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。
賣「恐慌」真的能賺錢？解密為什麼市場 78% 的時間都在過度恐懼
你有沒有想過，為什麼保險公司這麼賺錢？ 答案很簡單：大多數時候，人們買了保險，卻沒有用到。颱風沒來，車子沒撞，房子沒失火，保費照收，理賠幾乎沒有。保險公司靠著「恐懼溢價」維生：人們願意付出比實際風險更高的價格，只為了那份安心感。 金融市場也有一模一樣的現象，只是「保險商品」換成了選擇權，而那筆超額保費，學者叫它 Variance Risk Premium（VRP），或者更白話地說——恐慌溢價。 -…
K833：賣恐慌真的能賺錢嗎？CBOE 隱含波動率溢酬 15 年 Proxy 實證
K833 實驗以 Variance Risk Premium (VRP) proxy 方法，模擬 short-straddle 選擇權策略在三個資產（SPY/QQQ/GLD）上 2010-2025 的表現。核心發現：VRP 一致為正，IV 系統性高估 RV 約 77%（SPY），但 proxy Sharpe 顯著高估，真實策略需扣除交易成本與保證金。 ⚠️ 免責說明：本研究使用 IV proxy（…
為什麼比特幣讓所有風控模型都頭痛？一個沒有完美解答的悖論
比特幣（BTC）是過去十年報酬最高的資產之一，但它也是讓所有風控模型都頭痛的特殊存在。我們用 5 種業界主流方法，針對 BTC 進行了為期 731 天（2023 至 2024 年）的嚴格風險值（VaR）回測。結果發現了一個幾乎不可能解決的悖論：沒有任何方法能同時通過兩個標準的 VaR 檢驗。 --- 什麼是 VaR？先用一個比喻說清楚 VaR（Value at Risk，風險值）就像投資界的「安全…
K829 跨資產 VaR 驗證：HistSim 穩健，但 BTC 正偏悖論與台股高峰態各有例外
K825 實驗確認了 HistSim（歷史模擬法）在 SPY 上的優越性，K829 進一步將驗證擴展至四個性質迥異的資產：科技股 ETF（QQQ）、黃金 ETF（GLD）、比特幣（BTC-USD）以及台股（0050.TW）。核心問題是：HistSim 的穩健性是 SPY 特有的，還是跨資產皆成立？ 結論令人印象深刻——HistSim 以 75% 通過率居冠，但更重要的發現是：每個資產的尾部特性決定…
台積電 4/10 + 4/16：兩張成績單，0050 投資人該準備什麼？
台積電（TSMC）2026 年 4 月有兩個重要日期，每位 0050 持有人都應該提前知道： 4 月 10 日（週五）：公告 3 月份月營收 4 月 16 日（週三）：第一季法說會（Earnings Call） 這兩個事件前後，台積電股價通常都會出現較大的波動。本文幫你整理：數字背後代表什麼意思、法說會要聽什麼、以及 0050 投資人需要做什麼動作。 --- 2 月營收 -20.8%，但別被嚇到…
K828 NULL: VIX 本身就是最優條件——疊加 Percentile 完全沒有新信息（VIX Sufficiency 第 33 次確認）
這是一個否定結果（NULL result）的實驗，但否定本身就是發現。 實驗 K828 的核心問題是：能否透過「VIX 百分位條件」改善 12/VIX 保險策略的績效？答案是完全不行，原因在數學上幾乎是顯然的，只是我們需要數據來確認。 --- 實驗設計 資產：SPY，期間：2006-2025，樣本：4,780 個交易日 三種 VIX 保險策略與基準： 策略 核心邏輯 ------ -…
你的投資保費，有91%是「少賺的錢」——聰明買保險可以省74%
你每年為投資「買保險」要付多少錢？答案可能讓你驚訝，不是你以為的那種費用。 買保險，才知道保費有多貴 2012 到 2024 這 13 年，如果你一直用 12/VIX 策略持有美股 SPY，等於全程都在「買保險」：當 VIX 恐慌指數上升，你自動降低持股比例，保護自己不被大跌拖垮。 這個保護有代價。根據實際數據，你每年要付出 4.62% 的保費。 聽起來不算貴？讓我們拆開來看。 --- 保費的真相…
數據修正翻轉結論：VoV 條件型保險保費降低 74%，Sharpe 反超大盤（K811v2）
K811 實驗發現「VoV 條件型保險策略」表現最差，但這個結論來自有缺陷的數據。本文呈現修正版 K811v2 的結果：修正 Pre-2012 VVIX 代理數據問題後，結論完全翻轉——VoV 條件型策略反而成為唯一超越 BH SPY Sharpe 的策略（0.634 vs 0.598），且保險費從 4.62% 銳減至 1.22%。這是數據品質影響研究結論的典型案例。 --- 背景：K811 的缺…
