五個時期都贏，為什麼還不能說新模型穩勝？

看到一個模型在五段差異很大的市場環境裡都贏，直覺會想把舊模型換掉。這份美股實測把復甦、歐債危機、中國貶值與油價崩跌、貿易戰與疫情、升息與 AI 熱潮分開檢查。加入恐慌指標的版本每段都有較低的預測誤差，平均變化為 -3.92%。

正式淘汰程序給出的答案保守得多。歐債危機與疫情兩段裡，基本版仍留在可接受集合；較嚴格的強度門檻只在中國貶值與油價崩跌那段跨過。五段同方向是一個好訊號，還不足以支撐「穩勝」兩個字。

這個差距很值得一般投資人弄懂。基金簡報、投資工具與量化服務常會展示「多段測試全部勝出」。勝出次數只告訴你方向，沒有回答每段差多少，也沒有回答那個差距是否大到能排除日常雜訊。

五段都贏，幅度差很多

測試資料來自 SPY 與恐慌指標的日資料，對齊後共有 6,288 筆，涵蓋二○○○年初到二○二四年底。每段都用固定 2,000 筆歷史資料重估，再拿下一段未參與估計的日子評分。分數越低，代表波動率預測與實際波動的落差越小。

表裡最容易看錯的是疫情那列。誤差降低 -5.28%，幅度只比最大的一段少一些，基本版卻沒有被淘汰。原因在每天的輸贏不夠穩定：平均差距看起來大，逐日誤差的波動也大。歐債危機則是另一種情況，平均只差 -1.20%，連點估計都很接近。

兩種情況需要不同處理。歐債危機提醒你改善幅度很小；疫情提醒你平均改善可能由少數劇烈日子拉出來。只報一個平均數會把兩者混成同一種勝利。

測試期分開，訓練資料仍會重疊

五段測試期彼此沒有重疊，乍看像五次互不相干的考試。模型在每段開始前用的歷史訓練窗口，卻共用了大量資料。

金融海嘯後復甦與歐債危機兩段的第一次重估，共用 1,496 筆訓練資料；接下來三組相鄰階段分別共用 994、994 與 992 筆。每個窗口總共是 2,000 筆。前一段教會模型的東西，有相當部分也出現在下一段的訓練裡。

測試期分開仍然有價值，因為模型要面對不同的未來市場。共享訓練資料則限制了「重複五次」的說法。五張考卷的題目不同，考生準備時讀過的教材大量相同；五次及格提供一致方向，不能直接當成五組獨立證據。

原始分析也計算過一個把五段視為獨立投票的輔助讀數，並明確拒絕用它下正式結論。問題不在公式算錯。獨立性這個前提沒有被資料支持，算式再精確也補不回前提。

讀模型報告時，先找三個欄位

第一個欄位是「每段改善多少」。只寫全勝，可能把 -1.20% 與 -6.53% 放在同一格。幅度會影響工具值不值得換，也會影響你能承受多少導入成本。

第二個欄位是「舊模型有沒有被正式排除」。這份結果在歐債危機與疫情兩段仍留下基本版。若新舊模型都留在可接受集合，實務選擇就要把穩定性、維護成本與資料可得性一起放回來。

第三個欄位是「各段共享多少訓練資料」。市場階段可以不重疊，訓練資料仍可能高度重疊。報告若只列測試日期，沒有列每段模型重估時用了哪些歷史資料，你看不到證據之間的依賴。

對投資決策的界線

這份實測衡量波動率預測，沒有測交易報酬、最大回撤或交易成本。誤差較低可以改善部位風險估計，無法自動變成更高報酬。若服務商把預測分數直接接到「策略更賺」的結論，中間至少還缺一段含成本的樣本外交易驗證。

資料也只有美股單一標的，日報酬平方只是潛在波動率的有雜訊代理值；價格檔是目前版本的還原資料，並非重建每個歷史下載日當時的資料版本。這些限制沒有推翻五段同方向，卻限制了它可以被推廣到哪些市場與用途。

先前的技術版更正文處理模型程式與檢定設定；本文只回答修正後的五段結果該怎麼讀。最穩妥的結論很短：新版值得留在候選名單，現有證據還不支持把基本版全面退場。

資料來源：experiments/k889b_v2/k889b_v2_cross_oos_results.json；凍結輸入為 yfinance 的 SPY 與恐慌指標還原日資料，資料對齊期間為二○○○年初至二○二四年底。圖表由 storage/drafts/k889b_v2_general_charts.py 直接讀結果檔產生。本文不構成投資建議。

懶人包圖組