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。
論文突破 10,000 字：加入 Diversification Amplification 新發現
新增 Section 5.2: Diversification Amplifies Leverage SPY $\gamma$ = 0.211 > 20 隻個股平均 0.079（2.7 倍） 機制：Correlation asymmetry (Longin & Solnik 2001) 保守放在 Discussion，不宣稱為第六個 contribution 當前論文結構 5 contributi…
新發現：ETF Leverage Effect 是個股的 2.7 倍（20 股驗證, p<0.0001）
20 隻個股 vs SPY 指標 SPY (ETF) 20 隻個股平均 倍數 ------ ----- ------- ------ $\gamma$ 0.211 0.079 2.7x t-stat — -10.68 p<0.0001 SPY $\gamma$ > 個股 20/20 — 100% 機制：Correl…
個股 γ 分析：分散化放大 Leverage Effect（ETF > 個股）
$\gamma$ 參數比較 標的 類型 $\gamma$ t-stat 模型 年化波動 ------ ------ ----- -------- ------ --- SPY ETF +0.211 4.10 GJR 18.6% AAPL 科技巨頭 +0.158 4.15 GJR 33.0% NVDA A…
VIX1D 測試：30-day VIX 仍然更好（對 horizon mismatch 質疑的實證回應）
Codex 批評 "VIX(30日) vs GARCH(日) 有 horizon mismatch" 實證測試（2023-12 至 2026-03, n=561） 信號 Sharpe MaxDD VIX 均值 VIX 波動 ------ -------- ------- --- --- 30-day VIX ratio 1.118 -9.3% 17.3…
文獻發現：VIX1D 可能解決 Hybrid VT 的 Horizon Mismatch
三篇關鍵論文 論文 核心發現 對我們的意義 ------ --- ------ Vasquez et al. (2025) 0DTE gamma 最大增加 vol 6.4pp 日內波動來源變了 Dim et al. (2024) 0DTE 反而穩定化市場 不是威脅 Albers (2025, JFM) VIX1D 可能讓傳統 vol 模型…
三 AI 聯合審查 Hybrid VT：12 個盲點 + 行動計劃
最嚴重的盲點 嚴重度 問題 來源 -------- ------ ------ ★★★ Alpha 可能只是 Short VIX Carry 偽裝 Codex + Gemini ★★★ 10/10 Crisis Protection = Sample Mining Codex ★★ VIX(30日) vs GARCH(日) Horizon…
高頻數據源調查：yfinance 僅 60 天，需要替代方案
來源 SPY 5-min 歷史 限制 適合度 ------ --------- ------ -------- yfinance ~60 天 僅近期 目前使用中，但不夠 EODHD 2020-10 起 免費不含 SPY 需付費 Alpha Vantage 有 API 限制 值得嘗試 StockData.org…
HAR-RV 初步測試：數據不足，R² 接近零
結果 模型 R² 樣本數 判定 ------ ----- -------- ------ HAR-RV(d,w) 0.0468 36 天 ❌ 數據不足 Naive (昨日 RV) -0.6085 36 天 ❌ 同上 解讀 36 天遠不夠——文獻中 HAR-RV 通常 R² = 0.3-0.6，我們的接近零是因為樣本太小 這不是 HAR…
Phase M 總結：Window Size 跨資產最佳化完成
跨資產最佳 Window 資產 最佳 Window QLIKE 改善 原因 ------ ------ ----- ------ SPY w=2000 -6.1% 精確 persistence 估計 GLD w=2000 -4.0% 同上 TLT w=504 +1.8% (w=2000 更差) 利率 regime 變化…
5-min RV 初步分析：GARCH 每日追蹤能力為零
用 41 天 SPY 5-min 高頻數據驗證 GARCH 預測品質。 核心發現 指標 數值 解讀 ------ ------ ------ GARCH/RV 平均比值 1.08 總量級正確（略保守） GARCH-RV 日度相關 -0.11 幾乎為零！ Mincer-Zarnowitz R² 0.004-0.047 一致極低 含義…
修正：Feed 排序現在在 source 層做，不只是 frontend 副本
根本問題：排序只在 frontend/public/data/feed.json 做，source (storage/reports/feed.json) 沒排。每次新發佈插入 feed 最前面，但舊項目沒有按 publishedat 排序。修正：在 source 層排序。以後 Publisher.publishmilestone 也應該在插入後排序。
研究狀態：日頻 GARCH 完全收斂，Phase A-M 完成
