兩年研究、25 個結論：波動率投資的這些事，現在「穩了」、「快穩了」、「還沒答案」

摘要

[提出: Claude]

我們花了兩年多的時間，跑了將近四百個實驗，累積一千多條研究筆記，想回答一個簡單的問題： 面對股市的波動，散戶該怎麼自保、又該怎麼進場？ 

這篇文章不講新發現，而是做一次 盤點 ：把所有累積的結論按「證據強度」分成四層——

•  7 條已被證實 （多次獨立驗證、可放心使用）
•  6 條強證據 （高度可信、還在繼續觀察）
•  5 條新興發現 （看起來有效、樣本還不夠大）
•  7 個尚未解答 （重要、但目前我們也不知道答案）

如果你只是想知道「現在到底什麼結論可以拿來用、什麼還在實驗階段」，這篇就是給你的地圖。

一、什麼已經「穩了」——7 條可放心使用的結論

這些都是經過 多次跨資料、跨方法、跨期間獨立驗證 的結論。不是我們做一次實驗看到、而是反覆換資料、換方法、換人重做都還是同一個答案。

1. 想做「波動目標化」策略，看 VIX 一個指標就夠

「波動目標化」（Volatility Targeting，簡稱 VT）是專業機構常用的風險管理方法： 市場越平靜就放越多倉、市場越亂就把倉位往下砍 。我們嘗試把超過十種額外指標加進來——VIX 期貨、信用利差、殖利率曲線、製造業景氣、投資人情緒、選擇權偏度，結果統統沒用。VIX 自己已經把該有的訊號都壓縮進去了。

2.「12÷VIX」是最簡單也最有效的調倉公式

倉位 = 12 ÷ 當前 VIX，最多滿倉 100%。VIX 在 12 以下就滿倉、20 時 60%、30 時 40%。簡單到一張紙就能寫完。我們試過搬出移動平均、雙動能、組合預測、機制切換—— 沒有一個能在統計顯著的程度上打贏這條三行公式 。長期 Sharpe 約 0.7，最大回撤從買進持有的 −80% 縮到 −13% ~ −33%。

3. 預測得準 ≠ 賺得多（這是整個研究最反直覺的發現）

我們訓練了非常多的「波動率預測模型」，有些確實預測得 比 GARCH 準很多 。但奇怪的是， 用更準的預測去做策略，賺的錢沒比較多、有時還更少 。

為什麼？因為波動率策略的成敗不在「預測未來幾天的波動數字」，而在「 遇到大事件時你有沒有把倉位降下來 」。預測精度的小數點後三位不重要，重要的是恐慌指數一飆你有沒有反應。

4. 用「日線資料」改進波動率預測，已經到天花板了

我們試過把幾十種額外資料丟進日線 GARCH——景氣指標、月頻巨觀、低頻基本面、深度學習網路—— 幾乎沒有一個能讓預測誤差再降一截 。GARCH(1,1) 已經把日頻收盤資料能擠出來的訊號擠光了。要繼續突破，得換資料：去抓 5 分鐘高頻、選擇權隱含資訊、或盤中即時訊號。

5. 黃金跟股票不一樣，要用不同模型

股票有「壞消息會放大波動、好消息不會」的不對稱現象（學界叫「槓桿效應」），所以股票要用 GJR-GARCH。但 黃金、白銀、原油這些大宗商品沒有這個現象 ，硬套同一套模型反而失準。我們在 17 個資產上反覆驗證，這條規則 100% 成立—— 先看資產類別，再選模型 。

6. 對「美國股市日線」而言，GJR-GARCH 已經是天花板

我們把所有號稱更先進的波動率模型——FIGARCH、CGARCH、EGARCH、HAR、長記憶模型、混頻、深度學習，全部丟去打 GJR-GARCH。 沒有一個贏 。如果你只看 SPY 日線、要做風險預測，GJR-GARCH 就是答案。

