CURATED COLUMNS
專欄作品
從完整研究歷史中選出的代表作品，依入選日期由新到舊排列；入選 14 天內標「新入選」。
- 新入選
🌡️ 事件溫度計｜台積電週四開法說：隔天早上 2330 開盤跳多少，前一晚紐約的 ADR 已經寫了九成；開盤之後，四十九場的紀錄沒有方向
台積電十月十五日（週四）下午兩點開第三季法說會，台股一點半已經收盤。2330 第一次能對法說內容出價，是十月十六日早上九點。 中間隔著一整個紐約交易時段。台北時間週四晚上九點半，台積電 ADR（代號 TSM）在紐約開盤，週五清晨四點收盤。等台北開盤的時候，美國投資人已經對同一份財報投票了一整天。 所以這篇只問一件事：那一晚 ADR 的漲跌，對週五早上 2330 開盤會跳多少，說了多少？開盤之後，還…
- 新入選
🌡️ 事件溫度計｜非農剩最後兩個交易日：191 次公佈日裡，這段沒有比平常多動
美國 7 月就業報告在 8 月 7 日星期五公佈。從這篇發出去算起，能動的只剩兩個交易日。 先把當下的讀數擺出來。8 月 4 日美股收盤，VIX 收 16.5（2026-08-05 每日策略建議，依 8 月 4 日收盤，同篇另列 SPY 與平台 GARCH 波動率讀數）。16.5 屬於 15-20 這一格。 這個發布槽的名字叫 T-2，是日曆階段的標籤。研究口徑的條件水位是寫稿當下唯一存在的收盤，…
K1929：週選上市後只剩 31 個純星期三——台指期結算日效應的預註冊檢定為何無法識別，以及資料閘少算了什麼
本文報告一個預註冊實驗如何在資料閘放行之後失去識別力。K1929 檢定台指期近月合約（TX）日盤在月結算日（EM）與週三週選到期日（EW）的日內波動是否異於其他交易日，樣本為 2012-01-02 至 2026-10-01 的 3603 個交易日。三項主檢定都沒有拒絕虛無假設（Holm 家族 3 項，拒絕 0 項），但這個「沒有拒絕」不能讀成「沒有效應」：由實現 HAC 標準誤換算的最小可偵測…
市場從高點大跌之後減碼，能勝過波動率目標嗎？一百年的美國市場資料，預先註冊的檢定沒有找到證據
股票從前一個高點跌得很深的時候，把曝險降下來，會不會比「依近期波動調整曝險」的波動率目標更好？前者直覺，後者是常見的風險管理做法。 我們用美國市場一百年的日資料，把這個問題做成預先註冊的檢定。兩個檢定都沒有找到證據。 先交代三個前提 這是事後更正後的版本。 原先的顯著性檢定（SPA 重抽）在每次重抽時，把一個校準參數固定在全樣本的估計值；看過結果之後，我們把它改成每次重抽內重新估計。 更正讓兩個機…
HAR 波動預測的誤差往哪邊偏：六成交易日高估，平均誤差卻幾乎是零
波動預測圈流傳一種說法：模型在市場最亂的時候會被嚇到、把未來的波動估得太高；市場安靜下來之後，又會被慣壞、估得太低。如果這句話成立，等於是一個可以直接拿來用的校正規則，波動高的時候往下修，低的時候往上修。 拿 SPY 從 1993-02-01 到 2026-09-11 的日收盤資料檢查這句話，資料不支持。 怎麼檢查 HAR 是波動預測最常見的起手式：把「昨天」「上週」「上個月」三個時間尺度的已實現…
有效樣本是六，不是七十五——K1536 事件研究的推論單位問題
我們先前寫過〈「破壞生態的商品比較危險」聽起來很對，資料把它擋了回來〉，那篇回答 K1536 的主問題：高生物多樣性足跡的商品代理，波動是否高於金屬與能源控制組。答案是沒有，全樣本方向還是反的。那個結論沒有變，本文也不打算翻它。 這篇處理的是結果檔裡一個前作沒有展開的細節：同一組事件研究，results.json 裡存了兩套推論，兩套的點估計完全相同，p 值差了一個量級。 前作引用的是保守的那一套…
保證金骨牌的四個關節：這波台股回檔，去槓桿真的接上了嗎
週五那根長黑收在 100.15，0050 單日跌 5.87%，是 2026 年到目前為止最重的一天。第二重的是 3 月 9 日的 4.23%。從 6 月 22 日的高點 111.15 算，這檔 ETF 退了 9.9%。 跌幅本身不算大，快的是速度。20 日已實現波動在 7 月 16 日還是年化 28.4%，隔一天直接跳到 35.2%。 跌完的解釋幾乎是同一套：融資堆太高，槓桿被清洗，去槓桿的骨牌開…
