← Research Feed
一般讀者2026/06/05 下午06:07

把疫情那段拿掉之後,複雜模型還剩下什麼?

COVID波動率模型比較美股研究誠實

讀者互動

已追蹤瀏覽 0 次,登入會員可按讚與收藏。

分享到:LINEFacebookX / Twitter

把疫情那段拿掉之後,複雜模型還剩下什麼?

很多投資模型看起來厲害,靠的其實不是長期穩定,而是剛好在某一段大事件裡表現特別搶眼。

這次我們做的事很直接:把 2020 年到 2021 年中那段疫情衝擊先拿掉,再回頭看一個比較複雜的波動模型,是否還能穩定贏過老方法。

答案不漂亮。

疫情那段拿掉之後,複雜模型沒有翻身。就算只看疫情那段,它也沒有穩穩站上風。換句話說,先前如果有人想把它包裝成「危機時刻特別有用」,這個說法也站不住。

這次到底在比什麼

比較的不是報酬高低,而是誰比較能把市場波動估得準。

一邊是比較複雜、會把恐慌指標一起納入的做法。另一邊是更傳統的簡單波動模型。兩者都用同一批樣本外資料往前走,差別只在模型本身。

這種比較的重點,不是找出「誰某幾天特別神」,而是看整段時間下來,誰比較穩。

先看整段:沒有穩定贏

第一張圖把每天的誤差差額做成 63 日平均。紅色在 0 上方,代表複雜模型比較差;掉到 0 下方,才代表它暫時比較好。

你會看到一個很不討喜的事實:大部分時間,這條線都沒有穩穩待在下方。疫情區間裡它沒有一路領先,疫情後也沒有明顯接手。

這種形狀代表什麼?代表模型不是完全沒亮點,而是亮點不夠穩,沒有穩到可以放心寫成「這個方法比較好」。

把單日極端值壓掉後,複雜模型也沒有穩定翻身

再看三段:把疫情拿掉,也救不回來

第二張圖更直接。它把資料拆成三段:

  • 全樣本外
  • 拿掉 COVID 之後
  • 只看 COVID 那段

三根柱子都在 0 上方。意思很簡單:不管你看哪一段,複雜模型的平均誤差都沒有比簡單模型更低。

更關鍵的是中間那根。很多模型在被質疑時,最常見的辯護是:「你把特殊事件拿掉再看,結果會不一樣。」這次我們真的拿掉了,結果還是沒有翻過來。

三個區段的平均誤差差額都沒有站到複雜模型那邊

這件事為什麼重要

因為它提醒了一個很常見的錯覺。

市場每隔幾年就會出現一次巨震。只要一個模型在那段時間表現稍微亮眼,很容易讓人誤以為它掌握了更深的規律。但如果把那段最戲劇化的時期抽掉,優勢就消失,甚至本來就不存在,那原本看到的,多半只是事件放大的幻覺。

這種幻覺很危險,因為它最容易出現在讀者最想相信的地方。大家本來就喜歡聽「危機來時,複雜模型更有用」。可惜資料這次沒有給出這個答案。

更值得記住的教訓

好的研究,不是看到漂亮片段就急著下標,而是願意問一個難聽的問題:

 如果把最特殊、最吸睛的那段歷史拿掉,這個結論還站得住嗎? 

這次的答案是站不住。

所以這篇真正想留下的,不是哪個模型輸贏,而是一個更實用的判斷習慣:看到任何「危機中特別有效」的策略或模型時,先追問它離開那場危機之後還剩下多少。

如果剩得不多,那你看到的可能不是能力,只是運氣剛好踩在大事件上。

資料來源

  • 美股與恐慌指標歷史資料快照,樣本外期間 2019-01-01 至 2026-05-19
  • 額外檢查:把 2020-03-01 至 2021-06-30 視為 COVID 區間後再重算
  • 完整實驗檔:experiments/k1378/

結論

把疫情那段拿掉,複雜模型沒有被救回來;只看疫情那段,它也沒有穩穩贏。

這不是一個討喜的結論,但它很有用。因為它提醒我們,真正能信的模型,不該只在歷史上最戲劇化的片段裡看起來厲害。

詳情

image_url
https://qxhfgdfzazwpkdgesavm.supabase.co/storage/v1/object/public/article-images/k1378_loss_gap_rolling.png
topic_cluster
spy
cluster_waiver
auto-discovered uncovered K1378 needs first general-audience coverage; draft-only methodology article, not event-chasing SPY repetition
experiment_refs
K1378
topic_cluster_30d
{"cap":10,"count":40,"ratio":0.146,"exempt":false}

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

📄
市場真的很「粗糙」,但更複雜的模型還是沒贏
# 市場真的很「粗糙」,但更複雜的模型還是沒贏 金融研究裡常有一種很迷人的故事。 它說,市場表面看起來亂,其實亂得很有規律。只要你抓到那種特殊的粗糙感,就能比傳統方法更早看出波動要往哪裡走。 這次我們真的把這套想法做得很完整:不只看一檔資產,還把 SPY、QQQ、GLD 一起放進去,試著讓不同資產之間的波動互相補資訊。 結果不浪漫。 市場的粗糙感確實存在,但更複雜的 rough 模型,最...
📄
只多 41 個交易日,最好的模型就換人了
# 只多 41 個交易日,最好的模型就換人了 很多人看量化研究,最想知道的問題只有一個: 到底哪個模型最好? 這個問題看起來很合理,但市場有時會給你一個很不舒服的答案。 我們最近做了一個檢查,只比原本多看 **41 個交易日**,結果就從「模型 A 明顯贏」變成「模型 B 反而比較好」。不是差一點點,是方向整個翻過去。 ## 先講結論 原本那份比較,看到的是一個很漂亮的勝負:某個帶有市...
📄
市場跌過之後通常更容易亂,但把波動拆更細,真的比較有用嗎?
# 市場跌過之後通常更容易亂,但把波動拆更細,真的比較有用嗎? 很多人對市場波動有一個直覺:**上漲和下跌留下來的後座力,不會一樣。** 同樣是 2% 的波動,今天如果是大跌,投資人通常比較緊張;如果是大漲,市場比較容易把它當成好消息消化掉。這個想法其實很合理,所以金融研究裡一直有人想把波動拆成兩半來看:一半是「漲出來的波動」,另一半是「跌出來的波動」。 這次的問題很簡單:**拆得更細之後,...