RESEARCH ARCHIVE
研究日誌
VolPred 全部已發佈文章的時間序列，依發佈日期由新到舊排列。
VIX 從 17 降到 15：CPI 前市場已在說什麼
六天後，BLS 公布 5 月 CPI 數字。 上週（5/26）寫 T-7 文章時，VIX 站在 17.01。短端 VIX9D/VIX 比值 0.872，市場對 CPI 前一週的緊張情緒還算明顯。那時 term structure 是本篇主角。 現在 VIX 是 15.40。 一週後，波動率不升反降。VIX9D/VIX 跌到 0.821，顯示短端壓力明顯釋放。但另一個數字在往反方向跑：VIX3M/V…
S&P 500 集中度突破 32%，指數波動率卻跌到 14%：這個缺口是怎麼來的
S&P 500 前五大成分股，現在佔整個指數接近三分之一的權重（32.8%）。 2020 年初是 17.8%。現在是 32.8%。六年漲了 15 個百分點。 但你如果去看指數的波動率，SPY 在 2024 年初到今年 6 月的年化實現波動率平均才 13.87%。同期這五檔股票的平均波動率是 30.21%。 一邊是接近三分之一的個股動不停，一邊是指數平靜得像水面。 這個缺口不是巧合，是有數學原因的。…
同樣遇到壞消息，台股 5 檔代表股的波動反應差了快 7 倍
很多投資人聽到「台股遇到利空時波動會放大」，腦中會把所有股票想成同一種反應。 K1302 這次把 5 檔常見台股代表標的拉回同一套估法、同一段資料、同一個比較口徑，答案很直接：差很多。 在 2008 到 2024 這段共同樣本裡，0056 的下跌放大係數約 0.067，台光電只有 0.009。前者大約是後者的 7 倍。聯發科落在 0.041，鴻海 0.032，兆豐金 0.038。同樣叫做「台股個股…
NFP 前夕，VIX 跌到 15.4——市場算便宜了，但就業日波動還是會放大 1.5 倍
今天早上 8:30 EDT，美國勞工統計局（BLS）要公布五月非農就業（NFP）數字。 市場的定價是：沒什麼事。 VIX 在昨天（6 月 4 日）收盤 15.38，比近 60 天的均值 20.17 低了將近 24%。換算成 VIX 隱含的單日 SPX 波動幅度，大概是 ±0.97%。平靜得跟沒有大事要發生一樣。 圖中橘色垂直線是近期每次 NFP 公布日。你看得到，每次就業報告前後，VIX 並不一定…
夜盤最會嚇人，但不代表隔天更好猜
很多做台指期的人都有一種直覺： 如果夜盤先大跳，隔天白天盤應該就比較好猜。 這個想法很合理。夜盤常常先反映美股、政策消息、地緣風險，市場情緒也比較容易被放大。所以很多人會自然覺得，只要把這些「跳一下」的訊號抓得更細，隔天的波動就能猜得更準。 我們把台指期高頻資料拉長檢查後，答案比較不討喜： 夜盤確實是最容易出現劇烈跳動的地方，但這些跳動對隔天風險預判的幫助，沒有想像中那麼大。 先看最直觀的數字 在…
同一組資料沒對齊，10 倍恐慌放大可能被說太大了
有些量化結論一看就很吸睛。 例如這句話：大盤遇到壞消息時，波動放大程度大約是單一股票的 10 倍。 這種說法很容易被拿去包裝成一個大故事：分散投資雖然能分掉個股風險，但市場整體恐慌一來，還是會一起放大，而且放大得非常誇張。 問題是，這個「10 倍」如果不是用同一段資料算出來，故事就可能被講太大。 先講這次重算的結果 我們把原本的估計重新檢查一次，強迫比較回到同一段時間。 結果是： 原本對外最吸睛的…
別再把美國 VIX 直接乘 1.4 來看台股風險了
很多投資人心裡其實有一個偷懶算法。 看到美國 VIX，就順手乘上一個固定倍數，當成台股的恐慌溫度。過去一段時間，這個倍數看起來大約是 1.4，所以很多人很自然地把它當成一個差不多可用的換算表。 問題是，這個表最近開始失靈了。 先講結論 我們把台灣版恐慌指數 VIXTWN 和美國 VIX 的比值，從原本 76 天的觀察，更新到 119 天。 如果這個比值真的穩定，新增資料後應該只會小幅晃動。但實際結…
Student-t DCC 比 Gaussian DCC 高級嗎？三資產風險平價的誠實答案
把股票、債券、黃金組合在一起，怎麼分配比例才能在賺錢的同時少虧？這個問題困擾過每一個認真想做資產配置的投資人。 教科書告訴你：金融資產的日報酬不是常態分配，尾部比鐘形曲線寬得多。所以，建模時應該用 Student-t 這類「胖尾分配」才更貼近現實。 這個邏輯聽起來無懈可擊。但當我們真的把 Gaussian（常態）和 Student-t 兩種假設套進同一個組合模型，跑了五年真實 OOS 回測後，答案…
