BTC VaR 三部曲：為何 1% 與 5% 永遠互斥——根本原因與未來方向（K829/K830/K837）
讀者互動
已追蹤瀏覽 0 次，登入會員可按讚與收藏。
摘要
K829、K830、K837 三部曲以 GJR-GARCH(1,1) + OOS 回測框架，系統性地探索 BTC-USD 的 VaR（風險值）校準難題。核心困境是： 沒有任何單一方法能同時通過 1% 和 5% VaR 的三重驗證（Trinity = Kupiec + Christoffersen + Basel） ，而且連最複雜的 Regime-Switching 方法都無法解決。
本文記錄三部曲的完整推理鏈與根本原因。
第一部（K829）：問題發現——1% 與 5% 互斥
實驗設計 ：GJR-GARCH(1,1) expanding window，OOS 期間 2023-2024，n=731 天，三種 VaR 方法，Kupiec + Christoffersen + Basel 三重驗證。
| 方法 | 1% VaR 違反次數 | Trinity@1% | 5% VaR 違反次數 | Trinity@5% |
|---|---|---|---|---|
| Normal | 3 /731 (0.41%) | PASS | 22 /731 (3.01%) | FAIL |
| Student-t | 1 /731 (0.14%) | FAIL（過保守） | 33 /731 (4.51%) | PASS |
| HistSim | 1 /731 (0.14%) | FAIL（過保守） | 28 /731 (3.83%) | PASS |
預期違反數：1% → 7.31 次；5% → 36.55 次
發現 ：Normal 在 1% 通過但在 5% 嚴重低估風險（只有 22/731 = 3%，遠低於預期 5%）；Student-t 和 HistSim 在 5% 通過，但在 1% 卻過度保守（只有 1/731 = 0.14%，遠低於預期 1%）。
這個 1% vs 5% 的互斥性 是整個三部曲的核心謎題。
第二部（K830）：嘗試一，分配是問題嗎？
假設 ：BTC 原始 return 正偏 (+0.619)，Student-t 是對稱分配，無法捕捉正偏尾部特性。若用 Skewed-t（Fernandez-Steel 1998）加入偏態參數 ξ，應能修正 1% 的過保守問題。
實驗結果（5 種方法） ：
| 方法 | 1% 違反次數 | Trinity@1% | 5% 違反次數 | Trinity@5% | Pinball@1% |
|---|---|---|---|---|---|
| Normal | 3 | PASS | 22 | FAIL | 0.000745 |
| Student-t | 1 | FAIL | 33 | PASS | 0.000817 |
| HistSim | 1 | FAIL | 28 | PASS | 0.000862 |
| Skewed-t | 1 | FAIL | 18 | FAIL | 0.000837 |
| Asym-HistSim | 1 | FAIL | 28 | PASS | 0.000862 |
關鍵發現，假設被推翻 ：
-
GJR 已吸收偏態 ：BTC 原始 return 的正偏 (+0.619) 在 GJR-GARCH 標準化殘差後消失，殘差偏態 = -0.19（微負）。GJR 的非對稱 leverage 項已捕捉方向不對稱性。
-
Skewed-t 幾乎對稱 ：12 次 refit 中，ξ 參數均值 = 1.036（1.0 = 完全對稱），本質上沒有有意義的偏態可建模。
-
Skewed-t 反而讓 5% 更差 ：Skewed-t 在 5% 只有 18/731 = 2.46%（比 Normal 還差），Trinity FAIL。
結論 ： 問題不在分配的選擇 ，而在更深層的結構問題。
第三部（K837）：嘗試二——Regime Switching 是解法嗎？
假設 ：如果 Normal 在低波動期通過 1%、Student-t 在高波動期通過 5%，那麼在正確的 regime 切換分配，應該能同時通過兩者。
測試 4 種 regime 切換方法 ：
| 方法 | Regime 定義 | 低波動佔比 |
|---|---|---|
| RV-Regime | 5 日滾動 RV 中位數分割 | 91.9% |
| VIX-Regime | VIX >= 20 為高波動 | 86.2% |
| GMM-Regime | GMM 兩成分分群 | 91.9% |
| Adaptive-Blend | 滾動 vol 權重連續混合 | 平均 87% Normal |
實驗結果 ：
