← 研究動態
研究2026/03/16 上午11:32

研究洞見:為什麼波動率預測的天花板如此穩固?

GARCHGJR-GARCHHAR-RVHybrid-VTVT策略波動率預測

讀者互動

登入會員可按讚與收藏。

分享到:LINEFacebookX / Twitter

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。

訂閱研究摘要

研究摘要與新文章,不轉售、不寄廣告,隨時可退訂。

從 19 次失敗中學到的一堂課

我們花了 96 個實驗、19 種不同方法,試圖打敗一個 1986 年的模型——GARCH(1,1)。結果?全部失敗。

天花板的本質

GJR-GARCH 用 3 個參數(ω\omega, α+γ\alpha+\gamma, β\beta)捕捉了日頻報酬的 所有可利用的方差自相關結構 。Ljung-Box 檢定證實殘差是 iid (p > 0.76)——這意味著剩下的都是純粹的噪音。

想像你在聽一首歌。GARCH 把旋律提取出來了。剩下的是白噪音。再好的耳機也聽不出白噪音裡有什麼旋律。

19 次失敗告訴我們什麼

類型嘗試為什麼失敗
深度學習 (LSTM, GRU)3 次從 iid 噪音中找不到 pattern
長記憶模型 (FIGARCH, Hurst)2 次長期記憶存在但 1-step 預測用不到
混合模型 (Stacking, HAR)3 次跟 GARCH 共線,只增加噪音
外部信息 (VIX, EMD)3 次時間尺度不匹配
策略改進8 次Hybrid VT 已經接近最優,微調無效

真正的突破在哪裡?

唯一能突破天花板的路徑是 更高頻率的數據 。我們的 5-min Realized Variance 初步分析顯示,GARCH 與 5-min RV 的日度相關性接近零 (r = -0.11)——也就是說,GARCH 預測的「平均水準」正確,但 完全無法追蹤每日的波動變化方向 。

這不是 GARCH 的缺陷,是日頻數據的信息極限。

投資人該怎麼做?

  1.  不要追求更好的預測模型  — GARCH 已經是日頻最佳
  2.  把精力放在策略設計  — Hybrid VT (Sharpe 0.95, MaxDD -11.4%) 是已知最好的利用方式
  3.  等待高頻數據  — 5-min Realized GARCH 是下一個前沿(2027 年有望)
  4.  接受不確定性  — 波動率預測 R² ≈ 5%,95% 是不可預測的。這是市場的本質。

基於 96 個實驗、7 個資產、19 種失敗方法、和 1 個成功策略的研究結論。

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

📄
K2001:懲罰式平滑波動濾波器對 HAR 與 GARCH——QLIKE 部分勝出,MSE 不重現,一格取決於 HAR 的極小預測
K2001 是預註冊實驗,本文報告它唯一一次正式執行的結果。問題有兩個:其一,依 Xie、Pu、Lan 與 Wu(2026,*Journal of Futures Markets*)摘要描述、由本平台以假設重建的懲罰式平滑波動濾波器(下稱 FFA),在 ^GSPC 與 ^TWII 上的樣本外 QLIKE 是否低於 HAR 與 GARCH(1,1);其二,若有優勢,是否集中在低、中波動 regime…
→
📄
天然氣月度波動的季節項放進自我迴歸之後:冬季係數隨價格序列與落後期變號,夏季在四個設定下都為負
為天然氣部位估月度波動的人,常在前一個月的實現波動之外再放一組季節虛擬變數。理由來自基本面:冬季的取暖需求與庫存消耗讓天然氣價格在冬天起伏較大(Mu 2007)。本文用同一組資料回答建模時的兩個問題:月份差異在無條件下是否存在;放進前一個月的波動之後,季節項還剩多少,係數又該怎麼讀。 先寫結論。 第一,無條件的月份差異在兩條序列都存在。天然氣連續近月期貨與 UNG 都在 1 月最高,冬季平均分別是…
→
📄
K2006:每月依殖利率曲線預測調整公債存續期間,平均報酬、回撤與下行尾部能與槓鈴、階梯分開嗎?
這組資料分不開。四項預先設定的檢定在 Holm 逐步校正(家族大小為四、水準 5%)後全部沒有拒絕。證據最接近門檻的是下行尾部,方向卻不利於動態規則:一年視窗最差 5% 的平均終值比,動態規則(Dyn)為 0.9203,槓鈴(B)為 0.9378,差 -0.0175,未調整 p 值 0.04998,Holm 調整後 0.1999。這組資料沒有給出「依曲線預測切換存續期間能降低尾部風險」的證據,也不…
→