VIX 進入波動率方程式：六分之一的 OOS 改進，但摸到 GARCH 的天花板

一句話結論

把「市場恐慌指數 VIX」 直接塞進 GARCH 的變異數方程 ，相對於常見的 GJR-GARCH 基準，能讓 SPY 的樣本外波動率預測 QLIKE 改善約  6.3% ——但這個改進在最嚴格的學術門檻下 還沒過關 ，且模型參數出現「邊界退化」的跡象，提醒我們：VIX 帶來的信號雖然真實，卻 重塑了 GARCH 的內部結構 而不只是錦上添花。本實驗（K438）也同時證實：先前在迴歸架構下風光的  VRP（波動率風險溢酬）在 GARCH-X 框架裡幾乎沒有額外貢獻 ——VIX 一旦進場，VRP 的訊號就被吃光了。

為什麼要做這件事

波動率預測在金融實務上的用途很廣：選擇權定價、風險管理（VaR / ES）、波動率目標（Volatility Targeting）策略、衍生性商品避險。學術上的主流工具是  GARCH 家族 ——它假設「明天的波動率」是「今天波動率」+「今天衝擊」的某種加權組合。GJR-GARCH 進一步加了「壞消息比好消息更會放大波動率」的不對稱性。

但 GARCH 有個天生限制：它 只看歷史報酬 。市場其實還有一個更直接的「未來波動率指標」—— VIX 。VIX 是用 S&P 500 選擇權倒推出來的「市場參與者對未來 30 天波動率的定價」，本質上是一個 前瞻性、含選擇權交易者集體預期 的訊號。如果 GARCH 只用過去報酬資訊，那 VIX 應該帶來新的訊息。

這就是  GARCH-X  的概念：在標準 GARCH 的變異數方程上 外掛 一個外生變數 X（X 可以是 VIX、VRP、總體變數、流動性指標）。先前的相關實驗（K430、K433、K436）已經證明：

• VRP（VIX − 已實現波動率）在「迴歸架構」下對未來報酬有顯著預測力（K436 DM 比較達顯著水準）。
• VIX 的訊息在「日頻」明顯。

但 GARCH-X 框架 過去多次嘗試外掛 VIX、VIX 期限結構、跨國 panel 都失敗。 K438 的問題很單純：給 GARCH 一個誠實的最後機會——這次直接寫 MLE、固定 lookback window、嚴格樣本外、跑足完整檢定，看看 VRP 與 VIX 在變異數方程裡到底能不能拿到分數。 

資料與設定

 比較的四個模型 ：

1.  GJR baseline ：標準 GJR-GARCH(1,1)（不對稱效應）
2.  GARCH-X(VRP) ：GJR + 變異數方程加 VRP（lagged 1 day）
3.  GARCH-X(VIX) ：GJR + 變異數方程加 VIX²/252（lagged 1 day）
4.  GARCH-X(VRP+VIX) ：兩者同時加進去

 所有外生變數都已確認 lag 1 期 （程式碼第 109-119 行），不存在用「今天的 VIX 預測今天的波動率」這類前視偏誤。

描述統計

報酬率呈現典型的 胖尾 （峰度 15.36，遠大於常態的 3）；VIX²/252 偏態極高（5.16），代表少數極端風險事件主導了長尾。所有外生變數的 ADF 單根檢定都拒絕單根（達顯著水準），符合 GARCH-X 框架對平穩性的要求。

樣本內估計：誰拿到了分數？

把 24 個 rolling window 全跑完之後，看「整個樣本內」的單次估計，比較 AIC / BIC 與 delta（外生變數係數）的統計強度：

 樣本內贏家是 GARCH-X(VIX) ，AIC/BIC 雙雙最低。但這裡已經出現一個 警訊 ：GARCH-X(VIX) 的持續性從 baseline 的 0.988 掉到 0.822， ω（intercept）和 α（ARCH 項）幾乎被估到邊界 1e-8 。這代表什麼？答案後面會詳細談。

 Delta 係數的統計強度 （外生變數對變異數的貢獻）：

 這張表是整個 K438 最重要的訊息之一 ：VRP 單獨放，係數 統計強度高達 13.04 （看起來很強）；但 一旦把 VIX 也放進去，VRP 的係數立刻塌到接近零（強度 0.04） 。VIX 在 GARCH-X 框架裡 完全吸收 了 VRP 的訊號。

換句話說： VRP（=VIX − RV）在 GARCH-X 變異數方程裡是冗餘變數 ——因為 GARCH 自身的 h_{t-1} 遞迴項已經涵蓋了 RV 的歷史資訊；VRP 真正帶來的「新訊息」其實就是  VIX 的成分 。