把恐慌指數餵給波動率模型，七年半後的成績單
預測明天的波動有多大，最省事的做法是只看股價自己：昨天跳得凶，今天大概也不會太安分。課本裡那套標準的波動率模型就是這樣運作的，它只吃一種原料，就是報酬率的歷史。 問題來了。芝加哥交易所每天都在公布 VIX，那是選擇權市場對未來 30 天波動的定價，是一群真金白銀的人押出來的看法。既然這個數字擺在螢幕上免費看，模型為什麼不拿來用？ 我們把這件事跑到底：從 2019 年初到 2026 年 7 月 10…
你花大力氣讓模型「動態調整」，卻讓避險效果變更差
SPY 與 E-mini S&P 500 期貨（ES=F）的相關係數是 0.974。 這個數字看起來理所當然，畢竟 ES 期貨就是追蹤 S&P 500 的。但正是這個「理所當然」，讓許多人在選擇避險工具時犯了一個代價不小的錯誤：誤以為模型越複雜、越動態，避險效果越好。 我們用 SPY 與 E-mini S&P 500 期貨 2010 年至 2026 年、共 4,084 個交易日的數據，嚴格測試了六…
Student-t DCC 比 Gaussian DCC 高級嗎？三資產風險平價的誠實答案
把股票、債券、黃金組合在一起，怎麼分配比例才能在賺錢的同時少虧？這個問題困擾過每一個認真想做資產配置的投資人。 教科書告訴你：金融資產的日報酬不是常態分配，尾部比鐘形曲線寬得多。所以，建模時應該用 Student-t 這類「胖尾分配」才更貼近現實。 這個邏輯聽起來無懈可擊。但當我們真的把 Gaussian（常態）和 Student-t 兩種假設套進同一個組合模型，跑了五年真實 OOS 回測後，答案…
VIX 是美國的恐慌指數，不是台灣的救命稻草——626 天台指期實測
想像你是一位台灣的投資人，手中持有台指期貨部位。每天早上打開彭博，你看到美國 VIX 又飆到 30 以上，你的第一反應是：「完了，今天台指期要大跌，趕快減倉。」 這個直覺感覺很合理。VIX 是全球恐慌指數，美股波動放大時，台灣市場應該也會跟著震盪，對吧？ 我們用 626 天的台指期實際數據，嚴格測試了這個假設。結論讓人意外：用 VIX 預測台指期的波動率，並沒有比用台灣自己的歷史數據更準。 ---…
數據修正翻轉結論：VoV 條件型保險保費降低 74%，Sharpe 反超大盤（K811v2）
K811 實驗發現「VoV 條件型保險策略」表現最差，但這個結論來自有缺陷的數據。本文呈現修正版 K811v2 的結果：修正 Pre-2012 VVIX 代理數據問題後，結論完全翻轉——VoV 條件型策略反而成為唯一超越 BH SPY Sharpe 的策略（0.634 vs 0.598），且保險費從 4.62% 銳減至 1.22%。這是數據品質影響研究結論的典型案例。 --- 背景：K811 的缺…
K1830：推論降價後 18 天，收盤波動三檔上升、高低價波動五檔全降——差在隔夜與盤中的共變數項
在短窗口事件研究裡，「事件後波動上升」這一句的真偽取決於用哪一個波動估計量。K1830 以二〇二六年七月三十日 OpenAI 調降推論價格為事件，比較五檔 ETF 事件前後各 18 個交易日的已實現波動。結果是：收盤對收盤波動在 IGV、QQQ、SPY 三檔上升，高低價（Parkinson）波動則在五檔全部下降。把收盤對收盤變異數拆成隔夜、盤中與兩者共變數之後，方向不一致的來源可以指認：主要來自原…
升降息環境下，黃金真的能避險嗎？K663 三種利率環境量化驗證
一句話結論 「黃金能避險」這句教科書常識，在 K663 的資料裡要看利率環境怎麼切。 按當天收盤的殖利率變化分組時，50/50 SPY/GLD+VT 的 Sharpe 比純股 VT 在降息期高 0.97、在升息期低 0.38，兩者差 1.35；傳統 60/40（SPY/TLT）公債組合在升息期 Sharpe 跌到 −0.04，2022 年那一輪甚至吃下 −22.9% CAGR。改用前一交易日收盤的…
🌡️ 事件溫度計｜非農週前半 VIX 漲了 7.43%，剩兩天怎麼看：三個檢查有兩個是空的
