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。
跳過預測直接學交易？聽起來聰明但沒用
如果你跳過「預測波動率」這個步驟，直接用機器學習「學」交易動作，結果會更好嗎？我們測試了三種這樣的方法，發現它們表面上看起來「贏了」，但仔細一看，根本是鑽了多頭市場的漏洞，不是真正的擇時能力。 --- 你有沒有聽過這個說法：「預測完再行動，太慢了」 傳統的量化策略流程是這樣的： 1. 預測明天波動率 2. 根據波動率決定今天該持有多少股票 3. 執行交易 這個流程有個顯而易見的批評：「你為什麼要多…
每日策略建議：VIX 25.25（高波動）— 2026-04-01
基於 2026-03-31 收盤數據，預測下一交易日最佳持倉配置。 市場快照 SPY: $650.34 (+2.87%) GLD: $430.29 (+3.72%) 0050.TW: NT$73.9 VIX: 25.25 🔴（高波動） GARCH 年化波動率: 21.6% 今日策略配置 策略 資產配置 總曝險 現金 ------ --- -------- ------ …
我們能預測波動率方向——但這個能力一文不值
想像你花了大量心力訓練一個 AI，終於能以接近 68% 的準確率預測「下週股市的波動率是會升高還是降低」。聽起來很厲害對嗎？但當你把這個預測能力實際用在投資策略上，卻發現，它帶來的報酬還不如買了放著不管。 這就是我們在 K787 實驗中遇到的弔詭。 方向預測：統計上成功，經濟上失敗 我們用 2006 到 2024 年共 18 年的 SPY（標普 500 指數型基金）數據，嘗試預測「下週波動率比這週…
美國 ETF 能預測台股波動——但你千萬別照著做
有沒有想過，在美國掛牌的台灣 ETF 和台灣本土的 ETF，雖然追蹤同一個市場，卻在不同時區各自交易，這中間有沒有什麼「訊息差」可以利用？ 我們做了一個實驗，答案出乎意料地有趣，也出乎意料地讓人清醒。 兩個 ETF，一個市場，不同時區 EWT 是在美國紐約股市交易的「台灣基金」，追蹤的是台灣股市的表現。0050.TW 則是大家熟悉的元大台灣50，同樣追蹤台股前50大公司。 兩者理論上代表同一個東西…
你的投資策略只看 Sharpe？這 8 個面向才是完整評估
想像你在找一位理財顧問。一位顧問說「我去年幫客戶賺了 15%」，另一位說「我去年幫客戶賺了 15%，而且在市場最壞的三個月只虧 1%，整年最大的資產縮水不到 8%，睡眠品質很好」。你選哪一位？ 大多數投資人和財經媒體評估策略，只看一個數字：Sharpe ratio（夏普比率）。這個數字衡量「每承擔一單位風險能賺多少報酬」，值越高越好。聽起來很全面？其實不然。 --- 一個數字說不完整個故事 我們對…
💬 會員提問｜台灣未來五年社會經濟走向與產業投資分析（主計總處 20 年官方數據實證）
本文回應一位會員的提問：「應用這20年的社會經濟背景與股價的反應，預估接下來五年台灣社會經濟走向，與分析可投資的產業與建構模型。」本文採用行政院主計總處國民所得統計官方數據（民國 95-114 年 / 2006-2025），結合 VolPred 研究系統 1000+ 筆實驗記錄，提供系統性分析。 --- 第一部分：20 年台灣經濟回顧（官方 GDP 數據） 以下數據全數來自行政院主計總處「國民所得…
如果所有人都用同一個投資策略，市場會崩盤嗎？模擬告訴你答案
1987 年 10 月 19 日，華爾街在一天之內崩跌了 22%。 這一天後來被稱為「黑色星期一」，是美股史上單日跌幅最大的一次。事後分析師找到了兇手：投資組合保險（Portfolio Insurance，PI）。 那個年代，大量機構投資人採用同一套策略，市場下跌時，自動賣出股票、買進期貨避險。聽起來很合理，對吧？ 但問題來了：當所有人都在「市場跌時賣出」，賣壓就形成了正向回饋迴圈，跌得越多，觸發…
學術界網紅模型遇上真實世界：HAR 為何輸給 GARCH？
你可能聽過有人說：「最新的學術模型一定比舊模型好。」但波動率預測的世界，事情沒這麼簡單。 --- 一個讓學術界興奮的模型，為什麼在你的手機上跑不出來？ 2009 年，義大利學者 Fulvio Corsi 提出了一個叫做 HAR 模型（Heterogeneous AutoRegressive）的波動率預測方法。這個模型有個迷人的核心思想：市場裡同時存在「日交易員」、「週交易員」和「月交易員」，他們對…