樣本外：真正的考驗

樣本內好看不算數，學術上能不能站得住腳，靠的是 樣本外 OOS  表現。我們用  QLIKE （衡量波動率預測準確度的標準損失函數）和 MSE：

 GARCH-X(VIX) 的 QLIKE 比 baseline 改善 6.27% ，VRP-only 只改善 0.98%（幾乎沒有），組合模型改善 5.82%。

兩模型比較檢定

只有 QLIKE 數字下降不夠，必須做 兩模型比較檢定 確認改進不是運氣：

 關鍵讀法 ：

•  GARCH-X(VRP)  樣本外完全沒過 →  與 K436 的迴歸結果不一致 。理由如前所述：GARCH 的遞迴結構已經吃掉了 VRP 的訊息。
•  GARCH-X(VIX)  標準 p 值 0.050（剛好觸線），重抽樣 p 值 0.027（達顯著水準）。
•  GARCH-X(VRP+VIX)  兩個 p 值都接近邊緣，但 VRP 的係數在這個模型已經塌到零，等於是 VIX-only 加了一個冗餘變數。

但——這裡有一個學術界更高的標準： 嚴格學術門檻（HLZ 2016 多重檢定文獻） 。該文獻主張，在金融研究反覆挖掘變數的環境下，「兩模型比較統計量超過 3.0」才算真正可信。 K438 最強的統計量只有 1.96，距離 3.0 還有不小的距離。 

 因此 K438 的判決是「部分正面（PARTIAL POSITIVE）」 ：VIX 確實貢獻了訊號，但 還沒強到能在最嚴格的學術門檻下發表為新發現 。這個誠實的判讀方式對應我們專案一貫的「研究誠實原則」——數字沒到就是沒到，不靠話術過關。

為什麼 GARCH-X(VIX) 的 ω 和 α 會塌到 0？

這是 K438 最有趣的副產品。GARCH-X(VIX) 的最佳估計裡：

• ω（常數項）≈ 1e-8（基本上是零）
• α（最近一筆衝擊的權重）≈ 1e-8（基本上是零）
• γ（壞消息不對稱權重）≈ 0.363
• β（過去波動率慣性）≈ 0.641
• δ（VIX²/252 的係數）≈ 0.133

 直觀解讀 ：模型在告訴我們「不需要常數，也不需要對稱的 ARCH 項——只要有 VIX，VIX 就 自己當常數+前瞻訊號 用」。

換句話說， VIX 進入變異數方程時，並不是「在 GARCH 上加一個 X」，而是「VIX 取代了 GARCH 的部分結構」 。GARCH-X(VIX) 在這個資料集上 退化 成接近：

h_t ≈ γ·壞消息衝擊 + β·h_{t-1} + δ·VIX²/252

這既是好消息（VIX 確實有資訊量、能取代 baseline 結構），也是壞消息（ 模型撞到參數邊界，標準誤可能不可信 ，外推到其他樣本期或其他資產時行為可能不穩定）。

參數穩定性

把 24 個 rolling window 看下來：

兩個單變數模型的 δ 都 24/24 視窗同號、變動小 ——這是「真效應」的特徵。但 共構模型裡的 δ_VRP 翻了 5 次號 ——是「冗餘變數被殘餘隨機性推著走」的典型樣貌，再次印證 VRP 在 VIX 出場後沒戲。

哪個情境下 VIX 最有用？

K438 還做了 情境分析 ：把樣本外 502 天按 VIX 水準切成三段。

 這張表很驚人 ：GARCH-X(VIX) 在 低 VIX 環境下改善幅度高達 79% ，但中 VIX 環境只剩 1.3%。

直觀解釋：低 VIX 期間市場很「平靜」，GJR baseline 容易因為偶發小衝擊「過度反應」（α 項把單日跳動放大）；而 VIX 在低水準時 比歷史報酬更早確認「市場真的安定」 ，把預測波動率拉到正確的低位。但中 VIX 環境裡市場本來就劇烈，VIX 與已實現波動率走勢同步，邊際資訊量自然下降。

 對實務的意涵 ：如果你用波動率預測來做 槓桿/縮放決策 （VT 策略、選擇權部位 sizing），在低 VIX 期間用 VIX 做外生變數的好處會被放大；但在恐慌期，傳統 GARCH 反而沒輸多少。

