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。
每日策略建議：VIX 21.51（偏高）— 2026-06-06
基於 2026-06-05 收盤數據，預測下一交易日最佳持倉配置。 市場快照 SPY: $737.55 (-2.61%) GLD: $396.24 (-3.72%) 0050.TW: NT$106.1（2026-06-04 收盤） VIX: 21.51 🟠（偏高） GARCH 年化波動率: 22.2% ⚠️ 0050.TW 資料延遲提醒：本文所引用的 0050.TW 收盤為 2026-06-04，…
五家公司砸了四千四百億，波動率卻睡著了
Meta、微軟、Google、亞馬遜、輝達，五家公司的最新十二個月資本支出加起來超過四千四百億美元。 這個數字本身沒什麼爭議。爭議在這裡：同一段時間，衡量市場恐懼的 VIX，2024 年全年均值只有 15.6。是 2022 年以來樣本內的偏低水準（更早 VIX 的歷史比較需另抓資料，本文未驗證）。股票漲了，資本支出漲了，波動率睡著了。 --- 先把數字攤開來看。 以 2026 年 Q1 財報為基準…
我們花了四個月每天收 SPY 五分鐘報酬——八十八天後的結論是：還不夠
提出：Claude｜實驗：K1318 --- 摘要 高頻五分鐘實現波動率（Realized Variance, RV）在學術理論上是日線代理的升級版，預測精度應明顯優於 EWMA-0.94 這類簡單模型。K1318 把這個假設拿到實際數據上測試：SPY 八十八天、0050.TW 六十一天的五分鐘 RV。樣本外結果：SPY 的 QLIKE 從 EWMA 的 0.502 降到 0.487，方向正確…
5 月非農新增 172K，是預期的兩倍：市場為什麼反而跌？
台灣時間今晚 20:30，美國勞工統計局（BLS）公布 5 月就業報告。非農就業人口增加 172,000，比 Dow Jones 共識預期的 80,000 整整多了一倍。失業率維持 4.3%，符合預期；時薪年增率 3.4%，與市場估值相符。 美股開盤後下跌，S&P 500 跌 0.6%，納斯達克跌 1.1%，10 年期公債殖利率從 4.47% 衝到 4.54%，單日上升近 7 個基點。VIX 從開…
市場真的很「粗糙」，但更複雜的模型還是沒贏
[提出: 用戶, 執行: Codex] 金融市場的波動路徑帶有一種「粗糙感」。今天的波動大幅跳動，明天可能立刻反向；估計出的 Hurst 指數也遠低於一般布朗運動的 0.5。K1386 把這個現象放進隔日 SPY 波動預測，再加入 QQQ 與 GLD 的落後資訊，檢查較複雜的做法能否勝過 HAR。 答案很清楚。粗糙特徵存在，兩個 fGN 近似模型的樣本外誤差卻都更高。 結果 樣本外預測起點為 20…
K1404：1978 年的方法在台股 1,305 天測試後 — 尾部區間比點預測更可信
[提出: Claude, 執行: Claude] — 實驗 K1404，基於 ^TWII yfinance 日線資料，OOS 期間 2021-01-04 至 2026-05-26 2026-07-11 推論更新：^TWII 的 loss differential ACF(1)=0.237，原 local DM 因未做 HAC 而高估統計強度。canonical HAC t 由 -8.90 修正…
模型分數明明贏了，為什麼我們還是不敢說它有效？
做投資研究時，最危險的時刻通常不是模型失敗，而是它看起來「差一點就成功」的那一刻。 這次測的是一個很經典的問題：如果我們把 0050.TW 的 5 分鐘資料整理成每日波動，再拿一個標準波動模型去預測隔天，會不會比「昨天怎樣，今天大概也怎樣」這種最簡單的做法更好？ 第一眼看，答案很像是會。 在最早那版樣本裡，新模型的誤差分數是 0.170，最簡單做法是 0.443。單看這組數字，很容易讓人覺得模型已…
VIX 從 17 降到 15：CPI 前市場已在說什麼
六天後，BLS 公布 5 月 CPI 數字。 上週（5/26）寫 T-7 文章時，VIX 站在 17.01。短端 VIX9D/VIX 比值 0.872，市場對 CPI 前一週的緊張情緒還算明顯。那時 term structure 是本篇主角。 現在 VIX 是 15.40。 一週後，波動率不升反降。VIX9D/VIX 跌到 0.821，顯示短端壓力明顯釋放。但另一個數字在往反方向跑：VIX3M/V…
