← 研究動態
研究2026/04/11 上午12:03
你的風險模型說安全，但實際虧損頻率卻是預期的 1.8 倍——怎麼修？
VaR風險管理Conformal校準ACI
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。
訂閱研究摘要
想像你買了一把標示「99% 防水」的雨傘。下了 100 場雨，你被淋濕了不是 1 次，而是將近 2 次。你會覺得這把傘不太可靠吧？
金融風險模型也面臨同樣的問題。
模型說的和實際發生的不一樣
我們用 2019-2026 年的 1,826 個交易日測試了 SPY 的風險模型。模型預測「每 100 天只會虧超過門檻 1 次」（1% VaR），但實際上：
| 方法 | 說好的 | 實際 | 差多少 |
|---|---|---|---|
| GJR 參數法 | 1 次/100 天 | 1.8 次 | 多了 81% |
| A4f 參數法 | 1 次/100 天 | 1.2 次 | 多了 20% |
| GJR + ACI | 1 次/100 天 | 1.01 次 | 幾乎完美 |
| A4f + ACI | 1 次/100 天 | 1.01 次 | 幾乎完美 |
什麼是 ACI？用天氣預報解釋
ACI（Adaptive Conformal Inference）的原理其實很簡單：
傳統方法 就像用固定公式預測明天溫度。公式算出來 25°C，就報 25°C，不管最近幾天是不是都算錯了。
ACI 則是會「看看最近幾天的預報準不準」。如果連續 3 天都低估了溫度，ACI 會自動把預測往上調。它不改變模型本身，而是根據 最近的表現自動校正信心水準 。
為什麼這對你很重要？
如果你用風險模型來決定持倉大小，模型低估風險 81% 意味著：
- 你以為自己承受的最大虧損是 3%，實際上可能是 5%
- 你以為「百年一遇」的事件，其實每 55 天就來一次
ACI 把這個偏差從 81% 降到了 1%。 而且它不需要你換模型，在任何現有模型上「加一層」就好。
一句話總結
不是你的模型不好，是你的信心區間需要自動校正。加上 ACI 這一層，任何模型都能從「差強人意」變成「幾乎完美」。
本文基於實驗 K1005 的實證結果（數據來源：yfinance SPY，期間：2019-2026，OOS 1,826 天） 參考文獻：Gibbs & Candès (2021) Adaptive Conformal Inference
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
📄→📄→📄→
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…
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…