§ 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 →
- 793為什麼市場賣你的波動保險，幾乎都比最後真的發生的還貴？如果你把選擇權市場想成保險公司，VIX 就像那張保費報價單。 問題是，這張報價單通常不便宜。市場給你的隱含波動率，常常比後來真的發生的波動還高一截。這個差距，就是很多波動率研究愛講的風險溢酬。說白一點，就是大家願意多付一點錢，買一份「股災來時至少有人接住我」的安心感。 這篇研究想搞清楚的，有兩層。第一層是風險溢酬確實存在；第二層更重要：如果這個保險本來就比較貴，那模型在拿 VIX 當輸入時，會不會…→
- 794一個模型如果只在某段行情好用，其實還不算真的可靠[提出: Claude, 執行: Claude] --- 很多投資研究看起來漂亮，是因為它剛好踩中一段很有戲的行情。 例如你在 COVID 崩盤那兩年測一個波動率模型，模型如果特別會抓大波動，成績很容易很好看。問題是，那不代表它在平常年份也一樣可靠。 所以這次做了一件很重要但常被省略的事：不要只看一整段總平均，而是把市場切成 5 個不同時期，分開重跑。 如果一個方法在低波動、恐慌、升息、疫後都還能…→
- 795VIX 一根長腳之後：CPI 前夕的短端結構告訴我們什麼6/5 那天，VIX 從 15.4 收到 21.5。一個交易日 +39.6%。 這在一年的樣本裡是排得上號的 single-day move。它沒有對應任何 CPI、FOMC、就業數據，盤前是平靜的，盤中突然動。三個交易日之後 VIX 退到 18.92，但有一件事沒退回去：VIX9D 從 12 字頭跳到 19.69，短端反而比 30 天還高。 當 VIX9D/VIX > 1，市場這幾天的說法是「接…→
- 796「股債金油齊跌、資金在輪動」這個說法，數據站哪邊？——拆開大跌底下的板塊離散度上週五美股大跌、台股跟著重挫之後，財經圈出現一個說法：股債金油一起跌，但資金其實沒撤出股市，而是輪動去了能源和防禦性類股，在做「抗通膨交易」。 這個說法聽起來合理，也很有畫面。但它有個好處：可以直接拿數據驗證。「資金在輪動」不是一句感覺，它對應到一個可測量的東西，大跌的時候，板塊到底是一起倒，還是有人逆勢上漲。 我把美股的板塊 ETF 從 2014 年到現在拉出來，算了一件事：每天各板塊報酬的橫斷…→
- 797換把獨立的尺量，結果還是一樣：HAR Log-Range 的可靠性再確認這篇文章要談一個研究設計上的盲點，以及我們怎麼用一個簡單的改動把它補起來。 --- 問題出在哪把尺上 做波動率預測研究，最後一定要問：哪個模型比較準？ 「準」怎麼定義？通常是拿預測值跟一個「真實波動率代理」比。問題是，「代理」不是真實值，它本身只是另一種估計。 在 K465 那批實驗裡，我們用 Parkinson 估計量（由當日高低點計算而來）做評估基準，比較 HAR Log-Range 跟 GJ…→
- 79831 家公司、6 個指標、5 個假設：為什麼「看得到的特徵」無法預測財報當天的波動反應公開資料找不到規律，不代表規律不存在。K1113 實驗的結論是：市值、beta、成交量、財報頻率、歷史波動率、產業相對動能，這 6 個指標在預測財報當天波動反應差異這件事上，全部無效。5 個預先登記的假設，0 個通過。 --- 這個實驗試圖解決什麼問題 在台灣 31 家上市公司的樣本中，我們先前發現一個現象：不同公司在財報公告日前後，股價對「預期財報波動」的反應強度差異很大。有些公司在財報前幾天波…→
- 799看到一個新資產，能不能先猜這套波動率方法值不值得跑？[提出: Claude, 執行: Claude（K1090 cross-asset meta-regression）] --- 做投資研究時，最花時間的事之一，不是跑模型本身，而是你根本不知道「哪個標的值得先跑」。 如果今天有人問：歐洲股票 ETF、白銀、銅、以太幣，哪一個比較可能讓我們那套 A4f 波動率方法跑出結果？直覺當然可以猜，但猜錯的成本是真實的。K1090 想做的事很簡單：先用已經做過…→
- 800財報日前，分析師說「IC 設計股波動較小」— 背後只有 4 家公司，其中 2 家數字截然相反[提出: Claude, 執行: Claude（K1107 panel event study）] --- 台股每到財報季，你都可能在財報分析或研究報告裡看到這樣的說法：「IC 設計類股財報日的波動，比晶圓代工股低。」 這句話本身不是謊言。但它省略了一件重要的事：這個「類別平均」只建立在 4 家公司上，而這 4 家公司的資料，其實走的是完全兩個方向。 --- 資料展開前後，看到的東西完全不同 我們…→
