← 研究動態
研究2026/06/23 上午10:19

白天波動看得很清楚,為什麼模型還是會估錯?問題常常出在『隔夜那一下』

SPY波動率美股風險模型隔夜跳空

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。

白天波動看得很清楚,為什麼模型還是會估錯?問題常常出在「隔夜那一下」

很多波動率模型都很愛用一種直覺資料:今天盤中最高多少、最低多少。

這樣做有個很吸引人的地方。你不用等更細的分時資料,只看每天的高低開收,就能大致量市場今天震得多厲害。

問題是,市場不只在白天動。

如果昨天收盤和今天開盤之間,剛好發生一個很大的跳空,你只看白天那段高低區間,就會漏掉真正讓投資人受傷的那一下。

這次實驗想回答的是:

 同樣是用每日高低開收來估波動,誰有把「隔夜跳空」算進去,誰沒有?這個差別到底大不大? 

先講更新後結論

原始 K935 的主要方向仍然成立: 只看盤中高低價的 Parkinson 版本,確實會漏掉隔夜 gap 這塊風險。 

但 24 小時 source review 後,我們補跑了一次更嚴格的 canonical Yang-Zhang 2000 rolling 版本,結果必須修正:

  • 原始文章裡標成 Yang-Zhang 的版本,其實更精確應叫  YZ-style overnight-adjusted proxy 
  • 這個 YZ-style 版本仍明顯贏過 Parkinson:QLIKE 1.541 vs 1.682,改善約 8.38%
  • 但 canonical Yang-Zhang 2000 rolling 版本沒有確認原本 headline:QLIKE 2.232,比 Parkinson 差約 32.71%
  • 兩模型比較的統計值為 +2.13,方向是 canonical YZ 較差,但未達本平台最嚴格門檻

所以這篇現在最準確的讀法是:

 隔夜 gap 必須處理;原始 K935 的簡化隔夜調整 proxy 有用;但不能再把那個結果說成 canonical Yang-Zhang 2000 本身勝出。 

原始實驗看到什麼

原始 K935 把四種日線區間做法放在一起比:

  1. Parkinson:只看最高價和最低價
  2. Garman-Klass:開始把開盤到收盤也算進來
  3. Rogers-Satchell:容許價格有方向漂移
  4. YZ-style:把隔夜跳空加成獨立成分,但不是 canonical Yang-Zhang 2000 rolling 公式

然後每一種都拿去驅動同一種波動模型,再和兩個基準模型一起比較。

原始結果排序如下:

  • 含額外恐慌資訊的基準模型:1.480
  • CARR_YZ-style:1.556
  • 老牌基準模型:1.603
  • CARR_RS:1.670
  • CARR_GK:1.689
  • CARR_Parkinson:1.692

Comparison of range-based variants and benchmarks

這張圖仍然可以看,但標籤要改讀成:圖中的 CARR_YZ 是  YZ-style overnight-adjusted proxy ,不是 canonical Yang-Zhang 2000。

第一個重點:只看盤中高低價,仍然會漏掉重要風險

Parkinson 這種「只看白天高低價」的做法,在原始 K935 裡排名幾乎墊底。

這個方向沒有被推翻。

因為對投資人來說,昨天收盤 100、今天直接開在 95,這 5% 的落差是真實存在的風險;市場不會因為它發生在開盤前,就當它沒發生。

所以原始 K935 最穩的結論不是「某個名牌公式必勝」,而是:

 只看白天 range 會系統性漏掉隔夜 gap。 

第二個重點:簡化 proxy 有用,但 canonical 版本不確認

原始版本如果把 Parkinson 當作基準,三種修正版對它的改善幅度是:

  • Garman-Klass:約 0.19%
  • Rogers-Satchell:約 1.30%
  • YZ-style:約 8.04%

Improvement versus Parkinson after adding gap information

補跑 canonical rolling Yang-Zhang 後,這裡要加一條限制:

 上面這個 8% 改善,是原始 YZ-style proxy 的改善,不是 canonical Yang-Zhang 2000 rolling estimator 的改善。 

canonical rerun 用的是 2000 日 rolling Yang-Zhang 方差:

overnight variance + k * open-to-close variance + (1-k) * Rogers-Satchell variance

結果是:

  • CARR_Parkinson:QLIKE 1.682
  • CARR_YZ-style:QLIKE 1.541
  • CARR_YZ_canonical_2000:QLIKE 2.232

也就是說,把 canonical rolling estimator 直接拿來當 CARR target,在這個設定下反而太平滑,對隔日 r² 的校準沒有幫助。

第三個重點:這不是「隔夜 gap 不重要」

這次修正容易被誤讀成:既然 canonical YZ 沒贏,所以隔夜 gap 不重要。

這不是正確解讀。

正確解讀是:

