VIX 期限結構斜率能預測波動，卻換不到交易 alpha：一個誠實的失敗紀錄

為什麼要寫這一篇

研究路徑上最常見的陷阱之一，是看到一個訊號在「預測波動率」上有統計上的微小優勢，就直接假設它能轉化成「可交易的超額報酬」。這篇文章想分享一個我們親自踩到坑、然後完整驗證、最後得到  NULL RESULT  的案例：用 VIX 與 VIX3M 的比值（VIX 期限結構斜率）做擇時。

我們之前的研究 K975 已經顯示，VIX/VIX3M 斜率對未來 5 天的已實現波動率（realized volatility，RV）有大約  +2.2% 的增量解釋力 ，且兩模型比較顯著。聽起來像一塊還沒人撿走的便宜肉。所以 K993 的問題很單純：

 如果這個斜率對 5–22 天的波動率有預測力，能不能設計一個中頻（週調或月調）策略，把這份預測力換成超額報酬？ 

劇透：不能。但在解釋為什麼不能的過程中，我們得到了一個比成功更值錢的教訓。

訊號是什麼

VIX 期限結構斜率定義很直觀：

•  斜率 = VIX / VIX3M 
• 斜率 < 1：contango（短期波動率低於中期），市場相對平靜
• 斜率 > 1：backwardation（短期波動率高於中期），市場處於壓力狀態

從 2010 年到 2026 年共 4088 個交易日的資料來看，VIX 大部分時間都在 contango：

平均斜率 0.895，標準差 0.075。也就是說，這個訊號絕大多數時間都在說「沒事」，少數時候才會跳出來警示。理論上，這正是擇時訊號該有的樣子：平常 risk-on，警示時降槓桿。

我們設計了哪些策略

我們把斜率包裝成幾個 regime（情境）對應的權重，並用兩種不同的再平衡頻率測試：

深度 contango  (s < 0.85) → 權重 1.2（積極）
正常 contango  (0.85 ≤ s < 1.0) → 權重 1.0（中性）
輕微 backwardation (1.0 ≤ s < 1.05) → 權重 0.7（縮手）
強 backwardation (s ≥ 1.05) → 權重 0.3（防禦）

加上現成的 12/VIX baseline（這是同領域裡最常用的擇時 baseline）做交叉組合，最後比較 7 個策略：Buy & Hold、Daily 12/VIX、Weekly 12/VIX、Slope VT (Weekly/Monthly)、Slope+12/VIX (Weekly/Monthly)。所有訊號都用 signal.shift(1) 滯後一天再進場，避免 lookahead；交易成本一律 5bp（0.05%）。

樣本切分： IS 為 2010–2018，OOS 為 2019–2026 ，OOS 長達 1824 個交易日，跨越 COVID、2022 熊市、2024 八月波動率脈衝、2025 多頭等多種市場狀態。

OOS 表面結果：看起來最好的那個其實在「灌槓桿」

先看樣本外（OOS）的核心數字：

第一眼會被  Slope VT (Weekly) 的 0.759  吸引——它比所有 baseline 都高。和 Daily 12/VIX 的兩模型比較也達顯著水準（DM 統計量 2.549）。如果只看到這裡，恐怕已經可以直接打包上架。

但仔細看「平均權重」那一欄： 1.09 。

也就是說，Slope VT (Weekly) 平均下來其實 處於 109% 的市場曝險（隱含小幅槓桿） ，而對照組 Daily 12/VIX 平均才 0.72（72% 曝險）。Slope VT 的「高分」， 不是斜率訊號擇時帶來的 alpha ，而是因為它整段 OOS 期間的市場曝險本來就比 baseline 高 50% 左右——在 2019–2026 這個多頭主導、Buy & Hold 風險調整後報酬 0.65 的環境下，誰把曝險拉高，誰的數字就好看。

這也呼應了它的最大回撤： -25.8% ，比 Daily 12/VIX 的 -14.6% 接近翻倍。它沒有比 baseline 更會擇時，它只是承擔了更多 beta。

把斜率「加進」12/VIX 反而更糟

如果斜率真有額外資訊，把它疊加在 12/VIX 上應該要讓 Daily 12/VIX 變得更好。實際結果：

• Daily 12/VIX：0.531（基準）
• Slope+12/VIX (Weekly)：0.485（ 惡化 ）
• Slope+12/VIX (Monthly)：0.493（ 惡化 ）

兩模型比較都不顯著（DM 統計量分別 -0.41、+0.37）。在控制曝險的情況下， 斜率調整不但沒貢獻 alpha，還製造了額外的 noise 。這是一個比 Slope VT 高分還更直接的反證：當你用 12/VIX 把市場曝險「拉到同一個水位」再來比，斜率的價值就消失了。

檢驗門檻：達不到嚴格統計門檻

我們把 OOS 的兩模型比較拉到嚴格統計檢驗門檻（學術界對「真的有 alpha」的常見高標）下檢視。對 Daily 12/VIX 的兩模型比較統計量：

• Slope VT (Weekly)：2.549
• Slope VT (Monthly)：2.321
• Slope+12/VIX (Weekly)：-0.412
• Slope+12/VIX (Monthly)：+0.371

 沒有一個達到嚴格統計檢驗門檻 （學術界常用 統計強度 > 3.0 作為控制假發現率的高標）。Slope VT 雖然達顯著水準（雙尾 p ≈ 0.011 / 0.020），但在多重比較與資料窺視（data snooping）的考量下，這個強度遠遠不夠支撐「我們發現了一個 alpha 訊號」這種陳述。

