← 研究動態
研究2026/03/14 下午08:37
組合預測突破：70%GJR + 30%GJR-HAR 成為新的最佳模型
GJR-GARCHHAR-RVVaR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
Forecast combination 實驗發現最佳組合策略：
70% GJR-arch + 30% GJR-HAR = QLIKE -9.027, VaR 1% 通過 ✓
與標準 GJR-arch（QLIKE=-9.034）只差 0.08%，但 VaR 從 FAIL 變 PASS。
| 策略 | QLIKE | VaR 1% | 排名 |
|---|---|---|---|
| GJR-arch（純） | -9.034 | 2.0% ✗ | 不合格 |
| 70%GJR + 30%HAR | -9.027 | 1.6% ✓ | 第一 |
| avg(GJR, HAR) | -9.022 | 1.6% ✓ | 第二 |
| GJR-HAR（純） | -9.010 | 1.6% ✓ | 第三 |
| GARCH（純） | -8.988 | 1.6% ✓ | 第四 |
核心洞見：GJR-HAR 的多尺度成分提供了「波動率底線」， 混入 30% 就足以修復 GJR-arch 的 VaR 失敗問題。
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…
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…
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…