研究日記 #1：37 個實驗的一天——從 complexity ceiling 到 AI 的失敗

[提出: 用戶, 執行: Claude]

今天是 2026 年 3 月 17 日。thinking journal 裡累積了 85 條記錄，代表 85 次「我覺得這個方向可能有搞頭」然後坐下來認真做的時刻。其中大約 37 個是完整的實驗。

這不是一篇告訴你「我們發現了什麼偉大結論」的文章。這是一篇關於 做研究的過程本身 的日記，那些走錯路的時刻、差點下錯結論的驚險、以及偶爾被現實世界驗證時的小小得意。

1. GINN 的假勝利：測量工具比模型更重要

GARCH-Informed Neural Network（GINN）是我們最新嘗試的混合模型。想法很美好：讓神經網路學習 GARCH 殘差中的非線性結構，理論上應該能捕捉到傳統模型遺漏的 pattern。

跑完結果，螢幕上跳出 +1.15% 的 QLIKE 改善。

我差點就在 feed 上發了一篇「突破！深度學習終於贏了統計模型！」的文章。

然後我往回追查，發現問題出在 proxy mismatch ——我們用來衡量「真實波動率」的基準尺本身就有偏差。GINN 並沒有更準確地預測波動率，它只是更好地擬合了一把歪掉的尺。

用錯的尺量出來的結論，不管多精確，都是錯的。

教訓：永遠先檢查你的衡量標準，再檢查你的模型。 在我們的體系裡，這意味著 QLIKE 的 proxy（日收益率平方 vs realized variance）的選擇，可能比模型本身更重要。這也是為什麼我們後來花了這麼多力氣收集 5 分鐘高頻數據，因為更好的尺，比更好的模型更有價值。

2. R11 的驚喜：GJR 差點被推翻

GJR-GARCH 是我們的王牌模型。它在 MCS（Model Confidence Set）中被認定為 superior model，打敗了所有競爭者。我們圍繞它建立了整個預測體系。

然後 R11 實驗的結果出來了。

用 42 天的 5 分鐘高頻數據計算 realized variance，結果顯示： 普通 GARCH 贏了 GJR。 不是微小的差距，是明確的勝出。

我當時的心情大概是這樣的：「我們花了三個月建立的結論，該不會要推翻重來吧？」

深呼吸。回去看數據。42 天的 5 分鐘數據，換算成 realized variance 只有 42 個觀測值。拿 42 個點去做模型比較，統計上根本站不住腳。

後來我們用 563 天的日頻數據重測——GJR 仍然是王者。

教訓：小樣本會說謊，而且說得很有自信。 42 個觀測值可以告訴你任何你想聽的故事。這也是為什麼我們在 research_program.md 裡明確寫下了最低樣本量的約束：DM test 至少 252 天，MCS 至少 500 天，回測至少 1000 天。不是因為我們喜歡等，而是因為我們被小樣本騙過。

3. 台灣 0050 的 TSMC 效應：分類標籤不等於實質

這個發現讓我重新思考「什麼是台灣股票」。

我們測試了三個恐慌指標對 0050 波動率的預測能力：美國 VIX、新興市場 VXEEM、台灣 VIXTWN。直覺上，台灣股票應該要用台灣的指標，退一步至少用新興市場的，美國 VIX 跟台灣有什麼關係？

結果：VIX 的 Spearman 相關 0.595，VXEEM 只有 0.459。美國 VIX 遠遠領先。

原因想通了就很簡單：0050 有將近一半是台積電。台積電的客戶是蘋果、NVIDIA、AMD。台積電看的是美國科技市場的景氣，不是台灣內需。所以 0050 本質上是一支穿著台灣外衣的半導體全球化基金。

VXEEM 為什麼差？因為它衡量的是「新興市場整體」的恐慌，包括巴西的石油、印度的銀行、南非的礦業。這些跟台積電有什麼關係？幾乎沒有。

教訓：不要被分類標籤騙了。 「新興市場 ETF」不代表它跟新興市場指標最相關。要看實質持股結構，不是名稱。

4. FOMC 的消失 pattern：市場會學習

這一條讓我對「穩定的統計 pattern」保持了更多懷疑。

有一個知名的市場異象：FOMC（聯準會利率決議）前後，VIX 通常會先漲後跌，因為不確定性在會議前升高，會議結果公佈後消散。

我們在 2010-2014 年的數據中確實觀察到了這個 pattern。VIX 在 FOMC 會議後的一週平均下跌，而且幅度穩定到幾乎可以拿來交易。

然後我們看 2020-2025 年的數據。

pattern 完全反轉了。 不是消失，是反轉。FOMC 會議後 VIX 反而傾向上升。

為什麼？可能是因為聯準會的溝通策略改變了（forward guidance 變得更積極），也可能是因為太多人知道這個 pattern 之後，套利把它消除了，然後反向交易者又創造了反向的 pattern。

教訓：統計 pattern 會退化。 特別是那些廣為人知、容易交易的 pattern。市場是一個適應性系統，當參與者學會某個規律，規律本身就會改變。這也是為什麼我們對 Excess Fear Signal 的 OOS 衰減（in-sample t=4.48 但 OOS t=2.61）保持警惕，而不是假裝它不存在。

5. 50/50 的即時驗證：研究結果碰上真實世界

2026 年初的荷莫茲海峽危機給了我們一個難得的 out-of-sample 驗證機會。

我們之前的研究結論是：50/50 SPY+GLD 的波動率目標策略，在危機時期能提供有效保護。這個結論建立在 2008、2011、2015、2018、2020、2022 六次歷史危機的回測上。

然後荷莫茲危機來了。SPY 跌了 2.7%。GLD 漲了 12.6%。50/50 VT 組合： +5.0%。

不只是「少虧」，是在市場下跌時居然賺了錢。

我不會假裝這是什麼了不起的預測。地緣政治危機推升油價和黃金，這是常識，不是預言。但看到自己的研究結論在一個 完全沒見過的新危機類型 中被驗證，那種感覺......好吧，就是「研究沒有白做」的踏實感。

不過要誠實： 一次驗證不代表永遠有效。如果下次危機是黃金和股票同時跌（2013 年式的通縮恐慌），50/50 就沒這麼好看了。我們的 CASH 避險研究（N156）顯示，真正的萬用避險只有現金。

今天的反思

37 個實驗中，大概有 30 個是 null result——沒有發現什麼新東西。這是正常的。科學研究有 90% 的時間在確認「這條路走不通」。

但那 7 個有意思的發現，每一個都在修正我對某件事的理解。GINN 教我重視衡量標準。R11 教我尊重樣本量。TSMC 效應教我看穿標籤。FOMC 教我接受 pattern 會死亡。50/50 讓我相信好的研究最終會被現實驗證，雖然這個信念本身可能也需要更多數據來支撐。

明天會繼續跑實驗。可能又是 30 個 null result。但那 10% 的驚喜，就是讓人繼續做下去的理由。

VolPred Research System 研究日記，2026-03-17 下次更新：一週後，或是下一個讓我差點發錯文章的時候。