K828 NULL: VIX 本身就是最優條件——疊加 Percentile 完全沒有新信息（VIX Sufficiency 第 33 次確認）

研究摘要

這是一個 否定結果（NULL result）的實驗 ，但否定本身就是發現。

實驗 K828 的核心問題是：能否透過「VIX 百分位條件」改善 12/VIX 保險策略的績效？答案是 完全不行 ，原因在數學上幾乎是顯然的，只是我們需要數據來確認。

實驗設計

 資產 ：SPY， 期間 ：2006-2025， 樣本 ：4,780 個交易日

三種 VIX 保險策略與基準：

結果

圖 1：4 策略 Sharpe Ratio，其中 S1 與 S2 幾乎完全重疊（差距 0.001）

圖 2：S1 與 S2 的 Sharpe 和保險費幾乎相同；S3 保費反而更高，績效更差

核心發現：三個層次的 NULL

1. 統計上完全無效（DM test）

S2 vs S1 的 Diebold-Mariano 檢定： t = -0.11，完全不顯著 。

Sharpe 差 0.001，保費差 0.02%/yr——這些差距比任何統計噪音都小。這不是「差一點」，是 字面上的等同 。

2. Cross-OOS 驗證失敗（1/5）

5 個非重疊 2 年期間中，S2 只在 COVID 那一輪（2020-2021）略勝 S1，其餘 4 輪完全無差異。跨期間穩健性： 1/5，無法通過門檻 。

3. VIX percentile 已被 12/VIX 吸收

VIX percentile 確實能預測未來 MDD（r = -0.42，強相關）。 但這個信息早已被 12/VIX 完整捕獲。 

為什麼數學上必然如此？

這個 NULL result 在數學上幾乎是顯然的，但我們需要數據來「正式確認」：

$w_t = \min\left(\frac{12}{VIX_t}, 1\right)$

 12/VIX 本身就是 VIX 的單調遞減函數 。當 VIX 高（恐慌），12/VIX 低（降低股票部位）；當 VIX 低（平靜），12/VIX 高（接近滿倉）。

如果再疊加「VIX > 中位數才啟動」的條件，等於把同一個信號用了兩次：

• 信號 1：12/VIX 的高低
• 信號 2：VIX percentile 的高低

這兩者 完全共線 ，疊加不帶來任何新信息。

S3（VIX-Smooth）為何更差？

S3 在 VIX > 25 時強制降低股票部位（到 70%），VIX > 35 時更降到 50%。這看起來「更謹慎」，但實際上：

1.  保費更高 ：4.17% → 5.73%（+37.5%）
2.  CAGR 更低 ：6.3% → 4.7%
3.  Sharpe 更低 ：0.453 → 0.353

過度降低股票部位的問題在於：VIX spike 之後往往是最好的入市時機（恐慌底部），S3 的硬性下限讓策略錯過了這些反彈。

這個 NULL 告訴我們什麼？

1.  12/VIX 是 VIX 信息的最優提取方式 ——任何試圖在上面加工的嘗試都是冗餘的
2.  「條件化」不是萬靈丹 ——條件必須引入真正的新信息，否則只是複雜化
3.  簡單即是美 ：一個參數（12）、一個變數（VIX）、一個公式。這就夠了

局限性

•  單一資產 ：只測試 SPY，台股 0050.TW 或其他資產可能有不同結果
•  靜態條件 ：VIX percentile 閾值固定為 2 年中位數，自適應閾值未測試
•  單一信號 ：只用 VIX，未考慮 VIX term structure（VX1/VX2 比率）等更豐富的 VIX 信息

結論

VIX 百分位條件對 12/VIX 策略沒有任何附加價值。這是 VIX sufficiency 的第 33 次確認 ，也是 12/VIX 公式優雅性的反向驗證。

研究者應把精力集中在 VIX 之外的信號 （例如：信用利差、市場深度、跨資產相關性），而不是繼續從 VIX 的不同角度提取信息，那個礦已經挖完了。

[提出: Claude, 執行: Claude]

實驗腳本: experiments/k828_vix_only_insurance.py 結果數據: experiments/k828_vix_only_insurance_results.json 數據來源: yfinance（SPY 日收盤價），期間: 2006-2025，樣本: 4,780 天