§ CURATED COLUMNS
專欄作品
從完整研究歷史中選出的代表作品，依入選日期由新到舊排列；入選 14 天內標「新入選」。
39 ARTICLES查看全部研究日誌 →
- 01新入選K1830：推論降價後 18 天，收盤波動三檔上升、高低價波動五檔全降——差在隔夜與盤中的共變數項在短窗口事件研究裡，「事件後波動上升」這一句的真偽取決於用哪一個波動估計量。K1830 以二〇二六年七月三十日 OpenAI 調降推論價格為事件，比較五檔 ETF 事件前後各 18 個交易日的已實現波動。結果是：收盤對收盤波動在 IGV、QQQ、SPY 三檔上升，高低價（Parkinson）波動則在五檔全部下降。把收盤對收盤變異數拆成隔夜、盤中與兩者共變數之後，方向不一致的來源可以指認：主要來自原…→
- 02新入選升降息環境下，黃金真的能避險嗎？K663 三種利率環境量化驗證一句話結論 「黃金能避險」這句教科書常識只在降息時成立。在升息環境，GLD 的 Sharpe 從降息時的 +0.97 跌到 −0.38，差了 1.35。更糟的是，傳統 60/40（SPY/TLT）公債組合在升息期 Sharpe 跌到 −0.04，2022 年那一輪甚至吃下 −22.9% CAGR。避險工具不是普世的，是有條件的。 K663 在做什麼 K663 把 2006 年到 2026 年共 4…→
- 03我們把自己論文裡的兩個數字重做了一次：5.2 跟 −0.05 真的對嗎[提出: Claude] 學術論文裡常常會看到這種句子：「我們估計出來的參數是 η = 5.2、λ = −0.05。」 讀者一掃就過了，因為這兩個數字看起來無傷大雅。但對研究本身來說，這兩個數字才是整個風險模型的脊椎骨，它們決定了你的尾部多厚、你的左尾多偏、最後你算出來的 VaR 到底是高估還是低估。 我們最近做了一件平常很少人做、但其實該做的事：把自己論文裡這兩個數字，從零開始重新跑一遍 MLE…→
- 04🌡️ 事件溫度計｜非農週前半 VIX 漲了 7.43%，剩兩天怎麼看：三個檢查有兩個是空的9 月 4 日星期五，美國勞工統計局公布 8 月就業報告。今天是 T-2，這一週的交易日只剩兩個。 先說這篇不做什麼。「事件前不確定性升高、波動率會墊高」這句話我們已經測過兩次，七月底那篇算非農前一週，八月初那篇把視窗縮到最後兩個交易日，兩次都沒偵測到增量效應（+0.83 個百分點、p=0.583；-0.89 個百分點、p=0.288）。同一題再寫第三遍沒有意義。 換一個問題。這個問題在 T-7…→
- 05軟體的下跌保險比上漲選擇權便宜：同一天的五張選擇權帳單，只有它跟大盤反過來有個說法這幾個月愈講愈完整：AI 從一問一答走到自主代理之後，同一件事要燒的 token 是以前的好幾倍，而且持續在燒。軟體公司把模型接進產品裡賣訂閱，收入固定，成本跟著用量長。毛利被一口一口吃掉，估值要重算。 本站查過這個說法的兩塊。〈推論變便宜之後，軟體沒有被賣，但它的波動換了形狀〉量的是價格：OpenAI 降價後十八個交易日，被預言要受傷的軟體層漲幅是大盤的兩到三倍。〈AI 會吃掉軟體公司的…→
- 060050 的成分股一股沒動，只把報酬改用美元記，VIX 就開始說得上話如果你長期看盤，大概接受過一個說法：VIX 漲上去，代表市場要亂了，該把部位縮一縮。 這個說法在美股身上有很硬的證據。把 VIX 餵進波動率模型，去預測 SPY 明天的波動，比不餵它的版本好，強度是 7.92。這個數字是統計上的 t 值，超過 3.0 就算得上可用的證據，7.92 已經是那種不用爭論的量級。 同一套做法搬到台灣，數字是 -0.49。 不是變弱，是負的。加了 VIX 之後，模型預測…→
- 07K1066: A4f_oc Full Rolling OOS — Paper 9 的 Dual-Target Architecture 證實[提出: Claude, 執行: Claude] K1065 發現 VIX² 對 intraday variance 改善 26% vs overnight 僅 3.9%，暗示 Paper 9（K988, DM t=4.48 on r²close）的優勢可能主要來自 intraday 成分。K1066 用 full rolling OOS 測試 A4foc（fit to open-to-clo…→
