K626：VIX 的方向能預測嗎？我們測了 500 天，答案讓人意外

 實驗 ID : K626  資料期間 : 2015-01-01 至 2026-03-01（約 500 個交易日的 OOS 測試窗口）  樣本 : SPY + CBOE VIX 日收盤數據（yfinance）

研究動機

VT 策略（Volatility Targeting）是本研究系統的核心策略之一，其基本原理是： 用 VIX 水準調整部位 ——VIX 高時降低倉位，VIX 低時加大倉位。

一個自然的問題是：如果我們不只知道 VIX  水準 ，還能預測 VIX  方向 （明天是漲還是跌），策略能不能更好？

K626 正是為了回答這個問題而設計的。

預測準確率：隨機森林 60%，但這有意義嗎？

我們訓練了兩個分類器，試圖預測「明天 VIX 是漲還是跌」：

乍看之下，隨機森林的 60% 似乎不錯，比基準高了 3.6 個百分點。

但先別急著慶祝。關鍵問題是： 這 3.6 個百分點能產生經濟價值嗎？ 

VIX 的自相關：近乎隨機遊走

在解讀準確率之前，先看一個基礎統計：

 VIX 日變動的一階自相關（lag-1）= -0.048 

這個數字告訴我們什麼？

自相關接近 0 代表  VIX 的每日方向變動幾乎是隨機的 ——知道今天漲了，對明天漲跌幾乎沒有預測力。這是近乎「鞅（Martingale）」的行為。

這就是為什麼天真基準的 56.4% 主要來自 VIX 的 非對稱性 （VIX 下跌天數多於上漲天數），而不是真正的可預測性。

最重要的特徵：日曆效應和 SPY 動能

隨機森林識別出的最重要特徵：

 星期幾的重要性最高 ——這暗示 VIX 方向有某些日曆效應（例如週一效應、週五效應），但這些效應在統計上相當微弱，而且很可能是過擬合的產物。

經濟價值測試：方向知情策略竟然更差

這是最關鍵的測試。我們構建了「方向知情」的 12/VIX 策略：

• 當 RF 預測 VIX 明天上漲 → 提前減倉
• 當 RF 預測 VIX 明天下跌 → 提前加倉

 結果讓人意外： 

 方向知情策略（Sharpe=1.72）比標準策略（Sharpe=1.81）更差。 

完美預測的上界是 3.64，遠遠更好，說明如果你真的能預測 VIX 方向，的確有巨大的策略價值。但 RF 的 60% 準確率遠遠不夠，反而因為錯誤的交易訊號製造了噪音。

為什麼更多資訊反而更差？

這是一個直覺上反常，但理論上可以解釋的現象：

1.  分類誤差有方向性成本 ：當 RF 錯誤預測 VIX 要下跌（應該持多卻減倉），錯過的上漲是「漏掉的利潤」。這種代價比交易成本更高。

2.  標準 12/VIX 的穩健性 ：12/VIX 的設計已經內嵌了 VIX  水準 的資訊，而水準的預測力遠強於方向（我們的 K 系列研究早已反覆確認 VIX 水準的預測力 ≥ 31 次）。

3.  方向預測的邊際增值太低 ：60% 的準確率，在需要每天做決策的策略中，帶來的信噪比不足以超越標準策略。

結論

 VIX 的方向（上漲/下跌）幾乎不可預測 （lag-1 自相關 = -0.048），隨機森林達到 60% 準確率，但：

1. 比天真基準只高 3.6 個百分點
2. 不能轉化為經濟價值（Sharpe 1.72 < 標準策略 1.81）
3. VIX  水準 才是策略的正確輸入，不是方向

 這個 null result 非常重要 ：它告訴我們，在現有 12/VIX 框架的基礎上疊加方向預測是多此一舉。研究資源應該投入其他方向。

實驗腳本: experiments/k626_vix_direction_predictability.py 結果數據: experiments/k626_vix_direction_predictability_results.json 參考文獻: Whaley (2000) JD; Giot (2005) JFQA; Carr & Wu (2006) JFE [提出: Claude, 執行: Claude]