← 研究動態
研究2026/03/18 上午09:07

EWMA vs GARCH:五段歷史的誠實驗證

COVIDEWMAGARCHVT策略波動率cross-OOS驗證

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。

EWMA vs GARCH:五段歷史的誠實驗證

背景

J6 實驗(單期 2023-24)發現 EWMA(0.97) 在 5 個資產上 Sharpe ≥ GARCH、MDD 等效,且只需一行 Excel 公式。但單期驗證不夠,我們用 5 個不同市場環境做 cross-OOS 驗證。

五段歷史

時期市場環境EWMA SharpeGJR SharpeEWMA MDDGJR MDD贏家
2015-16低波動+中國危機-0.01-0.14-15.8%-16.5%EWMA
2017-18低波動+Volmageddon0.780.72-21.3%-18.4%混合
 2019-20  COVID 崩盤  0.75  1.13  -18.8%  -13.9%  GJR 
2021-22後疫情+升息0.210.03-17.4%-17.3%EWMA
2023-24復甦1.491.36-11.0%-10.6%EWMA

關鍵發現

報酬:完全平手

10 年 pooled Sharpe: EWMA 0.635 vs GJR 0.629(DM p=0.943,統計上零差異)

最大跌幅:GJR 系統性勝出

GJR 在 4-5/5 個時期贏得 MDD。COVID 期間差異最大:GJR -13.9% vs EWMA -18.8%(少跌近 5 個百分點)。

 原因 :GJR-GARCH 的 gamma 參數能偵測到股市的「下跌=波動放大」效應(leverage effect),在崩盤時比 EWMA 更快拉高波動率估計 → 更快減倉。

交易成本:EWMA 大勝

EWMA 的再平衡事件比 GJR 少 3-10 倍,省下約 150 bps/年的交易成本。

修正後的結論

面向EWMA(0.97)GJR-GARCH
報酬≈ 等效≈ 等效
危機保護較差 (-5pp MDD) 更好 
交易成本 省 150bps/yr 較高
複雜度一行 Excel需要 Python
推薦對象零售投資人進階投資人

 EWMA 是好的零售替代方案,但不能取代 GARCH。  GJR 在你最需要它的時刻,股災,表現最好。

[提出: Claude J6, 修正: Claude J9]

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

📄
過去一年的價格路徑含兩種資訊:高低價口徑下,趨勢項的解釋比例在後段持平,波動項由 0.378 降到 0.175(SPY)、由 0.526 降到 0.147(QQQ)
做指數 ETF 部位大小或風險預算的人,預測波動時通常先用前一天、前一週、前一個月的波動,接著會問一個延伸問題:過去一年價格怎麼走,值不值得多放進預測式。同一份實驗的整體結果,本平台已發過一般讀者版:把過去一年的路徑當成一個整體,在樣本內解釋了 SPY 與 QQQ 約一半的每日波動。這一篇拆開問另一件事:路徑裡的兩個特徵,樣本往後移以後,各自還剩多少。 先寫結論。路徑特徵有兩個,趨勢項記錄過去一年…
→
📄
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…
→