← 研究動態
研究2026/04/06 上午02:03

市場恐慌時,為什麼波動率沒有失控?科學揭開「波動率吸收」的秘密

GARCH市場恐慌波動率吸收模擬

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

想像一下:你在一個擁擠的廣場上,突然有人大喊「失火了!」

正常人的直覺是:所有人會同時衝向出口,造成踩踏。但如果廣場有個神奇的設計,越多人同時推擠,地板會自動變得更有彈力,把推擠的力量吸收掉,那麼即使大家都在逃跑,最終的混亂程度也遠低於你的預期。

這,就是金融市場的「波動率吸收」現象。


市場恐慌的真實樣子:比你想的更「可控」

當市場下跌、VIX 恐慌指數飆升,大多數投資人會擔心:這次會不會一發不可收拾?

標準的金融模型(GARCH 模型)告訴我們:波動率在恐慌後確實會上升,但它的「上升倍率」,也就是恐慌時的波動率是平靜時的幾倍,應該只是溫和地放大,大約  1.0 到 1.2 倍 。

但真實市場的數據說了一個完全不同的故事。


數字會說話:實際 vs 模型預測的驚人差距

我們使用美股標普 500(SPY ETF)從  2006 年到 2026 年共 5,093 個交易日 的真實數據,並以 VIX 指數把市場分成五個「恐慌等級」:

恐慌等級VIX 區間真實波動率吸收倍率GARCH 模型預測
平靜期VIX < 15 3.15 倍 1.23 倍
正常期VIX 15–20 2.77 倍 1.01 倍
偏高期VIX 20–25 2.38 倍 1.01 倍
高度緊張VIX 25–30 2.33 倍 1.06 倍
危機期VIX ≥ 30 2.45 倍 1.18 倍

結果令人震驚: 在所有五個恐慌等級下,真實市場的「吸收倍率」都是 GARCH 模型預測值的 2 到 3 倍以上 。

更重要的是:這個差距不是統計雜訊。我們進行了  10,000 次電腦模擬 ,在全部 10,000 次中,模擬出來的數字都比真實市場低,發生機率趨近於零。


「波動率吸收」是什麼?用生活類比解釋

讓我用更直觀的方式解釋。

 想像波動率是水壩後面的洪水。 

標準模型預測:當暴雨來臨(市場恐慌),水壩被衝垮,洪水直接宣洩。波動率應該跟著恐慌直線上升,到多高就多高。

但真實市場更像有「洩洪道」的水壩:當水位升高,洩洪道自動打開,把過多的水導引到其他地方。這個「洩洪道」就是市場的吸收機制——

  •  選擇權市場 吸收了部分恐慌溢價(做市商賣出保護、買入現貨對沖)
  •  套利者和逆向投資人 在恐慌時進場,為市場提供流動性
  •  機構投資人的再平衡機制 在下跌時自動加碼,緩衝跌勢

這些機制合在一起,讓市場在恐慌高峰時的波動率比「完全沒有緩衝」的情境低了整整  2 到 3 倍 。


這個發現最重要的意義:市場比你想的更「聰明」

我們還計算了一個叫做「SAR 衰退」的指標,也就是從平靜到恐慌,這個「吸收倍率」縮小了多少。

  •  真實市場的 SAR 衰退 :0.816(恐慌時吸收能力下降 82%)
  •  GARCH 模型預測的衰退 :平均只有 0.173,95% 信心區間 [-0.28, 0.56]

真實數字遠遠超出模型預測的範圍(p 值 = 0.0023)。

這代表什麼? 市場的自我修復能力,遠比任何純數學模型預測的還要強。  這是市場參與者集體行為的結果,不是隨機噪音。


對投資人的實際意義

這個發現對一般投資人有三個重要含義:

 一、不要在 VIX 飆升時過度恐慌。  波動率確實會在恐慌時上升,但市場內建的吸收機制會讓最終的衝擊比「最壞情境」溫和得多。2008 年金融海嘯、2020 年 COVID 崩盤雖然慘烈,但都比「無緩衝情境」要好。

 二、逆向操作有其理論基礎。  波動率吸收機制之所以存在,部分原因正是有逆向投資人在恐慌時進場。如果你能在 VIX > 30 時保持冷靜甚至加碼,你其實正在成為這個吸收機制的一部分。

 三、靜態模型低估市場韌性。  只看 GARCH 模型輸出來評估風險,會系統性地高估真實損失。這也是為什麼我們需要更複雜的風險模型,把「吸收效應」納入考量。


核心結論

市場在恐慌時,不是「失控的雪崩」,而是「有洩洪道的水壩」。

波動率吸收機制不是隨機的幸運,而是市場結構的一部分——10,000 次模擬,零次能夠複製真實市場的吸收強度。這個規律跨越了平靜期、正常期、高度緊張期和危機期,穩定出現。

下一次 VIX 飆到 30 以上的時候,記得:市場的「吸收機制」正在運作,最終的波動率,幾乎一定比你現在想像的更可控。


本文基於實驗 K897 的實證結果(數據來源:yfinance SPY ETF 及 ^VIX,期間:2006–2026,樣本數:5,093 交易日,10,000 次 GJR-GARCH 蒙地卡羅模擬)。實驗腳本:experiments/k897_sar_null_simulation.py,結果數據:experiments/k897_sar_null_simulation_results.json

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

📄
日頻波動率,HAR-RV 贏不了 GARCH:60 場跨資產對戰的紀錄
# 日頻波動率,HAR-RV 贏不了 GARCH:60 場跨資產對戰的紀錄 > 實驗 K188 | OOS 期間 2023-01-01 至 2024-12-31 | 5 資產 × 4 波動率代理 × 3 模型變體 --- HAR-RV 是過去二十年波動率預測文獻裡出現率最高的模型之一。它把波動率分解成日、週、月三個頻率的加總,捕捉長記憶結構,跑在五分鐘高頻數據上幾乎無敵。 那在日頻數據上呢...
📄
深度學習波動率模型的部分複製:RECH-X 跨市場實測,第九次 ML 天花板確認
# 深度學習波動率模型的部分複製:RECH-X 跨市場實測,第九次 ML 天花板確認 **2024 年一篇 Finance Research Letters 論文宣稱,把 Simple-RNN 嵌進 GARCH(1,1) 的遞迴常數,能讓模型在 S&P 500 上顯著打敗 RealGARCH。** 這個主張,在台灣市場完全失效;在 QQQ 上得到零效果;即使在 SPY 上成立,深入拆解後也會發現...
📄
新興市場主權債的波動率,能提前預告 EM 股市風暴嗎?一次誠實的否定(K1621)
新興市場的美元主權債,波動起來的時候,會不會比股市早一步聞到火藥味?如果會,那些免費就能取得的債券 ETF 與信用利差,或許能當作跨資產的預警訊號。我們用 2015 到 2026 十一年的資料把這個念頭認真測了一遍,結論很乾脆:**不會**。主權信用的「波動率」和新興市場股票的波動率幾乎是同一時間一起動的,不存在可以拿來做日頻預測的領先關係。 這是一個 NULL 結果,但它是乾淨、可複現、而且對...