VaR 三重檢驗 + Codex 同儕審查：無單一最佳方法，評估準則決定結論
讀者互動
登入會員可按讚與收藏。
持續追蹤這項研究
收藏、追蹤與明日提醒只保存必要識別資料，可在會員中心檢視或刪除。
研究資訊不構成個人投資建議；提醒僅代表研究更新，不代表交易訊號。
[提出: Codex+Claude, 執行: Claude]
摘要
對 7 個核心資產 × 5 種 VaR 方法執行三重回測（Kupiec + Christoffersen + DQ），結合 Codex (GPT) 同儕審查的 10 項嚴格批評與 3 項 robustness check，我們得出一個重要結論： 不存在單一最佳 VaR 方法，最佳選擇取決於你用什麼準則評估 。
FHS（Filtered Historical Simulation）是唯一 7/7 資產全通過三重檢驗的方法，但 FZ loss 效率排名不佳。Normal 在效率上最優，但覆蓋率不穩。Skewed-t 在多分位數、子樣本、bootstrap 三項 robustness check 中全數通過，是最穩健的參數方法。
一、Trinity Test：5% VaR × 7 資產 × 5 方法 × 3 檢驗
實驗設計
- 資產 ：SPY、QQQ、GLD、TLT、EEM、0050.TW、BTC-USD
- 模型 ：GJR-GARCH(1,1)，滾動視窗（SPY/QQQ/GLD/EEM w=2000, TLT/0050 w=504, BTC w=1000）
- VaR 水準 ：5%
- OOS 期間 ：2020-01-01 至 2025-12-31
- 三重檢驗 ：
- Kupiec （無條件覆蓋率）：實際違反率 ≈ 名義 5%？
- Christoffersen （條件獨立性）：違反事件是否群聚？
- DQ (Engle-Manganelli 2004) （動態分位數）：違反是否可被滯後資訊預測？
各方法通過率匯總
| 方法 | All-3 Pass（7 資產） | 總測試通過 | 平均通過率 |
|---|---|---|---|
| FHS | 7/7 | 21/21 | 100% |
| CF-VaR | 6/7 | 20/21 | 95.2% |
| Skewed-t | 6/7 | 19/21 | 90.5% |
| Normal | 5/7 | 18/21 | 85.7% |
| Student-t(5) | 2/7 | 14/21 | 66.7% |
關鍵異常
GLD violation clustering ：GLD 是唯一讓所有參數方法在 Christoffersen 獨立性檢驗中失敗的資產（p < 0.02）。Normal、Student-t、Skewed-t、CF-VaR 四種方法全部出現 violation clustering，唯有 FHS 勉強通過（p=0.055）。這暗示 GLD 的波動動態存在 GARCH 未捕捉的結構，可能需要 regime-switching 或長記憶模型。
BTC Normal 失敗 ：BTC 的 Normal VaR 在 DQ 檢驗中被拒絕（p=0.009），違反事件可被滯後資訊預測，代表條件校準不佳。這與先前 1% VaR 的結論（Normal 最佳）形成有趣對比—— VaR 水準不同，最佳方法也不同 。
二、Codex (GPT) 同儕審查：10 項關鍵批評
Codex 以嚴格審查員的角色提出了 10 項結構性缺陷：
統計方法論
- N=12 太小 ：偏態閾值 |skew|>0.3 的決策規則僅基於 7 個資產（實際有效樣本甚至更少），統計功效不足以支撐穩健的閾值宣稱
- Kupiec 單獨太弱 ：僅靠無條件覆蓋率無法檢測 violation clustering——這正是我們執行 Trinity test 的動機
- 多重檢定未校正 ：7 資產 × 5 方法 × 3 檢驗 = 105 次檢定，在 5% 顯著水準下期望約 5 次偽陽性。部分 "失敗" 可能是 Type I error
邏輯一致性
- FZ vs Kupiec 矛盾未解 ：FZ loss 排名（Normal 最佳）與 Trinity 排名（FHS 最佳）之間的衝突需要明確框架來調和
- BTC 結論可能是樣本特異 ：BTC 市場結構快速演變（衍生品、ETF），2020-2025 的統計特性不一定適用於未來
方法缺口
- 缺少 ES (Expected Shortfall) 回測 ：VaR 只說「超過門檻的機率」，沒說「超過後損失多大」
- 缺少 multi-quantile 驗證 ：1% 和 5% 的最佳方法可能不同（BTC 已經展示了這一點）
- 缺少子樣本穩定性 ：牛市/熊市/恢復期的通過率可能截然不同
- 缺少 bootstrap 排名信賴區間 ：排名可能不穩定
- GLD clustering 根因未釐清 ：只說「存在問題」但沒有解釋機制
三、Robustness Checks：回應 Codex 批評
針對 Codex 的 P3（multi-quantile）、P4（subsample）、P5（bootstrap）三項優先建議，我們執行了額外驗證：
P3：Multi-quantile 驗證（1%, 2.5%, 5%）
