研究2026/03/28 上午12:03

最強預測模型為什麼不是最賺錢的策略？投資中最反直覺的發現

VIX投資策略波動率HAR預測

讀者互動

登入會員可按讚與收藏。

分享到：LINE Facebook X / 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

最強預測模型為什麼不是最賺錢的策略？投資中最反直覺的發現

我們做了一件很多人覺得理所當然的事：找到預測波動率最準確的模型，然後用它來投資。

結果和直覺不一樣。

預測最準的 HAR-VIX，轉成策略後的平均夏普略低於最簡單的 12/VIX；但各模型之間的差距都沒有達到統計顯著。

這個比較用了 2005 到 2026 年的市場數據，在三段樣本外期間（2020–2021、2021–2022、2023–2024）進行。前兩段共用 2021 年的 252 個交易日，所以三段並不互相獨立。

氣象學家的困境：知道溫度不代表知道要不要帶傘

先用一個比喻來理解這件事。

假設你是個氣象學家，手上有全世界最精準的溫度計。你可以精確預測明天的最高氣溫是 28.3°C。

但你的鄰居只有一個粗糙的晴雨表，他說：「明天雲很多，可能有雨。」

問題來了：誰的建議對「要不要帶傘」更有用？

答案是鄰居。因為「帶傘決策」需要的是「會不會下雨的方向性判斷」，溫度的精確值幫不上忙。你的精準溫度計回答的是昨天、今天的問題（ 回顧性的 ），而晴雨表回答的是明天會怎樣（ 前瞻性的 ）。

這個比喻是一種可能的解釋。實驗 K530 和 K533 的結果還不足以證明它。

數據怎麼說：預測 vs 策略

我們測試了 9 種模型，以下是核心發現：

左：K530 各模型對 SPY 波動率的預測誤差；右：K533 各策略三段樣本外的平均夏普

圖表左側是「預測精度」：HAR-VIX 在 2023-2024 樣本外期間的 QLIKE 分數為 0.463，排名第一，比傳統 GJR-GARCH 模型（1.507）低 69%。

右側是把預測轉成波動率目標（VT）策略後的夏普比率。策略在第 t 日的部位，只用第 t−1 日收盤時已知的資訊（VIX 與 HAR 預測）決定，下表是三段樣本外的平均：

12/VIX 策略 （用 VIX 感知市場情緒）：年化夏普 0.99
HAR-VIX 最佳預測模型轉策略 ：年化夏普 0.96
HAR-ABS（第2名預測）轉策略 ：年化夏普 1.01
買進持有 SPY （對照）：年化夏普 0.91

預測最準的 HAR-VIX，轉成策略後的平均夏普（0.96）低於最簡單的 12/VIX（0.99），三段中只有 2020–2021 那段較高。三段期間裡，HAR-VIX、HAR-ABS、Hybrid 與 12/VIX 的 9 個比較，最大 t 為 1.84，沒有一個達到 Harvey t > 3.0 門檻。這個檢定比的是日報酬平均差，不是夏普差異，也沒有做 HAC 調整；沒有達到門檻只表示沒有找到顯著差異，不表示 12/VIX 比較好。

HAR-ABS 預測排名第 2，策略的平均夏普為 1.01，三段中有兩段高於 12/VIX。2021–2022 那段它的夏普接近零（0.02），但同期 12/VIX 是 −0.07。預測排名和策略排名對不上，但方向不是「越準越差」。

可能的解釋：溫度計 vs 雷達

HAR 模型 是一種「回顧型」工具。它用過去 1 天、5 天、22 天的波動率加權，預測明天的波動率數字。它的本質是： 看昨天的溫度，推算明天的溫度 。

這在「純預測精度」比賽中是強的，因為波動率確實有連續性。

12/VIX 則完全不同。VIX 是期權市場對未來 30 天波動率的「市場共識預期」。它不是在看歷史，它是在問：「現在市場裡的聰明錢，對未來有什麼看法？」

這就像氣象雷達，它能探測即將到來的鋒面，而不只是記錄今天的溫度。

一種假說是：策略需要的是「什麼時候加碼、什麼時候減碼」的方向判斷，而不是波動率數字本身。K533 的資料不支持「VIX 在策略上更有優勢」：在資訊時間對齊後，12/VIX 和 HAR 類策略的差距都不顯著。

ML 加進來也沒用：K538 的故事

「好吧，HAR 模型的問題可能是方法不夠先進。如果加入機器學習，用 16 個特徵變數預測『明天 VT 策略會不會贏』，是不是就能改進？」

我們試了。邏輯迴歸、XGBoost、隨機森林，全部試了。

結果： 所有 16 個特徵與「明日 VT 是否跑贏」的相關係數最高只有 ±0.02，沒有任何顯著相關。 模型的 AUC（分類準確率指標）徘徊在 0.48-0.52，基本上等同於隨機猜測。

機器學習的結論只有兩條路：要嘛完全不用 VT（退化成買入持有），要嘛一直用 VT。兩個都沒用。

K538 說明，用這 16 個特徵預測每天的 VT 輸贏行不通；它沒有回答 VT 的長期報酬從何而來。

對一般投資人的啟示

不要崇拜「最準確」的模型 。在投資中，預測精度和策略效果是兩件事，要分開評估。
前瞻性指標是否優於回顧性指標，仍是待驗的假說 。VIX 代表市場對未來的共識，但在 K533 裡，資訊時間對齊後，VIX 類與 HAR 類策略的差距不顯著。
複雜不一定更好，簡單也不一定更好 。HAR-ABS 在三段中有兩段勝過 12/VIX，但差距沒有達到顯著；K538 的 ML 方法也沒有帶來改善。
策略表現要分期間看 。同一組策略在 2021–2022 的夏普都接近零或為負（12/VIX 為 −0.07），在 2023–2024 則都在 1.8 左右；只看平均會掩蓋這種差異。