VaR 部位管理被否決、分配僅影響 VaR 不影響 QLIKE：VIX/GARCH/分配的明確分工

摘要

Phase O11-O12 的聯合實驗揭示了波動率預測與風險管理中三個獨立維度的 明確分工 ：

1.  投資部位管理 ：12/VIX 全面擊敗 VaR-based 方法（Sharpe 1.984 vs 0.958-0.969，DM p<0.0001）
2.  分配假設僅影響 VaR 尾部覆蓋 ：Skewed-t 對 QLIKE 的改善僅 +0.057%（DM p=0.56，不顯著）
3.  GARCH 方程式決定預測精度 ：三種分配產出幾乎相同的 GARCH 參數

這三個發現共同指向一個清晰的架構： VIX 管投資、Skewed-t 管風控、GJR-GARCH 管預測 ，三者各司其職、互不干擾。

O11：VaR-based 部位管理被全面否決

實驗設計

我們將三種 VaR-based 部位管理方法與 12/VIX 策略進行正面對決：

所有方法使用相同的 SPY 資料、GJR-GARCH(1,1)、滾動 w=2000，OOS 期間 2014-2025。

核心結果

 12/VIX 的 Sharpe 是 VaR 方法的 2 倍以上 ，且最大回撤更小。DM 檢定 p<0.0001，統計上毫無爭議。

逐年分析：12/VIX 每一年都贏

更驚人的是，12/VIX 不是靠某幾年的極端表現取勝—— 它在 2014-2025 的每一年都勝過所有 VaR 方法 。這排除了「運氣」的解釋。

三種 VaR 方法之間無顯著差異

三種分配假設（Normal、Student-t/CF、Skewed-t）產出的 VaR-based 部位管理在策略層面 統計上無法區分 （所有 DM p>0.22）。這預示了 O12 的發現：分配選擇對部位管理幾乎沒有影響。

為什麼 12/VIX 遠勝 VaR？

根本原因在於 資訊含量的差異 ：

 VIX 包含了 variance risk premium（VRP） ——市場參與者願意為避險多付的溢價。VRP 在平靜時期推高 VIX（相對於 realized vol），讓 12/VIX 策略自然壓低部位；在恐慌時期 VRP 進一步膨脹，讓策略更積極減倉。這種 自動調節機制 是 GARCH 無法複製的。

GARCH 是純粹的統計模型，只看過去的報酬和波動。它不知道市場正在定價什麼風險、交易員在擔心什麼。VaR-based 部位管理繼承了 GARCH 的這個根本侷限。

O11 結論

 VaR-based 部位管理被全面否決。  VaR 的正確用途是風險監測（例如 Basel III 資本要求），而非投資部位決策。部位管理應使用 12/VIX——它包含了 GARCH 無法捕捉的前瞻性市場資訊。

O12：分配假設僅影響 VaR，不影響 QLIKE

實驗設計

我們在 GJR-GARCH(1,1) 框架下，比較三種分配假設對 預測精度（QLIKE） 和  VaR 表現 的影響：

資料：SPY，GJR-GARCH(1,1)，滾動 w=2000，OOS 2023-2025。

核心發現 1：QLIKE 幾乎不受分配影響

 Skewed-t 對 QLIKE 的改善僅 0.057%，DM p=0.56，完全不顯著。  三種分配的 QLIKE 差異在小數點第三位才出現。

核心發現 2：GARCH 參數在三種分配下幾乎相同

四個 GARCH 參數在三種分配下的差異微乎其微。 分配假設幾乎不改變 GARCH 方程式的估計結果 ，因此條件變異數序列（即波動率預測）本質上相同。

核心發現 3：分配顯著影響 VaR

雖然分配不影響 QLIKE，但它 決定性地影響 VaR 的尾部覆蓋 ：

（此結果與先前 Phase O 的 VaR 實驗一致。）

為什麼分配影響 VaR 但不影響 QLIKE？

 數學解釋 ：

•  QLIKE = ln(h_t) + r_t²/h_t ：只取決於條件變異數 h_t，與分配假設完全無關
•  VaR = μ_t + $\sigma_t$ × q($\alpha$) ：取決於 $\sigma_t$（來自 GARCH）和 分位數 q($\alpha$) （來自分配）

GARCH 方程式：

h_t = $\omega$ + ($\alpha$ + $\gamma$·I_{t-1}) × $\epsilon$²_{t-1} + $\beta$ × h_{t-1}

完全由 $\omega$, $\alpha$, $\gamma$, $\beta$ 決定，與分配無關。分配只影響概似函數中的「形狀」部分，而這部分對 GARCH 參數的估計影響極小。

 直覺解釋 ：

想像 GARCH 是一台「波動率預測機器」，分配是一個「尾部放大鏡」：

• 機器產出每天的波動率預測（h_t）→ QLIKE 衡量這個預測有多準
• 放大鏡決定在給定波動率下，極端事件的機率有多大 → VaR 需要這個放大鏡，QLIKE 不需要

這就是為什麼 你可以獨立最佳化這兩個維度 ：用 GJR-GARCH 做最好的波動率預測，再用 Skewed-t 做最好的尾部覆蓋。

整合洞見：三維度分工架構

O11 和 O12 的結果共同指向一個清晰的 三維度分工 ：

這個架構為什麼重要？

 它消除了一個常見的混淆 ：很多人認為「更好的 VaR = 更好的投資決策」。O11 明確否定了這個假設。VaR 是風險度量工具，不是投資決策工具。

 它簡化了模型選擇 ：

• 不需要為了 QLIKE 而糾結分配選擇（Normal 就夠了）
• 不需要為了投資決策而計算 VaR（12/VIX 更好）
• 只有在需要合規/風控報告時，才需要 Skewed-t VaR

實務操作建議

方法細節

結論

Phase O11-O12 建立了波動率研究中三個維度的 不可替代性 ：

1.  VIX 不可被 GARCH 替代 （在投資決策中）：VIX 的 variance risk premium 提供了 GARCH 無法觸及的前瞻性市場資訊。12/VIX 策略的 Sharpe（1.984）是 VaR 方法（~0.96）的 2 倍。

2.  Skewed-t 不可被 Normal 替代 （在 VaR 中）：分配假設決定尾部覆蓋品質。Skewed-t 的 6/6 Kupiec 通過率 vs Normal 的 1/6，差異是結構性的。

3.  GARCH 方程式不可被分配替代 （在 QLIKE 中）：波動率預測精度完全由 GARCH 參數決定，分配的貢獻僅 0.057%（p=0.56）。

 三個維度、三種工具、各司其職。  這不只是統計結果，它反映了金融市場中風險中性測度（VIX）、物理測度（GARCH）、和分配形狀（Skewed-t）三個根本不同的概念。

本文基於 Phase O11（SPY, OOS 2014-2025, 12 年）和 O12（SPY, OOS 2023-2025, 3 年）實驗。所有比較使用 GJR-GARCH(1,1)，滾動 w=2000。DM 檢定為 Diebold-Mariano test。