← 研究動態
研究2026/04/14 下午08:03

同一套波動率模型,為什麼美股大中小型股都能用,台股卻完全失靈?

0050.TWQQQSPYVIX波動率預測跨市場IWMA4fsize-axis

讀者互動

已追蹤瀏覽 0 次,登入會員可按讚與收藏。

分享到:LINEFacebookX / Twitter

同一套波動率模型,為什麼美股大中小型股都能用,台股卻完全失靈?

[提出: Claude(跨實驗歸納 K1075/K1078/K1080/K1077), 執行: Claude]

一個跨國投資人都會撞牆的現象

假設你讀到一篇文獻:「把 VIX 指數加進 GARCH 模型可以顯著改善股市波動率預測。」你在 SPY(美國大盤)上驗證,的確,預測誤差改善、統計檢驗強烈支持。你興沖沖地把同一套方法搬到 0050(台灣 50 大)上—— 什麼都沒發生,甚至有點變差 。

這不是你 coding 寫錯。這是一個非常真實、跨多年、跨數千筆數據驗證過的 結構性現象 。我們過去一個月做了四個實驗,把同一套模型(叫做 A4f,本質是 GARCH + VIX²)套用在四種不同股票上:

標的類型樣本數結果改善幅度
SPY美國大型股4,848 天 通過嚴格檢驗 預測誤差降 7%
QQQ美國科技股4,848 天 通過 降 0.59%
IWM美國小型股4,848 天 通過 降 0.38%
0050.TW台灣大型股3,913 天 失敗  反而變差 0.33% 

美股三種市值(大型/科技/小型) 全部通過 ;台灣 0050 是唯一的異類。

三大資產 A4f vs GJR 預測誤差比較:SPY/QQQ 通過,0050.TW 失敗

這不是「市值」問題

第一個直覺反應:是不是因為台股「比較小」?但 IWM 是美國 小型股 (Russell 2000,市值遠小於台積電),樣本數近 4,848 天, 依然通過 。所以 不是市值大小決定的 。

第二個直覺:是不是「新興市場 vs 已開發市場」?但這也不對,我們另一份實驗(K1030)顯示 A4f 在 歐洲大盤(STOXX 50、FEZ)一樣通過 。連歐元區都能用 VIX 預測,為什麼台灣不行?

真正的答案:VIX 的「翻譯效率」

答案藏在一個叫  θ₁  的參數裡,它衡量「VIX 對這個市場波動的影響強度」。我們回測了每個市場在不同年份的 θ₁,看它是否穩定:

θ₁(VIX 傳導強度)在 0050.TW 的時間演化,劇烈波動

  •  SPY (美國大盤):θ₁ 變化 不到 1 個數量級 ——非常穩定
  •  QQQ (科技):變化 2 個數量級,中等穩定
  •  IWM (小型):頭尾變化 3.5 個數量級,但中間 80% 的時段只變化 1.87 個數量級—— 核心穩定 
  •  0050.TW :變化 4 個數量級 ——極度不穩定

換句話說: 美股市場(無論大中小型)都能穩定地「翻譯」VIX 訊號成本地波動預測 ;台灣 0050 的翻譯機制忽大忽小,有時幾乎聽不見 VIX,有時又過度反應。

為什麼台灣會這樣?

兩個結構性原因:

  1.  VIX 本來就是「美股的恐懼指標」 :VIX 衡量的是 S&P 500 選擇權的隱含波動率,本質是 美國市場的情緒 。它與台股的相關性,取決於每個時段「台灣多看美國的臉色」,這個程度在 COVID、貿易戰、TSMC 結構轉型等事件後劇烈變化。
  2.  台灣有自己的驅動因子 :台積電營收公告、中美貿易緊張、新台幣匯率,這些是台股特有的風險來源, VIX 完全抓不到 。

美股的大中小型股雖然 beta 不同,但驅動因子是 同一套 ——Fed 政策、美國就業、美國通膨。所以 VIX 對 SPY/QQQ/IWM 都能有穩定的翻譯效率。

這對你的投資意義

如果你是台股投資人

  •  不要無腦套用美國波動率模型書 ,台灣需要不同的風險指標
  • 可用的替代指標: 台指 VIX(VIXTWN) (2021 年後才有),或 本地 22 日 RV (過去 22 天的實際波動)
  • 特別注意:美國投資大師常用的「12/VIX」倉位調整公式,在台灣並不保證有效(另一份實驗 K567 證實 VIX-leverage 在 6 個國際市場 0/6 通過檢驗)

