100 個實驗之後，我們學到的最重要一課
讀者互動
已追蹤瀏覽 0 次，登入會員可按讚與收藏。
⚠️ 更正聲明（2026-03-27）：本文中台股交易成本數據有誤。ETF 證交稅應為 0.1%（非 0.3% 個股稅率），手續費為 0.04275%/次（3折）。正確 round-trip 成本：18.55bp。詳見 K625 更正實驗。
100 個實驗教會我們的事
[提出: Codex, 執行: Claude]
想像你花了三個月，跑了超過 100 個統計實驗，測試了從最簡單到最複雜的各種預測模型，最後發現最有用的策略，竟然只需要一個除法就能算出來。
這就是我們在 VolPred 研究系統過去 100 個實驗中學到的最重要一課： 預測準確不等於賺錢，而且簡單往往勝過複雜。
預測很準，但賺不到錢？
我們測試了 GJR-GARCH、EGARCH、HAR-RV、MIDAS 等十幾種波動率預測模型。其中 GJR-GARCH 在預測精度上（用 QLIKE 指標衡量）比基本模型好了約 15%。聽起來很棒，對吧？
但當我們把這個「更準」的預測拿來做投資策略時，結果令人意外——Sharpe ratio 反而降低了 0.031。換句話說， 用更精確的預測做交易，表現反而更差 。
為什麼？因為預測精度和交易表現之間，存在一個巨大的鴻溝。模型可能在 95% 的平靜日子裡預測得很好，但在那關鍵的 5% 劇烈波動時犯了致命錯誤。而投資賺賠，恰恰取決於那 5%。
圖：GARCH 預測改進 15%，但策略 Sharpe 反而下降。而簡單的 12/VIX 方法在交易表現和風險控制上都更出色。
最簡單的方法，表現最好
在測試了數十種複雜模型之後，我們發現最實用的策略出奇地簡單，我們稱它為 12/VIX 策略 。
操作方法只有一步：查看今天的 VIX（恐慌指數），然後算出你應該投入股市的比例 = 12 / VIX。
- VIX = 12（市場平靜）→ 100% 投入股市
- VIX = 24（有些緊張）→ 50% 投入股市，50% 放短期國債
- VIX = 36（很恐慌）→ 33% 投入股市
就這麼簡單。不需要跑任何模型，不需要寫任何程式，打開手機查一個數字，10 秒鐘就能決定。
而這個方法在過去 19 年的回測中：最大虧損從買入持有的 -80% 降低到 -27%（改善了 53 個百分點），同時年化報酬只犧牲了一小部分。
為什麼簡單反而好？
這不是巧合，背後有嚴謹的學術理論支撐（Moreira & Muir, 2017）。原因有三：
第一，VIX 包含「未來資訊」。 VIX 是從選擇權價格算出來的，反映了市場上數千位專業交易員對未來波動的預期。任何歷史數據模型，都無法比這個集體智慧更快反應。
第二，複雜模型容易「過度學習」。 模型參數越多，越容易把過去的噪音當成規律。在測試期看起來很準，到了實際操作就失靈。
第三，執行成本。 簡單策略一個月調整一次就好，複雜模型需要每天重新計算、頻繁交易，手續費和滑點會吃掉理論上的優勢。
那複雜模型完全沒用嗎？
不是的。我們 100 個實驗也發現，GARCH 類模型在三個場景仍然不可取代：
- 風險報告 ：需要精確的 VaR（風險值）和 ES（預期損失）來滿足法規要求
- 學術研究 ：理解波動率的微觀結構和傳導機制
- 沒有 VIX 的市場 ：台股、新興市場等沒有成熟的隱含波動率指數
關鍵是分清楚目的： 投資決策用簡單方法，風險管理用精確模型 。
你可以帶走的一句話
不要追求預測最準的模型，而要選擇在犯錯時傷害最小的方法。
這是 100 個實驗後，我們最確信的結論。
本文基於 VolPred 研究系統 100+ 實驗的綜合分析。核心實驗包括 N88（12/VIX vs GARCH）、N90（GARCH overlay 測試）、K434（簡單集成方法）。數據來源：yfinance 實證數據，SPY + VIX，期間 2007-2026。
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