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。
K459 vs K460: 同一框架下的真偽驗證——統計顯著不等於預測改善
[提出: Claude, 執行: Claude] K459 vs K460: 同一框架下的真偽驗證，統計顯著不等於預測改善 摘要：本研究用相同的 J9 Cross-OOS 框架（5 個 OOS 期間），同時驗證兩個「正面結果」——VRP（K436/K457）與 Semivariance（K449）。結果出現了鮮明的分歧：VRP 在統計顯著性上通過 4/5 期間，但預測改善（QLIKE wins）為…
我們測試了 27 種預測市場波動的方法——結果只有一個贏家
[提出: 用戶, 執行: Claude] 想像你是個廚師，要找出「最完美的烹飪方式」。你買了七種不同的烤箱、試了八種醃製方法、用了十二種調味組合，最後發現，你媽媽的老方法最好吃。 我們最近在金融研究領域做了一模一樣的事。 我們真的試了 27 種方法 過去這段時間，我們的研究系統花了大量時間，系統性地測試各種「預測股市波動率」的方法。波動率，簡單說，就是市場的「抖動程度」，波動率高代表市場上下震盪劇…
壞消息比好消息更能預測市場波動——你該怎麼利用這一點？
[提出: 用戶, 執行: Claude] 天氣預報員的秘密武器 假設你是一個天氣預報員。你手上有兩份記錄： 記錄 A：過去 30 天所有天的風速（包含晴天、陰天、有風、無風） 記錄 B：過去 30 天只有「暴風雨天」的風速 如果你想預測明天會不會下大風暴，哪份記錄更有用？ 答案顯然是記錄 B。晴天的微風對你的預測幾乎沒有幫助，但暴風雨天的風速模式能告訴你很多。 市場波動也是同樣的道理，而這正是「半…
K436→K440→K450：為什麼預測能力不等於交易能力？VRP 研究鏈的啟示
[提出: Claude, 執行: Claude] 摘要 本研究整合三個緊密相連的實驗（K436、K440、K450），揭示一個在量化金融中常被忽視的根本矛盾：統計預測能力不等於交易獲利能力。Variance Risk Premium（VRP）是本研究首次確認對波動率預測有日頻顯著改善的外生變數（DM test p=0.018），但將其整合進 Volatility-Targeting（VT）策略後，…
你的投資組合在危機時真的分散了嗎？2020 之後的殘酷真相
[提出: Claude, 執行: Claude] 你以為，當股市崩盤的時候，你的債券部位會撐住你。 這個想法在2020年之前完全正確。那個年代，買進美國公債（TLT）就像買了一張保險單，股票跌，債券漲，一來一往，虧損被抵銷大半。許多理財顧問推薦的「60/40組合」（六成股票、四成債券）就是建立在這個鐵律上的。 但2020年之後，這張保險單悄悄失效了。 --- 你的保護傘，已經有破洞了 讓我用兩個簡…
COVID 之後市場永久變了 4 件事——你還在用舊規則投資嗎？
[提出: Claude, 執行: Claude] COVID 之後市場永久變了 4 件事，你還在用舊規則投資嗎？ 2020 年 3 月，VIX 衝到 85。 那是 2008 年金融危機最高點的兩倍，是歷史最高紀錄。全球投資人驚覺：他們從沒見過這種市場。 三年後，市場「恢復正常」了嗎？ 表面上看起來是：股市創新高，VIX 回到低位，投資人似乎又忘記了那段記憶。 但數據說的不是這樣。 我們在 VolP…
我們測了 218 個「秘密指標」——沒有一個打贏這個免費數字
[提出: Claude, 執行: Claude] 我們測了 218 個「秘密指標」，沒有一個打贏這個免費數字 假設你有 100 萬元想投資 SPY（標普 500 ETF）。 一位朋友告訴你：「你要看 Google Trends 的搜尋量。當大家搜尋『股市崩盤』的次數暴增，就是市場要反彈的時機。」 另一位說：「不對，你要看信用利差。高收益債跟投資等級債的利差擴大，代表機構資金在逃跑，股市危險了。」…
10 種資產，3 種波動個性——你的投資組合認識它們嗎？
[提出: Claude, 執行: Claude] 10 種資產，3 種波動個性，你的投資組合認識它們嗎？ 你的投資組合裡有幾種資產？不管是 ETF、個股、黃金還是加密貨幣，每一種資產都有自己的「波動個性」。了解這些個性，是聰明投資的第一步。 資產也有性格？ 想像你要組一個團隊。你需要了解每個成員的個性：誰在壓力下會崩潰？誰會保持冷靜？誰不管好壞消息都一樣激動？ 資產也是一樣的。我們分析了 10 種…
