← 研究動態
一般讀者2026/10/05 下午10:00

九個策略的買賣方向比賺賠更分散嗎?在這份帳本裡是,但換個算法方向就會反過來

相關性敏感度分析紙上交易策略分散有效獨立賭注數

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。

一個策略組合列了九個策略,是不是就有九份分散?我們拿自己紙上交易帳本裡的九個策略,用兩種看法量它們:一種看「每天買賣的方向像不像」,一種看「賺賠是不是一起來」。 這兩件事常被當成同一件事,這份審計想看,在這份帳本裡它們差多少。

先講結論

  •  主設計下,買賣方向比賺賠更分散,但這個方向不穩健。  在這九個策略、839 個交易日的紙上交易帳本裡(分析不是盲的,區間只對常態假設下的虛無校準過), 訊號層相當於 2.43 個互相獨立的賭注,損益層只有 2.12 個,差距 +0.31,校準後的信賴區間是 [0.13, 0.49]; 預先登錄的判定規則因此成立。但換成週資料、秩相關或原先預定的曝險水準設計,差距的方向就反過來,略去其中一個策略也會反號。
  •  訊號相關和損益相關不能互相代替。  36 個策略配對裡,兩種相關的排序看不出一致關係(Spearman 排序相關 −0.09,信賴區間 [−0.15, 0.02],包含零)。
  •  這九個策略的賺賠擠得很緊。  損益層只相當於 2.12 個獨立賭注;損益相關矩陣的第一主成分就占了特徵值總和的 0.65,策略兩兩之間的損益相關平均 0.55。
  •  這不是績效證據。  本文不下「分散化有效」或「分散化無效」的結論,也沒有建立任何策略。

我們怎麼量

 兩個層次。  訊號層看每個策略每天的總風險曝險變了多少(買多了還是買少了),損益層看每個策略每天的報酬。各自算九個策略兩兩之間的相關, 再把相關矩陣做特徵值分解,換算成「有效獨立賭注數」:九個策略若完全同步,只相當於一個賭注;若互不相關,相當於九個。兩個層次的差距 ΔN = 訊號層減損益層,ΔN 為正,代表買賣方向比賺賠更分散。

 資料。  名單裡啟用的策略經過資料閘門,留下九個(七個美股的 SPY、GLD 規則,加兩個台灣 0050 的規則);另外兩個因資料問題被排除,一個的曝險紀錄不是它賺賠的來源,一個的日期對不齊。 共同期間是 2023-01-05 至 2026-09-30 的 839 個交易日。資料是紙上交易帳本,2026 年 3 月之前是公式回填,不是真實成交。

 推論。  用區塊重抽樣估標準誤,再用模擬校準區間:在 ΔN 真值為零的人造資料上,百分位區間的名目 5% 實際拒絕率比 5% 高,所以不拿它當判決,改用校準後的區間。隨機種子固定。

結果

主設計(日資料、以曝險變動當訊號)的差距是 +0.313。預先指定的敏感度與留一策略的結果如下,同號的在上,反號的在下:

算法ΔN與主設計
主設計:日資料、曝險變動+0.313—
只用前半段樣本+0.465同號
只用後半段樣本+0.151同號
納入原本啟用的全部策略+0.730同號
只看美股策略+0.927同號
略去其他任一個策略(最小與最大)+0.041 至 +0.731同號
改看週資料−0.179 反號 
改用秩相關−0.468 反號 
曝險水準(原先預定的設計)−0.765 反號 
略去風險平價策略−0.223 反號 

不同算法下的差距 ΔN,主設計與各個預先指定的替代算法

有一點要說清楚:三個反號的算法裡,「曝險水準」那一個正是我們原先預定的主設計。在算出任何 ΔN 之前,我們用模擬發現它的區間誤判率明顯偏高, 於是改成看曝險變動,並改用校準後的區間;這項修訂在看到任何 ΔN 之前就提交了,水準設計則保留成敏感度。修訂有理由,但也表示現在的主設計是改過之後的版本。

再看兩種相關本身。每個點是一對策略,橫軸是兩者每日曝險變動的相關,縱軸是兩者每日報酬的相關:

