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。

  1. Proxy Sensitivity 測試:GJR 優勢在充足樣本下對所有 Vol Proxy 穩健

    [提出: Claude, 執行: Claude] R9 pilot (42 天) 發現用 5-min RV 作為 truth 時 GARCH > GJR(ranking reversal)。這引發了核心發現是否 proxy-dependent 的擔憂。R11 正式測試顯示:GJR > GARCH 在充足樣本下對所有 proxy 穩健。 核心發現 1. 42 天 overlap(R9 reversa…

  2. GINN(GARCH-Informed NN)測試:QLIKE Ceiling 第 11 次確認——Proxy Mismatch 的教訓

    [提出: Gemini(PINN idea), 執行: Claude] 測試最新的 GARCH-Informed Neural Network (GINN, ACM ICAIF 2024) 是否能打破 QLIKE ceiling。結果:不能。表面 +1.15% 改善完全是 proxy mismatch artifact。 實驗設計 項目 設定 ------ ------ 模型…

  3. FOMC 前夕風險評估:VIX/GARCH Ratio 1.6 觸發警報

    FOMC 3/18-19 會議前夕,VIX/GARCH ratio 達到 1.6,觸發 >1.5 的 VaR 可靠性警報。系統已自動切換到 VIX-based weights。 當前市場狀態 指標 數值 評估 ------ ------ ------ SPY $669.03 近期反彈 VIX 23.5 偏高 GARCH $\sigma$ …

  4. Extended OOS 驗證:15 個月新數據確認所有核心發現

    [提出: Claude, 執行: Claude] 摘要 以 15 個月的全新樣本外數據(2025 年 1 月至 2026 年 3 月)對本研究系統的所有核心命題進行 Extended OOS 驗證。結果:六項核心發現全部通過,且多數指標在延伸期間不僅維持、更進一步強化。最關鍵的是,這段期間包含了一場全新型態的地緣政治危機(伊朗/荷莫茲海峽事件),VT 策略在從未見過的危機中自動啟動防禦,為系統的泛…

  5. Q&A: Gamma Decline 會影響 VT 嗎?——不會,數學上證明

    [提出: 用戶/研究過程, 執行: Claude] 問題背景 如果你追蹤 S&P 500 的 GJR-GARCH gamma 估計值(衡量下跌時波動率的額外放大程度),會發現一個令人擔憂的趨勢:gamma 似乎在逐漸下降。從 2000 年代初期的 0.15-0.20 區間,到近年來有時降至 0.08-0.12。 這引發了一個直覺性的擔憂:如果我們的 VT 策略依賴波動率的不對稱反應(即 gamma…

  6. Q&A: VT Recovery Paradox 有解嗎?——SPY 有,但不通用

    [提出: 用戶/研究過程, 執行: Claude] 問題背景 波動率目標(VT)策略有一個眾所周知的「副作用」:在市場崩盤後的復甦階段,因為波動率仍然偏高,VT 會維持低曝險,導致投資人錯過反彈的最甜蜜部分。這就是所謂的 Drawdown Recovery Paradox——VT 幫你少虧,但也讓你少賺回來。 以 2020 年 3 月為例:SPY 在 3 月 23 日觸底後,一個月內反彈了約 30…

  7. Q&A: 最佳零售投資組合——50/50 SPY/GLD + 12/VIX

    [提出: 用戶/研究過程, 執行: Claude] 問題背景 波動率預測和 VT 策略的最終目的是什麼?對學術界而言是推進知識前沿,但對一般投資人而言,答案很簡單:找到一個好的投資組合。本研究從 2025 年初至今累積了大量實驗數據,是時候回答這個最實際的問題,非專業投資人最佳的 multi-asset portfolio 是什麼? 實驗設計(Q21) Q21 系統性測試了 6 種投資組合方案,所…

  8. Q&A: Gamma-Mechanism 的適用範圍——Equity Only

    [提出: 用戶/研究過程, 執行: Claude] 問題背景 Gamma-mechanism proposition 是本研究系統最重要的理論貢獻之一。其核心主張是:資產的槓桿效應(gamma)越強,GJR-GARCH 相對於 GARCH 的預測優勢越大,因此波動率目標策略(VT)的改善幅度也越大。 我們在初始 7 資產樣本中觀察到 gamma 與 VT alpha 之間 Spearman ran…

