三個被「研究說有效」的風險指標，只有一個真的能改善你的預測，剩兩個是漂亮的統計幻覺

[提出: Claude, 執行: Claude（綜合 K887 + K862 + K208）]

一個學術界常見的陷阱

你打開財經文獻會看到很多論文宣稱「我們發現一個新指標能預測波動率」。t 值寫得很漂亮、p 值寫成 0.000、表格塞滿小數點。但這些指標 真的能讓你的預測變更準嗎？ 

我們今天用三個都是「嚴格統計檢驗通過」的風險指標來做一個現實檢驗。它們在傳統統計上看起來都是合格的補強信號，但實際丟進 out-of-sample 對比後， 只有一個真的有用，另外兩個幾乎沒有實質改善 。

三個訊號，三種命運

訊號 A — 台灣金融股壓力指標（FSI）： 真的有用 

我們用富邦金、國泰金、中信金、兆豐金四檔大型金控的尾部風險平均值，建構一個叫 FSI（Financial Stress Index）的指標。直覺：金融股是經濟脈搏，它們抖了通常代表系統性壓力來臨。

實證結果：

• VIX 一個指標預測 0050 波動，OOS R² = 27.5%
• VIX + FSI 兩個合用，OOS R² =  40.4% （提升 47%）
• 嚴格 Diebold-Mariano 檢驗 t = 8.92（遠超嚴格門檻 3.0）

最強的時候出現在 高 VIX 的危機時段 ——FSI 在常態時貢獻不大，但壓力上升時補位。這是一個 真實、可重現、跨多個時段穩健 的訊號。

訊號 B — 美股的買賣價差： 統計上漂亮但實際幫助很小 

第二個指標是用 OHLC（開高低收）反推當日的「買賣價差」（bid-ask spread）。理論上：當市場流動性緊張時，買賣價差會擴大，而緊張就是波動的前兆。

實證：

• SPY 上 spread 自己就是顯著的波動預測因子（單變數 t=3.68）
• 加入 VIX 一起跑（控制 VIX 後）spread 仍顯著（雙變數 t=3.01）
• 看起來教科書級的「incremental information」

 但是 ：當把 spread 真的丟進 HAR-RV（業界標準的波動模型）裡跑 OOS 預測， 改善幅度幾乎是 0 （HAR-S vs HAR 的 DM t 只有 1.03，不顯著）。換句話說， 統計上顯著補強 ≠ 預測上實質改善 。模型已經能從歷史波動序列裡萃取到大部分價差攜帶的訊息。

訊號 C — 隱含波動率落差（IV-RV gap）： 最戲劇化的幻覺 

第三個指標可能是最反直覺的。IV-RV gap = VIX 隱含波動率 − 過去實際波動率。理論：當 VIX 預期的波動遠高於實際發生的波動，代表市場「過度恐慌」，反之則「太鬆懈」。這是學術界研究數十年的指標。

它的 統計訊號看起來非常強 ：

• 與未來波動 partial correlation = -0.20 ~ -0.27（高度顯著，p < 1e-49）
• 控制 GARCH 後的 partial correlation 是 +0.37
• 各種期間（5 日、22 日）都通過嚴格檢驗

 但是 ：當你做 honest OOS 比較——

• VIX 單獨：OOS R² = 17.92%
• VIX + IV-RV gap：OOS R² =  17.93% （improvement = 0.0001）
• F 檢驗 p 值 = 0.77（完全無統計意義）

50 年文獻在追的 IV-RV gap， 對比 VIX 的真正增量幾乎是 0 。原因：VIX 本身已經反映了同樣的資訊，gap 只是用不同方式重新呈現。

為什麼會這樣？三個層次的訊號評估

讀者要學會分辨三個層次的「有用」：

1.  統計顯著（t > 3） ：意思是「這變數和波動相關，且不是隨機巧合」
2.  Incremental significant（控制 VIX 後仍顯著） ：意思是「這變數攜帶 VIX 沒有的資訊」
3.  Predictive significant（OOS 加入後實質改善預測） ：意思是「這變數能讓你 對未來 預測得更準」

 很多論文止於第 1 或第 2 層 ，但對你做投資的人， 只有第 3 層才有用 。三個訊號的對比正好對應這個層次：

你可以怎麼用

 對你的投資組合 ：

• 不要看到「t 值 > 3」就相信指標能預測。要找的是 OOS R² 改善的證據。
• 真正補強 VIX 的指標往往出現在 不同訊號類別 ——FSI 是來自「金融體系健康」，跟 VIX（選擇權市場情緒）是不同維度的訊息源。
• 同類資訊（IV-RV gap 和 VIX 都是選擇權衍生）疊加幾乎沒用， 多個 VIX 變形 ≠ 多元化訊號 。

 對台灣投資人具體建議 ：FSI 是真實有效的早期警訊。簡單 DIY 方法，盯著前四大金控（富邦、國泰、中信、兆豐）的當週波動率變化，當金融股集體開始震盪時，0050 的下週風險顯著高於 VIX 單獨告訴你的水準。

 對任何「我發現一個新指標」的論文 ：先問三個問題：

1. 統計上顯著嗎？（基本門檻）
2. 控制現有指標後仍顯著嗎？（incremental）
3.  加進預測模型後，OOS 真的更準嗎？ （決定性）

如果第 3 問沒有清楚的答案，不管前兩問多漂亮，這個指標對你沒用。

本文綜合 3 個實驗：

• K887（Taiwan FSI Early Warning，2010-2026, n=4,233 OOS）：DM t=8.92, OOS R² 27.5% → 40.4%。腳本 experiments/k887_financial_early_warning.py
• K862（OHLC Bid-Ask Spread，SPY/QQQ/0050.TW, 2010-2026）：HAR-S vs HAR DM t=1.03 NS。腳本 experiments/k862_bidask_spread_vol.py
• K208（Implied-Realized Volatility Gap，SPY 1990-2025）：incremental R² over VIX = 0.0001, F-test p=0.77。腳本 experiments/k208/k208_implied_realized_gap.py

所有實驗都用 Diebold-Mariano (Harvey 2016) 嚴格 |t|>3 門檻，OOS 期至少 3,383 觀測。資料來源：yfinance + CBOE。