真正打臉的是 2022

OOS 期間有兩段壓力測試最具代表性：

 COVID 2020（avg slope = 1.15，明確 backwardation） 

斜率衝高到 1.15，理論上應該觸發防禦權重。但即使如此，Slope VT 的損失仍比 Daily 12/VIX 大——因為它在 COVID 之前的 contango 期長期維持在 1.2 槓桿，下跌時的損失被放大，斜率轉成防禦時已經晚了一拍。

 2022 熊市（avg slope = 0.93，竟然還在 contango） 

這一段才是 Slope VT 的「致命傷」。整個 2022 年是一個慢熊（slow bear），不是恐慌型崩跌；VIX 整年都偏高，但 VIX3M 也跟著高， 斜率始終維持在 contango ，平均才 0.93。整個下跌過程中，斜率訊號從頭到尾都在說「risk-on」，策略反而被逐月凌遲，結果比單純買進持有還差。

為什麼預測波動率，卻換不到 alpha？

這是整個 K993 留下的最重要的觀念：

 斜率預測的是「波動率水準」，不是「報酬方向」。 

未來 5 天高 RV，有可能是崩跌（這時斜率有用），也有可能是高波動的反彈或盤整（這時斜率甚至會誤判方向）。同樣是「未來會很波動」，方向相反，對純多策略的價值就完全相反。這也解釋了為什麼 K975 的 +2.2% R²（對 RV）這麼漂亮，搬到擇時就消失：

1. 擇時策略賺的是「方向 × 曝險」，不是「波動率水準」
2. RV 預測力是對稱的（漲跌都算高 RV），方向訊號才是不對稱的（只有跌才該降曝險）
3. 在 contango 為主的長期樣本裡，斜率多數時間都不發出警告；它能發出警告的場景（COVID 那種）剛好是市場已經跳水的當下，擇時價值很有限
4. Slow bear（2022）市場根本不進入 backwardation，訊號完全失效

我們學到什麼

K993 是一個誠實的 NULL RESULT，但它換來幾個對未來研究紀律有用的規則：

1.  R² 和風險調整後報酬不是同一個東西 。看到一個訊號對波動率有額外解釋力，要再問一個問題：「它對方向有訊息嗎？還是只對水準有訊息？」如果只是後者，做擇時很可能徒勞。
2.  平均權重要看清楚 。當策略 A 風險調整後報酬高於策略 B，第一個檢查不是「A 是不是真的比較會擇時」，而是「A 和 B 的平均市場曝險是否相同」。曝險差距才是大多數「假 alpha」的真正來源。
3.  OOS 要橫跨多種市場狀態 。如果 K993 的 OOS 只有 2019–2021，Slope VT 看起來會很厲害；2022 那年才把它打回原形。這也再次說明研究時要強迫自己包含至少一個空頭環境。
4.  嚴格統計檢驗門檻是一道值得守的高牆 。雙尾達顯著水準（p ≈ 0.01）在純粹的單一檢定下確實有用，但在策略研究這種「多重嘗試 + 樣本窺視」高度氾濫的情境，把門檻拉到嚴格統計檢驗門檻能避免我們把 noise 當 signal 上架。
5.  不要回頭微調 regime 門檻把它救活 。若我們在 OOS 看完結果後，回頭去微調 (0.85 / 1.0 / 1.05) 這幾個切點，肯定能變漂亮，但那是 in-sample 過擬合。NULL 就是 NULL，不重新粉飾。

給讀者的一個實用建議

如果你正在使用任何「波動率擇時」訊號，下次看到一個漂亮的回測，請固定先問三件事：

• 這個策略的 平均市場曝險 是多少？和 baseline 是不是同一個水位？
• 它在 慢熊 （不是恐慌崩跌）的環境下表現如何？
• 它的 alpha 是來自 訊號對「方向」的判斷 ，還是來自 長期較高曝險賺到的 beta ？

這三個問題能擋掉大部分看似漂亮、實則只是包裝過的多頭曝險。

附圖

資料來源

•  價格資料 ：yfinance（SPY、^VIX、^VIX3M），2010-01-04 至 2026-04-06，共 4088 個共同交易日
•  樣本內期間 ：2010–2018（2263 天）
•  樣本外期間 ：2019–2026（1824 天）
•  訊號滯後 ：所有策略訊號皆 signal.shift(1)，無 lookahead
•  交易成本 ：每次權重變動 0.05%
•  隨機種子 ：np.random.seed(42)
•  完整實驗檔 ：experiments/k993/（README + Python script + results JSON + 兩張原始圖）
•  前置研究 ：K975（VIX/VIX3M 斜率對 5d RV 的 +2.2% R²）、K976（將斜率併入日頻 MF2-GARCH 的 NULL 結果）

結論

K993 對「 VIX 期限結構斜率能否轉化成可交易 alpha 」這個問題給出的答案是： 不行 。

• 看似最高分的 Slope VT (Weekly) 0.759，其實是 109% 曝險帶來的 beta，不是 alpha
• Slope+12/VIX 在控制曝險後反而比純 12/VIX 更差
• 沒有任何策略達到嚴格統計檢驗門檻
• 2022 慢熊市場直接證明斜率訊號在最需要的時候失靈

這個結果不否定 K975（斜率對 RV 仍有預測力），它只是把那份預測力放回了它真正屬於的地方： 風險管理 / 波動率預測 ，而不是 擇時收益 。下一步的方向是把斜率丟進 risk-targeting 框架（控制組合波動率、動態風險預算），而不是繼續嘗試讓它「擇時」。

研究有時候最重要的產出不是一條新策略，而是把一條看起來能上架、實則站不住的策略，誠實地關掉。