把六個市場一起看，真的比只看自己更懂波動嗎？

這個想法乍看很有吸引力。

如果市場之間本來就會互相影響，那預測波動時，為什麼只看自己？美股、科技股、黃金、美債、新興市場、小型股，六個市場一起看，照理說應該比單看單一資產更聰明。

這次我們真的把這件事做成模型來驗。

方法很像替每個市場裝一個「注意力系統」：先估每個資產最近的波動，再讓模型決定要不要多看其他市場的訊號。白話講，它不會死板地把六個市場平均混在一起，而是試著替不同資產分配「應該聽誰的」權重。

聽起來很進步，結果卻非常老派。

六個資產全數失敗，沒有一個比最簡單的單資產基準模型更好。

這裡的六個資產是：

• SPY
• QQQ
• GLD
• TLT
• EEM
• IWM

我們用 2023 到 2024 的樣本外區間比較，結果 attention 版相對最簡單基準的表現變化如下：

•  SPY：+0.34% 
•  QQQ：+0.03% 
•  GLD：+0.28% 
•  TLT：+0.07% 
•  EEM：+0.07% 
•  IWM：+0.04% 

上面這些全都是 正數 ，代表的是 全部都變差 。

更耐人尋味的是，模型最後選出的最佳設定幾乎都靠近  0.9 。白話翻譯就是：模型雖然名義上可以聽別的市場，但最後最好的做法，還是  九成看自己，只留一點點位置給外面的聲音 。

這個結果很像你想靠看鄰居家的天氣來判斷自己家要不要帶傘。偶爾會有幫助，但大多數時候，你家門口的雨其實還是比隔壁街更重要。

為什麼會這樣？

因為跨市場訊號有兩個很難同時成立的條件。第一，它們要真的和你的資產有關。第二，它們還要提供 你自己那一條價格路徑裡沒有的額外資訊 。很多時候第一點成立，第二點卻不成立。

這次就是典型例子。幾個市場之間的波動相關其實都不低，但那比較像「大家一起緊張」的同步現象，不代表拿別人的波動來加權，就能比你自己過去的波動更早知道下一步。

說得更直白一點： 相關，不等於有增量。 

這篇實驗還有一個容易讓人誤判的地方。它拿去跟另一個較重的傳統模型相比時，在 6 個資產裡有 5 個表面上贏了。但那不代表 attention 模型很強，而是因為這次真正難打的對手，其實是前面那個最簡單的基準版本。一旦你拿最硬的對手來比，attention 的優勢立刻消失。

這件事對一般投資人有個很實際的提醒。市場上很常看到「把更多資訊、更多市場、更多因子一起餵進去」就應該更準的想法，但現實常常剛好相反。當主體訊號本來就夠強時，外面的資訊加進來，不一定是補充，也可能只是把雜訊平均進來。

所以這篇研究最值得記住的，是它最後證明了一件很樸素的事：

 在波動率預測裡，很多時候你最該先相信的，還是資產自己的歷史。 

資料來源：yfinance SPY、QQQ、GLD、TLT、EEM、IWM 日資料，樣本外區間 2023-01-01 至 2025-01-01。本文根據 VolPred 內部實驗整理，training window 500 日、attention window 252 日、EWMA lambda 0.94。