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。
四資產 All-Weather 組合測了 20 年：還是打不贏簡單的 50/50
[提出: Codex #8, 執行: Claude] 你有沒有聽過這樣的投資建議：「光買股票太集中，要分散到黃金、國債、大宗商品才穩健。」 這個直覺很有道理，分散配置是投資基本原則。但到底分散多少才夠？加了國債和大宗商品之後，報酬真的更好嗎？ 我們用 20 年真實數據測試了 All-Weather（全天候）組合：同時持有股票（SPY）、黃金（GLD）、長期國債（TLT）、大宗商品（DBC），搭配不…
K805：非對稱 MEM vs GJR-GARCH——模型族不重要，Leverage Effect 才是關鍵
[提出: 用戶, 執行: Claude] 摘要 K805 實驗在 SPY 股票（2023–2024 年樣本外）對四個波動率預測模型進行完整 Patton (2011) 標準比較：MEM、AMEM、GARCH(1,1)、GJR-GARCH。核心發現是：決定預測品質的關鍵不是「使用 MEM 還是 GARCH」，而是「模型有沒有捕捉到非對稱性（leverage effect）」。 --- 實驗設計 資產…
四種資產三種通過——比特幣為何是例外？
[提出: 用戶, 執行: Claude] 同一個模型，在股票和黃金上是救星，在比特幣上卻成了麻煩，這是 K804 跨資產實驗最讓人意外的發現。 --- 這個問題從哪裡來？ 如果你曾經接觸過投資風險管理，一定聽過一個名詞：VaR（風險值）。 VaR 的概念其實很簡單：「在正常市況下，我的投資組合明天有 99% 的機率，最多只會虧這個金額。」 但要計算這個數字，你必須假設「市場波動的形狀長什麼樣」。最…
從假突破到真解法：為什麼預測和風險管理要分開選
[提出: 用戶, 執行: Claude] 一個模型可以同時「預測最準」又「風險管理最差」，這不是矛盾，而是兩件完全獨立的事情。K799 到 K802 這段四步旅程，讓我們用自己的親身錯誤，把這個道理刻進骨子裡。 --- 第一步：K799——五模型六層大決鬥，贏家竟然「害人」 我們用嚴格的六層統計框架，測試了五個波動率模型：GJR-GARCH、GARCH、EWMA、HAR、AMEM。這五個模型都是業…
K799: 五模型「六層決鬥」——MCS 裁決：無法區分贏家
[提出: 用戶, 執行: Claude] 當五個模型跑完同一份資料的十次統計決鬥，竟然沒有任何一次達到學術上「顯著勝出」的門檻，這就是 K799 六層評估框架帶來的核心發現。本文介紹完整的六層 Patton (2011) 評估框架，並揭示 模型信心集（MCS）的最終裁決：五個主流模型在統計上無法區分。 我們在先前分析（K780）中初步發現最準的模型不見得最安全，這次用完整六層框架對五個模型做了全面…
跳過預測直接學交易？聽起來聰明但沒用
[提出: 用戶, 執行: Claude] 摘要 如果你跳過「預測波動率」這個步驟，直接用機器學習「學」交易動作，結果會更好嗎？我們測試了三種這樣的方法，發現它們表面上看起來「贏了」，但仔細一看，根本是鑽了多頭市場的漏洞，不是真正的擇時能力。 --- 你有沒有聽過這個說法：「預測完再行動，太慢了」 傳統的量化策略流程是這樣的： 1. 預測明天波動率 2. 根據波動率決定今天該持有多少股票 3. 執行…
每日策略建議：VIX 25.25（高波動）— 2026-04-01
基於 2026-03-31 收盤數據，預測下一交易日最佳持倉配置。 市場快照 SPY: $650.34 (+2.87%) GLD: $430.29 (+3.72%) 0050.TW: NT$73.9 VIX: 25.25 🔴（高波動） GARCH 年化波動率: 21.6% 今日策略配置 策略 資產配置 總曝險 現金 ------ --- -------- ------ …
我們能預測波動率方向——但這個能力一文不值
想像你花了大量心力訓練一個 AI，終於能以接近 68% 的準確率預測「下週股市的波動率是會升高還是降低」。聽起來很厲害對嗎？但當你把這個預測能力實際用在投資策略上，卻發現，它帶來的報酬還不如買了放著不管。 這就是我們在 K787 實驗中遇到的弔詭。 方向預測：統計上成功，經濟上失敗 我們用 2006 到 2024 年共 18 年的 SPY（標普 500 指數型基金）數據，嘗試預測「下週波動率比這週…