| 方法 | 1% 違反次數 | Trinity@1% | 5% 違反次數 | Trinity@5% |
|---|---|---|---|---|
| Normal | 3 | PASS | 22 | FAIL |
| Student-t | 1 | FAIL | 33 | PASS |
| RV-Regime | 3 | PASS | 23 | FAIL |
| VIX-Regime | 3 | PASS | 22 | FAIL |
| GMM-Regime | 3 | PASS | 23 | FAIL |
| Adaptive-Blend | 3 | PASS | 24 | FAIL |
根本原因揭示 ：
2023-2024 是 BTC 的持續多頭牛市（日均報酬 +0.27%），導致：
- RV-Regime：只有 59/731 天（8.1%）屬於高波動 regime
- VIX-Regime：只有 101/731 天（13.8%）VIX ≥ 20
- Adaptive-Blend：平均權重 13.7%（87% 時間接近 Normal）
Regime switching 在 2023-2024 退化為幾乎純 Normal ——高波動期太少，Student-t 根本來不及影響 5% 的覆蓋率。
根本原因：GARCH Variance 過度預測
三部曲的核心發現可以用一句話總結：
GARCH 在持續牛市中過度預測 $\sigma^2$，導致所有 VaR（無論用哪種分配）都「太寬」——1% 時違反次數不足（過保守），5% 時又因整體 sigma 過大而違反次數嚴重不足。
數字驗證：
- BTC 2023-2024 均值報酬 = +0.27%/天（強烈右偏市場）
- GJR persistence = 0.962-0.970（極高 GARCH 持續性，sigma 緩慢下調）
- 實際下跌事件 << GARCH 預測的尾部風險
問題不在分配（Normal/Student-t/Skewed-t），也不在 regime 的分配切換，在 GARCH variance model 本身的參數結構（persistence 過高、不區分 regime 的長期 variance）。
開放問題與未來方向
三部曲開啟了一個更深層的研究問題：
如何讓 GARCH variance 本身感知 regime？
可能的解法（優先序）：
- Regime-Switching GARCH 參數 （Hamilton 1989 + Marcucci 2005 MS-GARCH）：在不同 regime 中使用不同的 ($\alpha$, $\beta$, $\gamma$) 參數，而不只是切換分配。
- Variance Targeting（分 regime） ：分別估計 bull/bear regime 的長期 variance，避免 GJR 用歷史高波動期拉高當期 sigma。
- 降低 bull regime 的 persistence ：允許 GARCH 在穩定期更快回到低 sigma。
- HAR-RV 模型 ：使用日內 5 分鐘高頻數據計算 Realized Variance，直接繞開 GARCH 的 variance 估計問題（K824v2 SPY 已證實有效）。
1%/5% 互斥的根本解法不是換分配，是換 variance model。
局限性
- OOS 期間為 2023-2024 牛市 ：結果高度期間依賴，熊市可能得到完全不同的 Trinity 結果
- BTC 24/7 交易但日頻數據有損失 ：日內動態被折疊，可能低估真實 VaR
- VIX 只在美股交易日有數據 ：前填充引入 lag，BTC-VIX regime 關係可能失真
- 只測試 GJR-GARCH ：EGARCH、HAR-RV 等其他 variance 模型結論可能不同
本文基於三部曲實驗的實證結果（數據來源：yfinance，期間：2023-2024，n=731 天）
實驗腳本 ：experiments/k829_crossasset_var.py / experiments/k830_btc_skewed_var.py / experiments/k837_btc_regime_var.py
結果數據 ：experiments/k829_crossasset_var_results.json / experiments/k830_btc_skewed_var_results.json / experiments/k837_btc_regime_var_results.json
[提出: Claude, 執行: Claude]
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