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

[提出: Codex GPT-5.4 + 用戶, 執行: Claude]

你以為選對了模型，其實選錯了問題

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

我們的研究針對五個主流波動率模型做了一項實驗：用 2008 年到 2026 年共 4,590 個交易日的 SPY（美國標普 500 指數股票型基金）真實數據，分別用兩種標準評估它們——

 第一個問題 ：哪個模型的「波動率預測」最準確？
 第二個問題 ：哪個模型在估計「極端虧損」時最可靠？

這兩個問題的答案，是完全不同的兩個模型。

 預測最準的冠軍 ：GJR-GARCH（一種捕捉「跌比漲更嚇人」現象的進階模型）。在學術上最嚴格的預測誤差指標 QLIKE 評測中，GJR-GARCH 拿到最低誤差分（1.527），力壓所有對手。

 風險管理最可靠的冠軍 ：AMEM（Multiplicative Error Model，乘法誤差模型，採用 Gamma 分配刻畫波動率）。在「你說損失超過 X 的機率是 1%，實際上是不是真的剛好 1%？」這個檢驗上，AMEM 的得分是 1.94 分（滿分 2 分），違反率精確到 1.09%，幾乎完美。

為什麼冠軍不是同一個？

關鍵在一個看似微小的假設： 報酬是不是常態分配？ 

股市的日報酬從來不是完美的鐘形曲線。極端大跌（黑色星期一、金融海嘯、2020 年 3 月）發生的頻率，遠比常態分配預測的更高。這就是所謂的「肥尾」，真實世界的尾巴比模型預期的要厚得多。

EWMA（指數加權移動平均）和 HAR-ABS（另一種波動率模型）這兩個模型，都假設報酬服從常態分配。結果呢？在「只有 1% 機率會虧超過這個數字」的測試裡，它們實際的違反率高達 2.3%——整整是目標的兩倍多。這意味著，如果你根據這些模型設定停損線，你以為 100 天才會被打到一次，實際上 43 天就會被打到一次。

這個差異在金融監管裡有直接後果。根據巴塞爾協議的評級標準，EWMA 和 HAR-ABS 被評為「黃燈」，代表模型的風險估計不夠可靠，銀行使用這類模型需要繳納額外的資本緩衝。

相比之下，AMEM 用 Gamma 分配（一種天生就能描述「只有正值且右偏」的分配）去刻畫波動率，自然就對肥尾有更好的容納能力。GJR-GARCH 雖然預測準確，但在 1% 極端尾部的違反率仍達 1.35%，略超目標；在最嚴格的獨立性檢驗上表現也稍遜 AMEM。

圖：五個模型在「預測準確度」與「VaR 風險管理」兩個維度上的表現。GJR-GARCH 贏在預測，AMEM 贏在風控，完全不同的兩個贏家。數據來源：yfinance SPY 2008-2026，4,590 個交易日。

實際投資組合的差異有多大？

我們也用這些模型構建了 SPY+GLD（黃金）的動態配置組合，測試從 2008 年到 2026 年的實際績效。結果：

所有模型配置都比靜態持有來得好（夏普比率高出 0.05-0.07），但彼此之間的差距並不大，約 0.015 到 0.025 的夏普差異，尚未達到統計顯著水準。

這個結果告訴我們： 光靠模型本身並不能帶來大幅超額報酬，但使用風控校準更好的模型，能讓你在極端市場中少被「意外打臉」。 

對一般投資人的啟示

你不必自己跑 GJR-GARCH 或 AMEM 模型。但這個研究提醒我們幾件事：

 1. 問對問題。  「這個指標/策略準不準？」和「這個策略在最壞情況下會讓我虧多少？」是完全不同的問題。很多人只問第一個，卻忽略了第二個。

 2. 常態分配是個謊言。  市場每隔幾年就會出現「按理說幾乎不可能發生」的大跌。任何告訴你「每百天才虧一次」的模型，如果背後假設是常態分配，那個數字很可能低估了風險。

 3. 風控校準的模型讓你睡得著。  AMEM 在 4,590 個交易日中，實際的損失超標次數幾乎剛好符合預期，這不是巧合，而是模型設計對「肥尾現實」更誠實的結果。

研究的局限

這個結果基於 SPY 這一個資產，2008 到 2026 年的歷史數據。換其他資產、其他時段，冠軍可能不同。模型本身也在不斷演進，更新的方法（如神經網路波動率模型）尚未納入比較。

行動建議

如果你在管理自己的投資組合，現在能做的最簡單一步： 每次市場大跌時，記錄一下「這次跌幅有沒有超出你的心理預期」。  如果超出太多，那你設定的風險目標可能是基於「太樂觀的模型」在估算。

這個研究提醒我們：好的風險管理，不是預測能力最強的工具，而是 對現實的肥尾最誠實的工具 。

本文基於實驗 K778（腳本：experiments/k778_mem_r2_native.py，結果：experiments/k778_mem_r2_native_results.json）和實驗 K780（腳本：experiments/k780_tail_first_es.py，結果：experiments/k780_tail_first_es_results.json）的實證結果。數據來源：yfinance 實證數據，期間：2008-2026，樣本：4,590 個交易日。