§ RESEARCH ARCHIVE
研究日誌
VolPred 全部已發佈文章的時間序列，依發佈日期由新到舊排列。
1,939 ARTICLES先看專欄精選 →
- 697跑一萬次模擬，不一定比老方法更懂風險很多人一聽到「模擬一萬次」，直覺就會覺得這一定比老方法更準。 畢竟聽起來比較先進，算得也比較大陣仗。 但這次測試得到的答案剛好相反：在估「明天最糟可能跌多少」這件事上，跑很多次模擬的方法不只沒有明顯更好，反而常常輸給兩種更樸素的做法。 先看結果 這次拿 4 種風險估計方法做比較，搭配 2 種不同的市場風險讀法，標的是 SPY 和 QQQ，期間從 2019 年一路測到 2026 年。 整體結果很乾脆…→
- 698當壓力測試太「保守」，反而讓結果看起來比較差有一個問題，在論文審查過程中被提出來，聽起來像在挑毛病，但仔細一想，其實是很實在的方法論質疑。 --- 研究說了什麼 之前的研究（Paper 3）用模擬方法測試了一件事：用波動率控管策略（VT）對沖掉趨勢交易（TSMOM）成分後，大盤原本能跌多深的那個坑，有多少比例還是被保住了？ 具體做法是把 SPY、QQQ、DIA、IWM、50/50 股金組合（SPY 各半搭配黃金 ETF GLD），拿 200…→
- 699市場分成兩種狀態，再把極端行情看得更重，風險預測就會更準嗎？很多人對風險模型有一個很直覺的想法：市場本來就不是每天一樣平靜，有時候像平常、有時候像危機。如果模型能先分出「平靜期」和「緊張期」，再把極端波動算得更重一點，理論上應該會更準。 這個想法聽起來合理，所以很多學術模型都往這個方向走。問題是，合理不等於有用。 我們做了一個很直接的測試：把經典的波動率模型分成兩種市場狀態，再加上更能容納極端行情的厚尾設定，看看它到底有沒有比簡單做法更好。 答案很乾脆：沒…→
- 700幫風險模型多裝一大包聰明指標，結果反而更差做模型的人很容易有一種衝動：既然市場路徑那麼複雜，那我就多塞一些能描述「走法」的特徵進去，模型應該會更聰明。 例如，不只看最近一天、最近一週、最近一個月的波動水準，還去看它最近是不是在加速、是不是出現跳躍、是不是下跌造成的、甚至把市場恐慌指標和已實現波動的落差也一起丟進去。 這聽起來很合理。 我們用 SPY 的長樣本做了一次完整測試後，得到的答案卻很直接：多加這些特徵，不只沒幫忙，還把原本表現最好…→
- 701同一份資料、同一個模型，三次跑出三個不同方向——差別只在「多久重估一次」同一組研究資料，同一個統計模型，同一段測試期間。三次實驗，N225（日本股市）的核心統計量從 +2.31 變成 -1.92，再變回 +2.31。 這不是 bug，也不是資料清洗出了問題。三次實驗之間唯一有意義的差別，是模型多久重新校準一次：每五個交易日一次，換成每二十五個交易日一次，再換回每五個交易日。 統計量的正負號，就這樣跟著翻轉。 --- 為什麼要做這一組實驗 背景從 gap² PRG 系列…→
- 702Google 搜尋熱度真的能預測股市嗎？K789 的誠實答案Google Trends 在投資圈有一種長期迷思：散戶恐慌搜尋「股市崩盤」的次數飆高，代表底部快到了；搜尋量降低，代表市場情緒回穩，可以放心買進。這個邏輯聽起來合理，有「大數據」加持，又符合反向操作的直覺。 K789 實驗直接把這個邏輯拿去檢驗。結論是：預測不成立。 --- 怎麼測的，以及一個必須說清楚的問題 理想的做法是直接抓 Google Trends 的「股市崩盤」或「stock mark…→
- 703把兩個看起來都不錯的模型混在一起，為什麼最後還是贏不了最強那個？投資研究裡有個很直覺的想法： 如果兩個模型各有優點，那把它們平均、加權，甚至讓系統自己學權重，理論上應該更穩、更準。 這個想法聽起來很合理，所以很多人會自然以為： 單一模型很強，組合模型應該更強。 但 K1315 跑出來的答案剛好相反。 在 SPY 這條線上，把「只看歷史波動」和「加入 VIX 的模型」混在一起之後，結果並沒有變更好。最好的那個，還是原本就最強的 HAR-VIX 單一模型。 這次到…→
- 704如果美股影響台股的力道每天都在變，模型該怎麼辦？很多人看台股波動時，都會有一個很自然的想法： 美股前一晚如果很亂，今天台股應該也會比較亂。既然如此，把美股恐慌指標放進模型，理論上應該會更準。 問題是，美股影響台股的力道，不像水龍頭只有開跟關。 有時很強，有時很弱，有時甚至方向都會變。 這份實驗就在問一件事： 如果這個影響力天天在變，模型是不是也該跟著變？ 答案是：方向上有幫助，但還不夠大，還不能直接宣告翻盤。 先講最重要的結果 這次用的是 00…→
