每一次失敗都在說同一件事：日頻資料的訊號天花板

VIX 最近維持在 18 附近，市場沒有恐慌，也沒有太安靜。這種盤面最容易讓人覺得：如果有更精準的預測工具，此刻應該特別有用。

過去幾週，VolPred 從六篇文章、五個個別實驗加一次研究系統體檢，把這個直覺拿去測。每次的出發點不同，最後回答的是同一個問題。

真正的問題換個方向問： 在日頻資料這個條件下，強化模型到底還有多少空間？ 

六月十一日的體檢：三百零五次，兩成八通關

最早的一筆記錄在六月十一日（做了 305 次投資研究後，真正活下來的結論有多少？）。

這篇不是個別實驗，是整個研究系統的一次自我清查。2026 年 3 月 14 日到 3 月 22 日之間，同一套流程累積了 305 個實驗。最後被歸到「偏正向結果」的只有 86 個，佔 28.2%。剩下七成出頭的想法，經過長樣本、跨市場、樣本外的嚴格測試後，縮水了。

這個 28.2% 剛好是一個可信度的標誌。一個系統如果九成以上的想法都通關，那你大概要懷疑它在篩什麼。

裡面有兩個修正特別值得記：一個是把「同一天看到訊號、同一天算報酬」這種偷看到未來的設計改掉後，績效明顯縮水；另一個是某個波動控管策略曾一度聲稱能把退休提領安全率從 4% 拉到 8%，更嚴格的交叉驗證跑完，站不住。

修正這些，不是在推翻結論，是在讓結論變得可信。

六月十五、十六日：加更多參數，結果輸更多

兩週後出現了兩篇性質相近的實驗，出發點都是同一個直覺：舊模型太陽春，多一層邏輯應該更準。

六月十五日（看起來很準，卻完全沒用）記錄的是實驗 K998。在 SPY 2005 年到 2026 年、共 5,347 個交易日的資料上，研究者找到一個 GARCH 衍生指標（g proxy），Granger 因果檢定在一天和五天的 horizon 上看起來都很漂亮，F 統計量 47.36，統計上達顯著水準。

問題是，控制 VRP 自身的 lag 之後，g 的係數在所有 horizon 都沒過學術界更嚴格的預測顯著性門檻，t 統計量介於 -1.91 與 -1.39 之間，遠不足以支持預測宣稱。樣本外 R² 除了一天期的微小正值，其餘都是負的。把它設計成交易策略，Sharpe 是 -0.90，而什麼都不做的 naive baseline 是 +0.84。

統計上看起來有關係，預測時就是沒用。

六月十六日（把 GARCH 改聰明反而更笨）則是實驗 K431 的 v2 報告。這次試的是把 GARCH 加上平滑切換機制（STGARCH），讓模型能感知市場是在恐慌期還是平靜期。三種版本：用 VIX 判斷、用當天報酬幅度、用滯後波動率。OOS 期間 2023 至 2024 年，502 個交易日。

結果是這樣的：

GJR-GARCH 比標準 GARCH 多了一個參數：壞消息導致的波動比好消息更大（槓桿效應）。三種 STGARCH 多估了 4 個參數，換來的是 DM 檢定全輸（p 值 0.001 到 0.014）。

六月十九日：把更多特徵塞進去，模型反而更搞不清楚

六月十九日（幫風險模型多裝一大包聰明指標，結果反而更差）延伸的是另一個思路：既然單一特徵不夠，那多塞一整包呢？

實驗 K1014 用 SPY 2005 至 2026 年資料，OOS 從 2019 年起，共 1,824 個交易日。把波動加速度、跳躍強度、下行占比、隱含波動率與已實現波動的差距全部丟進 HAR。

最簡單的版本排第一，加了特徵之後誤差從 1.283 惡化到 1.627。這一整包新增特徵裡，真正有訊號的只有一個（隱含波動率與已實現波動的差距），但和另外五個一起塞進去，訊號被稀釋掉了。係數跳動，模型不知道該信哪個。

六月二十三日：連骨架都嵌進去的神經網路，還是輸了

六月二十三日（把老模型塞進 LSTM，為什麼預測反而更差？）是這個系列裡最有野心的嘗試。

做法更進一步：把舊波動率公式的骨架直接寫進 LSTM，讓神經網路從有金融邏輯的起跑點開始學，少走冤枉路。

SPY 和 QQQ，OOS 從 2021 年 1 月到 2026 年 5 月，各 1,348 個交易日。

主評分（QLIKE）：SPY 新模型 3.451，基準 1.730；QQQ 新模型 3.292，基準 1.746。誤差分別大了 99% 和 89%。

唯一讓新模型「看起來」有進步的指標是平方誤差：SPY 改善 14.7%，QQQ 改善 6.0%。但平方誤差對波動率預測本來就比 QLIKE 鈍很多。在重要的那把尺上，新模型全面退步。

