QD Research EngineAI-Synthesised

機制轉換：我們能否偵測到市場何時發生變化？

模型與框架比較分析
2026-03-09 · 14 min

市場在具有不同規則的平靜和危機機制之間交替。隱馬爾可夫模型可以估計當前處於哪種機制，從而重塑風險管理和投資組合構建。

Regime SwitchingHidden Markov ModelMarket RegimesMacro ModelingRisk Management
來源: Hamilton (1989), Econometrica; Ang & Bekaert (2002), JBES ↗

散戶投資者的實際應用

監控機制概率指標以調整投資組合風險。當危機機制概率上升時，減少股票集中度，增加趨勢跟蹤或管理期貨的配置，並擴大風險預算。您無需自建HMM——多個商業風險平台已提供基於這些模型的機制概率儀表板。

編輯注釋

在央行推進前所未有的政策轉型、地緣政治分裂重塑貿易流向、AI驅動的結構性變化改變市場微觀結構的背景下，「我們是否處於新機制」的問題前所未有地重要。漢密爾頓和Ang & Bekaert的框架為回答這一問題提供了嚴謹的基礎。

規則改變的那天

1987年10月19日，道瓊工業平均指數在一個交易日內下跌了22.6%。黑色星期一不僅摧毀了財富——它摧毀了假設。建立在波動率穩定、相關性恆定、市場遵循單一統計規則前提上的投資組合，被那些規則認為幾乎不可能發生的風暴所吞噬。在常態分布下，這種規模的單日跌幅大約每10^50年才會發生一次。它發生在一個普通的秋天星期一。

這場災難對量化金融提出了根本性挑戰。如果市場能在平靜與混亂之間、在一個統計機制與另一個完全不同的機制之間突然切換，那麼任何假設單一穩定資料生成過程的模型都是危險而不完整的。問題不在於市場是否會改變性質——每個從業者都知道會。問題在於這些變化能否被嚴格建模、即時檢測，並用於做出更好的投資決策。

兩條研究路線正面解決了這個問題，提出了互補的答案，共同奠定了現代機制轉換分析的基礎。

漢密爾頓的隱馬爾可夫模型

詹姆斯·漢密爾頓1989年發表在Econometrica上的論文《非平穩時間序列和商業周期經濟分析的新方法》（Hamilton, 1989）提出了一個優雅的解決方案。漢密爾頓沒有假設經濟數據遵循具有固定參數的單一過程，而是提出經濟在離散的、不可觀測的狀態——機制——之間交替，每個狀態由其自身的規則支配。

數學框架是隱馬爾可夫模型（HMM）。在漢密爾頓的公式中，經濟在任何給定時刻都處於有限個狀態之一。每個狀態有自己的平均成長率、自己的波動率和自己的動態行為。狀態之間的轉換由機率矩陣控制。

關鍵洞察是狀態本身不可觀測。我們無法直接看到經濟處於衰退機制還是擴張機制。但我們可以觀察GDP成長率、工業生產、就業等經濟數據，並使用貝葉斯推斷來估計每個時點處於每個狀態的機率。

漢密爾頓的發現

將模型應用於1951年至1984年的美國GDP成長率，模型識別出兩個明確的機制：季度GDP平均成長率約1.2%、低波動率的高成長狀態，以及平均成長率約-0.4%、高波動率的低成長狀態。轉移機率表明擴張平均持續約4年，收縮約持續1年——與NBER商業周期判定委員會記錄的歷史模式密切吻合。

Ang與Bekaert：從總體經濟到市場

如果漢密爾頓展示了總體經濟的機制轉換，Andrew Ang和Geert Bekaert則提出了自然的後續問題：這對金融市場意味著什麼？他們2002年發表在Journal of Business and Economic Statistics上的論文《利率的機制轉換》（Ang & Bekaert, 2002）將機制轉換模型擴展到資產報酬率，特別關注利率期限結構。

Ang和Bekaert的貢獻在於將漢密爾頓的機制轉換框架嵌入正式的資產定價模型中。在他們的模型中，短期利率動態和風險的市場價格都隨機制變化。

核心發現

模型識別出與直覺上不同的市場環境相對應的機制。一種機制以低利率、低波動率和壓縮的風險溢價為特徵——平靜的風險偏好環境。另一種機制以較高的利率、更高的波動率和更寬的風險溢價為特徵——緊張的風險趨避環境。

殖利率曲線的形態——是陡峭、平坦還是倒掛——在不同機制下傳遞不同的訊息。

兩種方法的比較

維度Hamilton (1989)Ang & Bekaert (2002)
領域總體經濟時間序列（GDP）金融資產價格（利率）
狀態2個（擴張/收縮）2個（平靜/緊張）
創新經濟機制的HMM濾波機制依賴的風險定價
關鍵輸出衰退機率估計殖利率曲線上的時變風險溢價
局限純統計——無資產定價估計複雜——過擬合風險

機制轉換為何現在重要

機制轉換模型的吸引力在這些基礎論文之後只增不減。過去二十年不斷出現的機制轉換使單一機制模型顯得天真。

2008年金融危機看到資產類別間的相關性飆升至接近1——相關性崩潰研究廣泛記錄的現象。加權指數等台灣市場指標同樣受到衝擊。在正常機制假設下設計的投資組合經歷了風險模型認為不可能的回撤。2020年3月的新冠暴跌將通常需要數月的過程壓縮到幾天。2022-2024年的通膨周期首次在二十年內將債券-股票相關性從負轉正，顛覆了傳統60/40投資組合的基礎假設。

實踐啟示

投資組合建構

機制意識改變了投資組合的建構方式。在平靜機制中，傳統分散化有效：債券對沖股票風險，相關性適中，均值回歸策略表現良好。在危機機制中，相關性飆升，均值回歸失效，趨勢跟蹤策略成為分散化的主要來源。

風險管理

在滾動視窗上估計單一波動率參數的標準風險價值模型本質上是後向的。在機制轉換VaR中，波動率估計是機制特定波動率的機率加權平均。

因子投資者的啟示

動量崩潰高度集中在機制轉換期間。2009年惡名昭彰的動量崩潰恰好發生在市場從危機機制向復甦機制轉換之際。

局限性

機制轉換模型強大但遠非萬能。最持久的批評是前瞻性問題：在歷史數據中識別兩三個機制很容易，但即時判斷機制變化是否已發生要困難得多。

機制數量也是一個判斷問題。兩個狀態捕捉了平靜與危機的廣泛區分，但增加狀態雖然改善了樣本內擬合度，卻有過擬合的風險。

結論

漢密爾頓1989年的論文為嚴格思考經濟機制提供了數學框架。Ang和Bekaert 2002年的研究表明，這些機制對資產定價和風險補償有直接影響。對散戶投資者而言，實踐教訓很明確：任何假設單一穩定市場環境的風險模型或投資組合策略都是不完整的。市場會改變性質——有時漸進，有時一夜之間。問題不是下一次機制轉換是否會來，而是你的投資組合是否已做好準備。

本文僅供教育目的，不構成金融投資建議。過往表現不代表未來收益。

相關

本分析由 Hamilton (1989), Econometrica; Ang & Bekaert (2002), JBES 經 QD Research Engine — Quant Decoded 的自動化研究平台 — 綜合分析，並經編輯團隊審核確保準確性。 了解我們的方法論.

參考文獻

僅供教育。