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。
你的投資預測有多準？為什麼「誤差線」比「預測值」更重要
當天氣預報說「明天 25°C」，你會只看這個數字嗎？大多數人還會看「25±3°C」，那個範圍告訴你不確定性有多大。 投資預測也一樣。但大部分投資工具只給你一個數字（「預測波動率 18%」），卻不告訴你這個預測有多不確定。 Conformal Prediction：不需要假設分配的「誤差線」 我們用了一個叫 Conformal Prediction 的統計方法，為波動率預測加上「誤差線」。它的優點是…
黃金不是用來賺錢的——它在你投資組合中的真正角色
大多數人對黃金的印象是：「抗通膨」、「保值」、「金光閃閃」。但在我們的研究中，黃金的價值完全不在這裡。 黃金的真正角色是：在市場最糟糕的時候，跟股票走反方向。 數字不會騙人 我們測試了所有可能的 SPY/GLD 配置比例，50/50 一再被證明是最佳選擇，經過 8 次獨立驗證，沒有任何配置能打敗它： 配置 Sharpe MDD 驗證次數 ------ -------- ---…
為什麼你應該接受 80% 的時間落後大盤——投資保險的真正含義
有一個數字可能會讓你不舒服：如果你用波動率管理策略（12/VIX），你有 80% 的月份會落後買進持有。 聽起來很糟，對吧？但這恰恰說明它正在運作。 保險費不是浪費的錢 想像一下你的房屋保險。你每年繳幾萬元保費，而你的房子 99% 的時間安然無恙。你會因此覺得保費是浪費嗎？ 波動率管理策略的作用是降低持股。平靜的市場中（大部分時間），它讓你少賺一些；市場崩盤時，它的原始回撤較淺，但這主要是持股變少…
K1050: 盈餘季不是 A4f 的秘密武器——VIX 是通用恐慌指標
K988 發現乘法型 GARCH-X（A4f: σ² = τ·g，τ = θ₀ + θ₁·VIX²_{t-1}）以 DM t=4.48 顯著勝 GJR-GARCH。本實驗檢驗：A4f 的改善是否集中在盈餘季（VIX 預先反映企業獲利不確定性），還是在所有時期均勻分佈？ 實驗設計 數據：SPY daily returns + VIX，2005-01-04 至 2026-04-10（n=5,350），…
K1047: Agent-Based Model 揭示 VT 策略群聚效應的非線性臨界點
本實驗建構正式的異質代理人模型（ABM），以 1,000 個代理人（Fundamentalist 60%、Chartist 40%、VT 可變比例）模擬依 VIX 反比調整部位的波動率目標策略在不同採用率下對市場動態的影響。核心發現：臨界點在 50-75%，此區間以下 VT 穩定市場、以上則引發病態尾部風險。 實驗設計 代理人：N=1,000，三類（Fundamentalist mean-reve…
TSMC 法說會前瞻（4/16）：35.7B 營收破紀錄後，市場還想知道什麼？
台積電將於 4 月 16 日（週四）下午 2:00 台灣時間舉行 Q1 2026 法說會。在 4 月 10 日公布的營收數據已經讓市場驚豔，接下來，投資人應該關注什麼？ Q1 營收：$35.7B，YoY +35%，打破紀錄 台積電 Q1 2026 營收達到 357 億美元（US$35.7B），年增 35%，超越公司自己的指引上緣（$35.8B 指引），也超過分析師預期。其中 3 月單月 YoY 成…
如果所有人都用同一個投資策略，市場會崩潰嗎？
你有沒有想過，如果全世界的投資人都用同一套策略，會發生什麼事？ 我們用 Agent-Based Model（代理人基模型）模擬了 1,000 個投資人在 5,000 個交易日中的行為。結果發現：答案取決於「多少人」在用。 三個區域，三種命運 安全區（0-25% 採用率） 當只有不到四分之一的投資人使用波動率目標策略（VT），市場反而更穩定。波動率從 20.2% 微降到 19.9%。為什麼？因為 V…
K1041: DCC-A4f Portfolio VaR — A4f Marginal 改善幅度勝過 DCC 相關性，推翻 K891 NULL Result
SPY/GLD 50/50 投資組合的 VaR 預測方面，DCC-A4f 以 DM t=3.826 顯著優於 CCC-GJR，通過 Harvey (2016) t>3.0 門檻。更重要的發現是：A4f 邊際模型改善幅度（QLIKE +0.47–0.53%）遠大於 DCC 動態相關性改善（+0.17–0.23%），且兩者可以疊加。本實驗同時推翻 K891 的 NULL result——差異在於邊際模…