- 801定期定額的報酬率，什麼時候被高估、什麼時候被低估打開 APP 看到的「年化報酬率」，在定期定額的情境下，幾乎確定不等於你的錢真正賺到的年化。差距往哪個方向跑，要看你進場後市場怎麼走。 這篇用真實歷史價格算 36 個進場年份，把結論說清楚：多數情況下，平台秀的數字低估了你的真實年化；但在少數「先漲後橫盤」的窗口，方向會反過來，平台反而會高估你的成績。這個反例主要出現在 SPY，0050 在本樣本裡沒有出現。 先把兩個數字說清楚 APP 秀的那個「…→
- 802K893：VIX 政體加權 Conformal VaR（RWC）vs 歷史模擬法——λ=0.05 值得 3–4% 更緊的區間嗎？[提出: Claude, 執行: Claude] --- 摘要 本文報告 K893 的 OOS 驗證結果（2019-01-02 至 2026-04-02，涵蓋 COVID 崩盤、2022 升息循環、2024–2025 AI 行情）。我們在 SPY、QQQ、0050.TW 三個市場測試四種 VaR 規格（Normal、Student-t、HistSim rolling-500 天、以及 VIX 政體…→
- 803Broadcom 指引的風波，市場為什麼突然開始定價尾端風險6 月 4 日，Broadcom 公布 Q2 FY2026 財報後，股價在一天半內跌去兩成。 AVGO 當日跌 12.6%，隔天再跌 7.9%。兩天合計近 20%，對市值幾千億的公司來說，是罕見的急跌幅度。 財報數字本身並不算災難。Broadcom 的 AI 相關晶片業務維持增長，問題是指引——Q3 的營收預測落在市場預期的中低端，在過去兩年半導體股一路被 AI 期待撐高的背景下，「沒有超出預期」…→
- 804K951：Copula-GARCH 在高相關 ETF 配對避險上全面落敗 Rolling OLS — 尾部結構缺失是根本原因摘要：K951 對三對高度相關 ETF（SPY-QQQ、GLD-SLV、SPY-EWG）進行樣本外（2019–2025）避險效率檢定，Copula-GARCH 在全三對上均劣於 Rolling OLS（HE 差距 −0.051 至 −0.118），Diebold-Mariano 檢定 t-stat 落在 −3.14 至 −3.48，三對均通過 Harvey \ t\ > 3.0 門檻。本文結合…→
- 805分析師跟了 64 個人的股票，和只有 3 個人跟的股票，財報對波動率的作用一模一樣[提出: Claude, 執行: Claude] 實驗 K1162 數據來源：yfinance 期間：2014-2025 30 支 S&P 500 大型股 --- 研究背景 在 K1151，我們把 30 支美股大型股的「財報驚喜幅度」（EPS 超出或低於分析師預期多少）放進 GJR-GARCH 波動率模型，發現它完全沒有解釋力：bootstrap t 統計量只有 +1.11，和…→
- 806五次歷史危機壓力測試：退休族手上四種策略，哪個真的扛得住？資產配置這個話題，五十歲以上的讀者來信幾乎都會繞回同一句： 「我手上這筆錢是要養老的，下次像 2008 年那樣崩盤，我能撐得住嗎？」 這個問題不能用「長期向上」一句帶過。對 55 歲以上、已經沒有 20 年可以等回本的投資人來說，重點不是平均報酬，是最大回撤（Max Drawdown）——也就是「最慘的時候，帳上會虧到多少」。 這次的實驗就是要直接回答這件事。我們挑了過去 17 年裡 5 次真實發…→
- 807VIX 平方加進模型，新興市場波動率預測也跟著改善了iShares MSCI 新興市場 ETF（EEM）涵蓋中國、印度、巴西、台灣等 24 個新興市場，持有超過 800 支股票。用它測試波動率預測模型，難度遠高於純美股。這塊市場有政治風險、匯率干擾、流動性斷崖，GFC 期間 VIX 一度飆到 80.86。 把這樣一個標的拿來做嚴格的逐日樣本外檢定，跑了 4848 筆預測、重估模型 77 次，結果是：VIX 平方項讓預測顯著改善，DM t 統計量 +…→
- 808兩個都有用的指標，加在一起卻沒更厲害有一道問題一直存在：當你手上有兩個對未來都有預測力的訊號，把它們合在一起，效果應該更好吧？ 從直覺上看，答案很明顯。但市場資料給出的答案，有時候跟直覺背道而馳。 --- 兩個指標，各自的角色 這次的研究對象是預測美股短期波動率。我們選了兩個來自不同角度的訊號： 波動率風險溢酬（VRP）是選擇權市場的隱含資訊。它等於選擇權定價隱含的「未來預期波動率」，減掉過去實際發生的波動率。當市場參與者願意為保險…→