S&P 500 集中度突破 32%，指數波動率卻跌到 14%：這個缺口是怎麼來的
S&P 500 前五大成分股，現在佔整個指數接近三分之一的權重（32.8%）。 2020 年初是 17.8%。現在是 32.8%。六年漲了 15 個百分點。 但你如果去看指數的波動率，SPY 在 2024 年初到今年 6 月的年化實現波動率平均才 13.87%。同期這五檔股票的平均波動率是 30.21%。 一邊是接近三分之一的個股動不停，一邊是指數平靜得像水面。 這個缺口不是巧合，是有數學原因的。…
同樣遇到壞消息，台股 5 檔代表股的波動反應差了快 7 倍
很多投資人聽到「台股遇到利空時波動會放大」，腦中會把所有股票想成同一種反應。 K1302 這次把 5 檔常見台股代表標的拉回同一套估法、同一段資料、同一個比較口徑，答案很直接：差很多。 在 2008 到 2024 這段共同樣本裡，0056 的下跌放大係數約 0.067，台光電只有 0.009。前者大約是後者的 7 倍。聯發科落在 0.041，鴻海 0.032，兆豐金 0.038。同樣叫做「台股個股…
NFP 前夕，VIX 跌到 15.4——市場算便宜了，但就業日波動還是會放大 1.5 倍
今天早上 8:30 EDT，美國勞工統計局（BLS）要公布五月非農就業（NFP）數字。 市場的定價是：沒什麼事。 VIX 在昨天（6 月 4 日）收盤 15.38，比近 60 天的均值 20.17 低了將近 24%。換算成 VIX 隱含的單日 SPX 波動幅度，大概是 ±0.97%。平靜得跟沒有大事要發生一樣。 圖中橘色垂直線是近期每次 NFP 公布日。你看得到，每次就業報告前後，VIX 並不一定…
夜盤最會嚇人，但不代表隔天更好猜
很多做台指期的人都有一種直覺： 如果夜盤先大跳，隔天白天盤應該就比較好猜。 這個想法很合理。夜盤常常先反映美股、政策消息、地緣風險，市場情緒也比較容易被放大。所以很多人會自然覺得，只要把這些「跳一下」的訊號抓得更細，隔天的波動就能猜得更準。 我們把台指期高頻資料拉長檢查後，答案比較不討喜： 夜盤確實是最容易出現劇烈跳動的地方，但這些跳動對隔天風險預判的幫助，沒有想像中那麼大。 先看最直觀的數字 在…
同一組資料沒對齊，10 倍恐慌放大可能被說太大了
有些量化結論一看就很吸睛。 例如這句話：大盤遇到壞消息時，波動放大程度大約是單一股票的 10 倍。 這種說法很容易被拿去包裝成一個大故事：分散投資雖然能分掉個股風險，但市場整體恐慌一來，還是會一起放大，而且放大得非常誇張。 問題是，這個「10 倍」如果不是用同一段資料算出來，故事就可能被講太大。 先講這次重算的結果 我們把原本的估計重新檢查一次，強迫比較回到同一段時間。 結果是： 原本對外最吸睛的…
別再把美國 VIX 直接乘 1.4 來看台股風險了
很多投資人心裡其實有一個偷懶算法。 看到美國 VIX，就順手乘上一個固定倍數，當成台股的恐慌溫度。過去一段時間，這個倍數看起來大約是 1.4，所以很多人很自然地把它當成一個差不多可用的換算表。 問題是，這個表最近開始失靈了。 先講結論 我們把台灣版恐慌指數 VIXTWN 和美國 VIX 的比值，從原本 76 天的觀察，更新到 119 天。 如果這個比值真的穩定，新增資料後應該只會小幅晃動。但實際結…
只多 41 個交易日，最好的模型就換人了
很多人看量化研究，最想知道的問題只有一個： 到底哪個模型最好？ 這個問題看起來很合理，但市場有時會給你一個很不舒服的答案。 我們最近做了一個檢查，只比原本多看 41 個交易日，結果就從「模型 A 明顯贏」變成「模型 B 反而比較好」。不是差一點點，是方向整個翻過去。 先講結論 原本那份比較，看到的是一個很漂亮的勝負：某個帶有市場恐慌訊號的模型，在樣本外明顯領先。 但當我們把資料往後延長 41 個交…
Student-t DCC 比 Gaussian DCC 高級嗎？三資產風險平價的誠實答案
把股票、債券、黃金組合在一起，怎麼分配比例才能在賺錢的同時少虧？這個問題困擾過每一個認真想做資產配置的投資人。 教科書告訴你：金融資產的日報酬不是常態分配，尾部比鐘形曲線寬得多。所以，建模時應該用 Student-t 這類「胖尾分配」才更貼近現實。 這個邏輯聽起來無懈可擊。但當我們真的把 Gaussian（常態）和 Student-t 兩種假設套進同一個組合模型，跑了五年真實 OOS 回測後，答案…
