K1004: VIX9D 驅動 A4f 完整驗證 — SPY DM t=-4.588 通過 Harvey 門檻，VaR/ES scorecard 6/6

讀者互動

已追蹤瀏覽 0 次，登入會員可按讚與收藏。

[提出: 用戶, 執行: Claude]

摘要

實驗 K1004 完整驗證 VIX9D（9 天期 VIX）作為 MF-GJR-X 外生驅動變數的預測能力。核心發現： SPY 上，A4f-VIX9D-t 以 DM t=-4.588 顯著優於採用傳統 VIX 的 A4f-VIX-t ，遠超 Harvey (2016) 的 |t|>3.0 顯著門檻；在風險管理面，SPY 2.5% VaR/ES scorecard 達到 6/6 完美通過。相較之下，QQQ 的 DM t=-2.331 未達 Harvey 門檻，顯示 VIX9D 的資訊優勢具有資產特異性。

研究背景

MF-GJR-X（Mixed-Frequency GJR-GARCH with External Regressor）系列實驗旨在探索外生恐慌指標是否能提升日頻波動率預測。K1003 的跨 VIX 比較（VIX9D DM t=+5.15 vs VIX DM t=+4.29 相對 GJR baseline）提示 VIX9D 可能攜帶額外的短期恐慌資訊，K1004 則進行完整驗證：涵蓋 QLIKE 預測精度、VaR/ES 風險管理適切性、以及跨資產（SPY vs QQQ）的穩健性。

VIX9D 是 CBOE 的 9 天期隱含波動率指數，相較於傳統 VIX（30 天期），它對短期市場情緒變化更加敏感，理論上對日頻波動率模型的外生驅動更為直接。

方法與數據

項目	設定
資產	SPY（標普 500 ETF）、QQQ（那斯達克 100 ETF）
樣本期間	OOS: 2019-01-02 至 2026-04-07
OOS 樣本數	1,825 個交易日
滾動視窗	2,000 日（訓練），每 63 日重新估計
比較模型	A4f-VIX9D-t、A4f-VIX9D-N、A4f-VIX-t、GJR-t（基準）
QLIKE 評估	Patton (2011) 準確損失函數
顯著性門檻	Harvey (2016) \|t\|>3.0
預測評估	DM 檢定 + VaR/ES scorecard（UC、CC、DQ、ES backtest）
數據來源	yfinance (SPY, QQQ, ^VIX, ^VIX9D)
亂數種子	42（可重現）

核心發現

發現一：SPY 上 VIX9D 具統計顯著優勢（DM t=-4.588）

SPY 的 QLIKE 比較清楚顯示模型層次：

模型	QLIKE
GJR-t（基準）	-8.2720
A4f-VIX-t	-8.3614
A4f-VIX9D-N	-8.3930
A4f-VIX9D-t	-8.3947 （最低損失）

A4f-VIX9D-t 對比 A4f-VIX-t 的 DM t=-4.588（p≈0），對比 GJR-t 的 DM t=-6.18（p≈0），均遠超 Harvey 門檻。 學術意義 ：VIX9D 不僅是比 VIX 更好的外生變數，其攜帶的資訊對 SPY 波動率預測具有獨立且實質性的預測貢獻。

QLIKE 損失比較：A4f-VIX9D vs 基準模型

圖 1：SPY 與 QQQ 的 QLIKE 損失（數值越低代表預測越精確）。兩個資產均顯示 A4f-VIX9D 系列優於傳統 GJR 基準。

發現二：QQQ 上 VIX9D 改善未達 Harvey 門檻（DM t=-2.331）

QQQ 的 QLIKE 結構相似：

模型	QLIKE
GJR-t（基準）	-7.6898
A4f-VIX-t	-7.7683
A4f-VIX9D-N	-7.7857
A4f-VIX9D-t	-7.7865

A4f-VIX9D-t 相較 A4f-VIX-t 的 DM t=-2.331（p=0.0197），雖然統計顯著（p<0.05），但 未通過 Harvey (2016) 的 |t|>3.0 門檻 。相較 GJR-t 的 DM t=-5.002 依然顯著，說明加入任何 VIX 變數都有意義，但 VIX9D 對 QQQ 的邊際增益不如 SPY。

A4f-VIX9D-t DM 檢定 t 統計量

圖 2：A4f-VIX9D-t 對各競爭模型的 DM t 統計量。紅線為 Harvey (2016) 門檻 |t|=3.0。SPY 上對 A4f-VIX-t 的 t=-4.588 顯著通過；QQQ 上的 t=-2.331 未達門檻。

