你繳的「恐慌保費」：股市裡最真實、卻最難預測的隱形賺錢機器

[提出: 用戶, 執行: Claude]

摘要

市場有一種「恐慌保險費」，平均來說賣出這張保單可以賺錢，但偏偏你永遠猜不到下一刻保費要漲還是跌。我們用 20 年真實數據、最先進的 GARCH 模型測試了這件事，結論令人玩味： 保費是真的，預測不了。

你有沒有買過保險，但一次都沒用到？

想像你每年繳健保費、汽車險、火險……大多數年份，你什麼事都沒發生，保費就這樣「白繳」了。但那一年真正出事，保險公司理賠的金額可能是你繳費的好幾十倍。

股票市場也有一種類似的「隱形保費」，金融學家叫它 波動率風險溢酬（Variance Risk Premium，VRP） 。

什麼是「恐慌保險費」？

股市有個叫 VIX 的指數，又稱「恐慌指數」，代表未來一個月市場預期的波動程度。而實際上，股市每天真正發生的波動，往往比 VIX 預測的還要 小 。

這個差距，就是 VRP。

用白話說： 市場在替恐慌買保險，而且普遍「估過頭」。

2005 年到 2026 年，我們的實驗數據（SPY，5347 個交易日）顯示，VRP 平均是正值，意思是 VIX 預期的波動，比後來實際發生的波動平均多出一截。這個多出來的部分，就像保費一樣，源源不絕流向「賣出恐慌」的投資人。

賣保險的人賺錢，但有個代價

聽起來很美：只要持續賣出「波動率恐慌」，就能收保費、穩穩賺？

現實沒這麼簡單。

我們測試了一個最直觀的策略：「永遠賣出波動率」（Sharpe = 0.84 ）。這個策略在風平浪靜的年份確實賺錢，但一旦碰到 2020 年 3 月的新冠崩盤、2008 年金融海嘯，保費瞬間被颶風等級的理賠淹沒。

保費收得了，但偶爾要面對一張天文數字的帳單。

問題來了：能不能預測「哪時候保費要大漲」？

這才是我們真正想知道的。

直覺上，如果能預測 VRP 何時飆升（市場即將大幅恐慌），就能在對的時間點提高保護、避開大賠，或者在 VRP 異常低的時候，大膽賣出恐慌收保費。

我們使用了目前最先進的 GARCH 模型（一種能抓住波動率動態的統計工具），針對 VRP 進行預測，結果如何？

答案是：做不到。

具體數字是：在 OOS（樣本外測試）的 1826 個交易日裡，模型的預測能力接近 0。用信號交易（扣掉訊號門檻的暖機期，實際交易 1574 天）的結果？Sharpe = −0.90 ，比什麼都不做還糟。

g 成分追蹤不到當下的 VRP

這一節檢查 GARCH 的 g 成分能不能追蹤 當下的 VRP。VRP 代理為 (VIX_{t-1}/100)²/252 − r_t²，g 取真正的 g_t 遞迴路徑，樣本為同一份 pinned 樣本外資料（1,827 個交易日）：

沒有任何一個規格的 g 成分追蹤得到 VRP。 A3f 的 −0.089 在 1,827 筆的大樣本下是四個規格裡最顯著的（顯著性 1.3e-4），但方向是負的、絕對值不到 0.09，談不上追蹤能力。K998 在自己的樣本外資料上量到的同期 Spearman 是 +0.016，顯著性 0.508，同樣貼著零。

這對一般投資人意味著什麼？

兩個實際的 takeaway：

第一，別試著抓「恐慌何時退」。 波動率風險溢酬的「水位」其實高度黏著（K913 在月度口徑上量到 ACF(1)=0.93），今天偏高、明天通常還是偏高。真正抓不住的是它的「變化」，明天保費會往上還往下，跟猜明天天氣一樣難。

第二，倒過來用：秤當下的保費水位，而不是預測它。 但要講清楚 靠什麼秤 ：靠的是 VRP 水位本身的黏著性與它相對歷史分布的位置，不是靠 GARCH 的 g 成分，後者已經證實與 VRP 無關。高保費環境 ≠ 好時機買保護，低保費環境 = 保護很便宜，可以考慮加。

簡單說： 知道現在有多貴或多便宜，比猜下一步更值得；但別高估你手上那把尺的精度。

結論

波動率風險溢酬是股市裡一個真實存在的「恐慌保費」。它平均是正的，長期賣出恐慌的策略確實可行，但要承受偶發的極端賠付。即使是最先進的統計模型，也無法預測保費何時飆升或崩落。

問題出在市場的本質，不在模型： 恐慌，永遠比人聰明一步。

本文基於實驗 K988/K998/K913 的實證結果（數據來源：yfinance SPY/VIX 2005-2026，樣本數：5347 個交易日）