  1. Parkinson 漏掉隔夜 gap,這個問題仍然存在
  2. 原始 K935 的 YZ-style proxy 把隔夜成分補回來後,確實改善了預測校準
  3. 但 canonical Yang-Zhang 2000 是一個 multi-period rolling historical volatility estimator,不一定適合直接當一日 CARR target

這三件事可以同時成立。

這篇現在不能說到哪裡

更新後,這篇不能再說:

  • canonical Yang-Zhang 2000 顯著勝 Parkinson
  • 「Yang-Zhang」本身是四種版本裡穩定最強
  • 原始 8% 改善就是 Yang & Zhang (2000) 原公式的勝利

可以說的是:

  • Parkinson 忽略隔夜 gap,確實有風險漏算問題
  • K935 原始的 YZ-style overnight-adjusted proxy 在同一 OOS 口徑下贏 Parkinson
  • canonical rolling Yang-Zhang follow-up 不支持把原始結果升級成「Yang-Zhang 2000 公式勝出」

所以給一般讀者的 takeaway 應該更精準:

 不要忽略隔夜 gap;但也不要把「加了隔夜成分的簡化 proxy」和「canonical Yang-Zhang 2000 rolling estimator」混成同一件事。 


本文基於 SPY 日線波動估計比較。原始 K935 資料期間 2004-01-01 至 2025-12-31,外樣本 2016-01-04 至 2025-12-31。2026-06-23 補跑 experiments/k935/k935_canonical_yz_rerun.py,同樣使用 SPY 日線 OHLC、OOS 2016-01-04 至 2025-12-31,有效比較樣本 2,508 日。資料來源:yfinance。

 修正紀錄(2026-06-23) :原文將 YZ-style overnight-adjusted proxy 簡稱為 Yang-Zhang,容易被理解為 canonical Yang-Zhang 2000。補跑 canonical rolling YZ(2000) 後,headline 不成立:canonical CARR-YZ QLIKE 2.232,Parkinson 1.682,原始 YZ-style 1.541。本文已改為保留「隔夜 gap 需要處理」的方向性結論,撤回「canonical Yang-Zhang 2000 勝出」的表述。

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

📄
K1462:SPY 的 HAR-Parkinson 波動預測加入前一日隔夜跳空與三種月度景氣狀態,2,586 個樣本外日沒有一個規格顯著勝過基準,NFCI 狀態版顯著較差
本文是同一實驗一般讀者版〈隔夜跳空加上景氣指標,能讓 SPY 的波動預測更準嗎?〉(mile_63d7fceb)的研究版。一般版只講結論方向;本文補上設計矩陣與資訊集、全樣本 HAC 係數、bootstrap 區間、DM 落後期梯度,以及結果標籤的判定規則。 問題 一個以 HAR 預測 SPY 日波動的使用者,要不要多維護兩條資料:前一交易日的隔夜跳空,以及月度總經狀態?文獻的動機有兩條。其一,跳…
→
📄
過去一年的價格路徑含兩種資訊:高低價口徑下,趨勢項的解釋比例在後段持平,波動項由 0.378 降到 0.175(SPY)、由 0.526 降到 0.147(QQQ)
做指數 ETF 部位大小或風險預算的人,預測波動時通常先用前一天、前一週、前一個月的波動,接著會問一個延伸問題:過去一年價格怎麼走,值不值得多放進預測式。同一份實驗的整體結果,本平台已發過一般讀者版:把過去一年的路徑當成一個整體,在樣本內解釋了 SPY 與 QQQ 約一半的每日波動。這一篇拆開問另一件事:路徑裡的兩個特徵,樣本往後移以後,各自還剩多少。 先寫結論。路徑特徵有兩個,趨勢項記錄過去一年…
→
📄
K1502:把 FINRA 場外量加進特質波動 HAR 模型,22 檔逐檔 DM 檢定能排除多大的改善?
假設你手上已經有一套個股特質波動的預測管線:每天收盤後,用 log-HAR 估出隔一個交易日的特質變異數,拿去調部位上限或選擇權報價的寬度。眼前的決策很具體:要不要多接一條 FINRA 每日場外賣空量檔,把場外賣空比與場外總量放進迴歸。這條資料源要排程下載、對代號、處理缺檔日,維護成本是真的。K1502 回答的是這筆投入在樣本外換得到多少準確度,以及這組資料能把「換得到的上限」壓到哪裡。 結論先寫…
→