波动率目标管理是在塑造风险，不是魔法 Alpha

波动率目标管理，也称为波动率缩放或风险目标管理，调整仓位大小使策略随时间保持大致恒定的风险水平。当近期波动率低时，策略增加仓位大小。当近期波动率高时，它减少仓位大小。理论上的吸引力是直接了当的：如果策略每单位风险的预期收益是恒定的，那么维持稳定的风险敞口应该比允许风险随市场条件波动产生更一致的结果。

Moreira 和 Muir 的工作通过展示将简单波动率缩放规则应用于市场组合可以显著改善风险调整后收益，引起了对这个想法的广泛关注。他们的发现激发了学术界和业界的相当大兴趣，导致波动率管理产品和策略的激增。但在这些产品的营销中经常被忽略的关键洞见是，波动率缩放不创造新的 alpha；它重新分配风险敞口的时间。

这种区别至关重要。Alpha 生成需要找到预测未来收益的真正预测信号。风险塑形只需要衡量过去波动率并相应调整仓位。没有 alpha 的策略不会通过波动率缩放发展出 alpha。它可能发展出的是更平滑的收益路径，这可以改善投资者体验并降低灾难性回撤的概率，但不改变底层策略的基本经济学。

波动率目标管理的实证基础建立在金融市场的一个充分记载特征上：波动率聚集。这种现象最早由 Mandelbrot 在 1960 年代描述，并由 Engle 的 ARCH 模型在 1980 年代形式化，描述了高波动期之后倾向于跟随更多高波动期、平静期倾向于持续的趋势。统计上，波动率表现出强正自相关：今天的波动率是对明天波动率比任何长期平均更好的预测。

这种波动率的可预测性创造了风险择时的机会。如果策略知道波动率在飙升后可能保持 elevated 一段时间，它可以先发制人地减少敞口、避免随后亏损的最糟部分。相反，如果波动率在平静期后可能保持低位，策略可以增加敞口、以较少风险捕捉收益。价值创造来自择时决策与随后市场结果之间的协方差，而非任何对收益方向的预测。

这种效应的幅度取决于波动率均值回归的速度。在股票市场中，波动率通常在数周到数月内均值回归。在货币市场中，均值回归可能更快。在加密市场中，波动率聚集更加明显，飙升通常持续较长时间后 abruptly 回归平静。因此波动率估计的最优回溯期因资产类别而异，一刀切的方法不太可能是最优的。

所有波动率目标策略都依赖波动率预测，而所有波动率预测都是不完美的。最常见的方法使用近期窗口的实现波动率，通常二十到六十天，作为未来波动率的预测。这个简单估计器具有透明度和低计算成本的优点，但它有几个众所周知的局限性。

首先，实现波动率是对真实波动率的噪声估计。二十天样本只包含二十个独立观测值，抽样误差很大。即使底层真实波动率不变，两个连续二十天期间可以产生相差百分之五十或更多的波动率估计。这种噪声创造不必要的换手，因为策略反覆对随机抽样变化做出反应而上下调整仓位。

其次，实现波动率按构造是向后看的。它告诉你市场波动有多大，而不是未来会有多大。虽然波动率聚集提供了一些预测力，但这种关系远非完美。突然的波动率飙升，如由意外新闻或市场冲击引起的，无法从过去波动率预测。仅依赖历史波动率的策略总会被真正的意外弄得措手不及。更复杂的方法纳入期权市场的隐含波动率，但这些增加了成本和复杂性，同时仍然提供不完美的预测。

波动率目标管理最被低估的风险是低波动期间积累的隐藏杠杆。当波动率下降时，目标规则增加仓位大小以维持目标风险水平。在极端情况下，这可能导致三倍、五倍甚至更高的杠杆比率。投资者可能不会将这视为杠杆，因为组合的历史波动率保持低位，但经济敞口 nonetheless 被放大了。

这种隐藏杠杆创造了危险的不对称。在平静期，策略产生稳定、适度的收益，强化信心并鼓励更大的配置。但 elevated 的仓位意味着当波动率最终飙升时，亏损被成比例放大。策略实际上在平静期间建立越来越大的火药桶，而当波动率回归时的爆炸可能是毁灭性的。

2007 到 2008 年提供了一个鲜明的例证。随着市场波动率保持低迷，波动率目标策略在 2006 和 2007 年逐渐增加了股票敞口。当波动率在 2007 年末和 2008 年爆炸时，这些策略持有接近最大仓位并遭受严重亏损。在平静期产生平滑收益的机制，变成了在危机期放大亏损的机制。这不是波动率目标管理的 bug；它是任何按衡量风险的倒数缩放仓位的策略的固有特征。