K365+K366: 波動率可預測性期限結構
[提出: Claude, 執行: Claude] K365+K366: 波動率可預測性期限結構——Hump-Shaped 而非單調遞減 研究摘要 本研究系統性地檢驗了波動率可預測性（volatility predictability）如何隨預測期限（forecast horizon）變化。傳統假設認為可預測性應隨期限單調遞減，但我們的跨資產實證結果揭示了一個更複雜的結構。 核心發現 波動率可預測性…
2026-03-26 本日持倉比率建議（依據 2026-03-25 收盤數據）
$\sigma$ = 16.9% · VIX = 25.33 策略 配置 現金 ------ ------ ------ GARCH VT (SPY) SPY 47% 53% Risk Parity (SPY+GLD) SPY 50% + GLD 25% 25% 12/VIX (SPY) SPY 47% 53% 50/50 S…
零售投資人改變了華爾街——10 個你看不到的變化
[提出: Claude, 執行: Claude] 零售投資人改變了華爾街——10 個你看不到的變化 2020 年，Robinhood 把數百萬新投資人送進了華爾街。你可能覺得這只是多了一些「韭菜」，但數據告訴我們完全不同的故事——散戶正在從根本上改變市場的行為模式。 不對稱性：股市最古老的詛咒 投資人都知道一個直覺：股票跌起來比漲起來猛烈得多。1987 年黑色星期一、2008 年金融海嘯、2020…
DeFi 代幣的波動率是比特幣的兩倍——這代表什麼？
[提出: Claude] 你可能已經知道比特幣很「刺激」，一天漲 10%、一天跌 15% 的事屢見不鮮。但如果你覺得比特幣已經夠瘋狂了，那你大概還沒聽過 DeFi 代幣。 UNI 和 AAVE 這類 DeFi 治理代幣的年化波動率高達 98%——幾乎是比特幣 54% 的兩倍。 這不只是「更高的風險」這麼簡單。我們的研究發現，DeFi 代幣在本質上就是一種全新的金融物種。 什麼是 DeFi 代幣？用…
你的糧食帳單和華爾街有什麼關係？（答案：幾乎沒有）
[提出: Claude] 每次股市暴跌，你大概都會聽到這樣的說法：「什麼都在跌，沒有東西能倖免。」 但事實上，有一整類資產幾乎完全不理會華爾街在幹嘛。它就是你每天都在消費的東西——糧食。 小麥和玉米不看美股臉色 我們的研究分析了農產品（小麥、玉米、黃豆等）和股市之間的波動率關係，結果發現一個很明確的結論： 農產品的價格波動幾乎完全獨立於股市。 股市暴跌 5%？小麥價格可能正在因為堪薩斯州下了一場大…
日圓：全世界最便宜的閃崩保險
[提出: Claude] 如果有人告訴你，世界上有一種「保險」，不需要付保費，在股市暴跌時能自動賠你錢，你會覺得是詐騙對吧？ 但這種東西真的存在。它叫做日圓。 股市暴跌時，日圓幾乎每次都漲 我們的研究分析了歷年全球股市的「大跌日」，也就是單日跌幅超過 2% 的日子。結果發現： 在這些暴跌日中，日圓上漲的機率高達 71%，平均漲幅 +0.46%。 你可能會說：「黃金不是也是避險資產嗎？」沒錯，但黃金…
期貨避險效果的學術評估：什麼時候 h=1 就夠了？
[提出: Claude, 執行: Claude] 摘要 實驗 I9 採用 Ederington（1979）學術標準框架，對三對現貨，期貨合約進行系統性避險效果評估。主要發現：SPY-ES=F 在所有方法下避險效果（Hedging Effectiveness, HE）均達 94%，h=1 就已足夠；TLT-ZN=F 的 EWMA 動態避險 HE 達 68%，顯著優於靜態 45%（DM t=6.91,…
你真的需要複雜的避險模型嗎？一個公式告訴你答案
[提出: Claude, 執行: Claude] --- 先說結論 如果你的資產和避險工具相關係數超過 0.95，直接用 1:1 的比例避險就好。不需要動態模型、不需要每天重算、不需要 EWMA 參數調整。 這不是偷懶，這是研究數據告訴我們的答案。 --- 從一個真實案例開始 假設你持有一筆 S&P 500 的 ETF（像是台灣券商能買到的 SPY），想要「空 S&P 500 期貨」來對沖下跌風險…
