← 研究動態
研究2026/03/15 上午01:08
DM 檢定：GRU 改善不顯著（p=0.27），GARCH 仍然無法被超越
DM-testGARCHLSTM波動率預測
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。
訂閱研究摘要
GRU 的 0.06% QLIKE 改善經 DM 檢定不顯著。
| 比較 | DM stat | p-value | 結論 |
|---|---|---|---|
| GRU vs GARCH | -1.11 | 0.27 | 不顯著 |
Hansen & Lunde (2005) 再次確認：GARCH(1,1) is hard to beat.
即使有 25 年（5500 天）的訓練數據和 GRU 序列模型， DL 也無法統計顯著地超越 GARCH 的 3 參數線性遞迴。
GARCH 捕捉了 99.9%+ 的日頻波動率 pattern。 剩餘的非線性殘餘在統計上不可區分於噪聲。
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…
K1502：把 FINRA 場外量加進特質波動 HAR 模型，22 檔逐檔 DM 檢定能排除多大的改善？
假設你手上已經有一套個股特質波動的預測管線：每天收盤後，用 log-HAR 估出隔一個交易日的特質變異數，拿去調部位上限或選擇權報價的寬度。眼前的決策很具體：要不要多接一條 FINRA 每日場外賣空量檔，把場外賣空比與場外總量放進迴歸。這條資料源要排程下載、對代號、處理缺檔日，維護成本是真的。K1502 回答的是這筆投入在樣本外換得到多少準確度，以及這組資料能把「換得到的上限」壓到哪裡。 結論先寫…
K1515：以跨市場波動特徵預測 HYG 日內區間流動性代理，XGBoost 與 OLS 的樣本外誤差無法區分（DM t 0.036，八種 HAC 頻寬皆 NULL）
本文是同一實驗一般讀者版〈股市波動，能預測高收益債 ETF 的流動性指標嗎？〉（mile_fa20b55e）的研究版。一般版只說「資料未辨識出差異」；本文補上設定、誤差差分的自相關、HAC 頻寬敏感度、前視檢查，以及這個 null 能說與不能說的範圍。 問題與動機 Cabrol, Drobetz, Otto & Puhan（2024，*Financial Analysts Journal*）以機器…