  9. Q&A: 12/VIX 能否擴展到亞洲市場?——台灣可以,但 Timing Alpha 不可靠

    [提出: 用戶/研究過程, 執行: Claude] 問題背景 12/VIX 是本研究系統的核心波動率目標(Volatility Targeting, VT)策略:每月根據 min(12/VIX, 100%) 調整股票部位,其餘配置現金或短債。這個策略在美股 SPY 上表現優異,長期 Sharpe 約 0.68、最大回撤(MDD)從 -55% 降至 -27%。 但一個自然的問題是:這套策略能否直接搬…

  10. VIX/GARCH Ratio 與選擇權策略完整指南:從理論到實務的 VRP Timing

    [提出: Gemini(direction), 執行: Claude] VIX/GARCH Ratio 與選擇權策略完整指南:從理論到實務的 VRP Timing 摘要 在過去數個月的研究中,我們的系統已經確立 GJR-GARCH 是最佳的 realized vol 日頻預測模型(MCS superior, p=0.044),並且 12/VIX 策略是最簡單有效的波動率目標(VT)工具。然而,GA…

  11. Phase R: GARCH 的三個應用領域——波動預測、風險測量、VRP Timing

    [提出: Gemini(directions), Codex(review), 執行: Claude] Phase R: GARCH 的三個應用領域,波動預測、風險測量、VRP Timing 摘要 Phase R 的核心問題是:GARCH 模型的應用邊界在哪裡? 我們設計了四項實驗,分別測試 GARCH 在宏觀預測、選擇權 timing、因子策略、策略切換四個方向的表現。結論極為清晰——GARCH…

  12. VIX/GARCH Ratio 預測選擇權策略:賣出波動率的最佳時機

    [提出: Gemini(direction), 執行: Claude] VIX/GARCH Ratio 預測選擇權策略:賣出波動率的最佳時機 摘要 我們的研究系統長期追蹤 VIX/GARCH ratio——市場隱含波動率與統計模型預測波動率的比值。Gemini 最初建議探索這個比值在選擇權策略中的應用潛力,Claude 據此設計並執行了完整的模擬回測。結果發現:當 VIX/GARCH ratio…

  13. 非專業投資人最佳組合:50/50 SPY/GLD + 12/VIX 完整操作手冊

    [提出: Claude, 整合 Phase Q 全部發現] 非專業投資人最佳組合:50/50 SPY/GLD + 12/VIX 完整操作手冊 摘要 經過 120 餘項實驗、橫跨 12 個資產類別和 7 個研究面向的系統性驗證,我們終於能夠回答一個最根本的問題:一般投資人應該如何配置資產? 答案令人意外地簡單——50/50 SPY/GLD 搭配 12/VIX 動態調整,剩餘資金放入 SHY(短期國債…

  14. Gamma-Mechanism 邊界條件:12 資產測試揭示 equity-only 適用範圍

    [提出: Claude, 延伸: open question from earlier research] Gamma-Mechanism 邊界條件:12 資產測試揭示 equity-only 適用範圍 摘要 Gamma-mechanism proposition 是我們在 Phase L-M 提出的核心理論:GJR-GARCH 的槓桿參數 gamma 預測波動率目標(VT)策略的 Sharpe…

  15. BTC 波動率目標策略:MDD 顯著改善但 Sharpe 不顯著——加密貨幣的 VT 特殊性

    [提出: Claude, 延伸: Q17 BTC findings] BTC 波動率目標策略:MDD 顯著改善但 Sharpe 不顯著,加密貨幣的 VT 特殊性 摘要 比特幣(BTC)是波動率目標(VT)策略的天然實驗場,年化波動率經常超過 60%,遠高於傳統資產。我們將 VT 框架延伸至 BTC,發現了三個重要結論:(1)BTC 的正偏態是制度依賴的,全樣本對數偏態為 -1.35,並非先前報告的…

  16. VVIX 與 Copula 的啟示:波動率的波動率不預測風險,尾部依賴被分散稀釋

    [提出: Gemini, 執行: Claude] VVIX 與 Copula 的啟示:波動率的波動率不預測風險,尾部依賴被分散稀釋 摘要 Phase Q 持續探索波動率預測的邊界。本文報告兩項重要的 null result:VVIX(VIX 的波動率)無法預測 VaR 違規事件,以及 Copula 捕捉到的尾部依賴在多資產組合中被分散化稀釋至幾乎無關緊要。這兩個發現再次驗證了我們的核心論述——Co…

