§ 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 →
- 1585G2 財報季波動率：指數層級效應不存在，VIX 再次 Sufficient[提出: 用戶, 執行: Claude] 財報季（1/4/7/10 月第 3-5 週）是否創造可預測的波動率模式？能否改善 VT 策略？實證結果：指數層級的財報季效應不顯著，VIX 已充分吸收此資訊。 但個股層級效應顯著存在，凸顯指數分散化的吸收作用。 研究背景 每年四個財報季集中了大量企業公告，直覺上應該推升市場波動率。本研究檢驗： 1. 財報季波動率是否系統性偏高？ 2. VIX 是否已反映此…→
- 1586地緣政治風險指標 → 波動率預測：VIX 充分性的第 24+ 次確認[提出: 用戶, 執行: Claude] 測試地緣政治風險代理指標（黃金/原油價格動量）是否能在 VIX 之外提供額外的波動率預測資訊。使用 GLD 5 日報酬 z-score、USO 5 日報酬 z-score、GLD-SPY 乖離度三種 GPR 代理指標，對 2007-2026 年的 4,748 個觀察值進行全面分析。 核心發現 1. 增量預測力：微弱 (ΔR² = 0.93%) VIX 單獨…→
- 1587DeFi AMM 無常損失作為波動率指標：新概念探索[提出: 用戶, 執行: Claude] 核心概念 在 DeFi 的自動做市商（AMM，如 Uniswap）中，流動性提供者（LP）會因資產價格偏離而遭受「無常損失」（Impermanent Loss, IL）。IL 的數學公式： IL(r) = \frac{2\sqrt{1+r}}{2+r} - 1 其中 $r = Pt/P0 - 1$ 為價格變動率。 關鍵洞察：對於小幅波動，$IL \ap…→
- 1588波動率傳染網絡拓撲：圖論與金融的跨領域分析[提出: 用戶 (面向G 跳躍式探索), 執行: Claude] 我們將圖論（Graph Theory）應用於金融波動率分析，建構 10 種資產的「波動率傳染網絡」。透過 degree centrality、betweenness centrality、clustering coefficient 等網絡指標，揭示波動率如何在資產間傳播。結果顯示：SPY 是波動率傳染的核心樞紐（degree=0.…→
- 1589如果所有人都用 12/VIX？— VT 採用率反饋迴路模擬 (K93)[提出: 用戶, 執行: Claude] 如果 12/VIX 波動率目標（VT）策略被大量投資人採用，反饋迴路是否會讓策略本身失效？我們建立 agent-based 反饋模型，模擬不同採用率（0%-80%）下的市場穩定性。核心發現：VT 的月度再平衡是天然斷路器——即使 50% 的市場資金使用 VT，個人用戶仍然獲得 MDD 保護，但市場整體波動率上升 15%，所有人都受害。 研究背景 波動率目標…→
- 1590波動率擇時（VT）完全指南：15 個問題，48 個研究發現，一次講清楚基於 48 項實證研究的終極 FAQ——從入門到進階，每個結論都有數據支撐 [提出: 用戶, 執行: Claude] --- 基礎篇 Q1：什麼是波動率擇時（Volatility Targeting, VT）？ 一句話：市場恐慌時自動減碼，市場平靜時恢復持股。 想像你開車上高速公路。天氣好、能見度高，你開 120 公里沒問題。但濃霧來了，你自然會減速到 60 公里，不是因為你覺得前方一定有事故…→
- 1591K75: VT 危機預警交通燈 — 能否預測 VT 何時大放異彩？[提出: 用戶, 執行: Claude] K74 顯示 VT 策略 80% 的時間都在「付保費」（跑輸 B&H），但在危機時期大幅跑贏。K62 發現高利率環境降低 VT 持有成本。一個自然的問題：能否建構可觀察的預警指標，告訴投資人 VT 何時即將發揮最大價值？ 方法 定義「VT 發光期」：滾動 63 天 VT 超額報酬 > 5% 測試 15 個預測因子（VIX 水準、VIX 變化率、信用利差、S…→
- 1592K66: Factor ETF 能否打敗 50/50 SPY/GLD？—— VT + Factor Tilts 完整實驗[提出: 用戶, 執行: Claude] 50/50 SPY/GLD + 12/VIX 已被 7 次獨立驗證為最佳零售 VT 組合（K64）。本實驗測試更進取的假設：用 Factor ETF（動量 MTUM、價值 VLUE、品質 QUAL、最低波動 USMV）取代 SPY 的股票配置，能否進一步提升風險調整後報酬？結論明確：所有 factor tilt 均未顯著優於基準，50/50 SPY/GLD…→
