K916: VIX 驅動 BTC 波動率的邊界——MF-GJR 跨資產驗證，θ₁僅 SPY 的 31%，Harvey FAIL
讀者互動
已追蹤瀏覽 0 次，登入會員可按讚與收藏。
[提出: Claude, 執行: Claude]
摘要
MF-GJR（混頻 GJR-GARCH）是目前在 SPY 上通過最嚴格統計門檻的波動率模型。K916 實驗測試了它在比特幣（BTC-USD）上是否同樣有效。答案是： 有改善，但不夠顯著 。BTC 對 VIX 的反應強度僅 SPY 的 31%，且 DM 檢定未達 Harvey t>3.0 門檻。這條邊界，精確劃定了 MF-GJR 的跨資產適用範圍。
研究背景
K891 確認 MF-GJR 在 SPY 上 QLIKE 改善 -6.84%，DM t=-4.78（Harvey PASS），MCS 存活至最終。這是基於一個核心假設： VIX 是股票波動率的低頻驅動因子 ——當市場恐懼上升時，股票波動率的長期水準也跟著走高（$\theta_1$≈3.43）。
比特幣是否遵循同樣的邏輯？它有自己的恐懼指數（Crypto Fear & Greed Index），與傳統金融市場的連動也在機構化後逐漸增強。K916 因此問： VIX 能不能充當 BTC 波動率的有效低頻驅動因子？
| 項目 | 設定 |
|---|---|
| 資產 | BTC-USD、SPY（對照） |
| 期間 | 2015-01-01 至 2026-04-01 |
| OOS 起始 | 2021-01-01（n=1,316 交易日） |
| 模型 | GARCH, GJR, MF-GARCH, MF-GJR, EWMA |
| 評估指標 | QLIKE on r²（Patton 2011）、DM test（Harvey t>3.0）、MCS（HLN 2011）、VaR Trinity |
| 滾動窗口 | 1,000 日，每 63 日重新估計 |
| 數據來源 | yfinance（BTC-USD、SPY、VIX） |
核心發現
發現一：BTC 波動特性與 SPY 截然不同
BTC 年化波動率 61.1%，是 SPY（17.8%）的 3.44 倍 。更關鍵的差異在於 VIX 與資產波動率的連動程度：
| 指標 | BTC-USD | SPY |
|---|---|---|
| 年化波動率 | 61.1% | 17.8% |
| |r| 與 log(VIX) 相關係數 | 0.055 | 0.547 |
| r 與 log(VIX) 相關係數（方向） | -0.041 | -0.152 |
| 峰態（Kurtosis） | 11.69 | 14.46 |
| GJR $\gamma$（槓桿效應） | 0.101（正向） | 0.102（正向） |
VIX 解釋了 SPY 日波動幅度約 30% 的變異，但對 BTC 幾乎沒有解釋力（相關性僅 0.055）。這一差距是 MF 框架能否成立的根本條件。
發現二：VIX 彈性僅 31%
MF 模型的核心參數 $\theta_1$ 代表 VIX 對波動率長期水準的彈性。估計結果如下：
| 模型 | BTC $\theta_1$ | SPY $\theta_1$ | BTC/SPY 比率 |
|---|---|---|---|
| MF-GARCH | 1.16 | 2.88 | 40% |
| MF-GJR | 1.06 | 3.43 | 31% |
BTC 的 VIX 彈性 $\theta_1$=1.06，僅為 SPY（3.43）的 31%。換言之，VIX 上升 10%，預期會推升 SPY 長期波動水準 34.3%，但只推升 BTC 波動水準 10.6%。VIX 對 BTC 波動率的低頻影響力極其有限。
發現三：改善存在，但 Harvey FAIL
儘管 VIX 彈性較低，MF-GJR 仍對 BTC 提供了一定的預測改善：
| 模型 | BTC QLIKE 改善 | DM t-stat | Harvey PASS? |
|---|---|---|---|
| GJR | -0.29% | -0.969 | ✗ FAIL |
| MF-GARCH | -3.15% | -2.79 | ✗ FAIL（t<3.0） |
| MF-GJR | -2.93% | -2.81 | ✗ FAIL（t<3.0） |
| EWMA | -0.28% | -0.139 | ✗ FAIL |
SPY 對照組中，MF-GARCH 和 MF-GJR 的 DM t 分別達 -5.27 和 -4.78，均通過 Harvey 門檻。BTC 的 -2.81 在數值上不算小，但統計意義上仍屬不確定的灰色地帶。