你的風險計算可能錯得離譜——99% 投資人不知道的「鐘形曲線陷阱」
如果你學過統計學，你一定見過那個完美對稱的鐘形曲線，正態分配。教科書告訴你：95% 的數據落在兩個標準差以內，99% 落在三個標準差以內。 但股市不是這樣運作的。 我們最新的研究（K1034）用了 SPY、QQQ、GLD 三種資產、超過 7 年的樣本外數據，測試了四種風險計算方法。結果令人震驚： 正態分配的 VaR 全部不及格 Trinity Test 是風險管理的「三重考試」：你的模型必須同時通…
台灣營造業未來五年：十大正面因素與五大風險完整分析
一位會員提問：「接下來5年台灣營造業股票會大漲的10個理由」。以下是我們基於公開數據和產業研究的客觀分析——不僅列出正面因素，也同時呈現風險，讓讀者做出更完整的判斷。 --- 十大正面驅動因素 1. 前瞻基礎建設持續挹注 前瞻基礎建設計畫第四期預算約 700 億元，其中軌道建設佔 511.8 億。台中捷運藍線（約 1,520 億元）、高雄輕軌、桃園捷運等大型軌道工程將在 2026-2030 年進入…
K1030: US VIX 跨越大西洋——A4f 在歐洲市場的實證效果（STOXX50E/FEZ 2/2 顯著）
K994/K997 確立了 A4f 模型需要「資產特定恐慌指數」才能跨市場泛化的原則，黃金（GLD）需用 GVZ，美股外的市場需用本地 fear proxy。然而，K1030 的結果打破了這個預期：US VIX 對歐洲股票市場也顯著有效，2/2 資產（^STOXX50E、FEZ）通過 Harvey et al. (2016) t >3.0 門檻。VIX 不只是美國的恐慌溫度計，更是全球風險的共同…
比特幣能避險嗎？它與美股的相關係數隨 VIX 升高，但還不能直接下結論
很多人把比特幣當成「數位黃金」，期待它在市場動盪時當避風港。這篇用 2015 年 2 月 2 日至 2026 年 4 月 8 日共 2,812 個交易日的資料，檢查兩件事：比特幣與美股的相關係數，在 VIX 高的時候是否不同；比特幣下跌日與上漲日的波動，對 VIX 有沒有預測力。 結果有兩項：相關係數隨 VIX 分組升高；比特幣下跌日的波動指標對 VIX 有預測力，上漲日的沒有偵測到。兩項都是描述…
每日策略建議：VIX 19.23（正常）— 2026-04-11
基於 2026-04-10 收盤數據，預測下一交易日最佳持倉配置。 市場快照 SPY: $679.46 (-0.07%) GLD: $437.13 (-0.18%) 0050.TW: NT$79.15 VIX: 19.23 🟡（正常） GARCH 年化波動率: 14.8% 今日策略配置 策略 資產配置 總曝險 現金 ------ --------- -------- ----…
為什麼「預測市場轉折」不如「讓帆自動收」：AI 模型輸給了一個超笨的方法
想像你正在出海釣魚。 你最希望有什麼超能力？大多數人的答案是：如果能預測暴風雨什麼時候來，就可以提前收帆、先回港避風。 投資人的願望幾乎一模一樣。金融市場有一種叫做「波動率制度」（Volatility Regime）的概念，簡單說，市場有時候「很平靜」，有時候「很狂暴」。如果能在市場要從平靜變狂暴之前提前知道，就可以先減少股票曝險，躲過大跌。 聽起來完美，對吧？ 但我們用真實數據做了嚴格測試，結果…
K1016: vix_gap 加入 HAR 反而惡化 QLIKE——目標函數決定模型優劣
K1016 實驗系統地評估 vixgap（VIX 隱含波動率 - 已實現波動率差距）對 HAR 波動率模型的增量預測力。核心發現揭示一個反直覺的雙重真相：vixgap 樣本內高度顯著（t=18.43），但在最嚴格的 QLIKE 準則下，加入 vix_gap 反而惡化了樣本外表現。這個現象揭露了波動率預測中「預測目標匹配」的根本重要性。 研究背景 理論動機 K1014 實驗在 HAR-PD 全路…
K988：VIX² 在 17 個規格比較中 QLIKE 最低——對 GJR 的顯著性取決於對照組與視窗
K988 系統性比較了 17 個 Multiplicative GARCH-X 規格，問的是：當我們把 VIX 嵌入 GARCH 的乘法結構時，哪種規格的 QLIKE 最低？在原設定下，結果很清楚——VIX²（平方）作為外生因子，搭配自由估計的截距項（free ω），勝出所有設計，DM t 統計量 = 4.49，遠超 Harvey (2016) 的 t > 3.0 門檻。這個顯著性只在原設定下成立…
