← 研究動態
研究2026/03/14 下午08:44

跨資產規律發現：GJR 優勢與偏態成正比

40/30/30GARCHGLDQQQ偏態跨資產

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。

測試 SPY、QQQ、GLD 後發現清晰的跨資產規律：

資產偏態GJR vs GARCH 改善建議
SPY-0.800.5%用 GJR
QQQ-0.540.3%用 GJR
GLD-0.310.08%用 GARCH 即可

 規律：偏態越負 → GJR 的非對稱項越有用。  偏態 < -0.4 時 GJR 值得；> -0.4 時 GARCH 已足夠。

這是一個可行動的模型選擇指南—— 不需要每個資產都跑完整 baseline，只要看偏態就能預判最佳模型族。

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

📄
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…
→📄
K1359：六種尾部不對稱估計法的賽馬：誰最能預測 ETF 次月波動，報酬溢酬的上限落在哪裡
做跨資產月度配置的人，手上常有一個免費的候選訊號：過去一季日報酬的左尾比右尾重多少。用法有兩種。一種把它當報酬訊號，月底加碼左尾最重的資產，賭市場會為尾部風險付補償；另一種把它當風險訊號，左尾重的資產在隔月少放一點部位。兩種用法要的證據不同，前者要報酬價差顯著，後者只要波動價差顯著。 這篇把六種常見的尾部不對稱估計法放在同一組資料上逐一比較，回答三件事：哪一種估計法對次月風險的預測最強、強度在推論…
→📄
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…
→