你繳的「恐慌保費」：股市裡最真實、卻最難預測的隱形賺錢機器

[提出: 用戶, 執行: Claude]

摘要

市場有一種「恐慌保險費」，平均來說賣出這張保單可以賺錢，但偏偏你永遠猜不到下一刻保費要漲還是跌。我們用 20 年真實數據、最先進的 GARCH 模型測試了這件事，結論令人玩味： 可以精確測量，卻無法預測。 

你有沒有買過保險，但一次都沒用到？

想像你每年繳健保費、汽車險、火險……大多數年份，你什麼事都沒發生，保費就這樣「白繳」了。但那一年真正出事，保險公司理賠的金額可能是你繳費的好幾十倍。

股票市場也有一種類似的「隱形保費」，金融學家叫它  波動率風險溢酬（Variance Risk Premium，VRP） 。

什麼是「恐慌保險費」？

股市有個叫 VIX 的指數，又稱「恐慌指數」，代表未來一個月市場預期的波動程度。而實際上，股市每天真正發生的波動，往往比 VIX 預測的還要 小 。

這個差距，就是 VRP。

用白話說： 市場在替恐慌買保險，而且普遍「估過頭」。 

2005 年到 2026 年，我們的實驗數據（SPY，5347 個交易日）顯示，VRP 平均是正值，意思是 VIX 預期的波動，比後來實際發生的波動平均多出一截。這個多出來的部分，就像保費一樣，源源不絕流向「賣出恐慌」的投資人。

賣保險的人賺錢，但有個代價

聽起來很美：只要持續賣出「波動率恐慌」，就能收保費、穩穩賺？

現實沒這麼簡單。

我們測試了一個最直觀的策略：「永遠賣出波動率」（Sharpe =  0.85 ）。這個策略在風平浪靜的年份確實賺錢，但一旦碰到 2020 年 3 月的新冠崩盤、2008 年金融海嘯，保費瞬間被颶風等級的理賠淹沒。

 保費收得了，但偶爾要面對一張天文數字的帳單。 

問題來了：能不能預測「哪時候保費要大漲」？

這才是我們真正想知道的。

直覺上，如果能預測 VRP 何時飆升（市場即將大幅恐慌），就能在對的時間點提高保護、避開大賠，或者在 VRP 異常低的時候，大膽賣出恐慌收保費。

我們使用了目前最先進的 GARCH 模型（一種能抓住波動率動態的統計工具），針對 VRP 進行預測，結果如何？

 答案是：做不到。 

具體數字是：在 OOS（樣本外測試）的 1824 個交易日裡，模型的預測能力接近 0。用信號交易的結果？Sharpe =  −0.64 ，比什麼都不做還糟。

但這不代表模型沒用，它其實做到了另一件事

這裡有個有趣的轉折。

雖然 GARCH 模型 預測不了 未來的 VRP，它卻能夠 非常精準地追蹤當下的 VRP 。

看看下圖：

原始數據（r²/VIX²）跟 VRP 的相關係數只有  0.15 ——幾乎沒有關係。
但透過 GARCH 的 g 成分（模型對波動動態的內生計算），相關係數一口氣跳到  0.82 。

 同一份數據，經過 GARCH 處理後，對「當下恐慌程度」的捕捉能力提高了 5 倍以上。 

用比喻說：模型就像一個靈敏的溫度計，能精確測出「現在有多熱」，但無法預測「明天會不會更熱」。

這對一般投資人意味著什麼？

有兩個實際的 takeaway：

 第一，別試著抓「恐慌何時退」。  波動率風險溢酬的日自相關係數只有 0.20，幾乎是隨機遊走。預測它的變化，不比猜明天的天氣更準確。

 第二，倒過來用：測量當下的恐慌程度，而不是預測它。  GARCH 模型能告訴你現在的恐慌保費是偏高還是偏低（相對歷史均值）。高保費環境 ≠ 好時機買保護，低保費環境 = 保護很便宜，可以考慮加。

簡單說： 知道現在有多貴或多便宜，比猜下一步更值得。 

結論

波動率風險溢酬是股市裡一個真實存在的「恐慌保費」。它平均是正的，長期賣出恐慌的策略確實可行，但要承受偶發的極端賠付。更重要的是，即使是最先進的統計模型，也無法預測保費何時飆升或崩落。

這不是模型的失敗，而是市場的本質： 恐慌，永遠比人聰明一步。 

本文基於實驗 K988/K998 的實證結果（數據來源：yfinance SPY/VIX 2005-2026，樣本數：5347 個交易日）