← 研究動態
研究2026/03/26 上午09:03

我們測了 218 個「秘密指標」——沒有一個打贏這個免費數字

VIX投資策略波動率預測研究發現

讀者互動

登入會員可按讚與收藏。

分享到:LINEFacebookX / Twitter

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。

訂閱研究摘要

研究摘要與新文章,不轉售、不寄廣告,隨時可退訂。

我們測了 218 個「秘密指標」,沒有一個打贏這個免費數字

假設你有 100 萬元想投資 SPY(標普 500 ETF)。

一位朋友告訴你:「你要看 Google Trends 的搜尋量。當大家搜尋『股市崩盤』的次數暴增,就是市場要反彈的時機。」

另一位說:「不對,你要看信用利差。高收益債跟投資等級債的利差擴大,代表機構資金在逃跑,股市危險了。」

還有人說:「我買了某分析師的報告,裡面有個獨家情緒調查指標,準確率高達 80%……」

這些說法你一定聽過。問題是:它們有用嗎?

我們決定 系統性地回答這個問題 。


我們做了什麼

過去幾個月,我們在 VolPred 研究系統跑了  218 個獨立實驗 ,測試各種「有可能預測市場波動率」的指標。

測試範圍包括:

  •  情緒類 :AAII 散戶情緒調查、CNN 恐懼貪婪指數、社群媒體情緒
  •  總經類 :聯準會資產負債表、信用利差、GDP 成長率
  •  市場微結構 :期權Put/Call比率、未平倉量、隱含波動率偏斜度
  •  技術類 :Google Trends 搜尋量、52 週新高新低比率
  •  跨市場 :原油波動率、黃金/美元動態

每個指標都經過嚴格的「樣本外測試」(Out-of-Sample Test),我們用 2010-2019 年的數據訓練模型,再看它能不能正確預測  2020-2024 年 ,也就是你真正會用到它的那段時間。


讓人洩氣的結論:全部失敗

 218 個實驗,0 個指標能在樣本外持續打贏基準模型。 

這是我們在知識庫(K407)記錄的「第六定律:OOS 崩塌現象」,所有看起來在歷史數據中有效的日頻預測指標,一旦進入樣本外,優勢就消失了。

更具體的數字:在測試的 6 個「每日預測因子」中,沒有一個在控制 VIX 之後還能顯著改善波動率預測。統計上,它們的偏相關係數(partial correlation)趨近於 0。

這不是巧合。這是一個系統性規律。


為什麼它們全部失敗?

有個核心原因: VIX 已經知道了。 

VIX(芝加哥期權交易所波動率指數)是市場對未來 30 天波動率的即時定價。它整合了:

  • 所有期權市場的資訊(Put/Call 比率、偏斜度、未平倉量全在裡面)
  • 機構投資人對信用風險的判斷(信用利差的預期效果已被消化)
  • 媒體情緒和散戶恐慌(市場已對恐慌性搜尋定價)

用一個比喻:你試圖用「外面開始下雨」來預測「天氣預報說有暴雨」,但天氣預報早就把降雨機率告訴你了。情緒指標和信用利差是「症狀」,VIX 是「診斷」。

我們在聯準會流動性實驗(K152)中發現,Fed 資產負債表確實影響市場的波動率持續性(β\beta 在量化寬鬆期和縮表期有統計顯著差異,t 值高達 13.4),但控制 VIX 之後,流動性數據的偏相關係數變成 -0.053,而且不顯著。

 VIX 已經把那個資訊消化掉了。 


那 VIX 怎麼用?

好消息是: 最有效的指標,也是最容易取得的指標。 

VIX 每天公開,免費。你不需要訂閱任何付費服務,不需要讀任何複雜報告。

我們研究出的最簡單、最有效的做法叫做「 波動率目標策略(Volatility Targeting) 」:

  •  計算方式 :目標波動率 ÷ 目前 VIX ≈ 你應該持有多少比例的股票
  •  範例 :目標波動率設 12%。VIX=15(平靜市場)→ 持倉 80%。VIX=30(動盪市場)→ 持倉 40%。VIX=60(類 COVID 崩盤)→ 持倉 20%。

這個策略的回測結果:從 1993 年到 2024 年,Sharpe ratio 約 0.68-0.83(比起買進持有的 0.47),而且最大回撤從 -55% 縮小到 -27%。

 用一個免費數字就做到這件事。 


對投資人的一個核心教訓

下次有人向你推薦「獨家指標」或「秘密信號」,請問他一個問題:

 「這個指標在 2020-2024 年的樣本外測試結果是什麼?」 

如果他答不出來,或者說「只有歷史回測」,那幾乎可以確定:那個優勢在你真正用到的時候已經消失了。

218 個指標都沒打贏 VIX。你也不需要比 VIX 更複雜的東西。


立刻可以做的事

  1. 查今天的 VIX 數值(Google 搜尋「VIX」或用任何券商 App)
  2. 計算你的持倉比例:12 ÷ VIX(不要超過 100%)
  3. 如果 VIX > 20,考慮降低股票部位、增加現金或債券

這個策略不需要訂閱任何服務,不需要讀 218 份報告。


本文基於 VolPred 研究系統的 K407「第六定律:OOS 崩塌現象」以及 K400「波動率預測五大定律」(218 個實驗的系統性整理)。所有數據來自 yfinance 和 CBOE,資料期間 1993-2024。

免責聲明:本文僅供教育目的,不構成投資建議。

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

📄
K2001:懲罰式平滑波動濾波器對 HAR 與 GARCH——QLIKE 部分勝出,MSE 不重現,一格取決於 HAR 的極小預測
K2001 是預註冊實驗,本文報告它唯一一次正式執行的結果。問題有兩個:其一,依 Xie、Pu、Lan 與 Wu(2026,*Journal of Futures Markets*)摘要描述、由本平台以假設重建的懲罰式平滑波動濾波器(下稱 FFA),在 ^GSPC 與 ^TWII 上的樣本外 QLIKE 是否低於 HAR 與 GARCH(1,1);其二,若有優勢,是否集中在低、中波動 regime…
→
📄
天然氣月度波動的季節項放進自我迴歸之後:冬季係數隨價格序列與落後期變號,夏季在四個設定下都為負
為天然氣部位估月度波動的人,常在前一個月的實現波動之外再放一組季節虛擬變數。理由來自基本面:冬季的取暖需求與庫存消耗讓天然氣價格在冬天起伏較大(Mu 2007)。本文用同一組資料回答建模時的兩個問題:月份差異在無條件下是否存在;放進前一個月的波動之後,季節項還剩多少,係數又該怎麼讀。 先寫結論。 第一,無條件的月份差異在兩條序列都存在。天然氣連續近月期貨與 UNG 都在 1 月最高,冬季平均分別是…
→
📄
K2006:每月依殖利率曲線預測調整公債存續期間,平均報酬、回撤與下行尾部能與槓鈴、階梯分開嗎?
這組資料分不開。四項預先設定的檢定在 Holm 逐步校正(家族大小為四、水準 5%)後全部沒有拒絕。證據最接近門檻的是下行尾部,方向卻不利於動態規則:一年視窗最差 5% 的平均終值比,動態規則(Dyn)為 0.9203,槓鈴(B)為 0.9378,差 -0.0175,未調整 p 值 0.04998,Holm 調整後 0.1999。這組資料沒有給出「依曲線預測切換存續期間能降低尾部風險」的證據,也不…
→
我們測了 218 個「秘密指標」——沒有一個打贏這個免費數字 | VolPred