- 08K949: VIX 跨市場驗證 — 美國恐慌指數預測全球 5 大市場波動率[提出: Claude, 執行: Claude] 本實驗（K949）將 MF-GJR(VIX) 模型從美國市場延伸至全球五大股市：SPY（美國）、FEZ（歐元區）、EWG（德國）、EWJ（日本）、EWU（英國）。結果顯示，VIX 在 4/5 個市場達到 Harvey $ t >3.0$ 顯著門檻，且 VIX 彈性係數 $\theta_1$ 跨市場高度穩定（mean=2.10, std=0.19）。…→
- 09你算出來的均值回歸為什麼賺不到程式交易 Alex Huang 在 8 月 21 日貼了一組台指期的逐筆統計。他用 7 月 8 日到 8 月 19 日的 tick 資料，數價格每次走滿 5 點算一次穿越，結果是：下一次穿越走反向的佔 53.344%；把門檻從 5 點加倍到 10 點、再加倍到 20 點，穿越次數只降到約三分之一，而隨機遊走該降到四分之一。 兩個數字都指向同一個方向：盤中價格好像會回頭，而且回頭的力道比純機率該有的…→
- 10六檔 BDC 一起發抖，先別喊信用危機：扣掉大盤後只剩一週訊號[提出與實驗：Claude；一般讀者改寫：Codex] 想像一棟沒有公開水管圖的老屋。牆內哪一段滲水看不到，住戶只能盯著牆面：油漆鼓起、木地板翹起，可能是漏水，也可能只是連日潮濕。私募信貸也有類似難題。逐筆放款、未上市基金淨值與贖回流量不公開，一般投資人只能從上市公司與 ETF 的價格找痕跡。 我們先用六個公開標的組成影子指標：BDC ETF BIZD，加上 ARCC、MAIN、GBDC、PSEC…→
- 11減碼還是加碼？把波動率當油門，用四段檢查決定這一腳踩多深上半年這波動盪，最折磨人的地方，是它常常「不照劇本走」。 七月十六日台積電法說開完，成績單每項都贏，ADR 盤前卻跌了近 4%，跌的是資本支出與海外毛利這兩個數字，不是營收本身（見〈台積電法說開完：成績單每項都贏，ADR 盤前卻跌近 4%，跌的是哪兩個數字？〉）。再往前，五月中油價跳到三位數，VIX 卻回頭說沒事（〈油價還在 100 美元，VIX 卻說沒事了〉）；美伊衝突後 VIX 先退了、OVX…→
- 12大盤跌 2.58% 那天，科技跌 6.66%、民生必需品反而漲 1.71%[提出與實驗：Claude；一般讀者改寫：Codex] 打開看盤軟體，大盤一片紅，新聞跑出「資金正在輪動」。兩句話都可能同時成立，也可能只對一半。判斷方法很簡單：把大盤拆成幾個板塊，看有沒有任何一塊真的翻紅。 2026 年 6 月 5 日就是很好的例子。SPY 跌 2.58%，科技 ETF XLK 跌 6.66%；同一天，必需消費 XLP 漲 1.71%、公用事業 XLU 漲 0.93%、醫療 X…→
- 13銀行風險看存款、房地產還是股價？三種公開指標的預測邊界辦公室空置率升高、存款往外搬、銀行股跌破帳面價值，三個現象都像危機警報。若問題改成「哪個公開指標能提高區域銀行波動預測的準確度」，答案就保守許多。 我們整理了四個實驗。它們不能排成同一場賽跑：商用不動產研究使用全樣本的落後訊號關聯；存款與 M/B 研究另有保留後段資料、只在最後才評分的樣本外測試。CRE 對 KRE、KBE 這類區域銀行 ETF 沒有穩健增量關聯；存款與 M/B 也沒有改善 KRE…→
- 14你 APP 上看的「報酬率」，不是你的錢真正賺到的年化打開券商 APP 或基金平台，每檔商品都會秀一個年化報酬率給你看。這個數字告訴你的，是這檔商品本身過去漲了多少；它沒有告訴你，你的錢真正賺到的年化是多少。 差距有多大？我們挑 SPY 與 0050.TW 兩個熟悉的標的，把過去每一個年份起開始定期定額、持有到 2026-05-30 的真實結局算出來。對每一個進場年份，同時報三個年化數字： 1. 單筆投入的 CAGR — 一次性投入後到今天的年化報酬…→
- 15K877：黃金白銀比率作為波動率預測因子——樣本內顯著但樣本外 VIX 仍充分黃金白銀比率（GS ratio，Gold/Silver price ratio）在樣本內（IS）對 SPY 波動率有顯著增量解釋力，偏相關係數 t = 6.12，控制 VIX 後仍成立。但在嚴格的樣本外（OOS）DM 檢定下，所有 GS ratio 模型均未通過 Harvey et al. (1997) 的高門檻（ t > 3.0），最佳模型 DM t = 2.64。研究結論：VIX 對未來波動…→
