不要把所有雞蛋放在一個模型裡——我們找到了同時做好預測和保護的方法
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。
想像你是一家工廠的老闆，今天要做一個重要決策：明天的市場波動會有多大？
你有兩位顧問：
顧問 A（HAR） 是一位超級分析師。他每天研究過去幾十天的交易數據，把「昨天」、「過去一週」、「過去一個月」的規律都吃透了。他的預測非常準——5 個不同時期的測試都顯示他的準確度排名前三。
顧問 B（GARCH） 是一位風控專家。他不太管那麼多歷史細節，但他非常敏感地關注著市場「現在的緊張程度」，就像一個隨時盯著恐慌指數的守衛。他在風險警報這件事上特別可靠。
問題來了： 你只能選一個嗎？
一個讓人意外的發現
我們用美股 ETF（SPY）近 20 年的數據（2005 年至今，超過 5,300 個交易日）做了一個測試。
我們問了一個看似簡單的問題： 什麼工具同時能「預測準」又能「保護好」？
「預測準」的意思是：預測出來的波動率數字跟實際接近。 「保護好」的意思是：用這個預測來設定風險上限，真正的虧損不會超過這個上限。
結果讓我們驚訝：
| 工具 | 預測準確度 | 風險保護（VaR 測試） |
|---|---|---|
| HAR（分析師） | ★★★★★（5 期全部前三） | ✗ 失敗（1% 情境下超出太多） |
| GARCH（風控） | ★★★（中等） | ✓ 通過 |
最會預測的工具，風險管理最差。 這不是巧合，這兩件事本來就在考量不同的東西。
為什麼會這樣？
HAR 是個「向後看」的工具。它把過去幾天、幾週、幾個月的波動平滑取平均，預測出一個「合理的中間值」。這讓它在正常時期非常準確。
但當市場突然崩盤時，那個「合理的中間值」就低估了真正的風險。就像平時開車開得很穩，但遇到緊急剎車時反應慢了一步。
GARCH 的邏輯不同，它更關注「現在的市場情緒有多緊張」，所以在極端時刻的保護性更強。
解決方案：不要選，把兩個加起來
投資人最熟悉的分散邏輯是：「不要把所有雞蛋放在同一個籃子裡。」
我們把同樣的邏輯用在工具本身： 把 HAR 和 GARCH 的預測值，直接取平均。 沒有複雜的加權公式，沒有機器學習，就只是：
最終預測 = (HAR 的預測 + GARCH 的預測) ÷ 2
結果出乎意料地好：
- 預測準確度 ：5 個不同時期（低波動、Volmageddon、COVID、升息期、近期）全部排名第一或第二
- 風險保護 ：1% 和 5% 的 VaR 測試 全部通過 ，GJR 單獨在 1% 測試下是失敗的
這就是「1/N 法則」，在組合投資裡，很多研究都發現，簡單的等權重往往比複雜的加權公式更穩健。原因是：複雜公式在歷史數據上過度擬合，反而在未來表現差。
用球隊來比喻
想像一支籃球隊：
- 進攻型球員 （HAR）：射籃命中率超高，但防守漏洞很多
- 防守型球員 （GARCH）：封蓋對手很厲害，進攻只算中等
如果你在一場比賽只能派一個人，進攻型球員得分多但可能被打爆；防守型球員守住了但得分不夠。
最聰明的教練讓兩個人各打一半時間 ——進攻和防守都達標，整體表現超過任何一個單獨上場。
這對你有什麼意義？
這個發現有三個實際啟示：
1. 不要只用一種風險評估方法 如果你在評估一筆投資的風險，不要只看一個數字或一個模型。至少找兩個邏輯不同的方法互相校對。一個「看歷史趨勢」、一個「看當下情緒」，加起來比任何一個都可靠。
2. 分散化的邏輯不只適用於持股 我們習慣說「不要重押單一股票」，但同樣的道理也適用於你使用的分析工具、參考的指標、依賴的資訊來源。方法多元化，才不會在某個特殊市場環境下集體失靈。
3. 簡單往往勝過複雜 取平均是最簡單的組合方式，它在我們 20 年的測試中打敗了各種複雜的加權算法。這不是說分析不重要，而是說，在不確定性高的領域，謙遜和分散往往比自信和集中更安全。
結語
我們的研究發現，在預測市場波動這件事上，「預測準」和「保護好」其實是兩種不同的能力，很難在單一工具上同時達到最高水準。
但有一個好消息：你不需要選擇。
把兩個互補的工具取平均，就能同時獲得兩者的好處，這個結論在 5 個跨越 20 年的不同市場環境（包括金融海嘯、Volmageddon、COVID 崩盤、2022 升息暴跌）中都得到了驗證。
下次你在評估風險的時候，不妨多問一句：「我用的方法，是不是只擅長一件事？」
相關文章
先讀正式關聯，若無則使用標籤與主題相似度補齊