六月二十八日：換到日內高低價代理，HAR 依然沒改善

昨天的實驗（日頻波動率，HAR-RV 贏不了 GARCH：60 場跨資產對戰的紀錄）是整個脈絡的收尾。

K188 改變了角度：不再測「加更多參數」，而是測「換更好的波動率代理」。把收盤價算出的波動換成 Parkinson、Garman-Klass、Rogers-Satchell 估計量，這些用日內高低價算出來的代理，理論上比收盤價包含更多資訊。再用三個 HAR 變體對打 GJR-GARCH，五資產 × 四代理 × 三模型，共 60 場。

換了更好的代理，HAR 不但沒改善，GARCH 反而勝出更多。用 Parkinson / Garman-Klass 時，GARCH 每組 3-4 勝，因為 GARCH 對代理噪音的處理方式更簡潔。

HAR 唯一的 1 勝是 SPY × HAR-X(c2c)：在美股流動性最高的標的上，加入 VIX 作為外生輸入，勉強在收盤價代理上贏了一場。這個組合極窄。

這些失敗說的是同一件事

這六篇橫跨六月十一日到六月二十八日，說的是同一件事，但從不同方向切進去。

Granger 顯著但嚴格預測門檻不過（K998）、STGARCH 加了四個參數輸 5-6.5%（K431）、特徵包讓誤差退步 27%（K1014）、骨架嵌進 LSTM 後 QLIKE 惡化 99%（深度學習）、換了日內高低價代理 HAR 依然 1:31（K188），這些失敗的機制各不相同，但共同的起點是一樣的：

 日頻資料的訊噪比很低。已實現波動本身就是個粗糙的估計，可以被線性結構捕捉的訊號有限。到了那個上限，加特徵、加層次、換結構，只是在把噪訊打磨得更漂亮，不會讓預測變準。 

HAR 在高頻（五分鐘 RV）的主場是真的強，因為五分鐘 RV 直接量測盤中每一分鐘的波動，訊號濃度高。搬到日頻，燃料不夠，分解就失去意義。

這不是說日頻波動率預測沒有空間。這 17 天的記錄一起說的是： 空間到底在哪裡，要從資料的訊噪比去理解，不是從模型的複雜度去想。  複雜模型幫你找的，大部分是噪訊裡的巧合。

對一般投資人的意思：如果你在評估一個新的風險預測工具，比「它用的模型有多新」更值得先問的問題，是它的樣本外期間是什麼時候、用的評估指標是 QLIKE 還是 MSE、以及有沒有和 GJR-GARCH 這個樸素的 baseline 認真比過。

本期精選

這六篇文章的發佈日期橫跨 17 天（2026-06-11 至 2026-06-28），記錄了同一個天花板從六個不同角度留下的輪廓。

• 做了 305 次投資研究後，真正活下來的結論有多少？（2026-06-11）— 305 個實驗、28.2% 正向通關；修正偷看未來讓績效縮水，更嚴格的驗證讓聲稱更可信。

• 看起來很準，卻完全沒用：一個 GARCH 指標的預測失敗紀錄（2026-06-15）— K998，g proxy Granger F=47.36 達統計顯著水準，但嚴格預測門檻未過，Sharpe -0.90；Granger 顯著從來不等於可以預測。

• 把 GARCH 改聰明反而更笨：三種 STGARCH 在 SPY 上全輸給老派 GJR（2026-06-16）— K431 v2，多四個參數換來 QLIKE 惡化 5.05–6.56%，DM 全輸。

• 幫風險模型多裝一大包聰明指標，結果反而更差（2026-06-19）— K1014，六個新特徵讓 QLIKE 從 1.283 退步到 1.627；係數打架，訊號被稀釋。

• 把老模型塞進 LSTM，為什麼預測反而更差？（2026-06-23）— SPY QLIKE 惡化 99%，QQQ 惡化 89%；連嵌進骨架都救不回。

• 日頻波動率，HAR-RV 贏不了 GARCH：60 場跨資產對戰的紀錄（2026-06-28）— K188，五資產 × 四代理 × 三模型，GARCH 勝 31：HAR 勝 1，換日內高低價代理仍讓 GARCH 優勢更大。

資料說明：各實驗 K 編號對應 VolPred 研究資料庫，QLIKE / DM 統計量可在各實驗原始報告查閱。VIX 水位參考發文時 yfinance 讀數（約 18.4）。