- 160050 一天的波動，有一半發生在你睡覺時：PRG 模型 17 年實證揭開台股「隔夜黑洞」你以為台股的波動都發生在白天交易時段？錯了。 根據我們用 17 年、4,217 個交易日的 0050.TW（台灣 50 ETF）資料算出來的結果：整日波動有 46% 發生在你睡覺的時候——從台股 13:30 收盤，到隔天 09:00 重新開盤的這 20 個小時，就吃掉了幾乎一半的風險。 更重要的是，我們發現一般投資人熟悉的 GARCH 模型（用來預測波動的主流工具）根本沒有把「隔夜」和「日內」分開…→
- 17K931: Copula-GARCH 避險 0050-TSMC — 高相關配對下 HE=0.855，尾部崩跌損失削減 73%[提出: Claude, 執行: Claude] 摘要 Copula-GARCH 避險方法對 0050.TW（元大台灣 50）以 2330.TW（台積電）進行股票避險，樣本外（OOS）避險效果（Hedge Effectiveness）達 HE = 0.855——即持有 0050 的帳面波動率降低約 85.5%。這是與 K923（SPY-GLD，低相關 HE < 3%）對照之後更重要的系統性發現：C…→
- 18K922: Copula-GARCH 揭示 SPY-0050.TW 尾部風險 — 台股分散效果「不可預測」[提出: Claude, 執行: Claude] 摘要 台灣投資人常見的「配置」是同時持有 0050.TW（台股大盤）與 SPY（美股 S&P500）。這看起來是跨市場分散投資，但真正的問題是：兩者在最壞的時刻，市場暴跌的時候，還能分散嗎？ K922 實驗運用 Copula-GARCH 框架，對 SPY-0050.TW 進行全面的尾部依賴分析，並與 K920 的 SPY-GLD 結果直接對照，得出…→
- 19K853 + K854 雙重驗證：模型-Target 差異的訊號壓縮效應與共同樣本 VaR 分析[提出: 研究系統, 執行: Claude] 波動率預測研究近期確立了兩個令人困惑的現象：「模型-target 差異」（評估指標品質的天花板效應）和「prediction-VaR target mismatch」（預測最準的模型在 VaR 風控中反而失敗）。K853 和 K854 是針對這兩個現象設計的控制實驗，目的是釐清它們是否為方法論 artifact，還是真實且可複現的現象。 結論先行： K…→
- 20日頻波動率，HAR-RV 贏不了 GARCH：60 場跨資產對戰的紀錄實驗 K188 OOS 期間 2023-01-01 至 2024-12-31 5 資產 × 4 波動率代理 × 3 模型變體 --- HAR-RV 是過去二十年波動率預測文獻裡出現率最高的模型之一。它把波動率分解成日、週、月三個頻率的加總，捕捉長記憶結構，跑在五分鐘高頻數據上幾乎無敵。 那在日頻數據上呢？ 有人假設：換成更細的波動率代理，不只用收盤價，改用 Parkinson、Garman…→
- 21K1509：高通膨 Regime 下 TIPS 波動率分解——2015–2026 實驗報告[提出: Claude, 執行: Claude] 摘要 本研究以美國 CPI 年增率（CPIAUCSL）為 regime 分類標準，將 2015 年 1 月至 2026 年 6 月 15 日共 2,878 個交易日拆分為「高通膨 regime」（CPI YoY > 3%，n=847 天，佔 29.4%）與「正常 regime」（n=2,031 天）兩組，比較 TIP、STIP、LTPZ 三檔 TI…→
- 22同一個公式，兩種用法，差距天壤之別：VaR 的「記憶長度」決定你的風險計算準不準[提出: 用戶, 執行: Claude] 2020 年 3 月，SPY 在短短 23 個交易日裡跌了 34%。之後大多數模型做了什麼？繼續用 2015 到 2019 年的平靜市場資料，估算出一個「還算正常」的風險數字。結果接下來的違約次數超過預期兩倍以上，銀行監理的交通燈轉成紅色。 這不是模型的計算錯了，是模型的「記憶」太長。 --- 風險模型有記憶問題 用 VaR（Value at Risk）量…→
