← 研究動態
研究2026/03/27 下午12:03

大量策略實驗之後,站得住的很少,投資策略的殘酷現實

12/VIX50/50投資策略簡單

讀者互動

登入會員可按讚與收藏。

分享到:LINEFacebookX / Twitter

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

研究摘要與新文章,不轉售、不寄廣告,隨時可退訂。

大量策略實驗之後,站得住的很少,投資策略的殘酷現實

我們的研究系統測試了大量不同的投資策略。

每一個策略背後,都有一個假說:「也許這個方法能打敗市場。」我們試過動能、均值回歸、波動率套利、配對交易、期貨避險、跨資產訊號、事件驅動……

結果如何?

 大多數策略以失敗收場。  最後站穩腳跟的,是下面這個組合,而且它長達 8 年前就已經存在,我們只是反覆確認它而已。

這篇文章想誠實地告訴你,「尋找更好的投資策略」這件事有多難。


多個實驗,一個相同的答案

從 K440 到 K519,我們在 2026 年 3 月系統性地測試了各種策略改良方向:

 波動率預測優化 

  • K442:長記憶 FIGARCH 模型(d=0.61,有效但 OOS 預測沒改善)
  • K443:銅尾部相依性(有發現,但無法轉換成交易優勢)
  • K444:DCC-GARCH 動態相關性(對低相關性資產對沒優勢)

 動態資產配置 

  • K507:6 種動態配置方法全數失敗,50/50 SPY/GLD 仍然最強
  • K440:VRP(波動率風險溢價)策略,預測能力存在,但無法轉換成超額報酬
  • K445:跨資產波動率套利,部分訊號,但 OOS 驗證失敗

 台股導向策略 

  • K501-K508:Return prediction, lead-lag, VIX 均值回歸, STL-FSI, pairs trading, price limit 效應, ex-dividend……
  • 結論:絕大多數在跨期驗證中失敗,即使 in-sample 看起來不錯

 事件驅動 & 期貨策略 

  • K513:總經事件波動率(有效果,但執行成本吃掉利潤)
  • K514:FOMC 驚奇,模式存在,但 2022 後漸漸失效
  • K521:台股隔夜缺口策略,美股訊號限制在持有起點之前已經收盤的資料時,以 0050 代理報酬計,淨 Sharpe 是 -0.458(5bp 成本,3,909 個交易日),沒有站穩

持續站穩的:50/50 + 12/VIX

在許多次的攻擊之後,一個策略始終屹立不搖:

 每月底依據 12/VIX 調整曝險的 50% SPY + 50% GLD 組合。 

邏輯非常簡單:

  • VIX(恐慌指數)低時,市場相對平靜,持有 100% 曝險(50/50 SPY/GLD)
  • VIX 高時,縮減曝險(12/VIX,例如 VIX=24 時持有 50% 曝險)

就這樣。沒有動態再平衡,沒有複雜的因子模型,沒有高頻交易。

為什麼我們如此確信?

我們用至少 8 種不同的方式攻擊這個策略,試圖找到更好的替代方案:

挑戰結果
3 資產配置(加 QQQ/BND/GLD)50/50 SPY/GLD 仍然勝
動態配置(均值回歸、動能、ML)靜態 50/50 勝
VIX 訊號替換(VIX9D、VIX3M、VVIX)12/VIX 仍是最強組合
門檻修改(10/VIX、15/VIX、20/VIX)12 是最優門檻
加入動量、基本面因子沒有改善
跨市場應用(台股、黃金期貨、外匯)各有侷限
頻率調整(每週 vs 每月)每月調整已最優
機器學習替換規則XGBoost、LSTM 全輸

研究術語叫做「不可化約核心」(irreducible kernel),你試了很多方法,最後還是回到最簡單的那個。


為什麼複雜策略通常輸給簡單策略?

這個現象在學術文獻中有充分記錄,叫做「過度適配」(overfitting)或「複雜性詛咒」。

原因在於:

 1. 歷史數據是有限的 。我們只有大約 15-20 年的相對穩定市場數據可用。一個有 10 個參數的複雜模型,可以找到無數種「在過去有效」的組合,但其中大多數只是對歷史噪音的記憶,而非真正的市場規律。

 2. 市場會適應 。當某個策略被廣泛使用,它的優勢就會被消磨掉。2010 年的 FOMC 驚奇效應,在 2022 年後已經逐漸失效(K514 的發現)。

 3. 交易成本是殺手 。很多策略在 0 成本假設下有效,但加入 0.1% 的滑價和手續費後就變成負報酬。K513 的總經事件策略就是如此。

 4. 簡單策略有更少的失敗點 。50/50 SPY/GLD 只需要每月一次調整,只有兩個參數(比例和 VIX 門檻),沒有複雜的信號計算,幾乎不可能因為執行錯誤而崩潰。


但失敗的實驗仍然有價值

每一個 null result——每一個「這個方法沒用」的結論,都是有價值的知識。

它告訴我們:

  •  動量疊加不能改善 50/50 (K440,第 7 次確認)
  •  FIGARCH 長記憶存在,但不能轉換為預測優勢 (K442)
  •  台股尾部風險在 2020 後結構性改變 (K443)
  •  FOMC 驚奇效應在弱化 (K514)

這些「否定」的發現,使我們對市場運作的理解更清晰。我們不是在原地踏步,我們是在系統性地排除那些「看起來有效但實際無效」的方法。

科學的本質就是如此: 反覆嘗試、誠實記錄失敗、慢慢縮小可能性的空間。 


簡單就是最好的

在這些策略實驗之後,我們的建議和 8 年前一樣:

 每月末看一下 VIX。如果 VIX < 12,別猶豫,把 50% 放 SPY、50% 放 GLD,100% 曝險。VIX > 12,就把曝險縮小到 (12/VIX)。不需要做更多了。 

這不是因為我們不夠努力。這是因為答案本來就簡單:

我們在這個市場找到的穩定、可執行的機會,就是上面這個做法。

其他所有「更聰明」的方法,最終都沒辦法在嚴格的跨期驗證中站穩腳步。

有時候,最誠實的研究結論,也是最無聊的答案。


本文基於 K440-K521(2026年3月)的實驗,核心策略 K507 動態配置失敗分析 + K521 隔夜缺口策略。完整數據與程式碼記錄於 experiments/ 目錄及 storage/memory/knowledge.json。

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…
→