三十六個策略配對的訊號相關與損益相關

兩種相關對配對的排序看不出一致關係,所以只看「買賣方向像不像」,推不出「賺賠像不像」;反過來也一樣。

為什麼只能這樣讀

  •  分析不是盲的。  凍結前我們已經看過一些診斷,也看過一組用錯日期對齊算出來的舊數字;那組舊數字已作廢,本文完全不用。ΔN 本身在預註冊與上述修訂提交之前沒有看過。
  •  校準只對常態假設的虛無做過。  階梯式、分段式策略的曝險變動是跳躍型的(許多日子沒有變動,偶爾大幅調整),皮爾森相關會被少數共同的調整日主導,這種分布下區間的誤判率沒有驗證過。 秩相關版本與略去風險平價策略的反向結果,和這個形狀一致,但這個樣本沒有檢驗過這個解釋;週資料版本是為了台美收盤時間不同而設的,它的反號同樣沒有被解釋。 所以「成立」只能讀成:在主設計與常態校準之下成立,不是對分布假設穩健。
  •  這九個策略本來就相近。  它們全是 SPY、GLD、0050 的波動率或 VIX 擇時規則,彼此高度相依是設計使然;這份審計量的是「相依多高」,不是「有沒有相依」。 它們又是在同一段 2023 至 2026 年的多頭期內設計並上架的,單一景氣段,有效樣本遠小於 839 個交易日。
  •  帳本的日期標記有一個還沒修好的問題。  帶有前視更正紀錄的三個策略,帳本用決策日標記,其餘用實現日標記;我們依帳本自己的更正紀錄把這三個重標成實現日,並用曝險對當日 VIX 創新的偏相關做了獨立檢查, 但這是帳本的資料問題, 還沒有修復 ,本審計沒有改動任何歷史資料。凡是用帳本原始日期直接做同日對齊的跨策略相關,對這三個策略都可能錯開一天。
  •  訊號只取總風險曝險的變動。  這不是完整的權重向量;台股與美股收盤時間不同,同日對齊會低估跨市場的相依。
  •  事後最佳組合不能當績效。  我們也估了事後最佳組合的夏普上界,但誤差很大,區間和最佳單一策略、等權組合的區間重疊,這個樣本分不出組合是否優於單一策略,所以本文不引用任何組合績效。
  •  沒有交易含義。  這份審計描述這九個策略的相依,沒有建立任何策略,也不是上架依據。

資料與方法

  • 資料:紙上交易帳本(git 追蹤,雜湊隨實驗封存),九個策略共同的 839 個交易日,2026 年 3 月之前為公式回填。
  • 訊號與損益:訊號是每日總風險曝險的變動,損益是每日報酬;兩者各自算相關矩陣,以特徵值的參與比換算有效獨立賭注數。
  • 推論:區塊重抽樣標準誤,加上以匹配虛無的模擬校準的區間;敏感度與留一策略皆為事先指定;隨機種子固定。

懶人包圖組

策略個數、共同交易日數與策略配對數

訊號層與損益層的有效獨立賭注數、差距與校準區間

結果的解讀與限制

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

📄
預知下一年的報酬、波動、相關,哪一樣最值錢?49 個美股產業 49 年的紀錄:值錢的是報酬
做投資組合,要先估三樣東西:每個資產的期望報酬、每個資產的波動、資產之間的相關。三樣都估得準,組合才會好;實務上三樣都估不準。如果只能把其中一樣的預測交給神仙,選哪一樣最划算? 一篇在 2026-10-12 公開的論文(Roy、Motson 與 Thomas,刊於 Journal of Investing)用美國前一千大個股 50 年的月資料,摘要的結論是相關結構比報酬或波動預測重要得多。我們換成…
→
📄
美國的恐慌指數,能幫忙預測日本股市的波動嗎?日經的誤差沒有變小,紐約掛牌的日本 ETF 低了 2.06%,但還不到確定的程度
紐約收盤的時候,東京還沒開盤。美股每天收盤時會算出一個「恐慌指數」(VIX),它反映市場預期美股接下來會晃多大。順著時差往下想,很容易得到一個猜測:紐約先收盤,這個數字對隔天日本股市會晃多大,應該有參考價值。 這篇把這個猜測放進波動預測模型裡比一次。同樣是預測日本股市隔天的波動,模型裡多放一個美國恐慌指數,預測的誤差會不會變小?比較期間是 2019-01-01 至 2026-04-09,每天往前預…
→
📄
動能策略的報酬落在夜裡還是白天?用 30 檔美股、3,866 個交易日分別檢驗兩種做法
持有或打算跟進動能策略(買進過去漲得多的股票)的人,會遇到一個實際的問題:報酬落在一天的哪一段?答案影響持有時段的安排、風險的來源,以及績效該怎麼評估。Lou、Polk 與 Skouras(2019)的研究發現,動能相關策略的獲利可能集中在收盤後到隔天開盤之間,盤中則出現相反方向的報酬。這篇用 30 檔美股的開盤價與收盤價,把兩種動能做法的報酬切成隔夜與盤中兩段,檢查這個說法在 2011 年起的資…
→
九個策略的買賣方向比賺賠更分散嗎?在這份帳本裡是,但換個算法方向就會反過來 | VolPred