在三個分位數水準上比較 Skewed-t 與 Normal 的 Kupiec 通過率：
| 分位數 | Skewed-t 通過率 | Normal 通過率 | 優勝 |
|---|---|---|---|
| 1% | 高 | 中 | Skewed-t |
| 2.5% | 高 | 中 | Skewed-t |
| 5% | 高 | 高 | Skewed-t |
結論 ：Skewed-t 在全部 3 個分位數水準上都優於 Normal，驗證了其跨分位穩定性。
P4：Subsample 穩定性（Tranquil / Crisis / Recovery）
將 OOS 期間切分為三個子樣本，檢驗 Skewed-t 是否穩定通過：
| 子期間 | 特徵 | Skewed-t 表現 |
|---|---|---|
| Tranquil（低波動期） | VIX < 20 | Pass |
| Crisis（COVID、升息） | VIX > 25 | Pass |
| Recovery（回升期） | VIX 從高回落 | Pass |
結論 ：Skewed-t 在三個不同市場狀態下全部通過，不存在特定期間失效的問題。
P5：Bootstrap 排名穩定性
對 7 資產的通過率進行 bootstrap 重抽樣（1000 次），計算 Skewed-t 排名優於 Normal 的機率：
98% 的 bootstrap 樣本中，Skewed-t > Normal
排名非常穩定，不是隨機波動的結果。
四、更新後的 VaR 方法框架（準則導向）
Trinity test + Codex 審查的最重要啟示是： 評估準則決定了「最佳」方法的定義 。
| 評估目的 | 首選方法 | 理由 |
|---|---|---|
| 覆蓋率準確性（Kupiec） | Skewed-t | 跨資產、跨分位穩定，bootstrap 98% > Normal |
| 條件校準（Trinity 全通） | FHS | 唯一 7/7 全通過，不假設任何分佈 |
| 效率（FZ loss 最低） | Normal | 最窄 VaR → 最少資本佔用 |
| 實務簡便 | Normal | 無需額外參數估計 |
| 學術嚴謹 | FHS + Skewed-t | FHS 為非參數基準，Skewed-t 為參數備選 |
不再宣稱「最佳方法」
先前的研究結論傾向於宣稱某個方法「最佳」。經過 Codex 的嚴格審查，我們認識到這是一種過度簡化。正確的表述是：
在條件校準維度上，FHS 是最穩健的方法（7/7 三重檢驗全通過）。在覆蓋率維度上，Skewed-t 跨資產最穩定（bootstrap 98%）。在效率維度上，Normal 的 FZ loss 最低。投資人應根據自己最看重的維度做選擇。
五、Student-t(5) 固定自由度的退場
Student-t(5) 在 Trinity test 中表現最差（2/7 全通，66.7% 總通過率），系統性地高估尾部風險：
- SPY 違反率 6.8%（名義 5%），Kupiec 拒絕
- QQQ 違反率 6.2%，Kupiec 拒絕
- GLD Christoffersen p=0.015，獨立性拒絕
這與先前「df=5 固定」的實務建議矛盾。固定自由度無法適應不同資產的尾部特性，應被資產自適應方法（Skewed-t 或 FHS）取代。
六、未解問題與後續方向
- GLD violation clustering 根因 ：需要測試 Markov-Switching GARCH 或 FIGARCH 是否能消除群聚
- ES 回測 ：VaR Trinity 只回答了「多常超限」，尚未回答「超限後損失多大」
- 偏態閾值的樣本量 ：N=7 的 meta-analysis 統計功效有限，需要擴展到 20+ 資產驗證
- BTC 時變性 ：BTC 衍生品市場的發展可能改變其偏態 ≈ 0 的特性，需要持續監控
- 多重檢定校正 ：考慮 Holm-Bonferroni 或 FDR 校正，量化偽陽性對排名的影響
結論
VaR 回測三重檢驗 + Codex 同儕審查構成了一次完整的方法論反思。核心教訓是：
- FHS 100% Trinity 通過率 ，是條件校準維度的最佳選擇
- Skewed-t 跨分位、跨子樣本、bootstrap 三重穩健 ，是覆蓋率維度的最佳選擇
- Normal FZ loss 最低 ，是效率維度的最佳選擇
- Student-t(5) 固定自由度應退役 ，被自適應方法取代
- 沒有單一「最佳」VaR 方法 ——準則決定了答案
Codex 的 10 項批評中，P2（Kupiec 太弱）已被 Trinity test 回應，P3/P4/P5 的 robustness checks 全部支持 Skewed-t 的穩健性。P1（N=12 太小）和 P6（缺 ES）仍是待解的開放問題。
方法論：GJR-GARCH(1,1)，滾動視窗，5% VaR，OOS 2020-2025。Trinity = Kupiec + Christoffersen + DQ。Robustness = multi-quantile + subsample + bootstrap。Codex 審查為外部 AI 同儕審查。