K816v2：GJR Bug 修正後 ML Ceiling 第 6 次確認——DM 從 2.96 跌至 0.64

摘要

K816 實驗（GARCH-Informed Neural Network，GINN）初版得出 DM 統計量 2.96，距 Harvey (2016) 的嚴格門檻 t>3.0 只差 0.04。然而代碼審查發現 GJR state propagation 存在嚴重 bug——GJR 基準線被系統性劣化 8.56%。修正後（K816v2），DM 統計量從 2.96 驟降至 0.64， ML 模型對 GJR-GARCH 的所謂「優勢」完全消失 。這是本系統第 6 次確認 ML ceiling。

研究背景

波動率預測領域長期存在一個核心問題：機器學習能否打敗傳統的 GARCH 家族模型？

我們在 K426（Temporal Fusion Transformer）、K784（Hybrid EGARCH-NN）、K797（純 MLP + QLIKE 損失修正）、K816 初版（GINN）中，每次都發現 ML 模型的表現與 GARCH 基準無法拉開統計顯著差距。

K816 採用了更精巧的架構： GINN（GARCH-Informed Neural Network） ，將 GJR-GARCH 估計的條件波動率作為物理先驗（physics-informed prior）輸入神經網路，期望結合參數模型的結構性約束與神經網路的非線性學習能力。初版結果令人期待——DM=2.96，幾乎通過 Harvey 門檻。

然後審查了代碼。

Bug 分析：GJR State Propagation 錯誤

 Bug 描述 ：K816 的 GJR baseline 在每個 63 天 refit 區塊中，第一天使用正確的 h_last_train，但第 2-63 天卻讀取 conditional_volatility 陣列（只涵蓋訓練期），導致 GJR 的 h_t 在整個 OOS 區塊中使用過時（stale）的狀態值。

 影響範圍 ：

• GJR baseline 的預測被系統性劣化（QLIKE 從 1.4652 膨脹至 1.6023，惡化  8.56% ）
• GINN/GINN-VIX 的輸入特徵 $\sigma^2$_{GJR,t-1} 同樣使用了過時的 h，但影響較小（僅 -0.28%）

 修正方式 ：K816v2 採用 day-by-day recursion：

h_t = $\omega$ + ($\alpha$ + $\gamma$·I_{r<0}) · r²_{t-1} + $\beta$ · h_{t-1}

在每個 OOS 日更新 h_running，確保 GJR 狀態正確傳播。

修正前後對比：Bug 的量化影響

 關鍵數字 ：

這個結果清楚呈現了 bug 的性質：GJR baseline 的預測因過時 h 而大幅劣化，讓 GINN-VIX 看起來有顯著優勢。修正 bug 後，基準線回到正常水準，ML 模型的「優勢」立刻消失。

K816v2 完整結果：四模型比較

 結論 ：

• GINN-VIX 有最低的 QLIKE，但 DM=0.64 遠低於 Harvey 門檻 t>3.0
• 純 GJR 輸入的 GINN 甚至 比 GJR baseline 還差 （QLIKE +1.32%），顯示物理先驗在正確實作後反而增加雜訊
• 只有 VIX 作為額外輸入（GINN-VIX）才能讓神經網路有邊際改善，但差距不顯著
•  任何 NN 模型都未能在 Harvey 嚴格門檻下打敗 GJR 

ML Ceiling 第 6 次確認

六次實驗指向同一個結論：在日頻數據（r² 作為 $\sigma^2$ proxy）上，神經網路無法顯著超越 GJR-GARCH。這並非因為模型設計不夠好，而是  r² proxy 本身的雜訊太高 （Hansen & Lunde, 2005），讓任何細微的預測改進都淹沒在 proxy 雜訊中。

為什麼代碼審查是關鍵

K816 的案例展示了一個典型的「假突破」路徑：

1. 設計看似精巧的模型（GINN）
2. 得到接近顯著的結果（DM=2.96≈3.0）
3.  如果跳過代碼審查 → 直接發表「ML 接近打敗 GARCH」的結論 
4. 代碼審查發現 bug → 修正後 DM=0.64 → 結論完全逆轉

根據我們的研究歷史， 93 個實驗中 8 個（8.6%）在代碼審查後被推翻 ，且全部是因為跳過了「寫代碼後先審代碼、再跑實驗」這一步驟。K816 是第 9 個案例。

局限性

1.  單一資產 ：只測試 SPY，其他資產（特別是波動性更高的市場）結果可能不同
2.  OOS 樣本有限 ：502 個 OOS 觀測值，DM test 功效受限
3.  架構選擇 ：只測試 2×32 feedforward MLP，未測試 Transformer 或注意力機制
4.  r² proxy ：日頻 r² 是 $\sigma^2$ 的極度嘈雜估計，若有日內 RV 資料，結果可能不同

結論

K816v2 通過修正 GJR state propagation bug，消除了 K816 初版中 8.56% 的基準線劣化。修正後，GINN-VIX 對 GJR-GARCH 的 DM 統計量從 2.96 降至 0.64，完全未達 Harvey (2016) 嚴格門檻（t>3.0）。這是本研究系統第 6 次確認「日頻 ML 波動率預測的 QLIKE ceiling」—— 神經網路在現有日頻數據條件下無法顯著超越傳統 GARCH 。

本文基於實驗 K816v2（腳本：experiments/k816v2_ginn_fixed.py，結果：experiments/k816v2_ginn_fixed_results.json）。 數據來源：yfinance SPY + ^VIX，期間：2005-2025，OOS 樣本：502 個觀測值。

參考文獻：Bali, Karabulut & Zhao (2024) GINN, arXiv:2410.00288；Patton (2011) J.Econometrics；Hansen & Lunde (2005) JFE；Harvey et al. (2016) t>3.0 門檻。