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。
三個被「研究說有效」的風險指標，只有一個真的能改善你的預測——剩兩個是漂亮的統計幻覺
一個學術界常見的陷阱 你打開財經文獻會看到很多論文宣稱「我們發現一個新指標能預測波動率」。t 值寫得很漂亮、p 值寫成 0.000、表格塞滿小數點。但這些指標真的能讓你的預測變更準嗎？ 我們今天用三個都是「嚴格統計檢驗通過」的風險指標來做一個現實檢驗。它們在傳統統計上看起來都是合格的補強信號，但實際丟進 out-of-sample 對比後，只有一個真的有用，另外兩個幾乎沒有實質改善。 三個訊號，三…
為什麼最先進的波動模型，一碰到黃金和石油就失靈？
我們拿了 8 種在股票上廣為人知的「進階波動率模型」，逐一套到黃金、原油、天然氣、比特幣上測試。結果是：32 次比較，0 次打敗最簡單的基準模型。這篇文章想告訴你：不是模型不夠進階，是大宗商品本來就跟股票不一樣——用對了工具，結果才會對。 想像你拿一支高級跑鞋去爬山 你買了一雙頂級馬拉松跑鞋，輕、彈、透氣，在柏油路上跑 42 公里都沒問題。然後你穿著它去爬合歡山。 結果滑倒、扭傷、磨腳、鞋底磨穿。…
我以為發現了一個訊號，其實只是資料在自己對話——「重疊窗口」的陷阱
我們原本以為自己發現了一個新的股價規律，統計上看起來非常漂亮。但在換用更嚴格的檢驗方法後，訊號縮水成原本的三分之一以下，漂亮的規律幾乎消失。這不是模型錯，也不是資料錯，是一個很技術、但每個看回測的人都該知道的陷阱：重疊窗口。 想像你在路上問人家對你頭髮的意見 你新剪了一個髮型，想知道大家覺得怎麼樣。 版本 A：你問 100 個不同的陌生人。 版本 B：你問同一個朋友 100 次。 兩個版本最後都收…
你看的回測績效可能是假的——換個「量尺」，黃金模型就穿幫
我們原本以為某個「進階黃金波動模型」表現不算太差。用了更精準的量尺一重算，才發現它其實明顯讓預測變差。這篇文章不是要罵哪個模型，而是告訴你：你平常看到的回測、比較、績效數字，很可能被量尺騙了。 想像你用一把壞掉的體重計 你每天早上量體重，體重計顯示 70 公斤。你覺得沒問題。 有一天朋友借你一台醫療級的體重計，你一量——75 公斤。 你沒有胖 5 公斤，是你家那台體重計壞了。你過去幾個月用它做的所…
財報日股價大波動，居然不是因為「業績比預期好或壞」
大家都以為財報日的波動大，是因為「業績跟預期差很多」。我們實測後發現：不是。真正讓財報日波動變大的，不是業績意外的大小，而是「這一天大家的注意力都在這裡」。這篇文章告訴你為什麼，以及這會改變你下次看財報的方式。 想像一個火鍋店的尖峰時段 週五晚上 7 點，你走進一家熱門火鍋店。店裡滿滿的人、很吵、上菜速度很慢。 你以為是「今天特別多人」嗎？其實每週五 7 點都是這樣。 不是哪一天客人特別多才擠，是…
2026-04-14 本日持倉比率建議（依據 2026-04-13 收盤數據）
σ = 14.2% · VIX = 19.12 策略 配置 現金 ------ ------ ------ GARCH VT (SPY) SPY 63% 37% Risk Parity (SPY+GLD) SPY 60% + GLD 34% 6% 12/VIX (SPY) SPY 63% 37% 50/50 SPY/GLD …
台灣、美國、日本股市同一天會做一樣的事——財報日的全球規律
我們把同一套研究方法，依序拿到台灣、美國、日本三個獨立的股市去跑，想看看「財報日波動變大」這件事是不是只有台灣才這樣。結果是：三個市場都有、方向一致、量級相似。這是一個真正的「全球規律」，不是某個市場的特殊現象。 你旅行時會發現一件事 想像你去過台北、紐約、東京。你會發現早餐不一樣、交通不一樣、語言不一樣，但上班族下班後想喝一杯的時間是一樣的。有些事情是跨文化、跨國界的人性；有些事情只是當地習慣。…
你盯著一檔股票看不到的事，把 30 檔湊在一起就浮出來了
我們做了一件很直覺的事：觀察台灣 31 檔大型股在「財報公布當天」的股價波動。如果你只盯著一檔股票看，你幾乎看不出財報日有什麼特別；但把 30 檔合在一起看，財報日的波動變大就變成一個非常明顯、統計上非常強的訊號。這篇文章想告訴你：為什麼你個人的投資感受，經常和整個市場的真相不一樣。 想像你在棒球場上數人 想像你站在棒球場外想數「今天到底有多少人穿藍色衣服」。 如果你只看一個觀眾：有時候他穿藍色，…
K1145 + K1147 跨市場 pooled panel：台美兩市場 announcement-day 變異斜率同向顯著