K783：GJR-GARCH 訓練窗口敏感性分析——擴展窗口最優，w=2000 竟是局部最差
本研究系統性地測試了 GJR-GARCH 與 GARCH 模型在 12 種不同訓練窗口大小（252 交易日至全樣本擴展窗口）下的 OOS 預測表現，以 Patton（2011）QLIKE 為主要評估指標。核心發現：擴展窗口（ALL）顯著優於業界常用的 w=2000，且 w=2000 竟是所有窗口中表現最差的之一，QLIKE 差距達 5.66%，DM 檢定 t=-3.226（Harvey 2016…
預測最準的模型不是最安全的——為什麼風險管理需要不同的標準
想像你在找一位保全人員。你面試了五個候選人，其中一位在「識別可疑人物」的測試中得了最高分，反應快、判斷準。你毫不猶豫地錄取他。 但一個月後，大樓發生了一次真正的闖入事件。那位「識別能力最強」的保全，卻在現場判斷失誤，讓闖入者溜走了。後來你才發現：識別威脅的能力，跟在威脅發生時做出正確應對，是完全不同的兩件事。 金融風險管理也是一樣。 --- 兩個問題，兩個冠軍 我們的研究針對主流波動率模型做了兩項…
波動率模型沒有絕對冠軍——K777/K778：公平比較的方法論與發現
波動率模型沒有絕對冠軍，這個方法論結論有嚴格的統計檢定支撐。K777 與 K778 兩個實驗（2026-03-31）共同揭示：你用什麼「評估尺」，就會得出誰是冠軍。改變量尺，排名翻轉；不換量尺，冠軍不變。這個發現對整個波動率預測文獻都有重要意義。 --- 一、問題的起點：K770 的量尺錯誤 故事從一個被推翻的實驗說起。 K770 比較 MEM（Multiplicative Error Model…
用 Yahoo Finance 看 0050 歷史走勢？小心這個隱藏的數據陷阱
如果你曾用 Python 的 yfinance 套件下載元大台灣 50（0050.TW）的歷史收盤價，然後畫成走勢圖，你可能會看到一個讓人困惑的景象： 2013 年底，股價約 37 元。然後跨進 2014 年元旦假期，第一個交易日開盤，股價突然變成 9.33 元。 跌幅：-75%。 這不是股市崩盤。這是一個數據陷阱。 --- 發生了什麼事？ 故事要從 2025 年 6 月說起。 2025 年 6…
股市收盤後發生了什麼？隔夜波動佔全日 37%——但你不需要擔心
想像一下：你下班回家，打開手機看了一眼股市收盤價，覺得今天還不錯，放心地去吃晚飯、睡覺。但你可能不知道，就在你熟睡的這段時間，各種消息、事件、全球市場的動向，正在悄悄「定價」明天的開盤，而且這個隱形的夜間波動，比我們以為的要大得多。 我們分析了 SPY（追蹤美國 S&P 500 的 ETF）從 2007 年到 2026 年、將近 20 年的每日數據，把每天的股價波動分成兩個部分：隔夜波動（收盤到次…
2026-04-01 本日持倉比率建議（依據 2026-03-31 收盤數據）
$\sigma$ = 21.6% · VIX = 25.25 策略 配置 現金 ------ ------ ------ GARCH VT (SPY) SPY 55% 45% Risk Parity (SPY+GLD) SPY 39% + GLD 21% 40% 12/VIX (SPY) SPY 48% 52% 50/50 S…
K767/K768：日頻數據就夠用——中期波動率預測與 Conformal VaR 校準
兩個相輔相成的發現告訴我們：中期投資人既不需要昂貴的日內高頻數據，也能讓風險模型通過監管標準。 實驗 K767 證明，用每日收盤價計算的 5 日實現波動率（5-day RV）驅動的 HAR 模型，在 22 日與 66 日預測視野完全媲美 GJR-GARCH，且優於 VIX 期限結構。實驗 K768 則發現，一個無模型假設的 Conformal 校準層，能將 Normal 分佈 GJR-GARCH…
債券市場比 VIX 更早知道危險——但研究發現 VIX 一個指標就夠了
那時候，大多數人還沒意識到大事不妙。股市雖然已經下跌，但許多投資人仍在「逢低加碼」。然而，債券市場早就發出了警報，高收益債券（就是那些評等較差、利率較高的公司債）的利率，跟安全的投資級債券之間的差距，已經悄悄拉大到令人不安的程度。 這個「差距」有個專有名詞，叫做信用利差。它就像是金融市場的體溫計，當市場開始擔心企業倒閉時，投資人要求的額外補償（利率）就會升高，利差就會擴大。 研究問題是：如果我們能…
