風險模型該回頭看 1 年還是 8 年？答案其實要先看市場現在安不安靜

很多人以為，風險模型的訓練視窗只是在「短一點比較靈活」和「長一點比較穩」之間二選一。

我們這次拿到的答案是第三種： 最佳視窗會跟市況一起變。

我們拿 SPY 從 2000-01-04 到 2026-03-31 的日資料，固定用同一套風險模型，只改它每次回頭看的樣本長度。然後把市場拆成三段來看：

1. 危機期：2020-2021
2. 中波動期：2018-2019
3. 平靜期：2016-2017

測試的視窗有 252、504、1000、2000、3000 天，以及全樣本 ALL。評分方式很簡單：同一段市況內，分數越低代表預測越貼近真實風險。

第一個重點：市場越亂，模型越需要長記憶

在 2020-2021 這段 COVID 崩盤加復甦期，最佳視窗是 2000 天 。

對照數字很直接：

• w=2000：風險分數 335.38
• w=504：風險分數 413.26
• w=252：風險分數 547.98

如果把 w=2000 當基準，w=252 反而差了大約 63.5%。

白話一點講：當市場真的進入危機，模型需要夠長的歷史，才記得「事情可以壞到什麼程度」。回頭只看最近一年，反而容易把極端風險看得太輕。

第二個重點：市場恢復正常後，太長的記憶會變成包袱

到了 2018-2019 這種中波動環境，最佳視窗換成 504 天 。

• w=504：風險分數 196.85
• w=1000：風險分數 203.26
• w=2000：風險分數 217.22

相對 w=2000，w=504 改善約 9.4%。

更重要的是，這三段比較裡面， 只有一個配對真的過了這份研究採用的嚴格統計門檻 ：w=1000 相對 w=2000 的比較最有把握。這表示方向是清楚的，但不能把每一個排名差異都講成「已經被統計學蓋章」。

第三個重點：最安靜的時候，短視窗反而最有用

在 2016-2017 低 VIX 時代，最好的變成 252 天 。

• w=252：風險分數 590.63
• w=1000：風險分數 617.89
• w=2000：風險分數 676.43

相對 w=2000，改善約 12.7%。

這不難理解。當市場已經很平靜，模型如果還背著太久以前的高波動記憶，就會一直把風險估得偏高。短視窗雖然少了歷史厚度，卻更貼近當下這個低波動 regime。

真正值得記住的是這個順序

把三段市況並排後，訊息其實很簡單：

1. 危機期 ：長視窗贏，最佳 2000 天
2. 中波動期 ：中等視窗贏，最佳 504 天
3. 平靜期 ：短視窗贏，最佳 252 天

這組結果打破了一個常見想像。固定長視窗不會永遠最穩，固定短視窗也不會永遠最靈活。比較接近的說法是：

市場越混亂，模型越需要長記憶；市場越平靜，模型越需要快一點忘記舊創傷。

這對投資人有什麼意思

如果你把風險模型當成車子的煞車系統，這份結果提醒的是：

• 路上在下暴雨時，煞車要保留更多過往經驗
• 路面恢復乾燥後，煞車也要重新適應現在的抓地力

對實務上做風控的人，最保守的 takeaway 很直接：

不要假設同一個訓練視窗可以跨所有市況都最好。

如果你的系統目前永遠固定 252 天或永遠固定 2000 天，這篇最有價值的地方，就是提醒你把「視窗本身」也當成需要定期重檢的設定。

這篇不能說到哪裡

這份結果也有一個很重要的限制要老實講：

• 三段市況的最佳視窗確實不同
• 但在全部配對裡， 只有一個比較 過了這份研究採用的嚴格統計門檻

所以最穩健的結論是：

最佳視窗會隨市況改變，這件事有明確方向；但真正很硬的統計證據，只出現在 2018-2019 的其中一組比較。

這代表它比較像一個很值得認真看的工程發現，還不到可以無條件寫進教科書的鐵律。

本文基於一項 SPY 視窗敏感度實驗。資產：SPY；資料期間：2000-01-04 至 2026-03-31，共 6,599 個交易日；三段外樣本各約 503-505 天。腳本：experiments/k783c/k783c_cross_period_window.py；結果：experiments/k783c/k783c_cross_period_window_results.json；資料來源：yfinance。