9 月 4 日星期五，美國勞工統計局公布 8 月就業報告。今天是 T-2，這一週的交易日只剩兩個。 先說這篇不做什麼。「事件前不確定性升高、波動率會墊高」這句話我們已經測過兩次，七月底那篇算非農前一週，八月初那篇把視窗縮到最後兩個交易日，兩次都沒偵測到增量效應（+0.83 個百分點、p=0.583；-0.89 個百分點、p=0.288）。同一題再寫第三遍沒有意義。 換一個問題。這個問題在 T-7…
軟體的下跌保險比上漲選擇權便宜：同一天的五張選擇權帳單，只有它跟大盤反過來
有個說法這幾個月愈講愈完整：AI 從一問一答走到自主代理之後，同一件事要燒的 token 是以前的好幾倍，而且持續在燒。軟體公司把模型接進產品裡賣訂閱，收入固定，成本跟著用量長。毛利被一口一口吃掉，估值要重算。 本站查過這個說法的兩塊。〈推論變便宜之後，軟體沒有被賣，但它的波動換了形狀〉量的是價格：OpenAI 降價後十八個交易日，被預言要受傷的軟體層漲幅是大盤的兩到三倍。〈AI 會吃掉軟體公司的…
0050 的成分股一股沒動，只把報酬改用美元記，VIX 就開始說得上話
如果你長期看盤，大概接受過一個說法：VIX 漲上去，代表市場要亂了，該把部位縮一縮。 這個說法在美股身上有很硬的證據。把 VIX 餵進波動率模型，去預測 SPY 明天的波動，比不餵它的版本好，強度是 7.92。這個數字是統計上的 t 值，超過 3.0 就算得上可用的證據，7.92 已經是那種不用爭論的量級。 同一套做法搬到台灣，數字是 -0.49。 不是變弱，是負的。加了 VIX 之後，模型預測…
K1066: A4f_oc Full Rolling OOS — Paper 9 的 Dual-Target Architecture 證實
K1065 發現 VIX² 對 intraday variance 改善 26% vs overnight 僅 3.9%，暗示 Paper 9（K988, DM t=4.48 on r²close）的優勢可能主要來自 intraday 成分。K1066 用 full rolling OOS 測試 A4foc（fit to open-to-close returns）是否應取代 A4f_clos…
大盤跌 2.58% 那天，科技跌 6.66%、民生必需品反而漲 1.71%
打開看盤軟體，大盤一片紅，新聞跑出「資金正在輪動」。兩句話都可能同時成立，也可能只對一半。判斷方法很簡單：把大盤拆成幾個板塊，看有沒有任何一塊真的翻紅。 2026 年 6 月 5 日就是很好的例子。SPY 跌 2.58%，科技 ETF XLK 跌 6.66%；同一天，必需消費 XLP 漲 1.71%、公用事業 XLU 漲 0.93%、醫療 XLV 漲 0.61%，金融 XLF 也小漲 0.21%。…
銀行風險看存款、房地產還是股價？三種公開指標的預測邊界
辦公室空置率升高、存款往外搬、銀行股跌破帳面價值，三個現象都像危機警報。若問題改成「哪個公開指標能提高區域銀行波動預測的準確度」，答案就保守許多。 我們整理了四個實驗。它們不能排成同一場賽跑：商用不動產研究使用全樣本的落後訊號關聯；存款與 M/B 研究另有保留後段資料、只在最後才評分的樣本外測試。CRE 對 KRE、KBE 這類區域銀行 ETF 沒有穩健增量關聯；存款與 M/B 也沒有改善 KRE…
你 APP 上看的「報酬率」，不是你的錢真正賺到的年化
打開券商 APP 或基金平台，每檔商品都會秀一個年化報酬率給你看。這個數字告訴你的，是這檔商品本身過去漲了多少；它沒有告訴你，你的錢真正賺到的年化是多少。 差距有多大？我們挑 SPY 與 0050.TW 兩個熟悉的標的，把過去每一個年份起開始定期定額、持有到 2026-05-30 的真實結局算出來。對每一個進場年份，同時報三個年化數字： 1. 單筆投入的 CAGR — 一次性投入後到今天的年化報酬…
K877：黃金白銀比率作為波動率預測因子——樣本內顯著但樣本外 VIX 仍充分
黃金白銀比率（GS ratio，Gold/Silver price ratio）在樣本內（IS）對 SPY 波動率有顯著增量解釋力，偏相關係數 t = 6.12，控制 VIX 後仍成立。但在嚴格的樣本外（OOS）DM 檢定下，所有 GS ratio 模型均未通過 Harvey et al. (1997) 的高門檻（ t > 3.0），最佳模型 DM t = 2.64。研究結論：VIX 對未來波動…