- 705台指期大部分的錢都在隔夜發生，但把它單獨抓出來做，反而沒那麼好賺很多人聽到一句話會立刻興奮起來： 「這個市場大部分的報酬都發生在隔夜。」 因為下一個直覺通常就是，那我乾脆只做隔夜，不就把精華都抓到了？ 這次做的，就是把這個想法認真拿去驗證一次。 答案不算否定，但也絕對不是那種可以直接拿去當交易口號的答案。 隔夜確實很重要，這件事是真的 先講最吸引人的那一半。 這次把台指期 2012-01-04 到 2026-04-08、總共 3,480 個交易日拆開來看，發現…→
- 706高頻資料終於能上場比賽了，但 37 天還太早宣布新王登基如果你真的拿到 5 分鐘資料，第一個想問的問題通常不是「資料乾不乾淨」，而是更直接的那句： 好，所以它有沒有比較準？ 這次實驗做的就是這件事。 在上一篇先確認高頻真實波動和日頻替代指標不是同一件東西之後，這次往前走了一步，直接把第一批可用的 SPY 五分鐘資料拿來做正式樣本外比較，看高頻版三層波動模型到底有沒有立刻翻盤。 答案是：還沒有。 但更重要的答案是：這不代表高頻路線錯了，只代表現在宣布它贏…→
- 707高頻資料比較細，不只是多幾根 K 棒：你漏掉的是波動自己的記憶很多人聽到「5 分鐘資料」時，第一個反應都是資料變多了。 但 K744 這次先回答的不是哪個模型會贏，而是一個更前面的問題： 如果你只用日線報酬去代表市場波動，你到底漏掉了多少東西？ 答案是，漏掉的不只是一些細節，而是波動本身最重要的兩個特徵：它有記憶，而且它不是平均分散在一天裡。 第一個差別：真實波動的延續性，遠比日頻替代指標強 這次用的是 SPY 在 2026-01-14 到 2026-03-…→
- 708💬 會員提問｜台股要到 6 萬點？我們用模型把這個假設拆開來看會員 yaoxk1431 丟來一個很具體的問題：假設三個月後台股漲到 60,000 點，現在哪些股票還沒到該有的價位、哪些產業值得佈局、到了 6 萬點該先做哪些準備。我把這三個子問題拆開，全部用 VolPred 的量化方法跑一遍，不喊單、不保證、不靠感覺。先說結論：6 萬點不是不可能，但它是一個比多數人想像中更猛的漲幅；而真正該花心思準備的，不是「買哪支」，是「萬一沒到、半路又先深跌一段，你的部位…→
- 709美國人在怕什麼，為什麼日本和德國的股市波動也會先發燒？很多人把 VIX 叫做「美股恐慌指數」。 這個名字沒有錯，但它很容易讓人以為：既然它是美股的東西，那它應該主要只對美國市場有用。 K949 想測的就是這個直覺到底對不對。 問題非常簡單： 如果 VIX 真的只是在量美國人的情緒，它為什麼能不能也提早反映德國、日本、歐洲大型股的波動？ 答案是：可以，而且比很多人以為的還穩。 這次測了哪些市場 這份實驗挑了五個市場代表： SPY：美國 FEZ：歐元區大…→
- 710少做一點假設，反而更接近真實風險很多風險模型都有同一個毛病：先假設市場大致長什麼樣，再去算你可能會賠多少。 問題是，市場最麻煩的時候，往往就是它最不像教科書假設的時候。 這次測試想回答的問題很直接。如果我們少做一點「市場平常應該長怎樣」的假設，只根據最近一段時間市場自己留下來的波動痕跡來估計風險，結果會不會更可靠？ 答案是：會，而且差距不小。 先說結果 這次比較了 5 種風險估計方式，測試標的是 SPY，樣本外期間從 2013…→
- 71140 次測試後，我們刪掉了五種最容易浪費時間的研究方向做投資最容易浪費的，不只是錢，還有注意力。 很多方法看起來很有道理，名字也很新，但最後只是把人帶去一條更繞的路。這篇回頭整理了 40 次測試，想回答的其實只有一個問題： 哪些路線看起來很聰明，但其實最容易白忙一場？ 最後留下來的是 5 條很直接的教訓。很多你在市場上看到的「新方法」「新指標」「新濾網」，其實都會掉進這幾個常見陷阱。 1. 漂亮的日頻績效，很多時候只是幻覺 有些策略每天看起來很厲害，…→
- 712把上一個實驗再算一次，原本的『顯著』就不見了一、上次到底發現了什麼？ 幾個月前我們做過一個實驗，想看半導體三檔股票（台積電、聯電、聯發科）在「公布盈餘的那段時間，股價波動會不會特別大」這件事，有沒有隨著年份慢慢變化。 當時結果看起來很漂亮。九個檢定有三個過關：聯電的趨勢過了、聯發科的趨勢過了、台積電的高低波動環境差異也過了。三個顯著結論，看起來像是抓到了半導體業特有的故事。 但上次實驗的紀錄裡有一段自我懷疑：那個檢定有沒有作弊？這次重做就是…→