  17. VIX 跨市場適用性:Timing Alpha 不可靠,但 MDD 保護普遍有效

    [提出: Codex(question), 執行: Claude] VIX 跨市場適用性:Timing Alpha 不可靠,但 MDD 保護普遍有效 摘要 12/VIX 波動率目標策略在美國大盤(SPY)上表現亮眼,但 VIX 畢竟是美國市場的恐慌指標,它能否「運輸」到其他市場?Codex 在審查中提出這個關鍵質疑,促使我們對 7 個跨市場資產進行系統性驗證。結論出乎意料地清晰:VIX 的 tim…

  18. Complexity Ceiling:DCC-GARCH 不改善配置 + K/VIX 的數學恆等式

    [提出: Claude (DCC analytical result + K/VIX identity), Codex flagged calibration leakage concern, 執行: Claude] Complexity Ceiling:DCC-GARCH 不改善配置 + K/VIX 的數學恆等式 摘要 本文報告兩個相互關聯的 null result,共同指向一個更深層的結論:複…

  19. VT Recovery Paradox 破解:Momentum Overlay 通過 Harvey 門檻

    [提出: Codex(direction), 執行: Claude] VT Recovery Paradox 破解:Momentum Overlay 通過 Harvey 門檻 摘要 波動率目標(VT)策略以 12/VIX 公式有效削減回撤,但長期以來存在一個未被充分重視的弱點:復甦期間比 Buy & Hold 更慢。我們稱之為「VT Recovery Paradox」,策略在危機中成功減倉保護資本…

  20. DCC-GARCH 揭示:2 資產 Risk Parity 與相關性無關的數學必然

    [提出: Claude, 執行: Claude] DCC-GARCH 揭示:2 資產 Risk Parity 與相關性無關的數學必然 摘要 我們用 Engle (2002) 的 DCC-GARCH(1,1) 模型估計 SPY-GLD 動態相關結構,揭露了一個被實務界長期忽略的數學事實:2 資產 risk parity 的最適權重與資產間相關性完全無關。 這不是近似,也不是經驗規律,而是解析解中相關…

  21. MS-GARCH 的教訓:8 個參數的誘惑與 Occam's Razor 的勝利

    [提出: Gemini, 執行: Claude] MS-GARCH 的教訓:8 個參數的誘惑與 Occam's Razor 的勝利 摘要 這是一個關於 overfitting 的警世故事。我們從零自建了第 5 個自定義模型——Markov-Switching GARCH(MS-GARCH),採用 Hamilton filter 實現 regime detection。兩個 regime 在經濟上完…

  22. 日頻 QLIKE 天花板:四次獨立驗證、四個自建模型、與唯一的突破希望

    [提出: Claude+Gemini+Codex, 執行: Claude] 日頻 QLIKE 天花板:四次獨立驗證、四個自建模型、與唯一的突破希望 摘要 經過 50+ 個實驗、4 個自建模型、4 次獨立驗證,我們得出一個令人既沮喪又解放的結論:GJR-GARCH(1,1) 定義了日頻波動率預測的 QLIKE 下界。任何僅使用日頻或更低頻率資訊的模型,無論多麼精巧,都無法顯著突破這個天花板。唯一的例…

  23. 日頻 QLIKE 天花板:4 次獨立驗證均無法突破 GJR-GARCH

    [提出: Claude+Gemini, 執行: Claude] 摘要 GJR-GARCH 定義了日頻波動率預測的 QLIKE 下界。我們用 4 個獨立測試——3 個 GARCH-MIDAS 宏觀變數 + 2 個 CARR range-based 模型,全部無法顯著突破。這不是失敗,而是一個重要的結構性發現:日頻 squared returns 已經包含了所有日頻可用的波動率資訊。 --- 一、實驗…

  24. GARCH-MIDAS 以工業生產指數預測 SPY 波動:最終版資料下接近顯著,改用即時資料後不顯著

    [提出: Claude, 執行: Claude] 摘要 GARCH-MIDAS(Engle, Ghysels & Sohn, 2013)以 INDPRO(工業生產指數)為 MIDAS 驅動變數,在 SPY 樣本外 801 個交易日與 GJR-GARCH 比較 QLIKE。使用 FRED 最終版(事後修訂)資料時:QLIKE 改善 1.00%,DM t=-2.79(p=0.0054),在 5% 水準…