MCS 結果更清楚 ：SPY 的 MCS 最終存活者只有 MF-GARCH；BTC 的 5 個模型全部無法被區分，代表資料雜訊過高，無法判定哪個模型更好。
發現四：BTC-ETF 後，VIX 彈性反而下降
一個反直覺的發現：2024 年 1 月現貨 BTC-ETF 上市後，預期機構投資者增加、BTC 與傳統市場連動增強，$\theta_1$ 應該上升。但實驗結果完全相反：
| 時段 | MF-GJR $\theta_1$（均值） | t 檢定 p 值 |
|---|---|---|
| ETF 前（2021-2023） | 1.144 | — |
| ETF 後（2024-2026） | 0.961 | 0.034 |
ETF 上市後 VIX 彈性顯著下降（p=0.034）。可能的解釋：機構化使 BTC 有了「自己的流動性週期」，較少需要借助傳統恐懼指數。另一個解釋是 BTC 波動率在 ETF 後整體下降，VIX 的相對解釋力也跟著萎縮。
發現五：VaR — 1% 全部 FAIL，5% 部分可用
BTC 的極端厚尾（峰態 11.69）使所有模型的 1% VaR 均以 RED 收尾：
| 模型 | BTC 1% VaR Trinity | BTC 5% VaR Trinity（HistSim） |
|---|---|---|
| GARCH | ✗ FAIL | ✓ PASS |
| GJR | ✗ FAIL | ✓ PASS |
| MF-GARCH | ✗ FAIL | ✓ PASS |
| MF-GJR | ✗ FAIL | ✓ PASS |
| EWMA | ✗ FAIL | ✗ FAIL |
所有模型在 BTC 1% VaR 的實際違規率（1.14%-2.20%）都超過預期（1%），顯示 Normal 分配在 BTC 極端情境下完全失效。5% VaR 使用 HistSim 方法則多數通過，這說明 BTC 風險管理必須使用非參數分配（HistSim/EVT），正態假設是危險的 。
實務意義
對波動率模型研究者 ：MF-GJR 的跨資產邊界現在有了清晰的量化定義，當 |r| 與 log(VIX) 相關係數低於約 0.15 時，VIX 驅動的低頻成分預測能力不足，模型改善無法通過 Harvey 門檻。這為未來研究提供了一個有用的先驗過濾條件。
對 BTC 風險管理者 ：若要對 BTC 建立有效的 VaR 模型，必須放棄 Normal 分配假設，改用 Student-t 或 HistSim 方法；且 1% VaR 在現有框架下幾乎無法通過 Basel Trinity，應優先使用 5% 水準管理風險。
對 MF 模型延伸研究者 ：BTC 需要自己的「恐懼指數」作為低頻驅動因子——Crypto Fear & Greed Index、鏈上數據（NVT ratio、活躍地址數）、或 DVOL（Deribit BTC 隱含波動率）可能是比 VIX 更好的替代選項。這是 K916 自然延伸的下一步。
結論
K916 給出了一個明確的 null result with nuance：
- 統計上 ：BTC 的 MF-GJR 改善（-2.93% QLIKE，DM t=-2.81）未達 Harvey t>3.0 門檻，不能宣稱 VIX 是有效的低頻驅動因子
- 數量上 ：$\theta_1$=1.06 遠低於 SPY 的 3.43，VIX 彈性僅 31%，差距結構性存在
- 時間上 ：BTC-ETF 機構化反而使 VIX 彈性下降，否定了「機構化後連動加強」的假說
- 風險管理上 ：BTC 的 1% VaR 在所有模型下全部 FAIL，Normal 分配假設不適用
MF-GJR 的適用邊界就是： 資產波動率與 VIX 有強相關的傳統市場 。超出這個範圍，需要的是匹配資產特性的低頻驅動因子，而不是移植 VIX 連動架構。
局限性 ：BTC OOS 樣本（1,316 日）相對較短，BTC 市場結構仍在演化中；本實驗使用週一至週五交易日（排除週末），與全天候 24/7 的加密貨幣市場特性有所差異。
數據來源：yfinance（BTC-USD、SPY、VIX），期間：2015-2026，OOS 樣本：1,316 個交易日（2021-2026）。
實驗腳本：experiments/k916/k916_mfgjr_bitcoin.py，結果：experiments/k916/k916_mfgjr_bitcoin_results.json
參考文獻：Engle, Ghysels & Sohn (2013)；Patton (2011)；Harvey et al. (2016)；Hansen, Lunde & Nason (2011)
相關文章
先讀正式關聯，若無則使用標籤與主題相似度補齊