我們曾有個 Sharpe 1.68 的「突破」，但它是假的

幾個月前，我們的實驗日誌裡出現了一個數字：Sharpe 1.68。

那是 K679 的結果，一個根據 VIX 百分位數決定股票倉位的策略。同期的 BH 50/50（持有一半 SPY、一半黃金）只有 0.54。這個差距大到不像真的。通常 Sharpe 高成這樣，第一個反應應該是「這裡面有問題」，而不是「我們找到了什麼」。

我們確實懷疑過。但有一段時間，我們把那個數字當成研究進展繼續往前走，直到 Codex 在代碼審查時把問題抓出來：signal 沒有用 shift(1) 延遲一天。策略在用「今天的 VIX 決定今天的倉位」，而非「用昨天的 VIX 決定今天的倉位」。前者在真實世界不可能執行，因為收盤訊號和交易執行在同一秒鐘。

修正之後，那個策略的真實 Sharpe 是 0.355。從 1.68 掉到 0.355，相差四倍多。

這件事發生在一個更大的框架裡：K621 到 K690，我們跑了 71 個實驗，花了幾個月時間。這篇文章是這 71 個實驗的整理，但重點不在數字本身。重點在於，我們怎麼犯錯、怎麼發現錯誤、修正之後學到什麼。

71 個實驗的全貌

先看整體分布：

71 個實驗，結果如下：

• 48 個（69%）有正面發現，方向大致確認
• 15 個（21%）是 null result，沒有顯著差異
• 8 個（11%）推翻了我們自己之前的結論

最後那個數字（8 個推翻自己）是這份紀錄裡我最不想跳過的部分。

推翻自己的代價是什麼

8 個推翻自己的實驗，不代表做了 8 次無用功。它代表 8 次「研究機制真的在運作」。每一次推翻，都表示我們在某個地方下了一個判斷，後來有更嚴謹的方法或更完整的資料把那個判斷推翻了。這比「從來不修正」更接近科學本來的樣子。

其中最大的一次推翻，就是前瞻偏誤。

方法論教訓一：前瞻偏誤是最隱蔽的威脅

前瞻偏誤（lookahead bias）的意思很簡單：策略在做決定時，用到了「那個時間點本來不可能知道」的資訊。

在 K679 這個例子裡，問題出在訊號的時間點。VIX Percentile 策略的邏輯是：當 VIX 處於過去一段時間的高百分位數，代表市場恐慌，此時降低倉位保守應對。這個邏輯本身沒錯。問題是代碼裡，計算 VIX 百分位數和決定倉位的步驟，都發生在同一天，沒有隔一天的緩衝。

這讓策略無意間「知道」了收盤時的 VIX 值，並用它來交易同一天的收盤價。現實中，你只能在收盤後才知道收盤 VIX，但那時候當天的交易已經結束了。

修正版本（K686）在訊號後面加一行 signal.shift(1)，強制所有策略「用昨天的資訊決定今天的倉位」。修正後的 VIX Percentile Sharpe 從 1.68 跌至 0.355。

更麻煩的是，這個 bug 不只出現在一個實驗裡。它在不同形式下污染了 K679 到 K685 的多個實驗結果。當時這些實驗的結論，全部要重新評估。

方法論教訓二：代碼審查不是可選項

前瞻偏誤是被 Codex 代碼審查發現的，不是我們自己看圖看出來的。

這 71 個實驗的週期裡，Codex 審查共阻止了 3 次錯誤結論：

1. 第一次：VIX Percentile 的 shift(1) 問題（K679 系列）
2. 第二次：KAN 神經網路實作的 bug（K618/K619）
3. 第三次：MF2-GARCH 估計流程的問題（K621/K623）

這三次，如果沒有審查，對應的錯誤結論都有可能被寫進文章裡。

研究做完就直接發表，是學術界和財金媒體最常見的失誤之一。同行審查制度存在的理由，就是因為人不可能看見自己的盲點。在我們的系統裡，Codex 扮演的是那個「不跟你有任何情感依附」的審查者，它沒有理由對你的實驗結果客氣。

修正之後的真實排名

K687 是修正所有已知 bug 之後、重跑所有策略的完整排名。資料期間 2007 年 1 月至 2026 年 3 月，N=4838 交易日，每次交易加計 5bp 手續費。

 最終答案：修正前瞻偏誤之後，沒有任何 VT 策略的 Sharpe 超過 BH 50/50。 

BH 50/50 SPY/GLD 的 Sharpe 0.545，用嚴格統計比較檢定（N=4838 交易日）測試，EWMA VT（Sharpe 0.525）與它的差距未達統計顯著，無法排除兩者實際表現相同的可能性。