金融股先抖，台積電就會跟著抖嗎？資料給了一個不舒服的答案
這個想法聽起來很合理。 金融股天天和資金、利率、信用風險打交道。如果富邦金、國泰金先開始震，台積電這種大型權值股晚一點跟著變得更不穩，好像完全說得通。 我們也真的把這件事拿去驗證了。 結果是：故事很好懂，預測卻不太管用。 先講答案 我們用 2015 到 2025 年的台股資料，測台積電、富邦金、國泰金三檔股票，想看「把金融股前一天的波動加進模型裡」，能不能比只看台積電自己過去的波動更準。 樣本外檢…
最貴的避險模型不一定最好：SPY 用 QQQ 對沖，花大力氣的複雜公式差多少？
2026-06-04 修正再版：經 Codex 24h source-code review，已修復三處方法論問題並重跑 OOS — (a) 動態 Gumbel 移除 np.interp 未來內插，改 piecewise-hold（HE 0.8876→0.8874，微小）；(b) DM 檢定改用 squared hedged return 差（原實作等於檢定 r⁴，UNSOUND）；(c) 原表「…
13,261% 的財報驚喜，為什麼反而是壞訊號？
你如果看到一個數字寫著「財報驚喜 13,261%」，第一反應多半是：這家公司是不是炸裂式超預期？ 我們最近在日本股市資料裡，真的看到這種數字。主角是軟銀。 問題是，這個數字越誇張，越不該直接相信。 因為它很可能不是公司突然變超強。更常見的情況，是你手上的量尺壞掉了。 先講結論 在日本 TOPIX 前 30 大公司、2014 到 2025 年、共 1,411 次財報事件裡，我們想檢查一件很多人直覺上…
高收益債利差看起來很會預警，真正拿來預測波動卻幾乎沒多加幾分
市場緊張時，高收益債利差通常會先拉開。很多人因此直覺認為：既然垃圾債先喊痛，它應該也能幫我們更早看見股市波動要升高。 這個想法有一半是對的。 以原始水位（raw level）來看，高收益債利差和未來股市波動確實有不低的關聯。但這只是 raw correlation，還沒有控制 VIX。問題出在下一步。一旦你把 VIX 也放進模型，高收益債利差幾乎就不再提供新的預測資訊。 這次在測什麼 這次用的是…
市場最恐慌那幾天，我們還是沒找到另類數據的增量價值
一句話結論 很多人會替另類數據辯護：平常市場太安靜，訊號被平均掉了；真正有用的時候，是 VIX 突然暴跳、大家最緊張的那幾天。這次我們就是專門測這個說法。結果很直接：就算只看 VIX 2 倍標準差跳躍日，VVIX、政策不確定性、金融壓力這些指標，還是沒有穩定打贏基準波動模型。 這次在測什麼 前面幾輪研究已經發現，另類數據在週頻、月頻都打不過 VIX 或簡單基準。支持者剩下一條常見退路：也許那些訊號…
AI 五層產業鏈，我們不講故事，看波動率怎麼說
AI 這條資本支出鏈條，市場習慣由下往上分成幾層來看:最底層是能源電力，往上是晶片、伺服器與網通基礎設施，再到模型與應用。這種分層方便理解，把一條龐雜的鏈條切成看得懂的段落。 但分層只是地圖。地圖不會告訴你哪一段路在塌方、哪一段路的車流跟著前車急煞。要看這個，得看價格的「抖動」本身，也就是波動率，以及五層之間的價格是不是越來越一起動。 我們抓了這個框架裡的代表股，做成等權籃子，從 2023 年初算…
「Consistently outperforms」這句話的代價：GSP-HAR 在 5 檔美股 ETF 上的誠實複製
學界發表新方法時最常見的一句宣稱，是「我們的模型 consistently outperforms 既有 baseline」。Yan et al. (2024) 的 Graph Signal Processing HAR（GSP-HAR，arXiv:2410.22706）在 24 檔全球指數上提出了這樣的結論。聽起來很有說服力 — 跨 24 個市場、贏過 HAR-type benchmarks、還…
每日策略建議：VIX 15.77（正常）— 2026-06-03
基於 2026-06-02 收盤數據，預測下一交易日最佳持倉配置。 市場快照 SPY: $759.57 (+0.14%) GLD: $411.95 (+0.17%) 0050.TW: NT$105.5（2026-06-01 收盤） VIX: 15.77 🟡（正常） GARCH 年化波動率: 9.8% ⚠️ 0050.TW 資料延遲提醒：本文所引用的 0050.TW 收盤為 2026-06-01，較…