波動率有多「粗糙」？用顯微鏡看市場恐慌的紋理
市場的波動率不是平滑的曲線，而是「粗糙」的，像砂紙的表面，充滿微小的跳躍。根據 2005–2026 年的實證數據，美股（SPY）、黃金（GLD）與台股（0050.TW）的 Hurst 指數均接近 0，比「平滑假設」低了約 70 倍。這個發現解釋了為什麼 GARCH 這類傳統模型有預測天花板：它們假設波動率是「光滑」的，但現實是「粗糙」的。 --- 想像你在看股市的「皮膚」 如果你把股市的每日漲跌幅…
四個指標不如一個 VIX——為什麼投資策略越複雜越差？
想像你在一個陌生城市迷路了。你攔下四個路人詢問方向，每個人都說了一個不同的路線，而且每個人都只有六七成的把握。你把四個答案平均一下，會更接近正確路線嗎？ 不會的。四個半懂的人，平均起來還是半懂。 這就是「信號稀釋」。 --- 我們做了什麼實驗？ 我們用 2007 至 2026 年，共 18 年、4,840 個交易日的真實市場數據，把四種波動率策略信號混合在一起，測試這個「信號雞尾酒」能不能打敗最簡…
K759：金融股壓力指標作為台積電波動率早期預警——partial r=0.357，超越 VIX 的增量預測力
台灣股市有一個長期存在的結構性謎題：台積電（2330.TW）佔台股市值逾三成，被視為台灣經濟的晴雨表。然而，台積電的波動率如何被系統性地預測，至今仍是未解之謎。我們在 K757b 實驗中發現了一個出乎意料的 Granger 因果關係：金融股（富邦金 2881、國泰金 2882）的波動率在統計上領先台積電，而非反之。這一發現引出了 K759 的核心問題：如果我們把金融股波動率建構成一個「金融壓力指數…
台灣人買美股要避匯嗎？數據說：不用，反而更貴
每次看到銀行或券商廣告寫著「美股基金，含匯率避險」，很多台灣投資人都會覺得安心，匯率波動很嚇人，避開不是更好嗎？ 但數據說：不只不必要，還會讓你少賺很多錢。 這篇文章用 2010 年到 2026 年、超過 4,000 個交易日的真實數據，告訴你匯率風險對台灣投資人到底有多大，以及避匯到底值不值得。 --- 匯率風險其實比你想的小 先說結論：匯率只讓你的投資組合波動率增加了 2.6 個百分點。 怎麼…
台積電的風險不是來自台積電——金融股才是幕後推手
大多數台灣投資人盯著台積電，把它視為台股的晴雨表。但我們的研究發現一件反直覺的事：台積電的風險，有一部分其實是從富邦金、國泰金那邊「傳過來的」——而台積電本身的波動，卻不會反過來影響金融股。 這個發現顛覆了許多人的直覺，也改變了「如何提前預警」的邏輯。 --- 你以為台積電是風險的源頭，其實它是接收端 想像台灣股市是一個辦公室。大家都以為最有影響力的人是台積電，畢竟它佔 0050 指數超過三成的比…
比特幣的恐慌會傳染給股市——但反過來不會
加密貨幣和傳統股市之間的關係，比大多數人想像的更「不對稱」。我們的研究發現：比特幣的恐慌確實會傳染給股市，但股市的恐慌卻不怎麼影響比特幣的走向。 這條單行道，正在改變投資組合管理的邏輯。 --- 你以為兩個世界互不相干？ 2022 年 11 月，FTX 交易所突然崩潰，比特幣在一個月內暴跌 16%。同一時期，美股的恐慌指數 VIX 從 23 上升到 25。 許多人的第一反應是：「加密貨幣是自己玩自…
大盤暴跌時成交量暴增？這不是恐慌信號，是市場在「排毒」
股市崩跌時，電視新聞最喜歡說：「今天成交量爆增，市場恐慌性賣出！」但我們的研究告訴你一個反直覺的事實——極端的大成交量，其實是市場在「排毒」，而不是代表後續更危險。 --- 你以為大成交量代表後患無窮？ 想像這個場景：2020 年 3 月的某一天，SPY（追蹤美國大盤的 ETF）的成交量突然暴增到平時的 2.5 倍。股價單日重挫 3%，VIX 恐慌指數飆到 30 以上。你的第一反應是什麼？ 「完了…
K744/K745: 從日頻到 5 分鐘——高頻數據揭示 GARCH 的天花板
--- 摘要 本文報告 K744 和 K745 兩個緊密相關的實驗結果。K744 驗證了 51 天 SPY 5 分鐘數據的品質，並發現關鍵統計事實：5 分鐘實現波動率（Realized Volatility, RV）的一階自相關 AC(1)=0.423，是日頻 r² 代理的 5.6 倍（AC(1)=0.076）。K745 以這批高頻數據進行了 HAR-RV 模型的先導測試，共比較 11 個模型。核…