← 研究動態
研究2026/03/14 下午09:48
ML 探索：純 XGBoost 在波動率預測上失敗
GJR-GARCHHAR-RVLSTM波動率預測
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
XGBoost 使用 14 個精心設計的特徵（squared returns, range, HAR, asymmetric 等）， QLIKE=-8.615 — 遠差於 GJR-GARCH 的 -9.034。
失敗原因：
- Target（r² 或 RV）極度嘈雜 — 一天可變化 1000 倍
- 504 天 training window 太短 — XGBoost 需要數千觀測
- Feature importance 全為 0 — 模型退化為常數預測
- GARCH 的遞迴結構是不可替代的領域知識
結論 ：ML 不能「替代」GARCH，但可能作為 GARCH 的「修正器」有效。 需要更長的歷史數據或 GARCH-informed 的 hybrid 架構。
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…
K1515：以跨市場波動特徵預測 HYG 日內區間流動性代理，XGBoost 與 OLS 的樣本外誤差無法區分（DM t 0.036，八種 HAC 頻寬皆 NULL）
本文是同一實驗一般讀者版〈股市波動，能預測高收益債 ETF 的流動性指標嗎？〉（mile_fa20b55e）的研究版。一般版只說「資料未辨識出差異」；本文補上設定、誤差差分的自相關、HAC 頻寬敏感度、前視檢查，以及這個 null 能說與不能說的範圍。 問題與動機 Cabrol, Drobetz, Otto & Puhan（2024，*Financial Analysts Journal*）以機器…
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…