波動率目標管理：波動率縮放如何改變倉位規模

波動率目標管理、波動率縮放和波動率管理都指根據風險估計調整組合曝險的規則。方向信號可能要求持有多頭，而當預測波動率上升時，縮放規則會減小多頭倉位。

正的縮放因子保留基礎倉位的方向，卻可能改變總曝險和淨曝險。波動率估計較低，並不意味著資產便宜、會漲或更有利可圖。這個疊加規則回答的是“按這條風險規則應持有多少曝險？”，既不回答“應該持有什麼資產？”，也不能證明基礎策略有優勢。

研究者檢驗過因子組合和動量策略的波動率管理版本。Moreira 與 Muir 報告了若干因子及貨幣 carry 的結果；Barroso 與 Santa-Clara 研究動量風險管理；Daniel 與 Moskowitz 描述市場壓力及急劇反彈前後的動量崩盤。這些發現依賴於特定樣本和方法，並不保證實盤表現改善。參見 Moreira 與 Muir、Barroso 與 Santa-Clara 和 Daniel 與 Moskowitz。

對於收益隨權重近似線性變化的單一曝險，基礎規則是 原始縮放系數 = 目標波動率 ÷ 預測波動率。在一個假設示例中，未縮放策略的年化波動率預測為 20%，目標為 10%，所以原始乘數為 0.5。若參考名義金額為 100,000 美元，其他組合調整之前，縮放後的名義金額為 50,000 美元。

只有分子和分母使用同一組合、收益定義、期限和年化慣例，這個比值才有意義。單位尚未統一時，不要把年化目標 10% 直接除以日標準差。如果預測值是標準差，也不要悄悄換成方差。

Moreira 與 Muir 發表的因子組合採用不同做法：月收益乘以前一個月實現方差的倒數，再乘以歸一化常數。這不等於目標標準差除以預測標準差。在一個假設的平靜市場中，目標 10%、預測 5% 會產生原始乘數 2。如果規則將乘數封頂於 1.25，名義金額是 125,000 美元，而不是 200,000 美元。若簡化假設風險隨曝險線性變化，對應的預測風險只有 6.25%。上限可能令目標無法實現；這是約束，不是算術錯誤。

滾動標準差容易解釋，但窗口長度存在取捨：短窗口反應快但噪聲大，長窗口更穩定，卻會在市場狀態改變後反應較慢。指數加權估計會加大近期觀測的權重。GARCH 預測則遞歸地建模條件方差。

日內實現波動率可捕捉交易時段內的變化，但也受到採樣方式、陳舊價格和微觀結構噪聲選擇的影響。沒有一種估計方法適用於所有資產、採樣頻率和持有期。請說明採用簡單收益還是對數收益、時間段由哪些時間戳界定、如何處理缺失交易時段和隔夜變動、是否去均值，以及如何把週期方差轉換成年化標準差。

對日頻數據，將日波動率乘以 √252 是常見近似，但依賴於對收益過程的假設，並非適用於所有市場和日曆的通用換算。單位假設示例：日標準差預測為 1.26%，乘以 √252 後約為年化 20%。與年化目標 10% 相比，縮放系數為 0.5。約 20 個交易日內，同一預測對應約 5.63% 的累計波動率，是同一風險水平在另一期限上的表達。不要將日 1.26% 直接除以年目標 10%。

同時檢查預測誤差和曝險路徑。模型反應過慢時可能顯得穩定，過度擬合噪聲時則可能顯得靈敏。在 walk-forward 評估中比較合理的窗口和預測模型，並且只使用形成每項估計和倉位時實際可得的信息。[實現波動率計算指南](/zh-HK/learn/realized-volatility-calculation)解釋收益和採樣慣例如何改變被縮放的風險指標。

在再平衡時點 t，只使用下單前實際可得的觀測值。如果日收益包含 t 時點的收盤價，那麼用該收盤價計算波動率的策略，不能自動假設也在同一收盤價成交；只有下單時點和價格形成方式確實允許時才可以。

一種實用做法是在收盤後計算，並在下一個可交易時段應用縮放系數。這樣可以避免前視偏差。把剛結束月份的實現方差用於該月持有的倉位，會讓規則使用當時尚未獲得的信息。

回測應注明信號時間、波動率數據截止時間、下單時間、成交假設和持有期。如果不同資產的數據異步到達，應使用共同的信息截止點，或記錄陳舊觀測值。無需每次出現新估計都再平衡。月度再平衡、閾值區間或平滑曝險可降低換手，但也會讓實際曝險偏離即時目標。請記錄並檢驗該實現選擇，不要把最新預測視作沒有摩擦的訂單。

對於權重向量 w 和在匹配期限上估算的協方差矩陣 Σ，組合方差為 wᵀΣw，組合波動率是其平方根。協方差項很重要。兩個資產的各自波動率可以保持不變，但相關性上升會增加同時持有它們的風險。