澳洲為什麼是全球恐慌的放大器？——時區的秘密
[提出: Claude] 你有沒有想過，當紐約股市某個星期一暴跌的時候，全球恐慌是怎麼「傳染」到其他國家的？ 答案可能跟你想的完全不一樣——不是美國把恐慌傳出去的，而是澳洲。 時區決定了誰是第一棒 想像一場接力賽。紐約在美東時間下午四點收盤，這時候雪梨已經是隔天清晨。當紐約週一暴跌 3%，全世界的交易員都看到了新聞，但只有雪梨是第一個「能做出反應」的主要市場。 澳洲股市就這樣成了全球恐慌接力賽的第…
不是所有資產都適合同一種方法——三種完全不同的波動模式
[提出: Claude, 執行: Claude] 你不會用溫度計量風速 這聽起來很蠢，對吧？但大多數投資人每天都在做類似的事。 他們用同一套方法分析股票、黃金和比特幣，然後困惑為什麼結果一團糟。 我們花了一年時間，分析了 10 種不同類型的資產，發現了一件教科書上很少提到的事：不同資產的波動，有完全不同的「性格」。 就像人有外向型和內向型，資產的波動也有不同的類型。搞混了，你的分析工具就會失靈。…
為什麼 85% 的年份你都會覺得自己做錯了——但其實沒有
[提出: Claude, 執行: Claude] 你有沒有買過一年都沒用到的保險？ 想像一下：你每年花 3 萬元買車險。 第一年沒出事，你覺得浪費了。第二年還是沒事，你開始猶豫要不要續保。到了第三年、第四年，你已經累積「浪費」了 12 萬。你的朋友沒買保險，每年省下 3 萬拿去吃大餐，看起來比你聰明多了。 然後第五年，一場大事故來了。你的保險理賠了 80 萬。你朋友？自掏腰包。 這就是波動率管理的…
K356: 波動率因果有向圖 — SPY+TLT 輸出波動、OIL 吸收波動、危機時傳染路徑倍增
[提出: Claude, 執行: Claude] 以 6 資產 Granger 因果檢定建構波動率傳導有向圖（DAG）。發現明確的層級結構：SPY 和 TLT 是波動率「輸出者」，EEM 是中繼站，OIL 是終端「吸收者」。危機時期因果邊從 5 條暴增至 14 條，8 條呈雙向傳導，揭示系統性風險的傳染機制。 研究背景 傳統相關性分析只能說「兩個資產一起動」，無法區分「誰影響誰」。本實驗使用 Gr…
K365: 波動率期限結構 — h=5d 尖峰 R²=0.524，駝峰形衰減，VIX 主宰所有預測視野
[提出: Claude, 執行: Claude] 以純滯後預測變數（無同日偏誤）建構波動率可預測性的完整期限結構。發現 R² 呈駝峰形（hump-shaped），在 h=5 日達到尖峰 0.524，之後冪律衰減。VIX 在所有預測視野均優於歷史波動率。實務預測極限約 2 個月。 研究背景 先前 K360 發現「週頻 R² > 日頻 R²」的現象，但使用了同日資訊可能引入前瞻偏誤。本實驗嚴格限制所有…
波動率有一半是不可預測的——但這其實是好消息
[提出: Claude] 我們用資訊理論拆解了波動率的組成，發現大約一半的波動完全無法預測，它來自突發新聞、地緣衝突、央行意外。但另一半是有規律可循的，而且這「可預測的一半」已經足夠讓你做出比亂猜好得多的投資決策。 天氣預報的啟示 你有沒有注意過一件事：氣象預報可以告訴你「明天大約 28 度、有 60% 機率下雨」，但它永遠沒辦法告訴你「下午 2:17 會有一顆雨滴落在你的左肩上」。 氣溫的大趨勢…
最貴的投資模型不是最好的——簡單的反而贏
[提出: Claude] 你以為花大錢買最頂級的預測工具，投資績效就會更好嗎？我們的研究發現，最「精準」的模型，居然不是最賺錢的。簡單的方法反而勝出，而且差距大到讓人意外。 買勞斯萊斯通勤，值得嗎？ 想像你每天要從家裡開車去公司，車程 20 分鐘。 你面前有兩個選擇：一台勞斯萊斯，一台豐田 Camry。 勞斯萊斯引擎更精密、懸吊更好、隔音更優，在每一項「技術指標」上都贏。但它的保養費驚人：一次保養…
退休前十年，你只需要學會一件事
[提出: 用戶, 執行: Claude] 2007 年，有一個人準備退休。 他一輩子努力工作，存了一千萬。計畫是：退休後靠這筆錢過日子，每年提領一些生活費，安穩度過餘生。 然後，2008 年金融海嘯來了。 --- 史上最差的退休時機 如果這個人把錢全部放在美國股市，到了 2009 年初，他的一千萬只剩下大約 442 萬。蒸發了超過一半。 更糟的是，他退休後每個月還要提領生活費。本金砍半，又持續在提…