種資料清洗門檻。次要的不對稱分析顯示，台幣升值（USD/T…
省下 92% 算力，預測準度幾乎沒差：波動率模型的「重訓頻率」秘密
你有沒有想過，投資銀行和量化基金的風控系統每天在跑什麼？ 其中一件事叫做「重訓模型」，也就是拿最新市場數據，把預測波動率用的數學模型重新估計一遍。問題是：這件事到底要多常做？每天？每週？每個月？ 這個問題很實際。雲端算力要錢，每次重訓都要 CPU 時間，頻率拉高就是直接的成本。但訓練太少，模型會不會跟不上市場？ 本研究用 S&P 500（SPY）21 年的數據，把這個問題算清楚了。結論出乎意料地省…
K1426: Partial Cointegration Hedging IS PoC — 三對 ETF 全 NULL，ρ 為負的警示
本實驗（K1426）以 Clegg & Krauss（2018, Quantitative Finance）提出的 partial cointegration hedging（PCH）為方法，對三對 ETF（SPY/IVV、USO/BNO、GLD/IAU）進行 2015–2024 日線 IS-only PoC。Kalman filter + scipy MLE（20-multistart，se…
小波分解碰上股市噪音：一個漂亮的工具，一次誠實的失敗
一台精密的濾波器，丟進一缸泥水，撈出來的還是泥。 這句話大概是這次實驗結果最直白的總結。我們把訊號處理領域的「小波分解」（wavelet decomposition）拉進股市波動率預測，想看它能不能比 HAR 這個 2009 年的老模型做得更好。結果：它輸了，而且輸得明確。 這篇文章從頭講清楚發生了什麼，以及為什麼這個「失敗」反而有值得認識的地方。 --- HAR 是什麼，為什麼它存在 要理解這次…
就算只看黃金最近最強那段，原本那個 100% 的故事還是站不住
有些市場說法之所以有說服力，不是因為它放在所有年份都成立，而是因為它剛好挑中了最像它會成立的那一段。 這次我們回頭檢查黃金，就遇到這種情況。 原本的子樣本說法是：在 2025 年到 2026 年 4 月這段期間，黃金的那個不對稱係數平均大約 -0.089，而且 100% 都是負的。翻成白話，就是「那段時間黃金幾乎每一次都很穩定地呈現同一種波動方向」。 但把同一套 rolling 設定重新算一次之後…
離散化策略為何在 5 列時反超連續公式？U 形保留率的機制解析
12/VIX 波動率目標（volatility targeting）策略在學術上的最優性已有文獻支撐（Moreira & Muir, 2017）。K665 把這個問題往工程面推進一層：當你把連續公式離散成 3、5、7 列查表規則，績效保留率出現了一個 U 形：5 列版本的 Sharpe 達到連續基準的 102.8%，7 列版本卻只剩 92.9%。 這個 U 形不是模型雜訊。它背後有可解釋的機制，也…
你花大力氣讓模型「動態調整」，卻讓避險效果變更差
[提出: Claude, 執行: Claude] SPY 與 E-mini S&P 500 期貨（ES=F）的相關係數是 0.974。 這個數字看起來理所當然，畢竟 ES 期貨就是追蹤 S&P 500 的。但正是這個「理所當然」，讓許多人在選擇避險工具時犯了一個代價不小的錯誤：誤以為模型越複雜、越動態，避險效果越好。 我們用 SPY 與 E-mini S&P 500 期貨 2010 年至 2026…
把幾個普通模型湊在一起，真的會比最強單模型更準嗎？
投資和預測圈很常見一個想法：如果單一模型各有優缺點，那乾脆把它們平均、加權、再混一層，應該會比任何一個單模型都更穩。 這個想法不荒謬。很多時候它甚至是對的。 但我們拿 SPY 的長樣本做完一次完整測試後，看到的結果是：幾個中等模型湊在一起，還是打不過那個本來就最強的單模型。 這次在比什麼 這次測試用了四個底層模型： 一般波動模型 考慮不對稱效果的波動模型 加進市場波動預期資訊的版本 用日內高低價資…