- 23VIX 加進波動率模型，殘差會變得更「乾淨」嗎？SPY 七年實證的雙面結果一個老問題：模型「對」了嗎？ 每一個學過計量財務的人，都會被告知一件事：拿到一個波動率模型之後，真正要看的不是它的「預測值」漂不漂亮，而是它「殘差」是不是乾淨的。 什麼叫殘差乾淨？簡單說，就是把每天的報酬除以模型估計的當日波動率，得到一條叫做標準化殘差（z 值）的序列。如果模型把該抓的波動結構都抓走了，這條 z 值序列應該長得像一堆「沒有結構、沒有相關、分布對稱」的隨機數。如果還有結構殘留，例如平…→
- 24把六個總體變數一次丟進貝氏選模型，結果它什麼都沒選：聯合估計再次確認 GARCH 自己就夠了一句話結論 我們把六個常被引用的「外部解釋變數」——VIX、VIX9D、VIX3M、期限利差、聖路易聯儲金融壓力指數、20 日實現方差，同時放進一個貝氏 GARCH-X 變異數方程，讓貝氏選模型機制（SSVS）自己決定要留下哪幾個。結果是：它一個也沒留。在 10,000 次 MCMC 迭代中，有 99.52% 的時間，模型直接選擇「什麼外部變數都不放」。這個結果不是 bug，而是一個重要的負面結論…→
- 25🌡️ 事件溫度計｜FOMC 2026-04-29 事後檢視：實際走向 vs 12 天前市場 prior 的對帳[提出: Claude] 這是 FOMC 2026-04-29 系列的最後一篇。3 天前 Fed 公佈決策，本文回頭把實際結果跟我們在 T-12 / T-7 / T-2 三篇預告文裡列出的市場 prior、條件分佈、部位調整 rule grid 對帳一次。簡短結論：base case 命中，分佈中央落點，但 dissent 結構是真正的 narrative shock。 ⚠️ 本文是「事後檢視」（…→
- 26策略 regime 切換用百分位數還是分段線性？K683 給出明確答案 (DM t=3.74 Harvey PASS)當策略需要根據 VIX 水準切換 regime（calm / elevated / crisis）時，研究者通常面臨兩種思路的選擇：百分位數法（VIX Percentile）用 rolling 252 日視窗動態估計 VIX 的分位排名，而分段線性法（Piecewise Conservative）則預先固定切點（VIX<12 全倉、12-20 線性、>20 空倉）。K683 在 SPY+GLD 5…→
- 27K1006: 台指期隔夜跳空累計 83.6% 卻無法穩定獲利 — 解構 overnight gap 的可交易性界限本研究以 K1006 完整回測台灣指數期貨（TX）2012-01-04 至 2026-04-08 共 3,480 個交易日 的隔夜跳空（overnight gap）可交易性。資料來自 TAIFEX 全合約 tick，每日按成交量挑選最活躍合約月份，VIX 信號取自 yfinance ^VIX 前一日收盤（嚴格 lag-1 避免 lookahead）。實證確認：隔夜跳空累計貢獻 TX 報酬的 83.…→
- 28FOMC 04/28–29 預告：94.8% 不降息的 T-3 定位——|報酬| 加碼 28%、VT 保險不啟動、VIX 在第 54 百分位[提出: Claude, 執行: Claude] 距離 FOMC 04/28–29 利率會議僅剩 11 天，CME FedWatch 顯示 04/29 不降息機率 94.8%，市場對「按兵不動」的共識接近完美定價。但共識不等於無風險——歷史 171 次 FOMC 會議（2005–2025）顯示，會議當日與會後第一個交易日的 日報酬 高於非事件日約 28–38%（K513），而 VIX 事前並沒…→
- 29K530：HAR 多尺度 vs GARCH 家族 — 改變 proxy 就能讓排名翻轉 3 倍的波動率預測啟示[提出: Claude, 執行: Claude] 摘要 在 SPY 與 0050.TW 雙市場、2023-2024 兩年 OOS（約 500 個交易日）下，HAR 家族以「 r 絕對值代理」訓練的 4 個變體（HAR-VIX、HAR-ABS、HAR-LEVERAGE、HAR-JUMP）全數以 Harvey t > 14 的強度壓倒性勝過 GJR-GARCH(1,1) 與 EWMA(0.94) 兩…→
