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。
比特幣和美股的恐慌紋理：5 個資產都是「砂紙」，但彼此互不相干
[提出: 用戶, 執行: Claude] 摘要 市場的波動率是「粗糙」的，這已經是有實證支持的事實。但有個更有趣的問題：比特幣、台股、黃金的「恐慌紋理」，跟美股的「恐慌紋理」一樣嗎？能互相預測嗎？ 我們的研究分析了 5 個主要資產 2019–2024 年的數據，得到一個清楚的答案：每個市場的恐慌紋理都是獨立的，無法跨市場共享。 --- 想像 5 張不同的砂紙 上次我們談過，股市波動率不是平滑曲線，…
每日策略建議：VIX 23.87（偏高）— 2026-04-03
基於 2026-04-02 收盤數據，預測下一交易日最佳持倉配置。 市場快照 SPY: $655.83 (+0.09%) GLD: $429.41 (-1.94%) 0050.TW: NT$75.45 VIX: 23.87 🟠（偏高） GARCH 年化波動率: 18.8% 今日策略配置 策略 資產配置 總曝險 現金 ------ --- -------- ------ …
2026-04-03 本日持倉比率建議（依據 2026-04-02 收盤數據）
$\sigma$ = 18.8% · VIX = 23.87 策略 配置 現金 ------ ------ ------ GARCH VT (SPY) SPY 64% 36% Risk Parity (SPY+GLD) SPY 45% + GLD 23% 32% 12/VIX (SPY) SPY 50% 50% 50/50 S…
K822: 方向對了也賺不到錢——VIXY 的 Contango 結構性死亡螺旋
[提出: 用戶（會員提問驅動）, 執行: Claude] GJR-GARCH 模型能以 67.9% 的準確率預測波動率方向（K787）。一個合理的問題是：這個優勢能否直接轉化為 VIX ETN 的交易利潤？K822 實驗給出了明確答案：不能。原因不在於方向預測失準，而在於 VIXY 的結構性 contango drag 已將所有潛在利潤侵蝕殆盡。 --- 研究背景 項目 設定 ---…
你花時間挑「哪個波動率模型最好」？研究說：你問錯問題了
[提出: 用戶, 執行: Claude] 想像你要買一台車，你花了三個月比較 BMW、Mercedes、Audi 的引擎規格、扭力曲線、零百加速，但沒有人告訴你，其中兩台根本沒有 ABS 煞車系統。 這就是今天很多投資人在做的事。 --- 金融界的「最佳模型」之爭 金融市場裡，預測股票波動性的模型有幾十種：GARCH、MEM、HAR、EWMA、EGARCH……每一種都有教授背書、論文支撐、追隨…
你以為 AI 贏了？另一個 AI 說：「等等，你作弊了」
[提出: 用戶, 執行: Claude] 想像兩個運動員在比賽跑步。裁判量完時間後，A 選手以 0.5 秒之差贏了 B 選手。全場歡呼，直到另一位裁判發現，B 選手的計時器壞了，每跑幾圈就停頓幾秒重置一次，也就是說，B 選手的「成績」其實比真實慢了很多。重新計時後，兩人的差距縮小到只有 0.03 秒，幾乎難分勝負。 這就是我們的研究剛發生的事，只不過兩位「選手」都是 AI。 --- AI 大戰的起…
每日策略建議：VIX 24.54（偏高）— 2026-04-02
基於 2026-04-01 收盤數據，預測下一交易日最佳持倉配置。 市場快照 SPY: $655.24 (+0.75%) GLD: $437.82 (+1.73%) 0050.TW: NT$72.35 VIX: 24.54 🟠（偏高） GARCH 年化波動率: 20.2% 今日策略配置 策略 資產配置 總曝險 現金 ------ --- -------- ------ …
64% 準確率的美股跟單幻覺：20 年數據揭穿「昨晚美股跌，明天快賣」的迷思
[提出: Claude, 執行: Claude] 昨晚美股大跌，今天台股要不要趕快賣？這個問題困擾了無數台灣投資人。我們用 20 年、4,159 個交易日的數據測試了這個直覺，結果讓人大感意外。 --- 你以為的「準確率 64%」 想像有一台神奇機器：只要昨天美股漲，今天就買 0050；昨天美股跌，今天就空手觀望。 如果告訴你，這台機器在過去 20 年裡，64% 的時候都猜對了，而且用這個策略做出…
「GPS 給你一個點，但人生更需要地圖」——Bayesian 統計如何改變你看待投資預測的方式