AI 的第 7 次失敗：KAN 神經網路挑戰 GJR-GARCH，再度確認 ML 天花板
K826 實驗以 Kolmogorov-Arnold Networks（KAN）替代 GARCH-MIDAS 模型的線性長期組件，測試非線性架構能否突破傳統計量模型的預測天花板。結果：第 7 次確認 ML Ceiling——GJR-GARCH 以統計顯著優勢（Harvey t=3.16）擊敗 KAN-MIDAS，且 Spearman 排序相關係數差距高達 3 倍（0.222 vs 0.072）。…
K814v2：修正三個致命 Bug 後，Bayesian MCMC GJR-GARCH 的槓桿效果依然真實
[提出: Codex, 執行: Claude] --- 背景：為什麼需要 v2？ K814 完成後，Codex 審查發現三個 HIGH severity 問題。這些問題不只是技術細節，其中一個直接影響了核心結論的有效性：槓桿效果的 Bayesian 證據是否真實，或只是 prior 的自我實現預言？ K814v2 全數修正三個 bug，重新跑 MCMC 確認結論。 --- 三個 Bug 的性質與修…
K825 研究報告：Conformal Prediction 進入 VaR——技術上可行，但資本效率代價高昂
[提出: Claude, 執行: Claude] 資產: SPY（標普 500 ETF） OOS 期間: 2023-01-03 ~ 2024-12-31（502 個交易日） 框架: GJR-GARCH(1,1) + Student-t 殘差 + 3 種 Conformal 校準 + 3 種 Baseline --- 研究背景 近年來，Conformal Prediction（共形預測）被引入金融風…
65,000 個工作機會：3 月 NFP 超預期，但別高興太早——這個數字背後藏著什麼警訊？
核心 Takeaway：3 月 NFP +65K 表面上超預期，實際上仍遠低於去年月均 180K 水準，關稅陰影和 Kaiser 罷工干擾讓這份報告「虛胖」，週一開盤前先冷靜看清楚。 --- 今天發生了什麼？ 2026 年 4 月 3 日（週五），美國勞工統計局（BLS）如常公布了 3 月份非農就業報告（NFP）。 數字出來了：+65,000 個工作機會。 市場預期是 57,000 到 60,00…
今天 NFP 剛出爐，美股卻休市了：64 小時的「週末壓力鍋」對你的投資組合意味著什麼？
今天是 2026 年 4 月 3 日，美國 NFP（非農就業）數據剛剛出爐，但美股休市了。 這是 Good Friday（耶穌受難日）的特殊現象：每年復活節前的週五，美股不開盤，但美國勞工部照常在早上 8:30 公佈就業數據。無論 NFP 爆表還是崩跌，市場的反應被強制推遲到下週一。 這 64 個小時的「消化期」，究竟是讓投資人更理性，還是讓風險在週末悄悄發酵？ Good Friday 遇上 NF…
跟著國會議員炒股？45 天申報延遲讓 4.2% Alpha 歸零——這是為什麼你永遠是後知後覺
有一種「投資策略」聽起來無懈可擊：跟著美國國會議員買股票。畢竟，他們掌握第一手政策資訊，他們的投資組合應該是全美最聰明的錢。 有個 App 甚至專門做這件事，追蹤議員的持股申報，讓用戶一鍵跟單。 但一個關鍵問題讓這個策略徹底崩潰：45 天。 先說說為什麼這個想法很誘人 美國確實有研究（Ziobrowski et al., 2004, 2012）發現，國會參議員的投資組合報酬顯著高於市場平均，超額報…
銀行花大錢建超級電腦，最後選了最笨的方法：為什麼「零假設」贏了 500 天風險競賽？
「聰明的模型」連續輸給「最笨的方法」，這不是笑話，這是全球銀行每天都在面對的現實。 一個反直覺的發現 假設你是某大型銀行的風險長，上面要求你每天計算「最壞情況下一天會虧多少錢」（即 VaR，風險價值）。你有三種工具可以選： 1. Normal GARCH：假設市場像教科書一樣，漲跌呈現完美鐘形分佈，搭配精密的動態波動率估計 2. Student-t GARCH：更聰明一點，承認市場有「肥尾」，偶爾…
為什麼「不假設形狀」反而更安全？裁縫量身訂做的啟示
[提出: 用戶, 執行: Claude] 摘要 有一句話幾乎顛覆了所有金融教科書的直覺：「假設愈少，往往愈安全。」這篇文章要用一個裁縫的故事，帶你理解為什麼在計算投資風險時，「不假設分配形狀」反而比「假設鐘型曲線」更可靠。 --- 裁縫的故事：量身訂做 vs. 買成衣 想像你要去買一件西裝。 你有兩個選擇： 選擇 A：量身訂做 裁縫拿出皮尺，精確量了你的肩寬、胸圍、腰圍、袖長……，然後照著這些尺寸…