因此，把每個資產分別縮放到自己的波動率目標，通常無法控制組合總波動率。反過來，對整個組合收益序列應用一個乘數可保留當前構成，但效果取決於組合風險預測是否可靠。集中度、相關性變化、因子重疊和衍生品的非線性曝險，都可能讓單一標準差預測不夠用。應在風險限制實際適用的層級估算風險。

若投資授權規定組合波動率區間，應預測合併組合併對相關性或協方差狀態做壓力測試。若風險按策略設定，應說明相關倉位如何共用賬戶風險預算。[期貨倉位規模指南](/zh-HK/learn/futures-position-sizing)區分單筆交易止損預算與賬戶曝險。

假設兩個資產的年化波動率均為 20%，權重均為 50%。在假設相關性為 0.1 時，組合波動率約為 14.83%；如果只有相關性升至 0.9，組合波動率約為 19.49%。單項波動率沒有變化，合併風險卻顯著上升。若按第一個估計將曝險提高約 1.01 倍以達到 15% 目標，之後相關性再上升，簡化後的風險約為 19.7%。因此，過時的協方差預測也可能讓目標乘數失真。

估算波動率接近零時，原始比值可能變得很大。波動率下限可避免除以極小數字，最大槓桿上限則限制名義金額。一些策略也會設置最低縮放系數，或根據回撤、保證金、流動性設定上限。

完整規則可以寫為 縮放系數 = min(最大縮放系數, 目標 ÷ max(預測值, 下限))；如有最低曝險，應另行說明。每道保護措施都會改變風險行為：下限抑制異常平靜估計導致的曝險增加；上限可能使低波動期間無法達到目標；最低曝險則避免預測激增時疊加規則完全退出。

說明上限針對的是總名義金額、槓桿、保證金還是風險加權曝險；這些量不可互換。期貨還需把連續乘數轉成整數合約。假設基礎信號相當於 3.4 張合約，縮放系數為 0.5，數學結果為 1.7 張。標準合約不能拆分：向下取整到 1 張低於目標，向上取整到 2 張則高於目標。請評估微型合約、流動性、成本，以及不交易的選擇。把合約單位和乘數、基準貨幣換算、保證金與成本計入後重新計算風險。

波動率衝擊後減倉可能迫使策略在下跌或流動性不足時賣出；平靜期後加倉則可能在衝擊前增加風險。估計值即使作為預測使用，仍然依據過去數據。[GARCH 與波動率聚集指南](/zh-HK/learn/volatility-clustering-garch-explained)解釋模型持續性為何可能延遲識別結構斷點；它無法消除跳躍或狀態轉換風險。

改變曝險會產生換手。估算傭金、買賣價差、市場衝擊、滑點、融資或借券成本、期貨展期成本，以及適用時的永續合約資金費和抵押品成本。更平滑的縮放或再平衡區間可能減少交易，卻也可能延遲降風險。應在合理成本假設下比較淨結果，而不只看沒有交易摩擦的序列。

規則要求增加曝險時，槓桿可能恰好不可用。經紀商或交易所保證金、持倉限制、借券可得性、流動性和內部風險限額都可能阻止按計算名義金額交易。波動率上限不能保證避免強平或重大虧損：跳空可能超出預測，退出價格也可能明顯偏離信號價格。

使用一致的基準：同一基礎信號但不縮放、固定風險替代方案，以及適當時的現金。報告毛收益與淨收益、曝險、換手、槓桿、預測誤差、回撤和尾部損失。Moreira 與 Muir 的結果是研究波動率擇時的理由之一。

Cederburg 等人比較了 103 種股票策略，在直接比較中沒有發現波動率管理帶來系統性優勝。對於合理的實時、樣本外組合，他們總體報告確定性等價收益和夏普比率較低，但也有例外（研究）。這些結果支持仔細進行樣本外評估，而非普遍推薦。

在稱疊加規則改善風險之前，先明確基礎信號、風險估計器、預測期限、更新計劃、時間延遲、單位換算、協方差處理、下限、上限和執行假設。在評估最終測試期前固定這些選擇。在同一份樣本上反復調參，可能獎勵的是篩選過程，而非穩健規則。

使用適當的損失函數和校准圖檢查預測，也檢查曝險路徑。平均預測誤差低，不保證最重要的風險尖峰能被及時預測。檢查壓力時期、價格跳空、缺失觀測值和相關性可能跳升的資產。用實際上限和成本模型重新評估這些時期。

最後區分三項主張：預測估計風險；疊加規則按既定政策改變曝險；形成的組合在特定樣本中取得某種表現。第一項不能證明第二項會達到目標，第三項的歷史好結果也不能證明未來盈利。請將三者分別記錄，以便復現風險在何處、為何發生變化。