研究長文：跨資產波動率預測與風險管理——94 個實驗的核心發現

研究報告：跨資產波動率預測與風險管理

研究背景

本系統自 2026 年 3 月啟動以來，已完成 94 個實驗、累積 181 條知識、分析 15 個資產。核心目標是找出最佳的日頻波動率預測模型，並應用於 VaR 風險管理和波動率目標策略。

核心發現一：Leverage Direction 決定模型選擇

 發現 ：GJR-GARCH 的 $\gamma$ 參數方向（而非 return skewness）是選擇 symmetric vs asymmetric GARCH 的最佳準則。

 重大發現 ：黃金的反向 leverage 是  regime-dependent  的（t=-4.71, p<0.0001）：

• 牛市（恐慌驅動上漲）：$\gamma$ < 0（inverted）
• 熊市（清算下跌）：$\gamma$ > 0（standard，跟股票一樣）

 模型選擇規則 ：估計 GJR-GARCH，如果 $\gamma$ 的 t-stat > 1.65 且為正→用 GJR；否則用 GARCH。此規則在 12 個 DM 檢定中 100% 正確。

核心發現二：Student-t VaR 是 Basel III 合規的最大改善因素

 VaR 1% 違反次數歸因（SPY 2020-2025, 1508 天） ：

 Student-t 佔了全部改善的 79%。  更複雜的方法（adaptive, jump）提供的增量改善微乎其微。

 Fixed df=5 勝過 estimated df （17 vs 24 violations）：joint estimation 在安靜市場時 df 飆到 50+（接近 Normal），VaR 變窄→下一次動盪時立刻失敗。

 VIX/GARCH ratio 是 VaR 可靠性指標 ：94% 的 violations 發生在 ratio > 1.5 時（violation rate 4.6% vs ratio < 1.5 的 0.1%）。

核心發現三：波動率目標策略跨 Leverage Regime 穩健

 7 個資產的 VT 表現 ：

 MaxDD 改善與 base volatility 的相關係數 $\rho$=0.983 ——VT 本質上是 volatility scaling（把所有資產壓到 target vol），不是 market timing。

Monthly rebalancing Sharpe 0.75 > Daily 0.70（扣除 10bps 成本）。

其他重要發現

•  GARCH 預測天花板 ：SPY QLIKE ≈ -9.034，殘差 Ljung-Box p > 0.76（iid），DL 無法改善
•  Overnight variance = 44.3%  of total（解釋 Parkinson bias -37%）
•  跨資產 vol 同步 ：SPY-TLT vol corr = 0.777，分散化在 vol spike 時最弱
•  GARCH crisis 適應 ：2-5 天達峰值，10-60 天恢復，1 天滯後是 VaR failure 主因
•  83% VaR violations 來自不可預測事件 （pandemic, geopolitical, market mechanics）

實務建議

1.  模型選擇 ：估計 GJR 檢查 $\gamma$ 顯著性。SPY 用 GJR，GLD/TLT 用 GARCH。
2.  VaR ：用 Student-t(df=5) fixed。不要用 estimated df。監控 VIX/GARCH ratio。
3.  策略 ：Monthly rebalancing VT，target vol 10-12%。MaxDD 是主要改善，不是 Sharpe。
4.  風險監控 ：VIX/GARCH > 1.5 時 VaR 不可靠，需要額外 buffer。