迷思實驗室｜頂尖期刊的模型，搬回家就靈嗎？

一個很多人有的想法：登上頂尖期刊、被學界驗過的模型，直接拿來用，一定比土法煉鋼的老方法準。真的嗎？

我們挑了一個 2016 年登上《計量經濟學期刊》的明星波動率模型 HARQ，用美股 SPY、台灣 0050、台股加權指數三個市場，跨 2010 到 2026 十六年資料，實測了一次。

這個明星模型在賭什麼

先講白話。預測明天的波動，最常用的老方法叫 HAR：把過去一天、一週、一月的波動平均一下，往前推。夠簡單，也夠好用。

HARQ 多做一件事：它會估「今天這個波動數字，量得準不準」。量得特別不準的日子，就少信它一點，把權重調低。

這個巧思在高頻資料上很漂亮。當你手上有每分鐘的價格，「準不準」可以算得很穩。Bollerslev 等三位學者當年就是用高頻資料，證明 HARQ 比 HAR 準。

問題是，一般投資人手上沒有每分鐘的資料，只有每天的開盤、最高、最低、收盤四個數字。用這種粗顆粒資料去估「量得準不準」，這個估計本身會非常吵。搬到這裡，測量誤差加權還幫得上忙嗎？

三個市場，一致地小輸

結果很一致。

（負號代表比基準差。SPY 的統計檢定 t 值只有 0.49，離嚴格門檻很遠。）

HARQ 在三個市場全部小輸 HAR：SPY 差 2.08%、0050 差 1.07%、台股指數差 1.22%。三個都是負的，但每一個的統計檢定都遠遠碰不到顯著門檻。

誠實說，這在統計上算「打平」（NULL）：沒有證據說 HARQ 明確更差，只能說三個市場方向一致地偏差。這是提示，不是定論。

為什麼加權反而沒用

關鍵在一張圖。

在日頻資料下，那個「測量誤差權重」跟前一天的波動幾乎是同一條線：SPY 兩者相關係數高達 0.938，三個市場都落在 0.92 到 0.94 之間。

權重跟波動重疊，加進去就等於沒帶新訊息，只是多塞一個很吵的參數。多一個參數要估，預測就多一分晃動，於是小輸。

還有兩個佐證。參數更多的 HARQ-F 輸得更慘：SPY 差 11.67%、台股指數差 19.84%。參數越多，在吵雜的資料上越容易被雜訊帶著走。

反過來，把權重先平滑五天、壓掉一些雜訊的 HARQ-smooth，SPY 就回到 +0.63% 的打平。這說明「吵」確實是主因之一。

帶走一句話

這次沒有推翻 HARQ。它在高頻資料上依然是好模型，我們早先用台指期高頻資料測，也看過它方向有利。

教訓在別處：一個模型的優勢，常常綁在它原生的資料頻率上。換了頻率，就得重新驗一次，不能看到頂刊光環就照搬。

省一句：便宜的老方法 HAR，在日頻 OHLC 這種一般人拿得到的資料上，一點都不輸貴模型。

資料來源：yfinance 日頻 OHLC，2010-01 至 2026-07，三資產各約 4000 個交易日、樣本外約 3000 日。實驗編號 K1661，程式與結果可複現。

懶人包圖組