- 713同一個模型，只是把尾巴想厚一點，風險警報就差很多[提出: 厚尾分布比較, 執行: Codex] 摘要 很多人以為模型骨架選對了，剩下只是小修小補。 這次比較告訴我們，事情沒這麼簡單。同一個波動率模型，只是把「極端虧損有多常發生」這件事想得更保守一點，風險警報就可能從紅燈變綠燈。 更有意思的是，這個改動對一般預測表現幾乎沒差，但對「會不會低估最壞情況」差很多。也就是說，一個模型表面上看起來差不多，實際拿去做風控，結果可能完全不是同一回事。 問題不…→
- 714市場最危險的時候，VIX 不是變高而已，它會開始彎[提出: K979 side finding, 執行: Codex] 摘要 很多投資人把 VIX 當成溫度計，覺得它每升一點，風險就等比例升一點。 K987 的答案不是這樣。我們用 SPY 與 VIX 從 2006 到 2026 的資料重做後發現，VIX 高檔時，未來波動率上升的速度大約是低檔時的 5.5 倍。也就是說，市場不是線性變危險，而是到某個區間後，風險會突然「彎上去」。 這也是為什麼簡單…→
- 715VIX 報的是恐慌，不是真實波動——有辦法同時吸收兩者的優點嗎？四月初，美股的恐慌指數 VIX 衝到 52，這是 2020 年以來最高。持股策略告訴你：現在波動太大，減倉。但如果你同時看統計模型估出來的「歷史波動率」，它只到 40 左右。兩個數字差了 25%，換算成建議倉位，差距相當明顯。 到底該信哪個？ 兩種波動率，量的是不同的事 先把概念說清楚。 VIX（恐慌指數）：從選擇權市場反推出來的數字。市場上有人願意付多少錢買「保險」，VIX 就高多少。不只是預測…→
- 716五個不同起點都過關，這個跨市場模型不是剛好猜中一次做量化研究最怕的一種情況，是模型只在某一段時間剛好贏。 前一版 Paper 3 的結果裡，TW0050 和日本 N225 這一組，是跨市場配對裡最強、也最需要做起點敏感度壓力測試的案例。問題也正出在這裡：如果最亮眼的那一組只在單一起點成立，會不會只是剛好挑到一段對它有利的樣本？ 這次做的事很單純，就是把外樣本起點往前往後挪，從 2014、2015、2016、2017、2018 各跑一次，檢查同一個…→
- 717K1416：HLN(1997) 小樣本修正的正式套用 — Paper 3 TW0050-N225 主張的穩健性確認K1416 的任務很具體：Paper 3 在投稿前必須確認，TW0050-N225 跨市場 copula 模型的顯著性，不只在單一 OOS 窗口成立，在五個不同起點下全數通過正式 HLN(1997) 小樣本修正的檢定。K1412 用 worst-case n=10 的近似值推論，沒有正式套用 Harvey、Leybourne、Newbold(1997) 的公式，K1416 是那個缺口的正式填補。…→
- 718SpaceX 還沒上市，被動資金的買單已經在排隊：指數納入正在變成一場可以倒數的波動率事件SpaceX 還沒掛牌，但有一件事幾乎可以先寫進日曆：它上市後不用多久，就會被塞進主要股票指數裡。而當它被塞進去的那一刻，全世界追蹤這些指數的 ETF、退休基金、目標日期基金，會在很短的時間內被「規則」逼著去買它的股票。不是因為基金經理看好，是因為他們的章程要求持股必須複製指數成分。 最近幾家大型指數公司又調整了規則，目的是讓超大型新股能更快被納入。對波動率研究來說，這不是一條普通的產業新聞。它代…→
- 719把同一個模型算慢一點，答案真的會變嗎？做研究時，最麻煩的一種懷疑不是模型失敗，而是模型看起來有答案，但你不確定那個答案是不是靠運氣撐起來的。 這次檢查的就是這件事。前一版實驗為了把時間壓下來，把模型每次找答案時的搜尋範圍大幅縮小。速度快很多，可是也多一個合理疑問：如果少算很多步，最後留下來的漂亮結果，會不會只是剛好？ 所以這次沒有再談大方向，只做一件很實際的事。我們從前一版的 1000 次重跑裡，固定抽出 20 次，用完全相同的資料和…→
- 720新主席首秀即放鷹：MOVE 指數說的話，VIX 還沒聽懂數據來源：yfinance（^VIX、^MOVE、^TNX）；BLS CPI 5月報告；Fed FOMC 6/17/2026 聲明及點陣圖 --- 六月十七日，Kevin Warsh 主持生平第一場 FOMC。結果是：利率沒動，點陣圖卻大動。 聯準會維持聯邦基金利率目標區間在 3.5-3.75%，表面上沒有意外，但點陣圖中位數從三月的 3.4% 上修至年底 3.8%，九位官員預期今年還會再升息至少…→