三個關鍵洞察

 洞察 1：VIX 在變異數方程裡帶來訊息，VRP 沒有。  這顛覆了從 K436 等迴歸實驗推論「VRP 有預測力 → VRP 應該在 GARCH-X 裡也有用」的直覺。原因：迴歸架構下沒有 h_{t-1} 的遞迴項，VRP 的「VIX 部分」與「歷史 RV 部分」都會貢獻訊號；但 GARCH 的 β·h_{t-1} 已經吸收 RV 訊息，VRP 的真正增量訊息其實只剩 VIX 本身。

 洞察 2：VIX 不是錦上添花，而是改寫 GARCH 結構。  ω 和 α 塌到 0 不是 bug，而是模型告訴你「VIX 當常數+前瞻訊號就夠了」。這對「把 GARCH-X 當 GARCH 的微調」這種傳統認知是個打臉。模型的詮釋與外推必須以「結構性替換」的角度重新看，不能套用傳統 GARCH 的解讀。

 洞察 3：6.3% 的改進在學術門檻外，在實務上仍可能值得。  嚴格統計門檻文獻（統計量 > 3.0）下，K438 的最強改進（1.96） 不算發現 。但對實務交易者來說，OOS QLIKE 改 6.3%（重抽樣 達顯著水準（顯著性 0.027））+ 低 VIX 環境改 79% 已經有實用價值——前提是 承認模型結構的不穩定性 並做敏感性測試。

限制與下一步

 目前的限制 （誠實列出）：

1. 自寫 MLE 沒有 BHHH/OPG 標準誤，只用數值 Hessian——標準誤在邊界附近 可能不可信 。
2. VRP 用 VIX（30天 IV）對 21天 RV，存在期限不匹配。
3. OOS 期間（2023–2025）相對平靜，高 VIX 樣本不夠多。
4. δ 約束在 [-1, 1]，極端值未探索。
5. h_t 正性靠 max(h, 1e-8) 截斷而非 log-volatility 重參數化。

 未來方向 ：

• 用  realized kernel  或  5-min RV  取代 squared returns 當 RV proxy
• 用  VIX9D  或  VIX 期限結構斜率  而非 VIX level 平方
• 改用  log-GARCH-X  重參數化避開邊界 + 多起始點 ≥100 的標準
• 跨資產驗證（QQQ / IWM / 個股 ETF）測試結論的普適性

為什麼這個結果重要

K438 不是「發現新王者」式的故事，而是一個 收斂性實驗 ：

• 它 確認 ：VIX 在變異數方程裡有不可忽視的邊際價值。
• 它 否定 ：VRP 在 GARCH-X 框架裡是有效的外生變數。
• 它 揭露 ：GARCH-X(VIX) 的 ω、α 邊界退化是模型結構性問題，不是統計噪音。
• 它 示範 ：「迴歸架構下顯著的變數，在 GARCH-X 裡未必同樣顯著」——這是實證金融常見的陷阱，值得寫進方法論教材。

對讀者更重要的訊息是： 6.3% 的 QLIKE 改進聽起來不大，但分到不同 VIX 區段就會看到 79% 的大改進與 1.3% 的微小改進並存 。波動率模型的價值經常 集中在某些情境下被釋放 ，而不是均勻分佈在所有交易日。實務應用時， 情境分析比平均改進更有指導性 。

資料來源

•  報酬率 ：yfinance，SPY 收盤價，2005-02-03 ~ 2026-03-25（5,318 個交易日）
•  VIX ：yfinance，^VIX 指數收盤價，同期間
•  VRP 構造 ：VIX − sqrt(252 × 21日滾動 RV)， 滯後 1 期 進入模型（程式碼 vrp.shift(1)）
•  OOS 期間 ：2023-01-03 ~ 2024-12-31（502 個交易日）
•  完整實驗檔 ：experiments/k438/k438_garchx_vrp_results.json、experiments/k438/k438_garchx_vrp.py
•  相關實驗 ：K430（VRP 樣本內預測力）、K433（SSVS 變數選擇）、K436（VRP 日頻迴歸預測力）
•  參考文獻 ：
  • Han & Kristensen (2014) "Asymptotic Theory for QMLE in GARCH-X" Econometric Theory 30(1): 95–130
  • Engle & Rangel (2008) "Spline-GARCH" Review of Financial Studies 21(3): 1187–1222
  • Bollerslev, Tauchen & Zhou (2009) "Expected Stock Returns and Variance Risk Premia" Review of Financial Studies 22(11): 4463–4492
  • HLZ (2016) "Editorial: Replication in Financial Economics" Critical Finance Review 5: 1–9