波動率預測準了，策略卻沒贏：A4f 的 turnover 把 QLIKE 優勢吃光
[提出：Claude，執行：Claude] 摘要 我們把一個統計上顯著優於基線的波動率預測模型（A4f，DM 檢定 \ t\ =4.48）直接接到波動率目標化策略上，跑了 13 年 OOS（2013-2026，n=3338 個交易日）。結果：淨 Sharpe 不升反降，12/VIX 這個最簡單的啟發法微幅勝出（0.861 vs 0.843）。差距不顯著，p=0.64，但方向一致。A4f 每年多換手…
週頻也救不了 Return 預測 — 514 週測試後，5 個模型全敗給歷史平均
實驗 K948｜SPY 2016—2026 OOS｜514 個非重疊週樣本 --- 摘要 K924 已確認 SPY 日頻報酬不可預測。K948 把預測窗口拉長到一週（5 日累積對數報酬），用 OLS、Ridge、LASSO、Random Forest 加 8 個特徵跑 2016—2026 樣本外測試。結果：4/5 個模型 OOS R² 為負，Random Forest 雖達 +0.0097，但…
K434: BMA 沒有贏過最佳單一模型 — BIC 加權退化為單模型選擇的機制分析
本文基於實驗 K434（腳本：experiments/k434/k434_bma_garch.py，結果：experiments/k434/k434_bma_garch_results.json）。數據來源：yfinance，資產：SPY，期間：2005–2026，樣本外：2023-01-01 至 2024-12-31，共 502 個交易日。 [提出: 用戶, 執行: Claude] ---…
尾部風控不是預言明天：低波動、厚尾與風險模型的煞車距離
6 月中旬那篇日圓倉位文章，給了今天這期導讀一個很好的開場：CFTC 登記的日圓淨空倉到 -145,800 張，USD/JPY 約 160，VIX 只有 18。市場表面沒有尖叫，倉位卻已經很擠。2024 年 8 月 5 日的經驗更直白，TOPIX 單日跌 12%，S&P 500 跌 4.7%，VIX 收在 38.6；那次的主角不是單一公司；槓桿與倉位在幾天內互相踩踏。 這也是本期要看的主題：風險模…
每日策略建議：VIX 18.63（正常）— 2026-06-25
基於 2026-06-24 收盤數據，預測下一交易日最佳持倉配置。 市場快照 SPY: $733.24 (-0.05%) GLD: $365.92 (-3.07%) 0050.TW: NT$110.1（2026-06-23 收盤） VIX: 18.63 🟡（正常） GARCH 年化波動率: 18.2% ⚠️ 0050.TW 資料延遲提醒：本文所引用的 0050.TW 收盤為 2026-06-23，…
2026-06-25 本日持倉比率建議（依據 2026-06-24 收盤數據）
σ = 18.2% · VIX = 18.63 策略 配置 現金 ------ ------ ------ GARCH VT (SPY) SPY 66% 34% Risk Parity (SPY+GLD) SPY 47% + GLD 28% 25% 12/VIX (SPY) SPY 64% 36% 50/50 SPY/GLD…
分散投資的幻覺：你以為無關的資產，其實偷偷牽動著你整個組合
假設你手上有五個資產：美股 SPY、台股 0050、比特幣、鈾礦 ETF（URA），再放點日股。直覺上這配置很「分散」，畢竟四個地區、五種屬性、橫跨股票與另類資產。 但這個配置有一個你可能沒注意到的問題：當市場真的出事的那一天，它們會一起跌。而且跌的幅度，比你看相關係數時想像的更深、更同步。 今天這篇導讀，把過去兩個半月我們做過的幾個跨資產實驗串成一條線，講一件事：你以為的「分散」，其實是相關性的…