債券波動率預測：MOVE 指數真的比 VIX 更懂長天期公債嗎？

一、為什麼要做這個實驗？

在量化研究的世界裡，有一種「看起來很合理」的直覺： 每一類資產都應該用自己的恐慌指數來預測它的波動率。 

• 想預測美股 SPY 的波動率？理論上要用  VIX （標普 500 選擇權隱含波動率）。
• 想預測黃金 GLD 的波動率？理論上要用  GVZ （黃金選擇權隱含波動率）。
• 想預測長天期美國公債 TLT 的波動率？理論上要用  MOVE （美國國債選擇權隱含波動率，有「債市的 VIX」之稱）。

這個直覺在我們的前一個實驗 K1085（黃金 + GVZ）上得到漂亮的支持：當我們把預測公式裡的長期波動率成分換成 GVZ，預測能力相對於只用過去報酬資訊的基準模型大幅提升，而且通過嚴格統計檢驗門檻。

問題來了： 這是黃金市場的特例？還是一條跨資產普世法則？ 

K1086 就是用來回答這個問題的延伸實驗。我們選了長天期美國公債 ETF（TLT），把長期波動率的「燃料」從 VIX 換成 MOVE，看看預測效果是否同樣顯著。

如果答案是 yes，這篇研究會升級為「跨資產通用結構」；如果答案是 no，那 K1085 黃金的結果就要重新定位、不能過度宣稱。

二、實驗設計（給非技術讀者的版本）

我們用的是一個學術上常見的多時間尺度波動率模型，把每一天的波動率拆成兩塊：

1.  短期成分 ：受最近幾天市場跳動影響（漲跌、槓桿效應）
2.  長期成分 ：由一個「外部燃料」驅動，例如某個隱含波動率指數的歷史水準

這個結構稱為 A4f（Engle 2013 風格的乘法形式），長期成分的公式是：

長期成分 τ = θ₀ + θ₁ × （燃料指標前一日值的平方）

我們用四種「燃料」設定來預測 TLT 的日報酬平方：

 樣本與設計 ：

• 資料期間：2003-01-02 至 2026-04-10（TLT、MOVE、VIX 三條時間序列來自 yfinance）
• 樣本外評估期間：2011-01-03 至 2026-04-10（共 3,759 個交易日）
• 滾動視窗訓練：每次用最近 2,000 個交易日重估參數，每季（63 個交易日）刷新一次
• 嚴格時序保護：所有解釋變數都用 t-1 期的數值預測 t 期的波動率，避免任何前視偏誤
• 比較指標：QLIKE 損失函數（對波動率預測誤差較穩健）+ 兩模型比較檢定（含 Newey-West HAC 修正）

樣本外總共觸發  60 次參數重估 ，覆蓋 4 個壓力情境：歐債危機（2011-12）、Taper Tantrum（2013）、COVID 崩跌（2020）、升息循環（2022）。

三、結果：一個老老實實的 null

先看主結果（樣本外完整期間）：

三個 A4f 變體相對於 GJR 的 QLIKE 都略有改善（QLIKE 越負越好，差距約 0.03），但 沒有任何一個達到嚴格統計檢驗門檻（|統計強度| > 3） 。

更關鍵的是： MOVE 並沒有在 TLT 上贏過 VIX 。

統計強度 -0.89 是負的，意思是： 在 TLT 上，VIX 當燃料的版本，預測表現甚至比 MOVE 略好一點點 （雖然差距小到不顯著）。

這個結果相當違反直覺。我們事前的假設是「資產對應自己的隱含波動率指數」，但 TLT 對應的 MOVE 並沒有展現出對應的優勢。

四、壓力情境細看：MOVE 在升息循環表現如何？

很多人會問：「也許 MOVE 平常用處不大，但在 2022 那種債市爆炸的環境，它應該大顯身手吧？」

我們特別檢視了 4 個壓力子期間：

注意最後一行： 2022 年升息循環，MOVE 的統計強度是 +1.55，VIX 是 +2.13 。

換句話說，即使在「債券波動率最戲劇化」的 2022 年，VIX 還是比 MOVE 略勝一籌。MOVE 在 COVID 的危機中與 VIX 平分秋色，但沒有任何一個情境下「MOVE 顯著贏過 VIX」。

五、為什麼會這樣？三個合理的解釋

這個 null 結果並不代表 MOVE 沒用，而是 對 TLT 而言，MOVE 攜帶的訊息與 VIX 高度重疊 。具體有三條可能：

5.1 VIX 與 MOVE 在重疊樣本上的相關係數約 0.59

這代表兩個指數有相當大的共同因子（系統性流動性、整體風險偏好、Fed 政策預期）。對 TLT 這樣的長天期公債而言，能解釋它日報酬平方變動的訊號早就已經藏在 VIX 裡面，再加 MOVE 並沒有提供「足夠新」的資訊。

5.2 公債波動率的真正驅動因子可能不是「選擇權市場恐慌」

直覺上 TLT 的波動率主要受 利率水準與殖利率曲線斜率 驅動（10 年期殖利率本身、10y-2y 斜率、Fed 點陣圖預期）。MOVE 抓的是「選擇權市場對未來利率不確定性的看法」，但這只是公債風險的其中一條傳導鏈， 不是主導鏈 。