發現三：SPY A4f-VIX9D-t 在 2.5% VaR/ES scorecard 達 6/6

2.5% 置信水準下的風險管理評估：

模型 (SPY)	違約率	UC p 值	CC p 值	DQ p 值	ES Z1 p	ES Z2 p	Scorecard
A4f-VIX9D-t	2.68%	0.617	0.768	0.765	0.500	0.530	6/6
A4f-VIX-t	2.85%	0.350	0.666	0.628	0.501	0.528	6/6
GJR-t	3.40%	0.020	0.938	0.103	0.510	0.521	5/6

A4f-VIX9D-t 的違約率 2.68% 最接近名義 2.5%，全部 6 項檢定（UC、CC、DQ、ES-Z1、ES-Z2）均在 p>0.05 水準下不拒絕虛無假設，達到完美 6/6。對比 GJR-t 的 5/6（UC 被拒，p=0.020），VIX9D 外生驅動帶來的校準改善實質可見。

注意：在 1% 水準下，A4f-VIX9D-t 的 scorecard 為 4/4（Basel GREEN），但 A4f-VIX9D-N 只有 1/4（Basel YELLOW），顯示分佈假設（Student-t vs 常態）對極端尾部的校準至關重要。

發現四：資產特異性——VIX9D 對 SPY 效果更強

比較	SPY DM t	QQQ DM t	Harvey 通過？
A4f-VIX9D-t vs A4f-VIX-t	-4.588	-2.331	SPY ✓ / QQQ ✗
A4f-VIX9D-t vs GJR-t	-6.18	-5.002	兩者 ✓

SPY 更受益於 VIX9D 的可能原因：SPY 追蹤大盤，其波動率更直接反映市場整體情緒（VIX/VIX9D 均基於 S&P 500 選擇權）；QQQ 集中科技股，波動率可能更多受個股事件和科技板塊特有因子驅動，VIX9D 的邊際資訊貢獻相對稀釋。

模型參數診斷

SPY A4f-VIX9D-t 估計的關鍵參數：

參數	值	意義
γ（槓桿效應）	0.1529	負報酬對波動率的額外衝擊
β（持續性）	0.8166	波動率衰減速度
df（自由度）	8.016	厚尾程度（<30 代表顯著厚尾）
θ₁（VIX9D 負載）	0.01	外生恐慌指標的權重
persistence	0.8931	總持續性（< 1，確保穩定性）

所有模型均收斂（converged=True），persistence < 1，殘差診斷合格。

實務意義

對風險管理者 ：SPY 部位的 VaR/ES 計算採用 A4f-VIX9D-t，可在 2.5% 水準獲得 6/6 的完美校準，且 Basel 評級 GREEN（所有水準）。若使用 A4f-VIX9D-N，1% VaR 下降至 Basel YELLOW，說明分佈選擇不容馬虎。

對研究者 ：VIX9D 作為 9 天期恐慌指標，在 SPY 的波動率預測上已具備統計上可靠的邊際資訊，這是 MF-GJR-X 框架引入短天期 VIX 的初步確認。QQQ 的結果提醒：這種改善並非普遍存在，需在各目標資產上分別驗證。

局限性

OOS 期間 （2019-2026）包含 COVID 崩盤等極端事件，樣本代表性需評估
跨資產推廣 ：目前僅驗證 SPY 和 QQQ，台股（0050.TW）或其他資產的適用性待實驗
VIX9D 數據可得性 ：VIX9D 的歷史序列較 VIX 短，回測窗口受限
模型設定 ：θ₁ 固定為 0.01（軟性約束），放鬆後效果待確認

結論

K1004 提供了 VIX9D 驅動 MF-GJR-X 模型的完整實證驗證。 SPY 上的 DM t=-4.588（通過 Harvey 門檻）和 6/6 VaR/ES scorecard 是本系列最強的正面結果之一 。QQQ 的 DM t=-2.331 未達門檻，屬於資產特異性差異而非方法論失敗。下一步應擴展至其他資產（GLD、EEM）並探索 VIX9D 與 VVIX 的組合效應。

數據來源與實驗追溯

本文基於實驗 K1004（腳本：experiments/k1004/k1004.py，結果：experiments/k1004/k1004_results.json）。數據來源：yfinance（SPY, QQQ, ^VIX, ^VIX9D），樣本期間 2019-01-02 至 2026-04-07，OOS N=1,825。

參考文獻：Engle & Rangel (2008), Patton (2011), Kupiec (1995), Christoffersen (1998), Engle & Manganelli (2004), Acerbi & Szekely (2014), Harvey (2016), CBOE VIX9D methodology.