我們在台股 N=31 與美股 S&P 500 N=30 兩個獨立市場上，用相同的 GARCH-MIDAS A4f-EAV pooled panel 規格估計共享的 earnings-announcement variance 斜率 θ_EAV，兩市場分別取得 cluster bootstrap t = +5.24 (TW) 與 +4.50 (US)，並在 within-stock permutat…
你以為模型沒問題？可能只是測量工具太粗糙——用「高低價」才揭露黃金 ETF 的隱藏傷害
同一個波動率模型，用兩種不同的「測量尺」評估，結論可以完全相反。我們的研究發現：傳統「每日收盤價平方（r²）」因雜訊太高，讓一個對黃金 ETF（GLD）實際有害的進階模型看起來像「無害」；改用高低價計算的 Range 估計器後，才揭露它的真實破壞力。 --- 先從一個生活場景說起 想像你要追蹤病人的體溫。有兩種溫度計：一種每天只在固定時間量一次（比如中午），另一種全天記錄最高和最低體溫。 哪個更準…
台股大賣單之後：短期反而變平靜，但跳水機率悄悄升高
老王是台指期的散戶交易者。某個平靜的下午，他盯著報價螢幕，突然發現一件怪事： 下午一點，市場湧進大量賣單。成交量爆增，報價螢幕的賣出方亮成了紅燈。老王的第一直覺是：「完了，大戶在倒貨，等等要跌了！」 然後他等待波動到來…… 接下來的五分鐘，完全沒事。市場平靜得像什麼都沒發生一樣。 但就在老王放鬆下來、以為危機解除的時候—— 台指期突然閃跌，一根長黑K刺破支撐，一分鐘內跌了超過 1%。 老王愣在原地…
台股期貨訂單流的反直覺特徵：|OFI| 愈高，下一個 5 分鐘波動反而愈低（K1124 實驗報告）
本文報告實驗 K1124 的核心發現：在 TAIFEX 台指期貨市場，訂單流失衡（OFI）的絕對值愈高，下一個 5 分鐘的已實現波動率反而愈低。 這與 Cont, Kukanov & Stoikov（2014）在 S&P 期貨市場所記錄的「flow → vol 正向」模式截然相反，顯示台灣期貨微結構存在結構性差異，跨市場文獻不能直接套用。 --- 1. 研究動機 訂單流失衡（Order Flow…
財報季選股的迷思：為什麼波動最大的個股，不一定是財報受益股？
每到財報季，老王就開始翻手機上的個股清單，尋找那些「財報出來會大動」的個股。他的邏輯很直觀：過去財報日波動越大的股票，下次財報就越值得關注，因為大波動代表市場重視這家公司，一旦踩對方向，報酬就很可觀。 這個邏輯看起來有道理。但如果你仔細用數據檢驗，會發現一個讓人意外的結論：財報日波動倍率越大，不代表加入財報資訊就能更準確預測波動——關係甚至可能是反的。 --- 我們做了什麼實驗 我們選了台灣三家半…
K1083: Taiwan → SPY 波動率預測差距 83% 由貨幣解釋——USD-funding 機制的自然實驗
K1077 發現 A4f 在 0050.TW (TWD) 上 DM t=-0.49 NS，與 SPY 的 +7.92 形成巨大 gap（-8.41 t-unit）。K1082 的 EWT (同成分台股但 USD 計價) 顯示 currency wrapper 有 +2.75 t-unit 效應。但 EWT 與 0050.TW 除了 currency 外還有 ADR composition 差異。K…
為什麼石油投資人不能看 VIX？完成資產 vs 指標的匹配拼圖
上週我們寫過黃金投資人應該看 GVZ（黃金專屬的恐慌指數），不是 VIX。 這週我們完成了第四塊拼圖：石油投資人也不能看 VIX，要看 OVX。 什麼是 OVX？ OVX = CBOE Crude Oil Volatility Index，是「石油的 VIX」，由 CBOE 官方發布，自 2007 年起可用。 和 VIX 的關係： VIX：S&P 500 期權隱含波動率（股市恐慌） OVX：USO…
K1075: A4f 通過 2008 金融海嘯壓力測試——Paper 9 最強 Robustness
Paper 9 審稿人最可能問的問題：「A4f 在最嚴重的危機（2008 GFC）下是否仍穩健？」K1075 跨 19 年（2007-2026，n=4,848 days）完整歷史測試，含 GFC、Euro crisis、COVID、Rate Hike，結果：所有時期 Harvey PASS，VIX 越高 A4f 優勢越大。 實驗設計 數據：SPY daily 2005-2026（yfinance）…
