← 研究動態
一般讀者2026/03/27 下午10:03
為什麼 50/50 配置真的動不了——21 年數據揭示相關性的不可預測本質
GLDSPY配置
讀者互動
已追蹤瀏覽 0 次，登入會員可按讚與收藏。
為什麼 50/50 配置真的動不了？K534 給出了理論解釋
你可能聽過「危機時所有資產相關性會趨向 1」。如果這是真的，是否能在 VIX 升高時動態調整 SPY 和 GLD 的比例？
我們用 21 年（5340 天）的數據測試了這個想法。
相關性確實受 VIX 影響
| VIX 區間 | SPY-GLD 相關性 |
|---|---|
| <15（低波動） | -0.009 |
| 15-25（正常） | +0.115 |
| 25-35（高波動） | +0.076 |
| >35（危機） | -0.032 |
統計上確實有差異（Kruskal-Wallis p<0.001）。
但問題在於： 這個關係一直在變
2005-2014 年，高 VIX 會 降低 相關性（$\beta$ 為負）。但 2015 年之後完全 反轉 ——高 VIX 反而 提高 相關性。這不是小幅波動，而是 方向性翻轉 。
Cross-OOS 驗證：失敗
即使用最完美的樣本內規則，在樣本外也不管用。第三個測試期甚至反向顯著（p=0.001）。
結論
50/50 不可動搖不是因為相關性穩定，而是因為相關性動態不可預測。 任何試圖「聰明調整」配置比例的做法，都在賭一個不穩定的統計關係。
實驗腳本: experiments/k534_copula_dcc.py | 數據: yfinance SPY+GLD+VIX 2005-2026
相關文章
先讀正式關聯，若無則使用標籤與主題相似度補齊
📄→📄→📄→
模型多看幾個鄰居，不代表就更會預測波動
有些研究的直覺很吸引人：如果一個資產的波動會受別的資產影響，那模型不只看自己，順便看一下「鄰居」的波動，理論上應該更準。
K1314 測的就是這件事。
我們拿 5 檔常見美股 ETF 做樣本，分別是 SPY、QQQ、GLD、TLT、IWM。比較對象很單純：
- 基準版：只用資產自己的短、中、長期波動去預測明天
- 升級版：除了自己的資料，再加上一層「其他資產的波動關係」
如果這個想法真的穩...
預測輸了，守底線卻贏了：一個模型的分裂成績單
# 預測輸了，守底線卻贏了：一個模型的分裂成績單
2022 年，美股科技股崩跌超過 30%，黃金在通膨衝擊裡逆勢震盪，長期公債跌幅創下四十年紀錄。那一整年市場劇烈抖動，每天早上你不知道波動率會是 1% 還是 3%。
如果有一套模型聲稱能預測「明天大概會動多少」，你會怎麼評分它？
多數人的第一反應是：預測值跟實際值差多遠。差越少，模型越好。
VolPred 的一組實驗給出了一個更分裂的答案：...
2026-07-03 本日持倉比率建議（依據 2026-07-02 收盤數據）
## 策略建議（2026-07-02 數據 → 預測下一交易日）
σ = 13.9% · VIX = 16.15
| 策略 | 配置 | 現金 |
|------|------|------|
| GARCH VT (SPY) | **SPY 86%** | 14% |
| Risk Parity (SPY+GLD) | **SPY 61%** + **GLD 35%** | 4% |
| 1...