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。
K142: 第四次 ML 挑戰 GARCH——XGBoost + HAR 特徵仍然敗北
基於 2026 年最新文獻（arXiv:2601.13014），我們用 XGBoost + HAR-like 特徵工程第四次挑戰 GARCH 的波動率預測霸權。結果：GJR-GARCH 3/3 資產全勝，QLIKE ceiling 第 16 次確認。 方法與數據 項目 設定 ------ ------ 資產 SPY, GLD, TLT 期間 2007-2024（…
你的大腦正在偷走你的報酬——為什麼「更好的策略」你就是用不下去
我們的研究系統跑了超過 140 個實驗，反覆證實一件事：波動率目標策略（VT）能有效將最大回撤砍半。但我們也發現，絕大多數投資人即使知道這件事，最後還是會放棄。不是策略不好，是你的大腦不讓你用。 這篇文章要告訴你：你的直覺正在用五種方式偷走你的報酬。 --- 一、67% 的時間你都在「虧」 這是最殘酷的數字：VT 策略在 67% 的月份落後大盤。 沒看錯。三分之二的時間，你的朋友買大盤 ETF 放…
XGBoost + SHAP 波動率預測實驗：ML 無法擊敗 GARCH，但揭示 VIX 主導地位
本實驗測試 XGBoost 能否擊敗 GJR-GARCH 預測 SPY 22 天前瞻實現波動率，並使用 SHAP（SHapley Additive exPlanations）解析哪些特徵最重要。結論：XGBoost 無法顯著擊敗 GJR-GARCH（DM p=0.606），但 SHAP 揭示了有價值的特徵重要性結構。 --- 實驗設計 目標變數：22 天前瞻年化實現波動率（SPY） 訓練期：200…
K65: 動態相關性體制偵測 — 相關性可預測但 VIX 已捕獲其資訊
研究動機 K63/K64 確認了 SPY-GLD 相關性平均接近零（0.056），但波動劇烈（-0.62 至 +0.70）。靜態 50/50 配置在所有情境下表現穩健，但這引發一個問題：如果能偵測相關性體制變化，是否能動態調整 SPY/GLD 比例來改善績效？ 這不是預測波動率或報酬，而是預測相關性體制。 方法論 1. 相關性持續性檢驗：AR(1) 模型檢驗滾動相關性的自相關 2. 體制分類：63…
G1: 日內波動率 U-Shape 形態分析 — SPY 與 0050.TW 的市場微結構比較
利用 46 天 SPY 與 34 天 0050.TW 的 5 分鐘日內數據，首次檢驗兩市場的日內波動率形態。經典文獻預測的 U-Shape（開盤高、午盤低、收盤高）在我們的樣本中僅部分成立，實際呈現 L-Shape：開盤波動率顯著高於午盤，但收盤波動率並未顯著回升。 --- 核心發現 1. L-Shape 而非 U-Shape 兩個市場都呈現明確的 L-Shape 形態： 指標 SPY …
波動率 → 報酬預測：VIX 能預測未來報酬嗎？
研究動機 過去我們的研究都在預測波動率本身（GARCH、HAR-RV 等），然後用波動率做 VT 擇時。但文獻中有一個完全不同的問題：波動率能否預測未來報酬？ 高 VIX 是否代表「恐慌過度」，因此是買入機會？（均值回歸） VIX 期限結構反轉（backwardation）是否預示恐慌見底？ 已實現波動率 vs 隱含波動率，哪個預測報酬更好？ 方法論 迴歸模型：OLS with Newey-Wes…
G2 財報季波動率：指數層級效應不存在，VIX 再次 Sufficient
財報季（1/4/7/10 月第 3-5 週）是否創造可預測的波動率模式？能否改善 VT 策略？實證結果：指數層級的財報季效應不顯著，VIX 已充分吸收此資訊。 但個股層級效應顯著存在，凸顯指數分散化的吸收作用。 研究背景 每年四個財報季集中了大量企業公告，直覺上應該推升市場波動率。本研究檢驗： 1. 財報季波動率是否系統性偏高？ 2. VIX 是否已反映此效應？ 3. VT 策略能否透過財報日曆額…
地緣政治風險指標 → 波動率預測：VIX 充分性的第 24+ 次確認
測試地緣政治風險代理指標（黃金/原油價格動量）是否能在 VIX 之外提供額外的波動率預測資訊。使用 GLD 5 日報酬 z-score、USO 5 日報酬 z-score、GLD-SPY 乖離度三種 GPR 代理指標，對 2007-2026 年的 4,748 個觀察值進行全面分析。 核心發現 1. 增量預測力：微弱 (ΔR² = 0.93%) VIX 單獨解釋 39.1% 的 5 日前瞻已實現波動…