這不是說 VT 策略沒有價值。這是說，「Sharpe 更高」不是 VT 的優勢所在。

那 VT 策略的真正優勢在哪裡？

K688 用另一個框架重新問這個問題：如果改用 CRRA 效用函數（一個考慮「損失比獲利更痛」的投資人效用模型），哪個策略對哪種投資人最好？

CRRA 效用的關鍵參數是風險厭惡係數 γ。γ=1 代表「損失和獲利對我同樣重要」，γ=10 代表「我對損失的厭惡程度大約是同等獲利的十倍」。大多數人的行為研究估計，真實個人投資者的 γ 大約在 2 到 10 之間。

結果如下（CE 是確定性當量，把投資報酬換算成「你願意接受多少保證年報酬來替代這個策略」的數字）：

交叉點在 γ=5。從這個數字開始，EWMA VT 給高風險厭惡投資人帶來的效用高於 BH 50/50，差距隨 γ 增大而放大。

這背後有直觀的解釋：EWMA VT 的最大回撤是 -17.03%，BH 50/50 是 -32.49%，減少了 44.5%。對一個 γ 高的投資人來說，少跌那一半，比多賺一點回報更重要。

方法論教訓三：簡單方法往往比複雜方法更穩

這 71 個實驗還有一個沒有正式命名、但反覆出現的模式：越複雜的方法，越難通過跨期間驗證。

EWMA VT（λ=0.94）是 1996 年 RiskMetrics 技術文件裡的方法，現在都已經快 30 歲了。它在五個不同子期間（GFC、復甦期、低波動期、COVID、升息後）裡，表現始終是 VT 族裡最穩定的那一個。不是每個子期間都贏 BH 50/50，但它的輸法也比較平均、不會出現某一個期間崩掉的狀況。

KAN 神經網路、多因子 GARCH、Rolling Percentile Regime，這些在統計課本上看起來更先進的方法，在實際跑出代碼審查和跨期間驗證之後，沒有一個的結果能穩健地優於 EWMA。它們的問題不一定是理論上錯，而是在實際資料面前，參數越多、結構越複雜，就越容易在一個期間裡過度擬合、在另一個期間裡表現不一致。

Fear DCA 策略在恐懼時期（VIX 高於閾值）加碼投入，比固定每月定期定額多了大約 4% 的累積報酬。這也是用很直觀、無需複雜建模的邏輯實作的。

5 個存活下來的結論

經過審查、修正和跨期間驗證，以下結論是這 71 個實驗後我們認為站得住腳的：

1.  Sharpe 上 VT 輸給 BH 50/50 ：修正前瞻偏誤後，沒有 VT 策略的 Sharpe 超過 BH 50/50 SPY/GLD。這是 K687 的核心結論。

2.  VT 對高風險厭惡投資人有效用優勢 ：γ≥5 的投資人，EWMA VT 的確定性當量超過 BH 50/50，差距隨 γ 增大（K688 結論）。

3.  EWMA(0.94) 是最穩健的 VT 規格 ：在 5 個子期間的跨期間驗證裡，EWMA VT 的表現比其他 VT 策略更一致（K687 Cross-OOS 結論）。

4.  Fear DCA 比固定定期定額多 4% ：在 VIX 高於長期中位數時加碼投入，長期累積報酬高於固定月投。

5.  固定窗口比滾動窗口穩定 ：GARCH 相關實驗顯示，固定窗口的估計結果比滾動窗口的跨期間波動更小。

根據你的 γ，選對應的策略

如果你是個一般投資人，不太確定自己的 γ：

• 一般投資人（損失讓你不舒服，但你不會因為跌了 10% 就賣光）→  BH 50/50 SPY/GLD ，長期持有，不用看 VIX，不用調整。

• 高風險厭惡（跌 20% 讓你幾乎無法接受，你會失眠）→  EWMA VT ，根據當下波動率自動縮減倉位，降低最大回撤代價是少一些長期報酬。

• 極高風險厭惡（損失帶來的痛苦遠遠超過同等獲利的喜悅，γ 估計在 10 以上）→  P3-AGG ，更保守的配置框架，MDD 壓在 -8.38%。

這份框架不是「哪個策略更好」的問題。它是「你在乎什麼」的問題。

誠實研究的意義

回到最開始那個 Sharpe 1.68 的例子。

如果我們當時直接相信那個數字，寫了一篇「VIX Percentile 策略年化 Sharpe 達 1.68，打破買持策略」的文章，會發生什麼？

會有一段時間，文章看起來很不錯。它可能會被轉分享。但它是假的。任何在真實市場執行這個策略的人，都會得到 Sharpe 0.355，而不是 1.68。

我們建平台的根據是：讀者和我們長期的信任，比一篇好看的數字更重要。這不是道德課，是商業邏輯。平台的長期價值建立在「這裡的數字是可信的」這個認知上。一旦讀者發現有個 Sharpe 是假的，他沒有理由相信其他數字。

71 個實驗、8 次推翻自己、3 次 Codex 審查擋下的錯誤。這份記錄的價值不在那 48 個正面結果，而在那些被修正過的地方。

 數據來源 ：K687/K688/K691，yfinance，2007–2026，N=4838 交易日。所有策略含 5bp 單邊手續費。原始實驗文件：experiments/k687/、experiments/k688/。