金融股先抖，台積電就會跟著抖嗎？資料給了一個不舒服的答案
這個想法聽起來很合理。 金融股天天和資金、利率、信用風險打交道。如果富邦金、國泰金先開始震，台積電這種大型權值股晚一點跟著變得更不穩，好像完全說得通。 我們也真的把這件事拿去驗證了。 結果是：故事很好懂，預測卻不太管用。 先講答案 我們用 2015 到 2025 年的台股資料，測台積電、富邦金、國泰金三檔股票，想看「把金融股前一天的波動加進模型裡」，能不能比只看台積電自己過去的波動更準。 樣本外檢…
最貴的避險模型不一定最好：SPY 用 QQQ 對沖，花大力氣的複雜公式差多少？
2026-06-04 修正再版：經 Codex 24h source-code review，已修復三處方法論問題並重跑 OOS — (a) 動態 Gumbel 移除 np.interp 未來內插，改 piecewise-hold（HE 0.8876→0.8874，微小）；(b) DM 檢定改用 squared hedged return 差（原實作等於檢定 r⁴，UNSOUND）；(c) 原表「…
13,261% 的財報驚喜，為什麼反而是壞訊號？
你如果看到一個數字寫著「財報驚喜 13,261%」，第一反應多半是：這家公司是不是炸裂式超預期？ 我們最近在日本股市資料裡，真的看到這種數字。主角是軟銀。 問題是，這個數字越誇張，越不該直接相信。 因為它很可能不是公司突然變超強。更常見的情況，是你手上的量尺壞掉了。 先講結論 在日本 TOPIX 前 30 大公司、2014 到 2025 年、共 1,411 次財報事件裡，我們想檢查一件很多人直覺上…
高收益債利差看起來很會預警，真正拿來預測波動卻幾乎沒多加幾分
市場緊張時，高收益債利差通常會先拉開。很多人因此直覺認為：既然垃圾債先喊痛，它應該也能幫我們更早看見股市波動要升高。 這個想法有一半是對的。 以原始水位（raw level）來看，高收益債利差和未來股市波動確實有不低的關聯。但這只是 raw correlation，還沒有控制 VIX。問題出在下一步。一旦你把 VIX 也放進模型，高收益債利差幾乎就不再提供新的預測資訊。 這次在測什麼 這次用的是…
市場最恐慌那幾天，我們還是沒找到另類數據的增量價值
一句話結論 很多人會替另類數據辯護：平常市場太安靜，訊號被平均掉了；真正有用的時候，是 VIX 突然暴跳、大家最緊張的那幾天。這次我們就是專門測這個說法。結果很直接：就算只看 VIX 2 倍標準差跳躍日，VVIX、政策不確定性、金融壓力這些指標，還是沒有穩定打贏基準波動模型。 這次在測什麼 前面幾輪研究已經發現，另類數據在週頻、月頻都打不過 VIX 或簡單基準。支持者剩下一條常見退路：也許那些訊號…
AI 五層產業鏈，我們不講故事，看波動率怎麼說
AI 這條資本支出鏈條，市場習慣由下往上分成幾層來看:最底層是能源電力，往上是晶片、伺服器與網通基礎設施，再到模型與應用。這種分層方便理解，把一條龐雜的鏈條切成看得懂的段落。 但分層只是地圖。地圖不會告訴你哪一段路在塌方、哪一段路的車流跟著前車急煞。要看這個，得看價格的「抖動」本身，也就是波動率，以及五層之間的價格是不是越來越一起動。 我們抓了這個框架裡的代表股，做成等權籃子，從 2023 年初算…
「Consistently outperforms」這句話的代價：GSP-HAR 在 5 檔美股 ETF 上的誠實複製
學界發表新方法時最常見的一句宣稱，是「我們的模型 consistently outperforms 既有 baseline」。Yan et al. (2024) 的 Graph Signal Processing HAR（GSP-HAR，arXiv:2410.22706）在 24 檔全球指數上提出了這樣的結論。聽起來很有說服力 — 跨 24 個市場、贏過 HAR-type benchmarks、還…
每日策略建議：VIX 15.77（正常）— 2026-06-03
基於 2026-06-02 收盤數據，預測下一交易日最佳持倉配置。 市場快照 SPY: $759.57 (+0.14%) GLD: $411.95 (+0.17%) 0050.TW: NT$105.5（2026-06-01 收盤） VIX: 15.77 🟡（正常） GARCH 年化波動率: 9.8% ⚠️ 0050.TW 資料延遲提醒：本文所引用的 0050.TW 收盤為 2026-06-01，較…