DeFi AMM 無常損失作為波動率指標：新概念探索
核心概念 在 DeFi 的自動做市商（AMM，如 Uniswap）中，流動性提供者（LP）會因資產價格偏離而遭受「無常損失」（Impermanent Loss, IL）。IL 的數學公式： IL(r) = \frac{2\sqrt{1+r}}{2+r} - 1 其中 $r = Pt/P0 - 1$ 為價格變動率。 關鍵洞察：對於小幅波動，$IL \approx -\sigma^2/8$。IL…
波動率傳染網絡拓撲：圖論與金融的跨領域分析
我們將圖論（Graph Theory）應用於金融波動率分析，建構 10 種資產的「波動率傳染網絡」。透過 degree centrality、betweenness centrality、clustering coefficient 等網絡指標，揭示波動率如何在資產間傳播。結果顯示：SPY 是波動率傳染的核心樞紐（degree=0.778），BTC 與 GLD 是孤立節點——但網絡密度不具備 VI…
如果所有人都用 12/VIX？— VT 採用率反饋迴路模擬 (K93)
如果 12/VIX 波動率目標（VT）策略被大量投資人採用，反饋迴路是否會讓策略本身失效？我們建立 agent-based 反饋模型，模擬不同採用率（0%-80%）下的市場穩定性。核心發現：VT 的月度再平衡是天然斷路器——即使 50% 的市場資金使用 VT，個人用戶仍然獲得 MDD 保護，但市場整體波動率上升 15%，所有人都受害。 研究背景 波動率目標策略（Volatility Targeti…
波動率擇時（VT）完全指南：15 個問題，48 個研究發現，一次講清楚
基於 48 項實證研究的終極 FAQ——從入門到進階，每個結論都有數據支撐 --- 基礎篇 Q1：什麼是波動率擇時（Volatility Targeting, VT）？ 一句話：市場恐慌時自動減碼，市場平靜時恢復持股。 想像你開車上高速公路。天氣好、能見度高，你開 120 公里沒問題。但濃霧來了，你自然會減速到 60 公里，不是因為你覺得前方一定有事故，而是因為你看不清楚，萬一出事煞不住。 波…
K75: VT 危機預警交通燈 — 能否預測 VT 何時大放異彩？
K74 顯示 VT 策略 80% 的時間都在「付保費」（跑輸 B&H），但在危機時期大幅跑贏。K62 發現高利率環境降低 VT 持有成本。一個自然的問題：能否建構可觀察的預警指標，告訴投資人 VT 何時即將發揮最大價值？ 方法 定義「VT 發光期」：滾動 63 天 VT 超額報酬 > 5% 測試 15 個預測因子（VIX 水準、VIX 變化率、信用利差、SPY 動量等） 所有信號使用過去數據（無前…
K66: Factor ETF 能否打敗 50/50 SPY/GLD？—— VT + Factor Tilts 完整實驗
50/50 SPY/GLD + 12/VIX 已被 7 次獨立驗證為最佳零售 VT 組合（K64）。本實驗測試更進取的假設：用 Factor ETF（動量 MTUM、價值 VLUE、品質 QUAL、最低波動 USMV）取代 SPY 的股票配置，能否進一步提升風險調整後報酬？結論明確：所有 factor tilt 均未顯著優於基準，50/50 SPY/GLD 的地位再次獲得確認。 研究背景 Fact…
K73: VT 稅賦效率分析 — 稅賦拖累會消除 VT 的好處嗎？
波動率目標（VT）策略的月度再平衡會產生資本利得稅，而買入持有（B&H）將所有稅延遲到出場。本研究用 FIFO 成本基礎追蹤，量化四種稅制下 VT 的稅後表現。核心發現：稅賦拖累顯著但 VT 與 B&H 的差距主因是保險費（71-80%），不是稅賦（20-29%）。MDD 縮減完全不受稅賦影響。 研究背景 VT 策略透過月度調整 SPY 曝險（12/VIX 權重）來控制波動率。這種頻繁再平衡必然觸…
槓桿 VT 實驗：適度槓桿能否改善波動率目標策略？
測試在低波動環境中允許適度槓桿（最高 1.3x-1.5x）是否能抵消 VT 的保險成本。標準 12/VIX VT 將權重上限設為 1.0，但當 VIX=10 時，12/VIX=1.2——多出來的 20% 曝險被白白丟掉了。如果允許適度槓桿，是否能在低波動期多賺一些，補償長期持有 VT 的保費？ 實驗設計 五種權重上限：1.0（標準）、1.2（溫和）、1.3（適中）、1.5（積極）、無上限 三種目標…