- 30為什麼 GARCH-MIDAS 跨市場估計要跑 100 次？—— 一個被 local minimum 藏起來的 ρ 值[提出: Claude, 執行: Claude] 摘要 一個原本寫進 Paper 2 Section 5 的「跨市場機構持股 → earnings announcement 波動彈性」正相關（ρ=+0.441, p=0.15, N=12），在 9 個市場的 GARCH-MIDAS shared-MIDAS pooled MLE 加上 100-multistart 稽核後，發生兩次翻轉：先 5 個…→
- 31為什麼台積電財報日震那麼大，聯電卻很平靜？答案不是公司，是「有多少分析師盯著它」[提出: Claude, 執行: Claude（K1166 + K1168 + K1165 within-market channel）] 想像兩家公司同一天公布財報 想像這個情境：4 月 16 日，台積電（2330）和聯電（2303）同時公布第一季財報。 你觀察兩檔股票： 台積電：開盤跳空 ±2%，接下來 4 小時劇烈上下震盪，收盤時成交量是平常的 3 倍 聯電：開盤幾乎沒跳空，整個交易日來回…→
- 32K1150：當 bootstrap t=11.99 時——學術上該如何自證這不是膨脹[提出: Claude（承接 K1147 nexttasks 第三市場驗證）, 執行: Claude] 摘要 K1145（TW）+ K1147（US）兩市場 pooled panel θEAV PASS 後，本實驗在 JP TOPIX top-30 重做相同規格，得到 bootstrap t=+11.99——比前兩市場（+5.24 / +4.50）高出 2-3 倍，乍看像是「太強」。但連續兩道…→
- 33同一套波動率模型，為什麼美股大中小型股都能用，台股卻完全失靈？[提出: Claude（跨實驗歸納 K1075/K1078/K1080/K1077）, 執行: Claude] 一個跨國投資人都會撞牆的現象 假設你讀到一篇文獻：「把 VIX 指數加進 GARCH 模型可以顯著改善股市波動率預測。」你在 SPY（美國大盤）上驗證，的確，預測誤差改善、統計檢驗強烈支持。你興沖沖地把同一套方法搬到 0050（台灣 50 大）上——什麼都沒發生，甚至有點變差。 這不是你…→
- 34台股期貨訂單流的反直覺特徵：|OFI| 愈高，下一個 5 分鐘波動反而愈低（K1124 實驗報告）本文報告實驗 K1124 的核心發現：在 TAIFEX 台指期貨市場，訂單流失衡（OFI）的絕對值愈高，下一個 5 分鐘的已實現波動率反而愈低。 這與 Cont, Kukanov & Stoikov（2014）在 S&P 期貨市場所記錄的「flow → vol 正向」模式截然相反，顯示台灣期貨微結構存在結構性差異，跨市場文獻不能直接套用。 〔提出：Claude 微結構探索，執行：Claude〕 -…→
- 35K940: ML vs 計量經濟學的波動率預測對決——MLP 為何災難性失敗？[提出: Claude, 執行: Claude] 摘要 本研究（K940）系統性比較了機器學習模型（MLP 神經網路、Ridge 線性迴歸、Random Forest）與計量經濟學模型（GARCH、GJR、MF-GJR）在 SPY 日頻波動率預測上的表現。核心結論：MF-GJR(VIX) 以 QLIKE=1.4582 蟬聯最佳，MLP 神經網路災難性失敗（QLIKE=651,520），Random…→
- 36BTC VaR 三部曲：為何 1% 與 5% 永遠互斥——根本原因與未來方向（K829/K830/K837）K829、K830、K837 三部曲以 GJR-GARCH(1,1) + OOS 回測框架，系統性地探索 BTC-USD 的 VaR（風險值）校準難題。核心困境是：沒有任何單一方法能同時通過 1% 和 5% VaR 的三重驗證（Trinity = Kupiec + Christoffersen + Basel），而且連最複雜的 Regime-Switching 方法都無法解決。 本文記錄三部曲的完…→
- 37K818：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…→
- 38四種資產三種通過——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…→
- 39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…→