少做一點假設，反而更接近真實風險

很多風險模型都有同一個毛病：先假設市場大致長什麼樣，再去算你可能會賠多少。

問題是，市場最麻煩的時候，往往就是它最不像教科書假設的時候。

這次測試想回答的問題很直接。如果我們少做一點「市場平常應該長怎樣」的假設，只根據最近一段時間市場自己留下來的波動痕跡來估計風險，結果會不會更可靠？

答案是： 會，而且差距不小。

先說結果

這次比較了 5 種風險估計方式，測試標的是 SPY，樣本外期間從 2013 年一路拉到 2026 年。

如果只看整體檢查通過率：

• 傳統常態假設： 58%
• 傳統厚尾分配假設： 58%
• 加入外部風險因子的厚尾版本： 83%
• 不預設固定形狀、直接用近一年市場痕跡調整的兩個版本： 92%

最有代表性的 2.5% 風險門檻上，後兩者是 6/6 全通過 。前面幾個方法則比較常出現同一個問題：它以為自己抓到了極端下跌的邊界，實際上還是抓得不夠準。

它到底少假設了什麼？

一般做法會先選一個分配形狀。最常見的是常態，進階一點會改成厚尾版本。這些方法的共同點是：你先決定世界應該長什麼樣，再讓資料去配合它。

這次表現最好的做法，反過來處理。它先看最近一段時間市場真正留下了多大的意外波動，再直接用這些歷史痕跡去決定今天的風險邊界。

翻成白話就是：

不先猜尾巴應該多厚，而是直接問市場最近自己長出了多厚的尾巴。

為什麼會比較準？

因為市場在平靜時期和恐慌時期，尾端風險長得根本不像同一種東西。

如果你把形狀先寫死，市場一變臉，模型通常就會慢半拍。這也是為什麼傳統方法在高 VIX 環境下，實際出錯率常常明顯比低 VIX 環境高很多。

這次結果裡，少假設固定形狀的做法把這種落差縮小了。

• 傳統常態版本，高波動和低波動環境的出錯率差距超過 5 個百分點
• 表現最好的版本，差距縮到大約 2.6 到 2.9 個百分點

這代表它不是完美，但至少比較能跟上市場狀態真的在變。

代價也很明顯：它會讓你看起來比較危險

這件事不能只講優點。

表現最好的兩個方法，雖然命中得比較準，但算出來的風險邊界也更寬。以 2.5% 風險門檻來看，新的做法大約比傳統方法寬 7% 到 10% 。

意思是什麼？

意思是如果你真的照它來做風控，你會更常得到一個比較難看的答案：今天最好保守一點。

這也是它比較誠實的地方。不是因為世界變安全了，就把數字壓小；而是因為它承認，最近市場留下來的痕跡本來就比較醜。

對一般投資人有什麼用？

最實用的提醒不是叫你自己去建模，而是提醒你不要太相信那些看起來很精準、其實靠很多固定假設撐起來的風險數字。

如果一個工具總是告訴你「最大可能損失差不多就這樣」，你該問的是：

• 它是不是假設市場一直長得差不多？
• 它有沒有隨著最近一年的市場變化調整？
• 它給的安全感，是因為真的比較穩，還是因為它把尾巴想得太薄？

風險管理真正難的地方，不是把數字算得漂亮，而是承認有時候比較醜的答案，反而比較接近現實。

一句話結論

這次測試的重點很簡單： 少做一點分配假設，會讓風險估計更接近真實；代價是你得接受，真實風險通常比傳統模型看起來更大。

資料來源

本文來自 VolPred 的一份風險模型測試，資料來源為 yfinance，標的為 SPY；評估期間自 2013-01-02 起至 2026-04-09，共 3,287 至 3,337 個交易日，依方法不同略有差異。