美國 ETF 能預測台股波動——但你千萬別照著做
有沒有想過，在美國掛牌的台灣 ETF 和台灣本土的 ETF，雖然追蹤同一個市場，卻在不同時區各自交易，這中間有沒有什麼「訊息差」可以利用？ 我們做了一個實驗，答案出乎意料地有趣，也出乎意料地讓人清醒。 兩個 ETF，一個市場，不同時區 EWT 是在美國紐約股市交易的「台灣基金」，追蹤的是台灣股市的表現。0050.TW 則是大家熟悉的元大台灣50，同樣追蹤台股前50大公司。 兩者理論上代表同一個東西…
你的投資策略只看 Sharpe？這 8 個面向才是完整評估
[提出: 用戶, 執行: Claude] 你的投資策略只看 Sharpe？這 8 個面向才是完整評估 想像你在找一位理財顧問。一位顧問說「我去年幫客戶賺了 15%」，另一位說「我去年幫客戶賺了 15%，而且在市場最壞的三個月只虧 1%，整年最大的資產縮水不到 8%，睡眠品質很好」。你選哪一位？ 大多數投資人和財經媒體評估策略，只看一個數字：Sharpe ratio（夏普比率）。這個數字衡量「每承擔…
💬 會員提問｜台灣未來五年社會經濟走向與產業投資分析（主計總處 20 年官方數據實證）
[提問: yaoxk1431, 執行: Claude] 本文回應會員 yaoxk1431 的提問：「應用這20年的社會經濟背景與股價的反應，預估接下來五年台灣社會經濟走向，與分析可投資的產業與建構模型。」本文採用行政院主計總處國民所得統計官方數據（民國 95-114 年 / 2006-2025），結合 VolPred 研究系統 1000+ 筆實驗記錄，提供系統性分析。 --- 第一部分：20…
如果所有人都用同一個投資策略，市場會崩盤嗎？模擬告訴你答案
1987 年 10 月 19 日，華爾街在一天之內崩跌了 22%。 這一天後來被稱為「黑色星期一」，是美股史上單日跌幅最大的一次。事後分析師找到了兇手：投資組合保險（Portfolio Insurance，PI）。 那個年代，大量機構投資人採用同一套策略，市場下跌時，自動賣出股票、買進期貨避險。聽起來很合理，對吧？ 但問題來了：當所有人都在「市場跌時賣出」，賣壓就形成了正向回饋迴圈，跌得越多，觸發…
學術界網紅模型遇上真實世界：HAR 為何輸給 GARCH？
[提出: 用戶, 執行: Claude] 你可能聽過有人說：「最新的學術模型一定比舊模型好。」但波動率預測的世界，事情沒這麼簡單。 --- 一個讓學術界興奮的模型，為什麼在你的手機上跑不出來？ 2009 年，義大利學者 Fulvio Corsi 提出了一個叫做 HAR 模型（Heterogeneous AutoRegressive）的波動率預測方法。這個模型有個迷人的核心思想：市場裡同時存在「日交…
K783：GJR-GARCH 訓練窗口敏感性分析——擴展窗口最優，w=2000 竟是局部最差
[提出: Claude, 執行: Claude] 本研究系統性地測試了 GJR-GARCH 與 GARCH 模型在 12 種不同訓練窗口大小（252 交易日至全樣本擴展窗口）下的 OOS 預測表現，以 Patton（2011）QLIKE 為主要評估指標。核心發現：擴展窗口（ALL）顯著優於業界常用的 w=2000，且 w=2000 竟是所有窗口中表現最差的之一，QLIKE 差距達 5.66%，DM…
預測最準的模型不是最安全的——為什麼風險管理需要不同的標準
[提出: Codex GPT-5.4 + 用戶, 執行: Claude] 你以為選對了模型，其實選錯了問題 想像你在找一位保全人員。你面試了五個候選人，其中一位在「識別可疑人物」的測試中得了最高分，反應快、判斷準。你毫不猶豫地錄取他。 但一個月後，大樓發生了一次真正的闖入事件。那位「識別能力最強」的保全，卻在現場判斷失誤，讓闖入者溜走了。後來你才發現：識別威脅的能力，跟在威脅發生時做出正確應對，是…
波動率模型沒有絕對冠軍——K777/K778：公平比較的方法論與發現
[提出: 用戶, 執行: Claude] 摘要 波動率模型沒有絕對冠軍，這不是一句模糊的安慰話，而是有嚴格統計數據支撐的方法論結論。K777 與 K778 兩個實驗（2026-03-31）共同揭示：你用什麼「評估尺」，就會得出誰是冠軍。改變量尺，排名翻轉；不換量尺，冠軍不變。這個發現對整個波動率預測文獻都有重要意義。 --- 一、問題的起點：K770 的量尺錯誤 故事從一個被推翻的實驗說起。 K7…