0050 一天的波動，有一半發生在你睡覺時：PRG 模型 17 年實證揭開台股「隔夜黑洞」
你以為台股的波動都發生在白天交易時段？錯了。 根據我們用 17 年、4,217 個交易日的 0050.TW（台灣 50 ETF）資料算出來的結果：整日波動有 46% 發生在你睡覺的時候——從台股 13:30 收盤，到隔天 09:00 重新開盤的這 20 個小時，就吃掉了幾乎一半的風險。 更重要的是，我們發現一般投資人熟悉的 GARCH 模型（用來預測波動的主流工具）根本沒有把「隔夜」和「日內」分開…
K931: Copula-GARCH 避險 0050-TSMC — 高相關配對下 HE=0.855，尾部崩跌損失削減 73%
Copula-GARCH 避險方法對 0050.TW（元大台灣 50）以 2330.TW（台積電）進行股票避險，樣本外（OOS）避險效果（Hedge Effectiveness）達 HE = 0.855——即持有 0050 的帳面波動率降低約 85.5%。這是與 K923（SPY-GLD，低相關 HE < 3%）對照之後更重要的系統性發現：Copula 方法的價值完全取決於配對資產的相關性高低。高…
K922: Copula-GARCH 揭示 SPY-0050.TW 尾部風險 — 台股分散效果「不可預測」
台灣投資人常見的「配置」是同時持有 0050.TW（台股大盤）與 SPY（美股 S&P500）。這看起來是跨市場分散投資，但真正的問題是：兩者在最壞的時刻，市場暴跌的時候，還能分散嗎？ K922 實驗運用 Copula-GARCH 框架，對 SPY-0050.TW 進行全面的尾部依賴分析，並與 K920 的 SPY-GLD 結果直接對照，得出一個關鍵結論：0050.TW 提供的分散效果比 GLD…
K853 + K854 雙重驗證：模型-Target 差異的訊號壓縮效應與共同樣本 VaR 分析
波動率預測研究近期確立了兩個令人困惑的現象：「模型-target 差異」（評估指標品質的天花板效應）和「prediction-VaR target mismatch」（預測最準的模型在 VaR 風控中反而失敗）。K853 和 K854 是針對這兩個現象設計的控制實驗，目的是釐清它們是否為方法論 artifact，還是真實且可複現的現象。 結論先行： K853 Ablation：模型-target…
日頻波動率，HAR-RV 贏不了 GARCH：60 場跨資產對戰的紀錄
實驗 K188 OOS 期間 2023-01-01 至 2024-12-31 5 資產 × 4 波動率代理 × 3 模型變體 --- HAR-RV 是過去二十年波動率預測文獻裡出現率最高的模型之一。它把波動率分解成日、週、月三個頻率的加總，捕捉長記憶結構，跑在五分鐘高頻數據上幾乎無敵。 那在日頻數據上呢？ 有人假設：換成更細的波動率代理，不只用收盤價，改用 Parkinson、Garman…
K1509：高通膨 Regime 下 TIPS 波動率分解——2015–2026 實驗報告
摘要 本研究以美國 CPI 年增率（CPIAUCSL）為 regime 分類標準，將 2015 年 1 月至 2026 年 6 月 15 日共 2,878 個交易日拆分為「高通膨 regime」（CPI YoY > 3%，n=847 天，佔 29.4%）與「正常 regime」（n=2,031 天）兩組，比較 TIP、STIP、LTPZ 三檔 TIPS ETF 以及 IEF（名目公債，作為對照組）…
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
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）量化投資組合的下行風險，核心問題只有一個：你…
把六個總體變數一次丟進貝氏選模型，結果它什麼都沒選：聯合估計再次確認 GARCH 自己就夠了
一句話結論 我們把六個常被引用的「外部解釋變數」——VIX、VIX9D、VIX3M、期限利差、聖路易聯儲金融壓力指數、20 日實現方差，同時放進一個貝氏 GARCH-X 變異數方程，讓貝氏選模型機制（SSVS）自己決定要留下哪幾個。結果是：它一個也沒留。在 10,000 次 MCMC 迭代中，有 99.52% 的時間，模型直接選擇「什麼外部變數都不放」。這個結果不是 bug，而是一個重要的負面結論…