VT 投資人分類決策矩陣——一種策略不適合所有人
一種 VT 策略無法適用所有人。 整合 7 項核心研究（K41/K59/K62/K66/K70/K74/K75），我們建立了 6 種投資人類型的完整決策矩陣。年輕定投者幾乎不需要 VT；退休提領者則必須用標準 VT。差異高達 53% 的終端財富，選錯策略的代價非常高。 研究背景 我們的波動率目標（Volatility Targeting, VT）研究已累積超過 75 項實驗。一個反覆出現的問題是：…
K71: 季度再平衡 VT — 投資人可以多懶？
12/VIX 波動率目標策略（VT）的最佳再平衡頻率是多少？我們測試了從每日到年度的五種頻率，加上三種 VIX 門檻觸發式再平衡，回答一個實務問題：投資人到底可以多懶，VT 還是有效的？ 核心發現：非常懶也可以。 50/50 SPY/GLD 的年度 VT Net Sharpe (0.394) 甚至略高於月度 (0.386)，但危機中的 MDD 保護會隨頻率下降而顯著惡化。 研究背景 K65 已證明…
VT Drawdown Anatomy — 波動率目標策略何時失效？完整失效模式解析
Volatility Targeting (VT) 在 K14/K41 中被證實具有 100% 的 MDD 改善率。但投資人更迫切需要知道的是：VT 什麼時候會讓你失望？ 本研究完整解剖 2007-2026 年間 12/VIX SPY 策略的所有失效模式。 --- 核心發現：VT 的代價比你想的更高 1. 頻率：VT 大部分時間都在落後 滾動期間 VT 落後比例 平均落後 最差落後…
Covered Call + VT 實驗：選擇權能否增強波動率目標化？
Covered Call（掩護性買權）與波動率目標化（VT）都能降低尾部風險，但機制不同：Covered Call 用賣出選擇權收取權利金來換取上漲空間的限制，VT 則透過動態調整部位大小來應對波動率變化。本研究以 XYLD（S&P 500 BuyWrite ETF）作為 Covered Call 策略的代理，測試兩者結合是否產生協同效應。 核心結論：Covered Call + VT 確實能協同…
K65: DCA 50/50 SPY/GLD — VT 是多餘的保險？
K59 發現 DCA 投資人應該用較溫和的 24/VIX（而非標準的 12/VIX）。K64 確認 50/50 SPY/GLD 是不可動搖的最佳零售組合。但如果你已經有了 50/50 分散化，還需要 VT 嗎？ 核心發現：分散化已做了大部分工作 配置 終端財富 MDD IRR ------ --- ----- ----- 50/50 No VT $859,710 …
宏觀經濟數據能預測波動率嗎？答案讓人意外
用 GARCH-MIDAS 模型測試殖利率曲線、工業生產等宏觀變數能否改善日頻波動率預測。結果：宏觀變數不僅無效，還顯著惡化預測。唯一有效的「MIDAS driver」是 VIX——但它不是宏觀變數。 核心發現 MIDAS Driver vs GJR-GARCH DM t-stat 結論 ------- ------- ----- ------ VIX（市場指標） 改…
BTC 5% 分配：比想像中穩健，但代價是尾部風險
深入驗證 K64 的 5% BTC 分配。結論：比預期穩健（4/4 子期間全勝，97% rolling windows 勝），但投資人需理解代價。 核心發現 穩健性超預期 全期 p=0.014，Pre-2020 p=0.015（不是近期牛市假象） 97% 的 rolling 3 年 windows 勝過 50/50 2022 crypto winter 5% BTC 仍微幅正貢獻（+0.11 Sh…
EVT 極值理論 VaR：聽起來厲害，但打不贏 Skewed-t
用極值理論 (Peaks-over-Threshold + GPD) 計算 VaR，與 Skewed-t、FHS 等 5 種方法比較。結果：Skewed-t 仍是最佳（Trinity pass 86.7%），EVT 僅 73.3%。 核心發現 方法 Trinity 3/3 通過率 排名 ------ ------- ------ Skewed-t 86.7% 1 (…