[提出: 用戶, 執行: Claude] 傳統統計模型給你一個「精確」的答案，但從不告訴你這個答案有多可靠。Bayesian 統計做到了更誠實的事：它給你一個範圍，告訴你每個可能性的機率，而這種誠實，對投資人來說比虛假的精確更有價值。 --- 你的導航 App 從來不說「你現在精確在北緯 25.03312, 東經 121.56432」 好吧，其實它會說。 但你有沒有注意到，Google Maps…
你盯了 8 個市場指標，AI 告訴你：全都沒用
每次市場動盪，你的 LINE 群組裡一定有人說：「VIX 飆了！信用利差也在擴！國債波動率異常！量能萎縮！趕快看看美元走勢……」 這些指標每一個看起來都「有道理」，每一個都感覺「不看不行」。但如果我告訴你，把這 8 個指標全部丟進最先進的 AI 模型，它的結論是：一個都不需要，你相信嗎？ [提出: 用戶, 執行: Claude] --- 我們做了什麼實驗？ 研究團隊設計了一個問題：哪些外部市場指標…
VT 悖論：個人理性，集體代價——Agent-Based 模擬揭示的市場生態學
[提出: 用戶, 執行: Claude] 如果所有人都用 12/VIX，市場會怎樣？ 這是個看似簡單，卻指向金融市場深層矛盾的問題。 實驗 K815 用 Agent-Based Simulation（ABM）嘗試回答：1000 個模擬 agent，22 種情境（採用率 0% ~ 100%、市場衝擊彈性 \lambda=0.05/0.10/0.20、VT 管理資產 $50B/$200B/$500B）…
K821：SSVS 揭示 GJR-GARCH 方差方程的自足性——8 個外部市場信號全數落選
[提出: 用戶, 執行: Claude] Bayesian SSVS（Stochastic Search Variable Selection）是嚴格的變數篩選方法：只有後驗納入機率（PIP）> 0.5 的變數才會被選入模型。K821 將此方法應用到 GJR-GARCH 方差方程，測試 8 個外生市場變數是否有額外預測力。結果出乎意料地明確——0 個變數通過門檻，中位數機率模型等同空模型。這個 n…
預測準了又怎樣？買 VIXY 還是虧 99.99%——VIX 商品的致命陷阱
[提出: 用戶, 執行: Claude] 你可能預測到波動率要上漲，然後買進 VIXY，結果還是虧錢。這不是運氣不好，是結構性問題。K822 實驗用機器學習模型做到 67.9% 的方向準確率，但所有 VIXY 交易策略一律虧損。原因只有一個字：contango。 --- 你有個很合理的問題 「既然研究能預測波動率漲跌，為什麼不直接買賣 VIX 相關的 ETF 或 ETN？」 這個問題幾乎每個投資人…
事件減倉的反直覺代價：FOMC/NFP/CPI 避險策略全面劣於被動配置
[提出: Codex #8, 執行: Claude] 直覺告訴我們：聯準會開會、非農數據公布、CPI 出爐，市場最動盪的幾天，應該要降低部位。但數據說的是完全相反的故事。 實驗背景 K820 實驗在 2006–2025 年（5,028 個交易日）的 SPY+GLD 50/50 組合上，系統性測試了針對三大總體事件（FOMC 163 次、NFP 240 次、CPI 240 次，共 637 個事件日）…
FOMC 前先賣股？20 年數據告訴你：這個「聰明操作」讓你少賺 3.5%
「下週三 FOMC，先把股票賣掉，等結果出來再買回來吧。」 這是每個投資人心中都閃過的念頭。畢竟，聯準會宣布升降息、非農就業數據（NFP）公布、通膨 CPI 出爐，這些都是「已知的炸彈」，難道不應該提前閃開嗎？ 這個念頭聽起來很有道理。但我們用 20 年的真實數據測試後，發現了一個讓人頭皮發麻的結果：越努力「躲事件」，虧得越多。 --- 我們做了什麼測試？ 實驗很簡單：用 SPY（美股大盤）+ 黃…
為什麼恐慌期的股市「跌起來沒完」？——平靜期 vs 恐慌期的市場雙面性
[提出: 用戶, 執行: Claude] --- 你是否注意到一個奇怪的現象： 有時候股市突然跌了一天，結果隔天就反彈，好像什麼事都沒發生； 但有時候股市跌了又跌，每隔幾天就再跌一波，讓人心驚膽跳好幾個月。 這不是你的錯覺。我們的研究（K813 實驗）用 2005 年到 2026 年共 5,342 個交易日的數據，正式確認了這個現象——市場在平靜時期和恐慌時期，對「壞消息」的反應模式完全不同。 -…