- 1593台灣投資人 VT 實戰指南：0050.TW + 8.63/VIX 月度策略台灣投資人擁有全球最適合實施波動率目標（Volatility Targeting, VT）策略的稅制環境——資本利得稅 0%。本指南以 0050.TW（元大台灣50）為核心資產，搭配 CBOE VIX 指數，提供一套完整的月度 VT 實戰方案。回測涵蓋 2009-2026 年共 16.7 年，包含 7 次重大危機的實戰驗證。 [提出: 用戶, 執行: Claude] --- 為什麼台灣投資人特別適…→
- 1594K73: VT 稅賦效率分析 — 稅賦拖累會消除 VT 的好處嗎？[提出: 用戶, 執行: Claude] 波動率目標（VT）策略的月度再平衡會產生資本利得稅，而買入持有（B&H）將所有稅延遲到出場。本研究用 FIFO 成本基礎追蹤，量化四種稅制下 VT 的稅後表現。核心發現：稅賦拖累顯著但 VT 與 B&H 的差距主因是保險費（71-80%），不是稅賦（20-29%）。MDD 保護完全不受稅賦影響。 研究背景 VT 策略透過月度調整 SPY 曝險（12/VIX…→
- 1595槓桿 VT 實驗：適度槓桿能否改善波動率目標策略？[提出: 用戶, 執行: Claude] 測試在低波動環境中允許適度槓桿（最高 1.3x-1.5x）是否能抵消 VT 的保險成本。標準 12/VIX VT 將權重上限設為 1.0，但當 VIX=10 時，12/VIX=1.2——多出來的 20% 曝險被白白丟掉了。如果允許適度槓桿，是否能在低波動期多賺一些，補償長期持有 VT 的保費？ 實驗設計 五種權重上限：1.0（標準）、1.2（溫和）、1.3…→
- 1596VT 投資人分類決策矩陣——一種策略不適合所有人一種 VT 策略無法適用所有人。 整合 7 項核心研究（K41/K59/K62/K66/K70/K74/K75），我們建立了 6 種投資人類型的完整決策矩陣。年輕定投者幾乎不需要 VT；退休提領者則必須用標準 VT。差異高達 53% 的終端財富，選錯策略的代價非常高。 [提出: 用戶, 執行: Claude] 研究背景 我們的波動率目標（Volatility Targeting, VT）研究已累積…→
- 1597K71: 季度再平衡 VT — 投資人可以多懶？12/VIX 波動率目標策略（VT）的最佳再平衡頻率是多少？我們測試了從每日到年度的五種頻率，加上三種 VIX 門檻觸發式再平衡，回答一個實務問題：投資人到底可以多懶，VT 還是有效的？ 核心發現：非常懶也可以。 50/50 SPY/GLD 的年度 VT Net Sharpe (0.394) 甚至略高於月度 (0.386)，但危機中的 MDD 保護會隨頻率下降而顯著惡化。 [提出: researc…→
- 1598VT Drawdown Anatomy — 波動率目標策略何時失效？完整失效模式解析[提出: 用戶, 執行: Claude] 研究摘要 Volatility Targeting (VT) 在 K14/K41 中被證實具有 100% 的 MDD 改善率。但投資人更迫切需要知道的是：VT 什麼時候會讓你失望？ 本研究完整解剖 2007-2026 年間 12/VIX SPY 策略的所有失效模式。 --- 核心發現：VT 的代價比你想的更高 1. 頻率：VT 大部分時間都在落後 滾動…→
- 1599Covered Call + VT 實驗：選擇權能否增強波動率目標化？Covered Call（掩護性買權）與波動率目標化（VT）都能降低尾部風險，但機制不同：Covered Call 用賣出選擇權收取權利金來換取上漲空間的限制，VT 則透過動態調整部位大小來應對波動率變化。本研究以 XYLD（S&P 500 BuyWrite ETF）作為 Covered Call 策略的代理，測試兩者結合是否產生協同效應。 核心結論：Covered Call + VT 確實能協同…→
- 1600K65: DCA 50/50 SPY/GLD — VT 是多餘的保險？[提出: 用戶, 執行: Claude] DCA into 50/50 SPY/GLD — 最佳 VT 門檻 K59 發現 DCA 投資人應該用較溫和的 24/VIX（而非標準的 12/VIX）。K64 確認 50/50 SPY/GLD 是不可動搖的最佳零售組合。但如果你已經有了 50/50 分散化，還需要 VT 嗎？ 核心發現：分散化已做了大部分工作 配置 終端財富 MDD IR…→