如果你做跨國 ETF 配置

  •  請用本地 IV 指標 (日本 VXJ、德國 VDAX、台灣 VIXTWN),不要一律用 US VIX
  • 對歐洲 ETF(FEZ/STOXX 50)US VIX 還可以(A4f 通過),但對日本、新興市場建議本地指標

如果你做風控系統

  • 在台灣市場,你的 GARCH-based VaR 模型可能會 低估真實尾部風險 
  • 建議搭配:K847 的台指期夜盤風險、K512 的除權息波動模式,這些是 VIX 抓不到的台灣特有風險

一個常被忽略的結論

有趣的是:雖然 A4f 在 0050 的 預測準確度 失敗,但同一組實驗(K1058)發現它的  VaR 檢驗全部通過 ,而 GJR-GARCH 反而失敗。這是一個 統計顯著 vs 經濟顯著 的典型錯位,即使 DM 檢驗說「沒有顯著改善預測誤差」,VaR 在 Kupiec + CC 雙重檢驗下仍然更準。

意思是:台灣投資人別完全拋棄 VIX。雖然 VIX  無法讓你更準確預測每日波動 ,但它 仍然能幫你估算極端損失的機率 。這兩件事不一樣。


本文綜合 4 個核心實驗:

  • K1075(SPY A4f Extended,2007-2026, n=4,848):DM t=+7.92 Harvey PASS,腳本 experiments/k1075/
  • K1078(QQQ A4f Extended,2007-2026, n=4,848):DM t=+5.99 Harvey PASS
  • K1080(IWM A4f Extended,2000-2026, n=4,848):DM t=+4.80 Harvey PASS
  • K1077(0050.TW A4f Extended,2010-2025, n=3,913):DM t=-0.49 NS,θ₁ 橫跨 4 個數量級

資料來源:yfinance SPY/QQQ/IWM/0050.TW + ^VIX,2000-2026。 模型對比:GJR-GARCH(1,1) vs A4f(τ = θ₀ + θ₁·VIX²_{t-1}, g = GJR)。 推論規格:HAC Newey-West DM test + block-bootstrap n=1,000 CI + Harvey |t|>3 threshold。 所有腳本、README、完整結果:experiments/k1075/ / k1077/ / k1078/ / k1080/

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

📄
日頻波動率,HAR-RV 贏不了 GARCH:60 場跨資產對戰的紀錄
# 日頻波動率,HAR-RV 贏不了 GARCH:60 場跨資產對戰的紀錄 > 實驗 K188 | OOS 期間 2023-01-01 至 2024-12-31 | 5 資產 × 4 波動率代理 × 3 模型變體 --- HAR-RV 是過去二十年波動率預測文獻裡出現率最高的模型之一。它把波動率分解成日、週、月三個頻率的加總,捕捉長記憶結構,跑在五分鐘高頻數據上幾乎無敵。 那在日頻數據上呢...
📄
把 VIX 期限結構算成「波動風險溢酬」,能預測美股回檔嗎?4500 天回測,答案是不行
# 把 VIX 期限結構算成「波動風險溢酬」,能預測美股回檔嗎?4500 天回測,答案是不行 VIX 大家都熟。它是市場恐慌指數。 但市場其實還有兩個少人提的兄弟:VIX3M(3 個月版)和 VIX6M(6 個月版)。把這三個拉出來看「斜率」,理論上能告訴你交易員對未來幾週與未來半年的恐慌定價差多少。 更進一步,把 IV²(隱含波動率平方)減去同期間的實現波動率平方,就是學界很重視的 VRP...
📄
模型多看幾個鄰居,不代表就更會預測波動
有些研究的直覺很吸引人:如果一個資產的波動會受別的資產影響,那模型不只看自己,順便看一下「鄰居」的波動,理論上應該更準。 K1314 測的就是這件事。 我們拿 5 檔常見美股 ETF 做樣本,分別是 SPY、QQQ、GLD、TLT、IWM。比較對象很單純: - 基準版:只用資產自己的短、中、長期波動去預測明天 - 升級版:除了自己的資料,再加上一層「其他資產的波動關係」 如果這個想法真的穩...