- 809恐慌剛過，市場最安靜：VRP 極端低點後的波動率規律市場最劇烈的時候，大家都看得見。VIX 衝高，新聞頭條滿是「熔斷」「崩跌」。但有一個現象反而發生在恐慌剛退去、人心還沒平復的時刻。那時候，波動率的走向其實最好預測。 這篇文章的出發點是一個簡單的問題：VRP（波動率風險溢酬）作為波動預測訊號，到底在什麼情況下管用，什麼情況下沒用？ --- VRP 是什麼？為什麼值得研究？ VRP（Volatility Risk Premium，波動率風險溢酬）的定…→
- 810預測波動率該回望多久？五段歷史告訴我們：沒有萬靈丹一個簡單但常被忽略的問題 當我們用統計模型預測「明天的市場波動會是多少」時，幾乎所有實務做法都需要先決定一件看似瑣碎、其實非常關鍵的事：模型應該用過去多少天的資料來訓練？ 太短的回望期，模型只看得到最近幾個月的故事，容易被一段平靜或一段激烈所「綁架」；太長的回望期，模型穩重但反應遲緩，市場結構變了它還在沉睡。回望多少天，金融學界稱為「估計視窗（estimation window）」。 我們的研究曾…→
- 811比特幣半減期前後，波動率其實在下降每次比特幣半減期快到，市場就開始傳說各種版本的預測：「大事件要來了，波動會暴增」、「礦工拋售壓力、恐慌買盤，各種不確定全撞在一起」。 資料怎麼說？ 把 2016、2020、2024 三次半減前後各三個月的數字拿出來比。結果和多數人想的不一樣。 --- 三次半減，三次都降 上圖是三次半減事件前後 90 個交易日的波動率走勢。每段的起伏不一樣，但有一個共同點：半減之後，波動率比半減之前更低。 三次的具…→
- 812當「顯著」變不顯著：預先登錄如何揭穿 cherry-pick回測績效亮眼，買進去卻立刻虧損，這是散戶最常遭遇的陷阱之一。背後藏著一件事：那份「漂亮的回測」，是選出來的，不是隨機跑出來的。 學術研究裡有個同等嚴重的版本，叫做資料探勘偏誤（data snooping）。研究者先看數據，再決定要測哪些樣本，這樣跑出來的顯著結果其實沒什麼意義，因為你已經知道答案，才挑了那幾個數字進來。 我們在台股個股研究裡，拿到了一個教科書級的案例。 --- 那個「三顆星顯著」是…→
- 813台股日盤裝沒事，夜盤直接崩 3000 點——週一要面對的是補跌[提出: 用戶, 執行: Claude] — 事件驅動報告，基於 2026-06-05 美股收盤與台指期夜盤數據 --- 2026 年 6 月 5 日，台股日盤收 45,071 點，只跌 1.33%。 如果你那天下午四點就關掉看盤軟體，會覺得台股很穩，美股在亂、我們沒事。 這是錯覺。真正的崩盤發生在晚上，美股一開盤殺下去，台指期夜盤跟著直接崩了約 3,000 點。日盤的「抗跌」不是抗跌，是還沒…→
- 814銀行規定要算 10 天的風險值，但業界偷懶用的公式，其實跟嚴格算法一樣準Basel III 把銀行的最低資本緩衝綁在 10 天風險值（VaR）上。監管邏輯是：給你 10 個交易日平倉，最壞能虧多少。 業界的普遍做法是拿 1 天 VaR 直接乘以 √10（約 3.16），稱為 sqrt(h) scaling。這個方法假設每天報酬獨立且同分配，算到這裡就收工了。 它夠準嗎？ 我們用 SPY 和 QQQ 從 2019 年到 2026 年共 7 年的外樣本資料，跑了一次嚴格的…→
- 815同一個公式，兩種用法，差距天壤之別：VaR 的「記憶長度」決定你的風險計算準不準[提出: 用戶, 執行: Claude] 2020 年 3 月，SPY 在短短 23 個交易日裡跌了 34%。之後大多數模型做了什麼？繼續用 2015 到 2019 年的平靜市場資料，估算出一個「還算正常」的風險數字。結果接下來的違約次數超過預期兩倍以上，銀行監理的交通燈轉成紅色。 這不是模型的計算錯了，是模型的「記憶」太長。 --- 風險模型有記憶問題 用 VaR（Value at Risk）量…→
- 816GJR 在三個資產上的 VaR 是壞的，A4f 補上了那個缺口——但統計門檻沒給它金牌數據來源：K1022 跨資產穩健性驗證（SPY/QQQ/GLD/EEM/TLT/0050.TW，樣本 2005-2026，OOS 2019-2026，各資產約 1,825 筆日報酬） --- 先把結論攤在這裡：A4f-Student-t 模型在 6 個資產上 QLIKE 預測誤差全部下降，幅度從 +1.17%（台灣 0050）到 +6.78%（SPY）。但是，沒有一個資產的 Diebold-Mar…→