同一個模型、同一批資料，只改它能看到什麼，結論就翻面
讀者互動
登入會員可按讚與收藏。
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。
看到一個模型宣稱打敗基準，最值得問的通常不在「贏多少」。更關鍵的問題是：它在做這個預測的時候，桌上放著哪些資料。
這件事在 SPY 上有一個很乾淨的例子。同一個模型、同一批資料、同一段期間，只把「它能看到什麼」對齊，排名就翻了過去。
這場比較在比什麼
標的是 SPY，也就是追蹤標普 500 的那檔 ETF。樣本內用 4778 個交易日把模型參數估出來，再拿 1823 個交易日做樣本外測試，模型在這段期間內看不到答案。GJR 與 HAR 每 63 天重新估一次參數，PRG 每 126 天一次。
被比較的是六個模型。HAR 用過去已經發生的波動去推未來；GJR 是波動率預測的標準基準，會處理「跌的時候波動比漲的時候大」這件事；Separate 把隔夜和盤中拆開、各自獨立預測；PRG 系列同樣拆成隔夜與盤中兩段，但多做一件事，讓兩段之間的狀態互相傳遞。
拆兩段的理由是 SPY 的波動有三分之一發生在收盤到隔天開盤之間：隔夜這一段佔全日變異數的 34.47%。這不是可以忽略的零頭。
評分用 預測誤差分數，一個專門評波動率預測的誤差指標，數字越小越好。
表面上的結果
| 模型 | 預測誤差分數（越低越好） |
|---|---|
| PRG_Extended | 0.7519 |
| PRG_Basic | 0.7656 |
| GJR | 0.8538 |
| Separate | 0.8666 |
| HAR | 1.4635 |
PRG_Extended 拿到最低的 0.7519，比 GJR 的 0.8538 低。兩者的差距做正式比較後，統計強度是 5.64，以這個量級來說是很紮實的差距，不像是運氣。
到這裡為止，故事很順：把隔夜和盤中分開建模、並且讓兩段互通，在美股上也有效。
但這兩個模型看到的東西不一樣
問題藏在時點。
PRG_Extended 做的是「開盤時預測當天」。它在做這個預測的當下，當天的隔夜漲跌已經發生、已經看得到，而它用上了這個資訊。
GJR、HAR、Separate 這三個基準，用的是「昨天收盤為止的資訊」。
也就是說，贏的那一方桌上多了一張牌。這個設定本身不是作弊，它對應一個真實的問題：開盤後要決定當天要承擔多少風險，隔夜跳空確實已經發生、確實可以拿來用。但它回答的不是「昨天收盤後，能不能預測明天」。這兩個問題的答案不必相同。
所以這份實驗多跑了一個版本：同一套 PRG 模型，嚴格只准看到昨天收盤為止的資訊，和基準站在同一條線上。
對齊之後，結論翻面
| 模型 | 預測誤差分數 | 1% 風險值：1823 天裡超限次數 | 超限檢定 |
|---|---|---|---|
| PRG_Extended（開盤時，看得到當日隔夜） | 0.7519 | 19 | 通過（未達顯著水準（顯著性 0.8571）） |
| GJR（只看到昨天收盤） | 0.8538 | 38 | 不通過（高度顯著（顯著性 0.0000486）） |
| PRG 嚴格對齊版（只看到昨天收盤） | 0.8951 | 34 | 不通過（高度顯著（顯著性 0.0009）） |
把那張多出來的牌收掉，同一個模型的 預測誤差分數 從 0.7519 掉到 0.8951——不只優勢縮小，而是輸給了 GJR 的 0.8538。
差距的統計強度是 -1.82，負號代表方向反過來（GJR 比較好），而這個量級沒有達到一般會採信的門檻，多重比較校正後更是 0.0870。換句話說，對齊之後的正確說法不是「PRG 比較差」，是 這份資料分不出兩者高下 。
模型信賴集也給了一致的答案。這個做法允許「統計上分不出差異的模型」同時存活，在 10% 的標準下，只有兩個 PRG 版本留下來，而嚴格對齊版和 GJR、Separate 一起被剔除，被剔除的那一組 p 值是 0.0018，存活的是 0.1446。
風險值那一欄也翻了。1% 的風險值設定，意思是 1823 天裡預期大約會有十八次超出。開盤時的 PRG_Extended 出現 19 次，幾乎剛好；嚴格對齊版跳到 34 次，檢定不通過。GJR 的 38 次同樣不通過，它低估了尾端風險，但嚴格對齊版並沒有把這件事修好。
排序能力的指標也指向同一個方向：PRG_Extended 的相關係數是 0.5687，嚴格對齊版掉到 0.4632，已經和 GJR 的 0.4752 在同一個水準。
翻面之後，還剩下什麼
有一件事沒有被翻掉，值得單獨講。
Separate 也把隔夜和盤中拆成兩段，差別只在它不讓兩段互通。它的 預測誤差分數 是 0.8666，比不拆的 GJR（0.8538）還差一點。而 PRG_Extended 對 Separate 的統計強度是 -6.38，是一個很清楚的差距。
把兩段拆開卻不連起來，不會變好。真正有貢獻的是「連結」，不是「拆開」。這一點在兩種資訊集下都成立，因為它是 PRG 和 Separate 的比較，兩者的時點設定是同一套。
跨市場的部分也留著。同一套模型在台灣期交所的資料上，PRG_Extended 的 預測誤差分數 是 0.198，GJR 是 0.448，統計強度 5.1。台股和美股的 預測誤差分數 絕對值不在同一個量綱上，不能直接比大小，但兩邊都指向同一個機制：隔夜這一段不能當成零頭，而且要和盤中連起來看。
只是台股那一邊的比較，同樣帶著資訊集的前提，不該被讀成無條件的結論。
這件事可以怎麼用
這篇的重點不是 PRG 或 GJR 哪個好。實際上在對齊之後，這份資料對這個問題的回答是「分不出來」。
重點是那個翻面本身。同一個模型、同一批資料、同一段期間、同一個評分指標，只改了它在預測當下被允許看到什麼，預測誤差分數 從最低變成落後，統計上的優勢消失，風險值檢定從通過變成不通過。
所以下次看到一個預測績效的宣稱，不論是模型、策略還是指標，有一個問題幾乎永遠值得問： 它在做這個預測的時候，有沒有用到那個時點還拿不到的東西。
這個問題便宜，而且它問的不是誠信，是設定。多數時候答案是無辜的，某個欄位在資料表裡就是當天的，回測的時候沒有特別去想。但它對結論的影響可以大到把排名整個翻過來，就像這裡一樣。
資料來源：yfinance SPY，樣本內 2000-01-04 至 2018-12-31，樣本外 2019-01-02 至 2026-04-02。實驗編號 K880，程式碼與結果檔在 experiments/k880/，本文兩張圖由該目錄的 figs/gen_figs.py 從同一份結果檔讀值產生。
懶人包圖組
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