台積電 Q1 營收破兆超預期——0050 投資人今天該注意什麼？
台積電昨日（4/10）公布 2026 年第一季合併營收，交出了一張漂亮的成績單： Q1 營收：新台幣 1.13 兆元，年增 35%，超越市場預期的 1.12 兆 3 月單月：NT$4,152 億，年增 45.2%——AI 晶片需求持續強勁 TSM（美國 ADR）：昨日收盤 $372.79，上漲 2.0% AI 加速器相關營收的複合成長率已達 54-59%，佔台積電營收比重 17-19%，成為增量成…
你繳的「恐慌保費」：股市裡最真實、卻最難預測的隱形賺錢機器
市場有一種「恐慌保險費」，平均來說賣出這張保單可以賺錢，但偏偏你永遠猜不到下一刻保費要漲還是跌。我們用 20 年真實數據、最先進的 GARCH 模型測試了這件事，結論令人玩味：保費是真的，預測不了。 --- 你有沒有買過保險，但一次都沒用到？ 想像你每年繳健保費、汽車險、火險……大多數年份，你什麼事都沒發生，保費就這樣「白繳」了。但那一年真正出事，保險公司理賠的金額可能是你繳費的好幾十倍。 股票市…
你的風險模型說安全，但實際虧損頻率卻是預期的 1.8 倍——怎麼修？
想像你買了一把標示「99% 防水」的雨傘。下了 100 場雨，你被淋濕了不是 1 次，而是將近 2 次。你會覺得這把傘不太可靠吧？ 金融風險模型也面臨同樣的問題。 模型說的和實際發生的不一樣 我們用 2019-2026 年的 1,826 個交易日測試了 SPY 的風險模型。模型預測「每 100 天只會虧超過門檻 1 次」（1% VaR），但實際上： 方法 說好的 實際 差多少 …
K1001: Conrad-Loch (2015) 復刻——宏觀 GARCH-X 全面敗給 VIX，DM t=4.77
Conrad & Loch (2015, JAE) 提出用宏觀經濟變數（利率期限利差、失業率等）作為 GARCH-X 外生變數改善波動率預測。本實驗在 2005-2026 數據上復刻其方法，並與 VIX GARCH-X (A4f) 直接比較。 方法論 資產：SPY OOS：2019-01-01 ~ 2026-04-07（1,825 天），w=2000，refit=63 模型： GJR_N：GJR-…
K1002: 7 模型統一 OOS 比較——A4f 獨佔 MCS 最佳集，EGARCH/GJR-t VaR scorecard 僅 1/7
Paper 5 需要所有候選模型在相同 OOS 期間、相同評估框架下公平比較。K1002 建立了統一 pipeline，涵蓋 7 個模型的 QLIKE、DM 檢定、MCS、Spearman 相關、VaR/ES scorecard。 方法論 模型：GJRN, GJRt, EGARCHt, A4fN, A4ft, HARABS, Macro_X 數據：yfinance (SPY, ^VIX…
GDP、失業率、利率⋯這些總經數據能預測股市波動嗎？實測結果讓人意外
每次聯準會公布經濟數據，新聞都說「市場將因此大幅波動」。GDP 成長放緩、失業率攀升、殖利率曲線倒掛⋯這些總經數據真的能幫你預測市場波動嗎？ 我們用 2005-2026 年的美股數據做了嚴格測試。結果可能讓你重新思考投資策略。 六個模型的擂台賽 我們比較了六種預測 SPY 波動率的方法： QLIKE 越低代表預測越準確。VIX 一枝獨秀，宏觀變數全部敗下陣來。 排名 模型 用什麼預…
台積電 3 月營收 4,152 億創歷史新高——三項紀錄背後，0050.TW 投資人該知道的三件事
台積電今天（4/10）公佈 2026 年 3 月合併營收 NT$4,151.91 億元，一口氣打破三項歷史紀錄： 指標 數字 比較基準 ------ ------ --------- 單月營收 NT$4,151.91 億 創歷史新高 月增率 +30.7% vs 2 月 NT$3,177 億 年增率 +45.2% vs 去年 3 月 N…
預測波動率有多準？用天氣預報的標準驗證——簡單方法竟然最精確
你有沒有想過，氣象預報說「明天降雨機率 30%」到底準不準？ 如果每次說 30% 的時候，真的有 30% 的機率下雨，那這個預報就是「校準良好」的。反過來，如果說 30% 但實際上 80% 會下雨，那就是嚴重低估，你會因此不帶傘而淋成落湯雞。 金融市場的波動率預測也是一樣的邏輯。 為什麼「校準」比「準確」更重要？ 一般人聽到「預測」，直覺想到的是「猜對明天漲還是跌」。但對風險管理來說，更重要的是：…