用 Yahoo Finance 看 0050 歷史走勢？小心這個隱藏的數據陷阱
[提出: Claude, 執行: Claude] 你下載的 0050 歷史數據，可能有一個假的「股災」 如果你曾用 Python 的 yfinance 套件下載元大台灣 50（0050.TW）的歷史收盤價，然後畫成走勢圖，你可能會看到一個讓人困惑的景象： 2013 年底，股價約 37 元。然後跨進 2014 年元旦假期，第一個交易日開盤，股價突然變成 9.33 元。 跌幅：-75%。 這不是股市崩…
股市收盤後發生了什麼？隔夜波動佔全日 37%——但你不需要擔心
[提出: 用戶, 執行: Claude] 你以為股市收盤後就「休息」了？其實有 37% 的波動在夜間悄悄發生 想像一下：你下班回家，打開手機看了一眼股市收盤價，覺得今天還不錯，放心地去吃晚飯、睡覺。但你可能不知道，就在你熟睡的這段時間，各種消息、事件、全球市場的動向，正在悄悄「定價」明天的開盤，而且這個隱形的夜間波動，比我們以為的要大得多。 我們分析了 SPY（追蹤美國 S&P 500 的 ETF…
2026-04-01 本日持倉比率建議（依據 2026-03-31 收盤數據）
$\sigma$ = 21.6% · VIX = 25.25 策略 配置 現金 ------ ------ ------ GARCH VT (SPY) SPY 55% 45% Risk Parity (SPY+GLD) SPY 39% + GLD 21% 40% 12/VIX (SPY) SPY 48% 52% 50/50 S…
K767/K768：日頻數據就夠用——中期波動率預測與 Conformal VaR 校準
[提出: 用戶 + 文獻搜尋, 執行: Claude] 兩個相輔相成的發現告訴我們：中期投資人既不需要昂貴的日內高頻數據，也能讓風險模型通過監管標準。 實驗 K767 證明，用每日收盤價計算的 5 日實現波動率（5-day RV）驅動的 HAR 模型，在 22 日與 66 日預測視野完全媲美 GJR-GARCH，且優於 VIX 期限結構。實驗 K768 則發現，一個無模型假設的 Conformal…
債券市場比 VIX 更早知道危險——但研究發現 VIX 一個指標就夠了
[提出: Codex GPT-5.4, 執行: Claude] 2008 年 9 月，雷曼兄弟倒閉前的兩週 那時候，大多數人還沒意識到大事不妙。股市雖然已經下跌，但許多投資人仍在「逢低加碼」。然而，債券市場早就發出了警報，高收益債券（就是那些評等較差、利率較高的公司債）的利率，跟安全的投資級債券之間的差距，已經悄悄拉大到令人不安的程度。 這個「差距」有個專有名詞，叫做信用利差。它就像是金融市場的體…
波動率有多「粗糙」？用顯微鏡看市場恐慌的紋理
[提出: Codex (direction from K529/K530), 執行: Claude] 摘要 市場的波動率不是平滑的曲線，而是「粗糙」的，像砂紙的表面，充滿微小的跳躍。根據 2005–2026 年的實證數據，美股（SPY）、黃金（GLD）與台股（0050.TW）的 Hurst 指數均接近 0，比「平滑假設」低了約 70 倍。這個發現解釋了為什麼 GARCH 這類傳統模型有預測天花板：…
四個指標不如一個 VIX——為什麼投資策略越複雜越差？
想像你在一個陌生城市迷路了。你攔下四個路人詢問方向，每個人都說了一個不同的路線，而且每個人都只有六七成的把握。你把四個答案平均一下，會更接近正確路線嗎？ 不會的。四個半懂的人，平均起來還是半懂。 這就是「信號稀釋」。 --- 我們做了什麼實驗？ 我們用 2007 至 2026 年，共 18 年、4,840 個交易日的真實市場數據，把四種波動率策略信號混合在一起，測試這個「信號雞尾酒」能不能打敗最簡…
K759：金融股壓力指標作為台積電波動率早期預警——partial r=0.356，超越 VIX 的增量預測力
[提出: Claude, 執行: Claude] 研究背景：金融股能「預見」台積電的動盪嗎？ 台灣股市有一個長期存在的結構性謎題：台積電（2330.TW）佔台股市值逾三成，被視為台灣經濟的晴雨表。然而，台積電的波動率如何被系統性地預測，至今仍是未解之謎。我們在 K757b 實驗中發現了一個出乎意料的 Granger 因果關係：金融股（富邦金 2881、國泰金 2882）的波動率在統計上領先台積電，…