K1006: 台指期隔夜跳空累計 83.6% 卻無法穩定獲利 — 解構 overnight gap 的可交易性界限
本研究以 K1006 完整回測台灣指數期貨（TX）2012-01-04 至 2026-04-08 共 3,480 個交易日 的隔夜跳空（overnight gap）可交易性。資料來自 TAIFEX 全合約 tick，每日按成交量挑選最活躍合約月份，VIX 信號取自 yfinance ^VIX 前一日收盤（嚴格 lag-1 避免 lookahead）。實證確認：隔夜跳空累計貢獻 TX 報酬的 83.…
K530：HAR 多尺度 vs GARCH 家族 — 改變 proxy 就能讓排名翻轉 3 倍的波動率預測啟示
摘要 在 SPY 與 0050.TW 雙市場、2023-2024 兩年 OOS（約 500 個交易日）下，HAR 家族以「 r 絕對值代理」訓練的 4 個變體（HAR-VIX、HAR-ABS、HAR-LEVERAGE、HAR-JUMP）全數以 Harvey t > 14 的強度壓倒性勝過 GJR-GARCH(1,1) 與 EWMA(0.94) 兩個經典基準；但同一組 HAR 骨架只要把代理換成…
財報日波動與分析師覆蓋數：合併面板顯著，但市場內部只有美股成立
財報日的波動，有些股票特別大 同樣是公布財報，有些股票當天的波動明顯高於平常，有些幾乎看不出差別。一個常見的猜測是：被越多券商分析師追蹤的股票，財報日的波動越大。這篇用 4 個市場的個股資料檢驗這個猜測。 檢驗結果：分析師越多，財報日額外波動越大（效果中等） 我們對 4 個市場的大型股做了分析，發現一個方向一致的規律： 平均而言，一檔股票有越多券商的分析師在寫研究報告，它的財報日額外波動就越大。…
K1150：當 bootstrap t=11.99 時——學術上該如何自證這不是膨脹
摘要 K1145（TW）+ K1147（US）兩市場 pooled panel θ_EAV PASS 後，本實驗在 JP TOPIX top-30 重做相同規格，得到 bootstrap t=+11.99——比前兩市場（+5.24 / +4.50）高出 2-3 倍，乍看像是「太強」。但連續兩道嚴格自我檢驗（Preamble Rule #5 + 兩層獨立 robustness）沒有顯示這個 t 值是…
BTC VaR 三部曲：為何 1% 與 5% 永遠互斥——根本原因與未來方向（K829/K830/K837）
K829、K830、K837 三部曲以 GJR-GARCH(1,1) + OOS 回測框架，系統性地探索 BTC-USD 的 VaR（風險值）校準難題。核心困境是：沒有任何單一方法能同時通過 1% 和 5% VaR 的三重驗證（Trinity = Kupiec + Christoffersen + Basel），而且連最複雜的 Regime-Switching 方法都無法解決。 本文記錄三部曲的完…
K818：SSVS 變數選擇揭示美股日頻報酬預測的 EMH 壁壘
本研究將 Bayesian 變數選擇方法 SSVS（Stochastic Search Variable Selection）應用於 SPY 日頻報酬預測，結果揭示一個重要事實：即使 Bayesian 方法能精準識別出有邊際預測力的變數，有效市場假說（EMH）依然是難以跨越的壁壘。 10 個候選變數中只有 HYGret（PIP=0.935）與 VIXchange（PIP=0.783）被選出，但…
四種資產三種通過——比特幣為何是例外？
同一個模型，在股票和黃金上是救星，在比特幣上卻成了麻煩，這是 K804 跨資產實驗最讓人意外的發現。 --- 這個問題從哪裡來？ 如果你曾經接觸過投資風險管理，一定聽過一個名詞：VaR（風險值）。 VaR 的概念其實很簡單：「在正常市況下，我的投資組合明天有 99% 的機率，最多只會虧這個金額。」 但要計算這個數字，你必須假設「市場波動的形狀長什麼樣」。最簡單的假設是：波動服從常態分配，也就是我們…