Expectile 風險測度在債券 ETF 的 VaR backtest：八次配對比較，四次贏在小數點後第七位

Expectile 這幾年在風險測度文獻裡的位置不低。它用 asymmetric least squares 估計，在特定條件下同時具備 coherent 與 elicitable 兩個性質，而 quantile 只有後者。Bellini 等人 2014 年把它放進 generalized quantiles 的框架，Fissler 與 Ziegel 2016 年給了 elicitability 的 backtesting 脈絡，Basel III 往 IV 的討論裡也出現過「用 expectile 取代 Expected Shortfall」的提案。理論上的吸引力很清楚。

理論吸引力不等於樣本外表現。K1649 問的是一個可以檢定的窄問題：在 TLT 與 HYG 的日報酬 VaR backtest 中，expectile-VaR 或 CARE 能不能在樣本外 pinball loss 與校準上，穩健地打敗傳統的 quantile-VaR baseline。

答案是不能。實驗的 verdict 欄位逐字是 NULL_NO_EXPECTILE_EDGE_VS_LINEARQR。

這個實驗怎麼設計

四個模型放在同一張桌子上比：HS250（250 天歷史模擬）、LinearQR（線性分位數迴歸）、ALSExpectile-VaR（asymmetric least squares expectile）、CARE-SAV（conditional autoregressive expectile，SAV 型）。前兩個是 baseline，後兩個是被檢定的對象。

資料是 Yahoo Finance 的調整後收盤價，樣本 2010-01-04 至 2026-07-02，樣本外評估從 2015-01-01 起算，每個「資產 × 信心水準」格子有 2891 個共同觀測值。兩個資產（TLT、HYG）乘兩個信心水準（5%、1%）等於四個格子。共變數有七個：rv5、abs_ret1、neg_ret1、ief_mom5、lqd_mom5、credit_chg5、vix。模型每季用擴張窗重估一次，seed 固定 42。

Lookahead 的處理寫在 meta.lookahead_policy 裡，逐字是 features use signal = features.shift(1); HS uses y.shift(1); model refits use df[df.index < ts]。三個地方各自 lag：特徵 shift 一期、歷史模擬用前一日的報酬、重估只看嚴格早於當前時點的資料。

expectile 有一個 quantile 沒有的自由度：它的 tau 參數與目標的 alpha 不是同一個東西，需要對應。這裡的做法記在 meta.tau_mapping：每次重估前，用樣本內的無條件 expectile tau 去匹配目標違約率。實際落在 0.015，四個格子的 tau_summary.unique_values 都只有這一個值。

為什麼 tau 對應是這個實驗的關鍵設計

quantile 與 expectile 的差別在損失函數。quantile 迴歸最小化的是 pinball loss，對殘差的正負兩側給不同權重但都取絕對值；expectile 迴歸最小化的是 asymmetric least squares，兩側都取平方。平方的後果是 expectile 對尾端觀測值更敏感，這正是它被認為具有 coherence 的原因，也是它與 alpha 不能直接對應的原因。

實務上這造成一個額外的自由度。要用 expectile 做 5% 的 VaR，得先決定「哪一個 tau 的 expectile 對應到 5% 的 quantile」，而這個對應本身依賴分佈形狀，換一個資產、換一段期間就會變。K1649 的做法是每次重估前用樣本內無條件 expectile 去匹配目標違約率，實際落在 tau = 0.015。四個格子的 tau_summary 顯示這個值在整段樣本外期間沒有變動過，最小值、中位數、最大值都是 0.015。

這個設計選擇要標出來，因為它同時是這份 null 的一個邊界。如果 tau 用別的方式對應（例如逐期重新校準、或用條件分佈而非無條件分佈），結果可能不同。本文檢定的是這一種對應方式下的 expectile，不是所有可能的 expectile 實作。

主結果：四比八，不是四比四

overall 區塊只有兩個數字要看，而且必須一起看。

第一個是 overall.expectile_cases_better_than_linearqr_by_mean_loss = 4。第二個是 overall.expectile_harvey_wins_vs_linearqr = 0。

第一個數字的分母是八，不是四。四個格子各有兩個 expectile 模型（ALS 與 CARE）去對上 LinearQR，所以配對數是八。八次配對裡有四次的樣本外平均 pinball loss 比 LinearQR 低。逐格看：

TLT 5% 兩個 expectile 模型都比 LinearQR 低，HYG 1% 也是兩個都低，合計四次；TLT 1% 與 HYG 5% 則是六個 expectile 讀數全部高於 LinearQR。overall.best_mean_pinball_counts 記的是 {"CARE-SAV": 2, "LinearQR": 2}，四個格子的冠軍二比二平分。

這裡有一個已經發生過的誤讀值得寫出來。知識庫條目 968b552d 曾經把「四次配對較優」寫成「四個格子全部較優」，也就是把 4/8 說成 4/4。同一個數字，換一個分母，結論從「一半一半」變成「全面勝出」。引用 expectile_cases_better_than_linearqr_by_mean_loss 時必須同時引 expectile_harvey_wins_vs_linearqr，兩個放在一起才是完整的讀數。

第二個數字：贏的幅度過不了顯著性門檻

expectile_harvey_wins_vs_linearqr = 0 說的是：八次配對裡，沒有任何一次的 Diebold-Mariano 統計量通過 Harvey 門檻。這個門檻寫在 overall.harvey_abs_t_threshold，值是 3.0。