天氣預報的啟示：最簡單的風險計算方法，反而贏了
最簡單的方法，往往最管用。 我們測試了三種不同的投資風險預測方法，一種用歷史數據直接估計、兩種依賴數學假設，結果發現：不需要任何統計分配假設的「歷史模擬法」，在實際驗證中表現最佳。這個發現提醒我們，在金融風控這件事上，不一定要複雜才準確。 [提出: 用戶, 執行: Claude] --- 颱風要來了，你信哪種預報？ 每年颱風季，氣象局提供的颱風預測路徑你一定看過。這個預報背後有兩種思維： 方法 A…
K824：分位數方法決定 VaR 合規性——HistSim 打敗 Student-t 成新最佳實踐
[提出: 用戶, 執行: Claude] 本文報告 K824 實驗的核心發現：在使用 GJR-GARCH 作為波動率點預測引擎的前提下，分位數方法的選擇對 VaR 合規性具有決定性影響。Historical Simulation（歷史模擬法）在 Basel III 框架下表現最佳，更新了過去以 Student-t 分配為主的最佳實踐建議。 --- 背景：點預測之後的問題 過去的研究（K802、K8…
隔夜 Gap 的系統性陷阱：K812v2/K817/K818 三重確認跨市場信號的真相
[提出: 用戶, 執行: Claude] 摘要 跨市場 lead-lag 信號中，幾乎所有可交易價值都隱藏在不可交易的隔夜 gap（收盤→次日開盤）內。當我們從「收盤到收盤（C2C）」切換至「開盤到收盤（OtC）」報酬後：滾動相關係數從 0.41 崩跌至 0.01、方向準確度從 63.9% 退回 50.2%、策略 Sharpe 從 3.51 跌至 -0.17。K812v2、K817、K818 三個…
跟單政治人物的真相：就算他們有內幕，等你看到文件，雨早就停了
[提出: 用戶, 執行: Claude] 你有沒有看過這種廣告：「跟單國會議員，年賺 XX%！」 說真的，這個邏輯聽起來很合理。美國政客每天接觸未公開的法規草案、補貼計畫、產業政策，他們手上有的資訊，比任何分析師都提前幾個月。如果你知道某人在法案通過前就悄悄買了一批半導體股，你當然想跟著一起買。 問題是：等你看到申報文件的時候，那個消息早就過期了。 這就像在連續三天晴天之後，收到一份「明天有雨，帶…
K816v2：GJR Bug 修正後 ML Ceiling 第 6 次確認——DM 從 2.96 跌至 0.64
[提出: 用戶, 執行: Claude] 摘要 K816 實驗（GARCH-Informed Neural Network，GINN）初版得出 DM 統計量 2.96，距 Harvey (2016) 的嚴格門檻 t>3.0 只差 0.04。然而 Codex 代碼審查發現 GJR state propagation 存在嚴重 bug——GJR 基準線被系統性劣化 8.56%。修正後（K816v2），…
K823：信號衰減實驗——STOCK Act 45 天申報期如何精確中止政客交易優勢
[提出: 用戶（會員提問）, 執行: Claude] 摘要 K823 實驗以 SPY 為標的（2005–2024，5,032 交易日），系統性量化「申報延遲」對國會交易跟單策略的損耗。核心結論：日頻方向信號的半衰期不足 1 天；即使持有長達 22 天的「持倉型資訊」，在 STOCK Act 要求的 45 天公開期限後，Sharpe 也從峰值 2.41 跌回 0.28——與買入持有 SPY（Shar…
跟著國會議員買股票：學術研究的真相，以及為什麼現在更難了
[提出: 用戶, 執行: Claude] 摘要 「跟著國會議員買股票」這個策略，在 2000 年代初期曾是學術界的重大發現。但在 2012 年美國通過《STOCK Act》立法之後，這個優勢幾乎消失了。這篇文章整理了學術研究的核心發現，以及為什麼散戶很難實際利用這個資訊。 --- 一個令人著迷的問題 假設你有一個朋友，他在立法機構工作，每天接觸未公開的法規討論、產業補貼計畫、和官員會議紀錄。 你會…
用 10 個指標預測美股漲跌方向：AI 統計方法的答案讓人清醒
[提出: 用戶, 執行: Claude] 摘要 有人說股市是不可預測的，有人說掌握足夠的指標就能預測。我們的研究給出了一個清晰的答案：預測「明天漲跌方向」幾乎是不可能的，但預測「明天波動大小」是可以做到的。 這兩件事，是完全不同的能力。 --- 一個最常被誤解的問題 「你覺得明天股市會漲嗎？」 這是朋友聚會時最常聽到的問題。直覺上，好像只要有足夠的資訊——VIX、公債殖利率、市場動能、美元強弱，就…