你的風險管理工具選對了嗎？不同資產需要不同方法

不同資產，不同脾氣

如果你只持有一種資產，風險管理也許不那麼複雜。但如果你的投資組合裡同時有股票、黃金、外匯，你可能正在犯一個代價不小的錯誤—— 用同一把尺量所有東西 。

我們最近完成了一項橫跨 15 種資產的大規模實驗（涵蓋股票、原物料、外匯、債券），結果清楚地告訴我們：不同資產的波動率有截然不同的「個性」，需要量身定做的風險管理工具。

股票：恐懼比貪婪更猛烈

股票（像 SPY、QQQ）有一個著名的特性—— 壞消息比好消息更能引發波動 。學術界稱之為「槓桿效應」：股價下跌 1% 引發的波動，大約是上漲 1% 的 1.5 到 2 倍。

這意味著，管理股票風險時，你需要一個能「區分漲跌」的模型。我們的實驗確認， GJR-GARCH （專門捕捉不對稱波動的模型）在股票類資產上顯著優於對稱模型。

而且，對股票來說加入 VIX（恐慌指數）作為額外資訊，能進一步提升預測精度。VIX 就像是股市的「情緒溫度計」，能幫助模型更早偵測到風險升高。

原物料：漲價才是風險

黃金和原油的波動特性跟股票完全相反。

原油（USO）展現了 反向槓桿效應 ——價格上漲時波動反而更大。為什麼？因為油價飆漲通常代表供應中斷（戰爭、制裁、天災），這種不確定性比價格下跌帶來更多恐慌。

黃金（GLD）的槓桿效應則非常微弱，統計上幾乎不顯著。

這告訴我們：原物料不需要複雜的不對稱模型。最基本的  GARCH(1,1)  就足夠了，加入更多參數反而會引入估計噪音，讓預測變差。

圖：不同資產類別最適波動率模型的複雜度差異。股票需要最複雜的模型（GJR + VIX），外匯最簡單（EWMA 即可）。

外匯：最穩定，最好管理

外匯市場（EUR/USD、USD/JPY）是最「乖」的資產類別。我們的實驗發現：

•  幾乎沒有槓桿效應 （gamma 係數在統計上不顯著）
•  波動很穩定 ，不像股票會突然暴增
•  最簡單的 EWMA（指數加權移動平均）就是最佳選擇 

EWMA 只需要一個參數（衰減因子），計算量極小，用 Excel 就能做到。對於持有外匯部位的投資人來說，這是個好消息：你不需要花大錢買複雜的風險系統。

實用指南：三步選對你的風險工具

根據我們 15 種資產的研究結果，這裡是一個快速選擇指南：

 第一步：看槓桿效應  計算 GJR-GARCH 的 gamma 係數。如果統計顯著（超過 50% 的窗口 p < 0.05），用不對稱模型；否則，對稱模型就夠了。

 第二步：決定模型 

 第三步：驗證  不管選了什麼模型，都要做「樣本外測試」，用模型沒看過的最近數據驗證。任何模型在回測中看起來都不錯，關鍵是未來表現。

一個有趣的發現

我們開發了一個「gamma 決策規則」：只要看 GJR-GARCH 估計出來的不對稱參數，就能在 15 種資產中，用簡單規則選出跟最佳模型差距在 5% 以內的方法。準確率？ 100%（15/15 資產） 。

這意味著你不需要跑遍所有模型才能找到最適合的，一個統計量就夠了。

帶走的一句話

同一個投資組合裡的不同資產，可能需要完全不同的風險管理方法。用錯工具，比不用工具更危險。

本文基於實驗 K483（原物料波動率）、K494（外匯波動率）、K495（跨資產模型選擇指南）。數據來源：yfinance 實證數據，15 種資產，期間 2005-2024。