逐格的 DM t 值（對 LinearQR，Newey-West lag 21）：

絕對值最大的是 TLT 1% 的 ALS，1.911，離 3.0 還有距離，而且它的符號方向代表 LinearQR 較優。TLT 5% 的 CARE 那格 dbar 是 −0.0000195、se 是 0.0000131，t 值 −1.485，p 值 0.138。把小數點後第七位的差距放進檢定，得到的就是這種讀數。

換句話說：四次「較優」的幅度，統計上與零沒有分別。

校準面：兩個 baseline 的差別比 expectile 的差別大

pinball loss 之外，實驗也跑了 Kupiec 無條件覆蓋與 Christoffersen 獨立性檢定。以 TLT 5% 為例：

CARE-SAV 在這一格的校準確實最好，Kupiec p 值 0.835、違約率 5.085% 貼著設定的 5%。但真正大的落差在 HS250 與其他三個之間：HS250 的 Christoffersen p 值 0.041，在 5% 水準下拒絕違約獨立性，也就是它的違約有叢聚。條件式模型（無論 quantile 還是 expectile）都沒有這個問題。

這個對照的意思是：把歷史模擬換成條件式模型有明確價值，而在條件式模型內部再從 quantile 換到 expectile，價值看不出來。

5% 與 1% 的行為不一樣

把四個格子拆成兩組看，會發現 expectile 的表現與信心水準有關，只是方向不一致。

5% 那兩格：TLT 上兩個 expectile 模型都贏 LinearQR，HYG 上兩個都輸。1% 那兩格：TLT 上兩個都輸，HYG 上兩個都贏。也就是說，勝負跟著資產與信心水準的組合跑，沒有形成「expectile 在尾端更好」或「expectile 在中段更好」這類可以外推的規律。

這一點對讀者比總分四比八更重要。如果四次勝出集中在同一個信心水準或同一個資產，那還可以說「在某某條件下 expectile 有優勢」，是一個可以繼續追的線索。實際的分佈是對角線形狀，兩個資產各贏一個信心水準，看起來更接近抽樣噪音的樣子。八次配對的 DM t 值全部落在 −1.49 到 +1.91 之間，也支持同一個讀法。

這個 null 的適用範圍

這個 null 的適用範圍很窄。它說的是：在 TLT 與 HYG 的日頻、2015 年起的樣本外、七個共變數、每季擴張窗重估、Harvey 門檻 3.0 這一組設定下，expectile 相對線性分位數迴歸沒有可辨識的優勢。它沒有檢定日內頻率、沒有檢定其他資產類別、沒有檢定其他 tau 對應方式，也沒有處理 expectile 在極端尾部（alpha 遠小於 1%）的行為。八次配對是小樣本，統計檢定的效力有限，「沒有偵測到優勢」與「不存在優勢」是兩件事。

什麼樣的後續會改變這個答案

這份 null 指出三個值得追的方向，而且每一個都能寫成可檢定的問題。

第一個是 tau 對應。目前用無條件樣本內匹配，得到一個固定的 0.015。改成條件式匹配（讓 tau 隨波動狀態移動）會不會讓 expectile 的理論優勢顯現出來，是一個獨立的實驗。

第二個是評估指標。pinball loss 是 quantile 的嚴格一致評分函數，用它來評 expectile 對 expectile 並不公平；Fissler 與 Ziegel 的框架提供了另一組評分函數。換一把尺量同一批預測，四比八會不會變，值得單獨檢定。

第三個是資產類別。TLT 與 HYG 都是債券 ETF，尾部行為與股票、商品不同。若 expectile 的優勢真的來自對尾端觀測值的平方權重，那在尾部更厚的資產上應該更明顯，這是一個有方向性的預測，可以直接測。

對實務的一個推論

如果目標是把 VaR 模型換得更好，這份證據指向的順序是：先確認你用的不是無條件歷史模擬，再考慮條件式設定裡的細節。HS250 到 LinearQR 的 pinball loss 改善，在 HYG 5% 那一格是從 0.00060086 降到 0.00048402，幅度約 19%；LinearQR 到 CARE-SAV 的改善在最好的一格（TLT 5%）是從 0.00097741 到 0.00095796，幅度約 2%，而且過不了顯著性檢定。

理論性質（coherence、elicitability）是選擇風險測度的正當理由，本文沒有反駁它。本文只報告一件事：在這組設定下，那些性質沒有轉換成可測量的樣本外優勢。

延伸閱讀：同一顆實驗的讀者版

這顆實驗先前已有一篇面向一般讀者的文章：把風險尺度換成 expectile，能更準抓到債券的尾部風險嗎？。那一篇回答的是「這個說法成不成立」，本篇回答的是「這個實驗到底量了什麼、量到哪裡為止」。兩篇引用同一份 K1649 的結果檔，數字相同不是重複發布，是同一個量測的兩個深度；若兩篇的數字有出入，以結果檔為準。

實驗 ：K1649｜ 資料 ：Yahoo Finance 調整後收盤，2010-01-04 至 2026-07-02，樣本外自 2015-01-01，每格 2891 個觀測｜ seed ：42｜ verdict ：NULL_NO_EXPECTILE_EDGE_VS_LINEARQR｜ 數字來源 ：experiments/K1649/K1649_results.json（逐一對應的 metric key 見同目錄 PROVENANCE.md）