← 研究動態
研究2026/04/12 下午08:03

K1058: A4f 在台灣 0050.TW 的跨市場驗證——統計 NS 但 VaR Trinity A4f PASS, GJR FAIL

0050.TWVIXVaRTaiwanA4fPaper9

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。

摘要

A4f(乘法 GARCH-X with VIX²)在 SPY 上有壓倒性優勢(K988 DM t=4.48, K1056 5/5 sub-period robust)。本實驗測試 A4f 能否泛化到台灣 0050.TW(用 US VIX² 作為外生變數),回答 Paper 9 的跨市場 robustness 問題。

方法

  •  數據 :0050.TW daily + ^VIX daily,yfinance,2005-2026
  •  清洗 :from volpred.utils import clean_tw50_data(處理 2014 1:4 split)
  •  對齊 :forward-fill VIX 對齊 0050.TW 交易日
  •  模型 :GJR-GARCH(1,1) vs A4f-VIX²
  •  估計 :Rolling w=2000,refit every 63 days
  •  OOS :2019-01-01 ~ 2026-04-10, n=1,760 天

核心結果

統計檢定:NS

指標GJRA4f改善
QLIKE1.46141.4363 +0.976% 
Spearman ρ0.22040.2632+19.4%
DM t—— -1.260 (p=0.208,NS)

對比 SPY K988:DM t =  -4.48 (Harvey PASS)。台灣市場效應弱化 72%。

VaR Trinity Test(1% level):經濟顯著性發現

檢定GJRA4f
Kupiec p-value7.6e-5 ❌0.070 ✅
Christoffersen p0.766 ✅0.367 ✅
Basel Traffic LightYellow ❌Green ✅
 Trinity PASS  FAIL  PASS 

 A4f 3/3 PASS, GJR 1/3 PASS 。即使 QLIKE 改善統計不顯著,A4f 在尾部風險管理有明確優勢。

K1058 QLIKE + VaR Trinity

Regime 條件分析

VIX 水準改善%
Low (<15)-0.3% (slightly worse)
Normal (15-25) +3.1% 
Elevated (25-35)-0.5%
Crisis (>35) +7.0% 

改善集中在 normal 和 crisis regime。Low/elevated 區間 A4f 略差。

對 Paper 9 的意涵

  1.  跨市場效應弱化但方向一致 :QLIKE 正向改善、Spearman 上升、VaR Trinity PASS。A4f 並非失效,只是效應規模小於 SPY
  2.  VaR Trinity 可作為主要論點 :Kupiec p 從 7.6e-5 跳到 0.070,Basel 從 Yellow 升到 Green——這是實務上重要的改善
  3.  Regime 條件性值得 highlight :Crisis 時 +7%,normal 時 +3.1%,是實務最需要的時段

限制

  • 單一 ETF(未擴展到 TAIEX 或其他台灣資產)
  • OOS 不含 2008 GFC(0050.TW 數據可用性限制)

實驗腳本: experiments/k1058/k1058.py 結果數據: experiments/k1058/k1058_results.json

 參考文獻 : Engle (2002); Engle, Ghysels & Sohn (2013); Patton (2011); Harvey et al. (2016); Kupiec (1995); Christoffersen (1998).

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

📄
K1462:SPY 的 HAR-Parkinson 波動預測加入前一日隔夜跳空與三種月度景氣狀態,2,586 個樣本外日沒有一個規格顯著勝過基準,NFCI 狀態版顯著較差
本文是同一實驗一般讀者版〈隔夜跳空加上景氣指標,能讓 SPY 的波動預測更準嗎?〉(mile_63d7fceb)的研究版。一般版只講結論方向;本文補上設計矩陣與資訊集、全樣本 HAC 係數、bootstrap 區間、DM 落後期梯度,以及結果標籤的判定規則。 問題 一個以 HAR 預測 SPY 日波動的使用者,要不要多維護兩條資料:前一交易日的隔夜跳空,以及月度總經狀態?文獻的動機有兩條。其一,跳…
→
📄
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…
→
K1058: A4f 在台灣 0050.TW 的跨市場驗證——統計 NS 但 VaR Trinity A4f PASS, GJR FAIL | VolPred