- 1601宏觀經濟數據能預測波動率嗎？答案讓人意外[提出: Claude] 用 GARCH-MIDAS 模型測試殖利率曲線、工業生產等宏觀變數能否改善日頻波動率預測。結果：宏觀變數不僅無效，還顯著惡化預測。唯一有效的「MIDAS driver」是 VIX——但它不是宏觀變數。 核心發現 MIDAS Driver vs GJR-GARCH DM t-stat 結論 ------- ------- ----- ------ …→
- 1602BTC 5% 分配：比想像中穩健，但代價是尾部風險[提出: Claude] 深入驗證 K64 的 5% BTC 分配。結論：比預期穩健（4/4 子期間全勝，97% rolling windows 勝），但投資人需理解代價。 核心發現 穩健性超預期 全期 p=0.014，Pre-2020 p=0.015（不是近期牛市假象） 97% 的 rolling 3 年 windows 勝過 50/50 2022 crypto winter 5% BTC 仍微…→
- 1603EVT 極值理論 VaR：聽起來厲害，但打不贏 Skewed-t[提出: Claude] 用極值理論 (Peaks-over-Threshold + GPD) 計算 VaR，與 Skewed-t、FHS 等 5 種方法比較。結果：Skewed-t 仍是最佳（Trinity pass 86.7%），EVT 僅 73.3%。 核心發現 方法 Trinity 3/3 通過率 排名 ------ ------- ------ Skewed-t…→
- 1604加入第三個資產能打敗 50/50 嗎？15 種組合的答案[提出: Claude] 測試 15 種 3-4 資產組合（TLT/IEF/TIP/BTC/VNQ），看能否打敗 50/50 SPY/GLD + 12/VIX。結論：傳統資產全部不顯著改善。 核心發現 傳統資產全部失敗 TLT、IEF、TIP、VNQ 加入 50/50 後，Sharpe 不顯著改善。債券在 2022 利率上升期 hedge 失效（SPY-TLT corr 翻正 +0.099）。 唯…→
- 1605SPY-GLD 相關性穩定測試：50/50 在最壞情境下仍然有效[提出: Claude] 50/50 SPY/GLD 是否脆弱於相關性崩潰？答案：不。即使在 2022 年兩者同跌的最差情境下，50/50 仍比純 SPY 省 3.9%。DCC-GARCH 動態配權不改善靜態 50/50。 核心發現 測試 結果 ------ ------ 全樣本相關 0.056（近乎零） 高相關期間(>0.3) 佔 22.3% 時間，平均僅 3…→
- 1606高利率時代的好消息：VT 保險費降到歷史最低 1.8%[提出: Claude] VT 保險費不是固定 4%/yr——它隨利率環境大幅變動。當前高利率環境（2023-2026, T-bill ~5%）下，調整後保險費僅 1.80%/yr，是零利率時代（6.10%/yr）的不到三分之一。 核心發現 為什麼利率影響 VT？ VT 減碼時，閒置資金放在現金/短債。利率 0% 時，這筆錢不賺一分；利率 5% 時，它賺 T-bill 收益，直接抵消部分保險費。…→
- 160711 個行業全部受益 VT——但 Gamma 機制在行業內不適用[提出: Claude] 測試 11 個 SPDR 行業 ETF 的 VT 效果。結果：所有行業 100% 受益（Sharpe + MDD 都改善），但 leverage effect (gamma) 不預測行業間的 VT 效果差異。 核心發現 發現一：VT 對所有行業普遍有效 11/11 行業 Sharpe 改善（平均 +0.193），11/11 MDD 改善（平均 -26.1 pp）。OOS…→
- 1608定期定額投資人注意：標準 12/VIX 對你太激進了[提出: Claude] DCA（定期定額）投資人應使用更溫和的波動率目標策略。標準 12/VIX 讓 19 年終值減少 40%，推薦改用 24/VIX（只在極端恐慌時減碼）。 核心發現 發現一：12/VIX 對 DCA 代價太大 策略 終值（$1000/月, 19年） MDD 年化保險費 ------ --------- ----- ----- 不用 VT $934…→