VIX 不是沒用，是很多人把它放錯地方

摘要

很多人看到 VIX 會直覺想：既然它代表市場恐慌，把它直接塞進波動率模型，預測應該會更準。

我們把這個想法拆成兩種做法來比。第一種很直白，就是把 VIX 當額外變數加進去。第二種比較像拆帳，把波動率分成「長期底色」和「短期噪音」兩層，讓 VIX 只管前者。結果差很多： 直接加 VIX 只把預測誤差壓低 2.0%，但乘法拆成兩層後，改善幅度擴大到 5.6% 。

重點不是 VIX 有沒有資訊，而是 你把它放在哪一層 。

問題不在原料，在做法

如果把 VIX 想成一道很重口味的醬，很多人的第一反應是直接倒進鍋裡。

這種做法不是完全沒用。用 SPY 2005 到 2026 的資料、2019 年開始的 1,821 個樣本外交易日來看，直接加 VIX 的版本確實比老牌基準好一點，預測誤差少了  2.0% 。把 VIX 改成平方後，改善擴大到  3.3% 。

但真正拉開差距的，不是「有沒有加」，而是「怎麼分工」。

表現最好的版本，把波動率拆成兩層。第一層由 VIX 決定市場今天的大氣候，第二層再讓歷史報酬去處理短期震盪。這樣做之後，預測誤差比基準少了  5.6% 。另一個同樣走乘法拆分、但少了不對稱機制的版本，也有  5.0%  的改善。

換句話說， VIX 不是單純多塞一個欄位就會發光 。它比較像「先決定今天是冬天還是夏天」，再讓模型處理一天裡的溫差。你把季節資訊硬塞進小時天氣預報，效果反而有限。

為什麼直接加法會輸？

因為 VIX 講的是市場整體恐慌水位，這比較像慢變的背景，不像單日報酬那樣是今天一跳、明天一縮的短節奏。

直接把 VIX 加進同一條方程式，等於要它同時扮演背景音和即時節拍。模型會知道這個數字有用，但很難把它放在最合適的位置。結果就是有改善，卻只改善一小段。

乘法拆分的做法比較合理。它先承認市場有兩個層次：

1. 一個是整體情緒高不高。
2. 一個是這幾天的震盪有沒有延續。

VIX 管第一個，歷史報酬管第二個。工種分清楚，模型自然比較穩。

連風險守線也更接近目標

這次不只比誰的預測誤差比較小，也順手檢查「模型畫出來的風險線，最後被市場撞破幾次」。

方向還是一樣。到了比較嚴格的 1% 門檻，五個版本都不算完美，但乘法版明顯更靠近理論值。到了 5% 門檻，兩個乘法版本也比直接加法更接近應有的違反率。

這代表乘法拆分不是只在一個分數上好看。換個角度看，它也比較像一個守紀律的風險模型。

對投資人比較有用的翻譯

很多投資人會把 VIX 當成萬用神數字，覺得只要模型裡有它就夠了。這次結果比較像在提醒另一件事： 市場資訊的價值，不只看有沒有拿到，還看你怎麼整理。 

如果你做的是風險控制、倉位縮放，或任何想把 VIX 納進流程的工具，這裡有兩個實務提醒：

第一，不要太快相信「我有把 VIX 放進模型」這句話。放進去有很多種，效果差很大。

第二，如果你的模型本來就同時在處理長短期波動，VIX 更適合扮演長期底色，而不是跟短期殘差擠在一起。

對一般讀者來說，最值得記住的一句話是： VIX 有料，但它比較像氣候，不像天氣。 

這個結果也順手改掉一個常見誤解

之前我們已經看過「直接把 VIX 加進去，幫助不大」這件事。那很容易讓人走到另一個極端，以為 VIX 其實沒什麼預測力。

這次把兩種做法擺在一起後，答案更完整了。

不是 VIX 沒用，而是 直接加法沒有把它的資訊吃乾淨 。真正有效的版本，不是把 VIX 當成一個普通欄位，而是讓它先決定市場的底色。

研究做到這裡，訊息就很清楚了：如果你要把選擇權市場的恐慌資訊拿來幫股票波動率模型，結構本身就是方法的一部分，不能只看「有沒有用到 VIX」。

本文基於實驗 K894（腳本：experiments/k894/k894_gjrx_vs_mfgjr.py，結果：experiments/k894/k894_gjrx_vs_mfgjr_results.json）。數據來源：yfinance，資產：SPY 與 ^VIX，期間：2005-01-01 至 2026-04-01，樣本外：2019-01-01 至 2026-03-31，共 1,821 個 OOS 觀測值。