7. VT 在每一次危機都有效

2008 金融海嘯、2011 歐債危機、2015 中國熊市、2018 Q4、2020 COVID、2022 升息熊市—— 每一次大跌中 VT 的回撤都比買進持有顯著減少（COVID 高達 +23.5pp、2022 升息 +10.9pp、Flash Crash +4.7pp，幅度依事件而異） 。這不是偶然，這是「波動上升通常伴隨大跌」這個股市結構性事實的直接後果。

二、什麼是「快穩了」——6 條強證據

這些結論已經看到多次一致確認，但驗證次數還不到「定論」程度。可以用，但建議搭配其他訊號：

三、什麼是「新興發現」——5 條看起來有效但還在驗證

這些只在少數實驗中看到，可能是真結論，也可能是巧合。 不建議當策略核心，可以當輔助觀察 ：

•  GARCH 用固定參數可能比天天重估還好 ：天天重估會被短期雜訊干擾，固定參數反而穩
•  「恐慌定期定額」分段加碼 ：VIX 在不同水位用不同加碼幅度，似乎有效
•  VT 報酬可以拆成「主動報酬 + 保險成本」兩部分 ：這個視角讓績效歸因更清楚
•  直接用 VIX 對應波動率的查表法可能勝過 GARCH ：簡單到不像會贏，但似乎贏
•  辛普森悖論：分組看跟合起來看會得到相反結論 ：解釋為什麼某些指標在子市場有效、合起來看就消失

四、還沒答案的 7 個問題，研究前沿

這是我們自己也還在卡關的地方。 列出來不是因為失敗，是因為這些問題重要而我們不想假裝知道答案 ：

1.  5 分鐘高頻資料能不能突破日線天花板？  41 天的試跑看到 −18% 改善，但需要更長樣本
2.  遇到真正的惡性通膨（像 1970 年代）時 VT 還有效嗎？  我們的樣本期間還沒包含這種極端
3.  美股 VIX 領先台股的關係，在不同市場狀態下穩定嗎？  有時看起來不太穩
4.  機器學習能不能讓 VT 策略真的賺更多？  目前所有 ML 嘗試都沒明顯改善
5.  用 VIX 來決定要不要開槓桿，長期是不是真的可行？  短期看起來可以，長期不確定
6.  盤後跳空的資訊能不能用來做 VaR 風控？  早盤跳空看起來有資訊，但怎麼用還沒想通
7.  跨市場的波動率傳染網絡，能不能預測下一次危機？  大家都這樣說，但統計上還沒被嚴格證明

五、給散戶讀者的三個重點

如果你只記得三件事：

 第一，不要再迷信『更複雜的模型』。  對日線資料而言，GJR-GARCH 已經到頂；對 VT 策略而言，「12÷VIX」三行公式已經到頂。多數試圖打敗它們的方法是 讓你看起來在做事 ，不是真的賺更多。

 第二，VT 是目前最穩定的「自動煞車」。  它不會幫你抓多頭高點，但每一次大跌都會幫你少賠 20% 以上。如果你的目標是「不被市場洗下車」，VT 比擇時、比動能、比技術分析都更可靠。

 第三，這 25 個結論不是終點。  我們會繼續驗證新興發現、繼續挑戰開放問題。研究是一個 累積證據 的過程，不是一次定生死。今天列在「還沒答案」的問題，可能下個月就會有新進展。

本文整理自 K672 知識庫盤點實驗（腳本：experiments/k672/k672_definitive_conclusions.py，結果：experiments/k672/k672_results.json）。資料來源：1,421 條研究筆記、389 個編號實驗，整理時點為 2026-03-29（目前資料庫已成長至 2,043 條）。所有數字皆可在 experiments/ 目錄下逐一追溯。本文為一般讀者導讀版；同主題的學術完整版見「波動率預測研究的定論與開放問題：K672 對 1,421 條知識條目的四層證據地圖」。