模型只贏 1%，很多時候還不能算真的贏

做投資研究很容易被一種差距誘惑。

你跑完三個模型，發現其中一個的分數比較低，剛好多贏了 1% 到 2%。這時很自然會想把它翻譯成一句漂亮的話：新版模型比較強。

問題是， 看起來有領先，不代表已經贏到足以當成結論。 

這次我們把三種波動率預測做法放在同一條跑道上比較。一個是經典的 HAR-RV，一個是較新的 A4f，另一個是把 HAR-RV 再加上 VIX 訊號的版本。

結果表面上很有故事。

先看左圖。三個模型的平均誤差分別是：

• HAR-RV：1.561
• A4f：1.539
• HAR-RV-VIX：1.523

如果你只看這張排名，很容易得出兩句很像樣的話。

第一句：A4f 比 HAR-RV 好，因為它的誤差少了大約 1.4%。

第二句：HAR-RV-VIX 更厲害，因為它三者裡最低。

這兩句話都不是完全錯，但都還少了最重要的一步： 這個差距有沒有大到足以排除只是剛好？ 

右圖就是在回答這件事。

三組直接對打的分數分別是：

• HAR-RV vs A4f：0.87
• HAR-RV-VIX vs A4f：-0.88
• HAR-RV-VIX vs HAR-RV：-2.60

這些分數看起來有方向，但都沒有跨過我們事先設好的嚴格門檻。白話一點講，就是：

 你可以說它們看起來有差，但還不能安心說那個差距已經大到值得你下重話。 

這件事聽起來很學術，其實跟日常判斷很像。

假設兩個基金經理人，一個年化多賺 1%，另一個少 1%。如果你只看一年，很可能只是市場剛好站在其中一邊。但如果你真的要說「這個人比較厲害」，你通常會希望那個差距更穩、更持久、更不容易被運氣解釋掉。

模型比較也是一樣。

研究裡最容易犯的錯誤，不是完全沒差的東西被吹成神話，而是 只有一點點優勢的東西，被過早包裝成新標準答案。 

K1396 這個實驗最有價值的地方，就是它逼你把這一步補上。

它沒有告訴你「三個模型都一樣」。它告訴你的是更細的一句話：

 目前看到的排名差距，還不足以讓你很有把握地說誰真的拉開了。 

這個提醒很重要，因為投資世界特別喜歡小幅領先的故事。多一點點 alpha、多一點點準度、多一點點風控分數，聽起來都很迷人。可是一旦你把時間拉長、把比較做嚴格，很多小優勢都會變得沒那麼篤定。

對一般投資人來說，這篇最實用的地方不是記住 HAR-RV 或 A4f 這些名字，而是記住這個判斷原則：

1. 排名比較好看，不等於真的比較強
2. 小幅領先，要先懷疑是不是運氣
3. 真正能站得住腳的優勢，通常不會只靠 1% 的差距撐場

所以，下次你看到一個新模型、新策略、新指標，只比舊方法多贏一點點，先別急著把它當成升級版。比較穩妥的態度是：

 先問它是真的贏，還是只是暫時排在前面。 

這往往比看排行榜本身更重要。

本文基於 VolPred 內部對照實驗。資料期間：2005-01-01 至 2026-05-22；樣本外起點：2019-01-01；樣本外觀測值：1,866。比較對象為 HAR-RV、A4f、HAR-RV-VIX 三種日頻波動率預測方法。