更準的波動率模型，真的能賺更多嗎？
直覺上：如果我的模型比別人準，策略應該也賺更多。 但我們剛完成的實驗告訴我們：不一定。 背景：A4f 在統計上壓倒性勝過 GJR 我們的 A4f 模型（加入 VIX 資訊）在統計檢定上遠勝傳統 GJR-GARCH： QLIKE 預測誤差小 0.89% DM 統計量 = 7.92（Harvey 標準的 2.6 倍） 跨 19 年、含 2008 金融海嘯都穩定 統計上差距非常大。那麼用來做交易策略呢？…
K1066: A4f_oc Full Rolling OOS — Paper 9 的 Dual-Target Architecture 證實
K1065 發現 VIX² 對 intraday variance 改善 26% vs overnight 僅 3.9%，暗示 Paper 9（K988, DM t=4.48 on r²close）的優勢可能主要來自 intraday 成分。K1066 用 full rolling OOS 測試 A4foc（fit to open-to-close returns）是否應取代 A4f_clos…
VIX 告訴你明天的「盤中」波動，而不是明天的「開盤」——最大的誤解
很多人把 VIX 當成「明天股市有多亂」的溫度計。這其實只對了一半。 我們最新研究發現：VIX 對「盤中波動」預測力極強，但對「跳空開盤」幾乎無用。如果你混淆了這兩者，你會做出錯的風險決策。 什麼是「盤中」和「跳空」？ 一個完整交易日的波動率由兩個部分組成： 部分 定義 資料來源 ------ ------ --------- 跳空（Overnight） 昨天收盤到今天…
K1064: 描述性 ≠ 預測性——為什麼個股 EAV 無法改善 ETF 預測？
K1060 發現台股個股 T+1 EAV 顯著（ratio=1.466, p=0.034）。K1064 測試是否能將此描述性發現轉為預測增益：將 EAV 訊號作為外生變數加入 A4f-0050.TW 模型。結果全部 NULL，揭示「描述性發現 ≠ 預測增益」的深刻教訓。 實驗設計 EAV Signal 建構（3 個版本） 對每日 t，計算「今日公告公司的加權 EAV 預期」： EAV_signal…
漲跌的神秘不對稱：為什麼「下跌的波動」才是可預測的？
股票漲一天，跌一天，漲跌的「幅度」大致對稱。但我們最新的研究發現：漲跌的「可預測性」完全不同。 下跌時的波動率，預測力是上漲時的 6.6 倍。 什麼是「上下行波動率」？ 傳統的波動率（Realized Variance, RV）把所有 5 分鐘漲跌都視為一樣，平方相加。但 Barndorff-Nielsen et al. (2010) 提出更細緻的分解： RV⁺（上行波動率）：只計算正報酬的平方和…
K1058: A4f 在台灣 0050.TW 的跨市場驗證——統計 NS 但 VaR Trinity A4f PASS, GJR FAIL
A4f（乘法 GARCH-X with VIX²）在 SPY 上有壓倒性優勢（K988 DM t=4.48, K1056 5/5 sub-period robust）。本實驗測試 A4f 能否泛化到台灣 0050.TW（用 US VIX² 作為外生變數），回答 Paper 9 的跨市場 robustness 問題。 方法 數據：0050.TW daily + ^VIX daily，yfinance…
通過了一個「幾乎不可能」的測試：新模型在 5 個完全不同的市場中都贏
金融模型最可怕的詛咒是什麼？「在歷史上看起來很準，但遇到新情況就失靈。」 2020 年，所有用 2019 年以前數據訓練的模型在 COVID 崩盤中崩潰。2022 年的升息週期中，許多「在低利率時代有效」的策略也失靈。這就是金融業者最害怕的 regime change risk——市場換了，你的模型也得跟著換。 我們把 A4f 放在 5 個「不同的宇宙」測試 為了確保我們的 A4f 模型（加入 V…
K1057: 跳躍分解是噪音——Jump 不改善 HAR-RV，Proxy 敏感性是機械性結果
本實驗用 60 天 SPY 5-min 數據（2026-01-14 ~ 2026-04-10）將 Realized Variance 分解為連續部分（Bipower Variation, BPV）和跳躍部分（Barndorff-Nielsen & Shephard 2006 z-test）。測試 4 種 HAR 變體是否因加入跳躍資訊而改善預測。 核心發現：NULL 跳躍統計 顯著跳躍：4/60…