2026-06-03 本日持倉比率建議（依據 2026-06-02 收盤數據）
σ = 9.8% · VIX = 15.77 策略 配置 現金 ------ ------ ------ GARCH VT (SPY) SPY 76% 24% Risk Parity (SPY+GLD) SPY 87% + GLD 49% 0% 12/VIX (SPY) SPY 76% 24% 50/50 SPY/GLD …
AI 資本支出狂潮下，期權市場押的是上行而不是下行
每季 AI 資本支出數字一出，財經版面就出現大量「泡沫警示」或「AI 超級週期」兩種極端。但期權市場的定價行為告訴我們一個更細緻的故事。 這篇文章的起點是一個問題：市場究竟在 AI 個股的選擇權上押什麼？是下行保護，還是上行爆發？ --- 截面快照：誰在買 puts，誰在買 calls 2026 年 6 月初，我們用 yfinance 拉了 META、GOOGL、MSFT、AMZN、NVDA 這五…
K1399：VIX 四個分量裡，水準最強；5 日均線也過門檻，但沒有增量優勢
前一日 VIX 水準是這組 SPY 預測比較中最強的單一分量。加入水準後，相對 HAR-ABS 的 DM 統計量為 -4.90；5 日均線也通過基準門檻，DM 為 -3.97，但直接比較時仍輸給水準。 資料與設計 IS 為 2005-01-04 至 2018-12-31，共 3,522 筆；OOS 為 2019-01-02 至 2026-05-19，按日期去重後共 1,855 筆。去重在計算報酬、…
讓模型更常改變心意，不代表它就更會預測
很多人直覺上會覺得，投資模型如果太早「認定單一答案」，就容易僵化。那最自然的改法是什麼？讓它不要記得那麼久，定期把舊證據忘掉一點，這樣它就能更靈活地重新分配權重。 這個想法很合理。我們也真的拿它去測了。 結果很有教育意義：模型確實變得比較不固執了，但預測沒有因此變得更準。 上面這張圖看的不是報酬，而是「模型之間還有沒有真的在競爭」。線越高，代表權重分得越平均；線越低，代表系統很快只剩一個模型獨大。…
為波動率量身打造的模型，真的比老牌非對稱模型更準嗎？三個 ETF 說「不」
很多人對金融模型有一個直覺：如果設計一個從根本上就是針對波動率來建構的模型，理論上應該會比通用型的方法更好。 這個直覺不算錯。但拿真實資料去驗的時候，答案很直白。 三個大型 ETF（SPY / QQQ / GLD），超過 18 年的樣本外資料，MEM 和非對稱 MEM 輸了，全部。 --- 這些模型在做什麼？ 先從大家比較熟悉的那個說起。 「老牌非對稱波動率模型」（本文簡稱「傳統非對稱模型」）的設…
同樣是模型投票，為什麼 0050 很快就只剩一個人說話？
很多人對投資模型有一個直覺：如果單一模型不夠穩，那就不要只押一種，改成讓好幾種模型一起投票，應該會更可靠。 這個想法聽起來很合理。我們也真的拿它去測了三個市場：美股大盤、黃金，還有台灣最常被拿來當大盤代表的 0050。 結果很有意思。 同一套方法，在美股和黃金有用；到了 0050，它很快就退化成只剩一個模型說了算。 先看左圖。這裡比較的是「讓多個模型一起投票」和「直接選單一最強模型」之間的差距。…
波動率預測不是把指標愈疊愈多就會愈準
做投資研究的人很容易有一個衝動：再加一個指標、再多一層結構、再換一個比較新的做法，預測應該就會更準。 這篇用 K1379 的四種方法檢查這個直覺：在 SPY 的隔日波動預測上，多一層結構或多一個指標，是否真的換到更低的預測誤差。 比較使用 2019-01-02 到 2026-05-18 的共同有效樣本，共 1,852 個交易日。四種方法都只能使用前一日以前可見的資訊，並在同一批日期上接受比較。 穩…
資料版本洗到最乾淨後，黃金美債比特幣的波動還是先看自己
很多總體指標看起來都很厲害。金融壓力指數、政策不確定性指數、新聞情緒，名字一個比一個大。真正的問題不是它們有沒有故事，而是：拿來預測黃金、美債、比特幣下週的波動，能不能比各資產自己的恐慌表更有用？ 這次我們把資料版本拉到最嚴格，改用 ALFRED 的真實 vintage 資料。意思是每一個週五，只准模型看到當時市場真的看得到的版本，不能偷吃後來修訂過的值。測三個資產：GLD、TLT、BTC。基準不…