波动率目标管理增加换手，因为每当波动率估计变化时都必须调整仓位。这种换手的幅度取决于再平衡频率和缩放规则的敏感度。每日再平衡并使用短波动率回溯的策略会产生大量换手，可能每月百分之五十到一百。每月再平衡并使用较长回溯的策略会产生较适度的换手，也许每月百分之十到二十。

每次再平衡都产生交易成本，包括佣金、买卖价差和市场冲击。对于主要股指等流动资产，这些成本是适度的，可能不会显著影响策略的净表现。对于流动性较差的资产，或对于大规模操作的策略，成本可能很大。一个产生额外百分之二年化毛风险调整收益的波动率目标策略，如果换手足够高，可能看到整个收益被交易成本消耗。

除了显性交易成本，波动率目标管理可以通过交易时机创造隐性成本。如果策略在波动率飙升期间被迫减少仓位，它可能在下跌的市场中卖出、拿到比平静条件下更差的价格。相反，如果它在波动率下降后被迫增加仓位，它可能在上涨的市场中买入、支付膨胀的价格。这种不利时机即使波动率预测本身是准确的，也会侵蚀收益。

与静态策略不同，波动率目标策略的未来表现取决于其当前仓位大小，而当前仓位大小又取决于到目前为止的波动率路径。这种路径依赖意味着跟随同一策略的两个投资者可能因开始时间不同而体验到非常不同的结果。在平静期开始的投资者将以大仓位进入，对第一次波动率飙升 maximally 敞口。在波动期开始的投资者将以小仓位进入，并受益于随后的波动率下降。

这种路径依赖创造了不同形式的收益序列风险。投资者不是直接暴露于市场收益序列，而是暴露于决定仓位大小的波动率实现序列。一串低波动月份后紧跟波动率飙升，是波动率目标策略最糟糕的序列，因为它在最大风险点导致最大仓位。

实务含义是，如果回测期从波动期开始并在平静期结束，波动率目标策略的回测结果可能误导性地乐观。策略似乎增加了价值，因为它随波动率下降逐渐增加敞口，但这条路径不保证重复。跨越完整波动周期、从平静到危机再回到平静的回测，提供了对投资者可以预期什么的更现实评估。

波动率目标管理的有效性因资产类别而异。在股票市场中，证据最强：波动率缩放已被证明可以改善仅做多和多空策略的风险调整收益。机制很清楚：股票波动率高度持续且可预测，风险敞口择时创造真正的价值。对动量策略的改善尤其明显，趋势跟随和波动率缩放的结合解决了策略在趋势反转期间遭受大额亏损的自然倾向。

在固定收益市场中，证据更加混合。债券波动率低于股票波动率且变化较小，这意味着波动率择时增加价值的空间较小。当债券波动率确实飙升时，通常是在债券作为避险天堂上涨的危机期间，所以在高波动期间减少敞口意味着错过使债券作为分散化工具具有吸引力的反弹。

在货币和大宗商品市场中，证据因资产而异。一些货币表现出强烈的波动率聚集，使目标管理有效，而其他货币有更不规则的波动率模式，挑战简单预测。大宗商品涵盖广泛的行为，能源市场与农产品市场显示不同的波动率动态。教训是波动率目标管理不是万能解决方案；它是一种在某些市场运作良好、在其他市场运作不佳的工具，其应用应该针对每个资产类别的具体特征量身定制。

• 将缩放策略与未缩放版本在完整市场周期内进行比较，包括至少一个危机期。只在平静市场出现的收益不是收益。
• 计算缩放规则产生的换手并估计交易成本。成本后的净表现是唯一重要的指标。
• 检查回测期间缩放规则隐含的最大杠杆。确保该杠杆与你的风险承受能力和保证金要求兼容。
• 在多个资产类别上测试缩放规则。只在股票中有效的规则可能捕捉的是股票特有的波动率动态，而非普遍原则。
• 评估策略在波动率状态转换期间的表现，而不只是稳定期。转换是缩放规则最受考验的地方。
• 检查波动率估计器是否使用适合资产波动率动态的回溯期。太短则估计有噪声；太长则反应太慢。
• 建模低波动期间隐含杠杆的融资成本。这些成本可以侵蚀缩放收益的很大一部分。
• 评估缩放策略相对于未缩放版本的回撤 profile。缩放应该降低最大回撤并改善 Calmar ratio，不只是 Sharpe ratio。