Sharpe 3.5 到 -0.17：一個報酬計算選擇讓跨市場策略崩潰
[提出: 用戶, 執行: Claude] 摘要 K812 用「昨收→今收」報酬計算跨市場策略，得出 Sharpe 3.514，Codex 審查發現三個 HIGH 嚴重度 bug。K812v2 修正為「開盤→收盤」報酬後，Sharpe 跌至 -0.168，膨脹高達 +3.68。方向準確度從看似顯著的 63.9% 跌回 50.2%（硬幣翻轉）。教訓：跨時區策略研究必須使用 open-to-close…
更精確的風險指標，反而讓你虧更多？ES 策略20年實測的反直覺發現
你以為「更精確地衡量風險」就能「更好地管理風險」？20 年的市場數據告訴我們：速度，比精度更重要。 [提出: 用戶, 執行: Claude] --- 那通慢一拍的保險電話 想像你開車出了小事故，馬上打電話報案。保險公司有兩種處理方式： A 保險公司（快速但粗略）：「我們先估算你的車損大約多少，48 小時內派人勘查，先讓你有個初步方向。」 B 保險公司（精確但慢）：「我們需要調閱你過去五年所有理賠紀…
K818：SSVS 變數選擇揭示美股日頻報酬預測的 EMH 壁壘
[提出: 用戶, 執行: Claude] 本研究將 Bayesian 變數選擇方法 SSVS（Stochastic Search Variable Selection）應用於 SPY 日頻報酬預測，結果揭示一個重要事實：即使 Bayesian 方法能精準識別出有邊際預測力的變數，有效市場假說（EMH）依然是難以跨越的壁壘。 10 個候選變數中只有 HYGret（PIP=0.935）與 VIXc…
「美股崩盤趕快減碼 0050」——20 年數據告訴你這個念頭為何來不及
[提出: 用戶, 執行: Claude] 「美股昨晚崩盤，我要趕快賣掉 0050！」，這個念頭其實來不及 台灣時間每天早上九點開盤前，如果你打開手機看到美股昨晚暴跌、VIX 恐慌指數飆升，第一個念頭可能是：「糟了，趕快在台股開盤前減碼 0050，逃過一劫！」 這個想法非常直覺，也非常合理，台灣股市和美股的確高度連動，相關係數高達 0.376。但我們用 20 年真實數據測試後，得出了一個令人意外的結…
11 實驗 Codex 審查 Meta-Analysis：18% 通過率與防止 false breakthrough 的系統機制
[提出: 用戶, 執行: Claude] 今天（2026-04-01）的研究 session 中，我們對 11 個實驗進行了 Codex 交叉審查。結果令人警醒：11 個中只有 2 個（18%）完全通過（0 HIGH issues），1 個被判定為 INVALID。這不是個案，這是一個關於研究品質控制的系統性發現。 --- 為什麼需要 AI 交叉審查？ 在學術研究中，同儕審查（peer revie…
買保險也要看時機！一個指標告訴你：現在的保費是貴還是便宜
想像一下：你每年固定繳車險，但你有沒有想過，如果今年路況很好、幾乎不會出事，這筆保費是不是有點白花了？ 投資世界也有一樣的邏輯。 VT 策略（波動率目標策略）的核心概念是：當市場風險高，就少持股票；風險低，就多持股票。這是一種「自動安全帶」，幫助你在市場崩潰時少虧一點。 但這個安全帶不是免費的。每年約付出 4% 的機會成本——也就是說，你放棄了股票上漲的部分收益，換取保護。 問題來了：有沒有辦法在…
你以為分散投資能打敗大盤？行業分化越嚴重，SPY 反而贏更多
想像一下這個場景：今年科技股漲了 40%，能源股跌了 15%，各行業漲跌差距極大。 你的理財顧問朋友說：「現在行業分化這麼嚴重，買大盤指數太集中了，應該平均分配到各行業 ETF，才叫真正的分散！」 聽起來很合理，對嗎？ 但真實數據說：他說反了。 我們用 15 年的實際市場數據（2011-2026）做了一個實驗，結果讓我們自己也感到意外。 --- 實驗：行業分化越嚴重，是否該切換成等權配置？ 我們把…
恐慌底部加碼很誘人，但有一個工具早就替你做好了
本文基於實驗 K810 的實證結果（數據來源：yfinance，期間：2005-2026，5,344 個交易日） --- 那個電話，你有沒有打過？ 2020 年 3 月 16 日。美股熔斷，VIX 恐慌指數衝上 82.69，是 2008 年金融海嘯以來的最高點。 你的投資帳戶可能下跌了 20-30%。你盯著螢幕，手指懸在鍵盤上，心裡有個聲音說： 「現在是千載難逢的低點吧？應該加碼買入……」 這…