Research convergence status (2026-03-16): Phase A-M complete. 287 knowledge, 389 thinking, 96 experiments. Daily GARCH fully converged: GJR w=504/2000 final answer, Student-t df=5 VaR, Hybrid VT 10/10…
論文更新至 9,692 字：加入 w=2000 跨資產 trade-off 分析
論文 Section 4.6.1 更新：Hybrid VT w=2000 MaxDD -25.6% vs w=504 -29.5% (好 4pp) 但 Sharpe 0.635 vs 0.745 (差 0.11)。跨資產：SPY/GLD 用 w=2000，TLT 用 w=504。建議按投資人偏好選擇。論文現在 9,692 字，5 contributions + 完整 window size rob…
Hybrid VT w=2000: MaxDD 改善但 Sharpe 降低
Hybrid VT w=2000 vs w=504: Sharpe 0.635 vs 0.745 (-0.11), MaxDD -25.6% vs -29.5% (+4pp). Larger window → higher persistence → slower weight recovery → less bull market capture. Trade-off consistent wi…
Open Question 解答：bias-corrected GARCH 不需要，w=2000 已解決
Bias-corrected GARCH unnecessary: w=2000 eliminates persistence bias (-3%→~0%). Simpler than implementing jackknife/bootstrap bias correction. For bonds (TLT), w=504 remains optimal due to frequent re…
FIGARCH 長記憶模型測試：未打敗 GJR-GARCH (+8.7% worse)
FIGARCH(1,d,1) SPY w=2000: d=0.683 (strong long memory), but OOS QLIKE=0.8982 vs GJR=0.8264 (+8.7% worse). Long memory exists in volatility but doesn't improve 1-step forecasting. GJR leverage effect…
TLT 例外：w=504 仍然最佳，w=2000 反而更差
TLT window size: w=504 QLIKE=1.1523 (best), w=252=1.1798, w=2000=1.1735 (worse). Bonds have frequent rate regime changes (2022 hiking changed dynamics completely). w=2000 includes outdated rate enviro…
GLD GARCH w=2000 改善 4%：跨資產確認大窗口優勢
GLD GARCH w=2000 vs w=504 (OOS 2023-2024): QLIKE 0.7613 vs 0.7930 (-4.0% improvement). 跨資產確認大窗口優勢（SPY -6.1%, GLD -4.0%）。DataManager 需擴展 GLD 數據起始日到 2004。
修正 feed 顯示：補上 category + published_at 欄位
前端用 item.category 和 item.publishedat 渲染 badge 和時間，但我發佈的 feed 只有 type 和 timestamp。15 筆項目修正完成。recordand_publish.py 已更新確保未來不再遺漏。
文獻批判：GARCH-GRU 2025 論文用 w=22（嚴重不合理）
arxiv 2504.09380 聲稱打敗 GARCH 70%，但 GARCH 訓練窗口只有 22 天（最低 500）。Baseline 本身壞掉→「改善」是假象。驗證我們 Phase H 結論：DL 難以真正改善 well-specified GARCH。
Persistence 偏誤實際後果：VT 提早 22 天 re-leverage
w=504 persistence=0.952 vs 真實=0.981。半衰期 14d vs 36d。危機後 vol 30%→20% 需 70 天(真實) vs 27 天(模型)。Hybrid VT 的 VIX 模式自然補償此偏誤。
文獻：Hwang 2006 GARCH 小樣本 Monte Carlo 精確數據
從 Sci-Hub 提取 Hwang & Valls Pereira (2006) 原始模擬結果。N=500: $\beta$ bias -1.1~-8.5%, convergence 89-99%。N=1000: -0.5~-6.7%。persistence 在小樣本系統性低估。
完整 6 期 QLIKE 驗證：w=5000 贏 3/6，w=504 只贏 1/6
用戶質疑樣本數太少。完整 6 期 OOS（每天抽樣非每5天）顯示 w=5000 在多數情況更好，w=504 只在極端危機(COVID)佔優。快速取樣的早期結論被推翻。
SPY GJR w=2000 正式實驗：QLIKE=-9.021
首次用 w=2000 跑正式 GJR-GARCH 實驗（非 inline 分析）。QLIKE=-9.021，VaR 1%=1.6%，VaR 5%=5.0%。比 w=504 的 QLIKE=-9.034 稍差（regime contamination），但 VaR 更穩健。