5.3 黃金 GLD-GVZ 的成功可能源於黃金的特殊微結構

黃金作為「貨幣對沖工具」，它的波動率與股市波動率的脫鉤性比公債還高，所以 GVZ 攜帶的「黃金特定資訊」相對於 VIX 的增量價值較大。 換句話說，K1085（黃金）成功，可能不是因為「資產對應自己的 IV」，而是因為黃金本身的微結構特殊性。 

六、研究誠實宣告：我們承認這次失敗了

按照 K1086 的 4 個事前假設：

 整體裁定：FAIL（失敗）。 

我們不會把這個結果包裝成「MOVE 有 promising 跡象」之類的軟性宣稱。事前假設沒過，就是沒過。這就是 研究誠實原則 ：null 結果如實報告，不過度宣稱，也不藏起來。

這條原則也促使我們 回頭調整對 K1085 黃金結果的解讀 ：原本「資產對應自己的 IV 指數」的詮釋過於樂觀，現在更精確的說法是「在某些資產上有效（黃金），但不是普世法則」。

七、對讀者的實用啟示

7.1 對散戶投資者

• 看到別人說「用 MOVE 抓公債波動」、「MOVE 是債市真正的恐慌指標」，請保留懷疑。在我們橫跨 15 年的樣本外測試中，MOVE 對 TLT 波動率的預測 並沒有比 VIX 更強 。
• 如果你想用一個指標監控長天期公債的風險，VIX 仍然是合理的代理變數（因為它與 MOVE 高度相關，且資料更普及、即時性更佳）。
•  單一隱含波動率指數無法捕捉公債波動率的全貌  — 真正想做債券風險管理，需要把利率水準、殖利率曲線斜率、信用利差一起納入。

7.2 對資產配置經理

• 不要假設「為每個資產類別找一個對應的 IV 指數」就能有顯著的預測增益。我們在 TLT 上反證了這個直覺。
• 如果你的多資產風險模型裡，債券部位的波動率預測還停留在 GJR-GARCH，把 MOVE 加進去 可能不會有實質改善 （QLIKE 改善僅 0.03，且未達統計強度門檻）。
•  真正能改善公債波動率預測的方向 是利率因子模型（10y 水準、2y-10y 斜率、Fed funds futures 變動），這是我們未來實驗的方向。

7.3 對研究者

• K1086 提供一個有用的反例： 統計上不顯著的結果，依然有研究價值 ，因為它界定了一個方法論的有效範圍邊界。
• A4f 結構本身（Engle 2013 multiplicative form）並沒有失敗 — 它在 TLT 上對 GJR 仍有微幅改善 — 失敗的是「外掛任意 IV 指數都會 work」這個特定詮釋。

八、下一步研究方向

K1086 的 null 結果開啟了三條延伸路線：

1.  TLT + 利率因子作為長期成分燃料 ：用 10y-2y 斜率平方、10y 水準變動、Fed funds futures 隱含波動率取代 MOVE，測試「對的傳導鏈」是否能讓 A4f 在 TLT 上重新產生顯著預測力。
2.  久期梯度分析 ：對 IEF（7-10 年）、TLT（20+ 年）、EDV（25+ 年）做同一組實驗，看 MOVE 的有效性是否隨久期上升而上升。
3.  公司債 + 信用利差 ：對 LQD（投資級）、HYG（高收益）測試「資產對應的自然 IV 是信用利差」的版本，這是「資產對應自己的恐慌指標」最有理論基礎的延伸。

九、資料來源

•  TLT 與 VIX、MOVE 日資料 ：yfinance（2003-01-02 ~ 2026-04-10）
•  報酬計算 ：對數報酬，TLT 用 Adj Close（已含股息再投資），MOVE / VIX 用 Close
•  樣本外評估期間 ：2011-01-03 ~ 2026-04-10（n = 3,759 個交易日，60 次參數重估）
•  完整數值與重現腳本 ：本實驗 K1086（experiments/k1086/k1086.py + k1086_results.json）
•  參考文獻 ：
  • Engle, R. F., Ghysels, E., & Sohn, B. (2013). Stock Market Volatility and Macroeconomic Fundamentals. Review of Economics and Statistics, 95(3), 776-797.
  • Patton, A. J. (2011). Volatility forecast comparison using imperfect volatility proxies. Journal of Econometrics, 160, 246-256.
  • 嚴格統計, D. I., Leybourne, S. J., & Newbold, P. (2016). Testing the equality of prediction mean squared errors.
•  同系列實驗 ：K1075（SPY + VIX 延伸樣本）、K1085（GLD + GVZ 跨資產驗證）

十、結論一句話

 對長天期美國公債 TLT 而言，MOVE 指數並沒有比 VIX 更能預測波動率 — 這個直覺在資料上找不到顯著支持。「資產對應自己隱含波動率指數」不是普世法則，而是黃金可能特有的現象。 

研究結果不總是符合期待，但 真實比好看更重要 。