波动率目标管理：波动率缩放如何改变仓位规模

波动率目标管理、波动率缩放和波动率管理都指根据风险估计调整组合敞口的规则。方向信号可能要求持有多头，而当预测波动率上升时，缩放规则会减小多头仓位。

正的缩放因子保留基础仓位的方向，却可能改变总敞口和净敞口。波动率估计较低，并不意味着资产便宜、会涨或更有利可图。这个叠加规则回答的是“按这条风险规则应持有多少敞口？”，既不回答“应该持有什么资产？”，也不能证明基础策略有优势。

研究者检验过因子组合和动量策略的波动率管理版本。Moreira 与 Muir 报告了若干因子及货币 carry 的结果；Barroso 与 Santa-Clara 研究动量风险管理；Daniel 与 Moskowitz 描述市场压力及急剧反弹前后的动量崩盘。这些发现依赖于特定样本和方法，并不保证实盘表现改善。参见 Moreira 与 Muir、Barroso 与 Santa-Clara 和 Daniel 与 Moskowitz。

对于收益随权重近似线性变化的单一敞口，基础规则是 原始缩放系数 = 目标波动率 ÷ 预测波动率。在一个假设示例中，未缩放策略的年化波动率预测为 20%，目标为 10%，所以原始乘数为 0.5。若参考名义金额为 100,000 美元，其他组合调整之前，缩放后的名义金额为 50,000 美元。

只有分子和分母使用同一组合、收益定义、期限和年化惯例，这个比值才有意义。单位尚未统一时，不要把年化目标 10% 直接除以日标准差。如果预测值是标准差，也不要悄悄换成方差。

Moreira 与 Muir 发表的因子组合采用不同做法：月收益乘以前一个月实现方差的倒数，再乘以归一化常数。这不等于目标标准差除以预测标准差。在一个假设的平静市场中，目标 10%、预测 5% 会产生原始乘数 2。如果规则将乘数封顶于 1.25，名义金额是 125,000 美元，而不是 200,000 美元。若简化假设风险随敞口线性变化，对应的预测风险只有 6.25%。上限可能令目标无法实现；这是约束，不是算术错误。

滚动标准差容易解释，但窗口长度存在取舍：短窗口反应快但噪声大，长窗口更稳定，却会在市场状态改变后反应较慢。指数加权估计会加大近期观测的权重。GARCH 预测则递归地建模条件方差。

日内实现波动率可捕捉交易时段内的变化，但也受到采样方式、陈旧价格和微观结构噪声选择的影响。没有一种估计方法适用于所有资产、采样频率和持有期。请说明采用简单收益还是对数收益、时间段由哪些时间戳界定、如何处理缺失交易时段和隔夜变动、是否去均值，以及如何把周期方差转换成年化标准差。

对日频数据，将日波动率乘以 √252 是常见近似，但依赖于对收益过程的假设，并非适用于所有市场和日历的通用换算。单位假设示例：日标准差预测为 1.26%，乘以 √252 后约为年化 20%。与年化目标 10% 相比，缩放系数为 0.5。约 20 个交易日内，同一预测对应约 5.63% 的累计波动率，是同一风险水平在另一期限上的表达。不要将日 1.26% 直接除以年目标 10%。

同时检查预测误差和敞口路径。模型反应过慢时可能显得稳定，过度拟合噪声时则可能显得灵敏。在 walk-forward 评估中比较合理的窗口和预测模型，并且只使用形成每项估计和仓位时实际可得的信息。[实现波动率计算指南](/zh-CN/learn/realized-volatility-calculation)解释收益和采样惯例如何改变被缩放的风险指标。

在再平衡时点 t，只使用下单前实际可得的观测值。如果日收益包含 t 时点的收盘价，那么用该收盘价计算波动率的策略，不能自动假设也在同一收盘价成交；只有下单时点和价格形成方式确实允许时才可以。

一种实用做法是在收盘后计算，并在下一个可交易时段应用缩放系数。这样可以避免前视偏差。把刚结束月份的实现方差用于该月持有的仓位，会让规则使用当时尚未获得的信息。

回测应注明信号时间、波动率数据截止时间、下单时间、成交假设和持有期。如果不同资产的数据异步到达，应使用共同的信息截止点，或记录陈旧观测值。无需每次出现新估计都再平衡。月度再平衡、阈值区间或平滑敞口可降低换手，但也会让实际敞口偏离即时目标。请记录并检验该实现选择，不要把最新预测视作没有摩擦的订单。

对于权重向量 w 和在匹配期限上估算的协方差矩阵 Σ，组合方差为 wᵀΣw，组合波动率是其平方根。协方差项很重要。两个资产的各自波动率可以保持不变，但相关性上升会增加同时持有它们的风险。

因此，把每个资产分别缩放到自己的波动率目标，通常无法控制组合总波动率。反过来，对整个组合收益序列应用一个乘数可保留当前构成，但效果取决于组合风险预测是否可靠。集中度、相关性变化、因子重叠和衍生品的非线性敞口，都可能让单一标准差预测不够用。应在风险限制实际适用的层级估算风险。

若投资授权规定组合波动率区间，应预测合并组合并对相关性或协方差状态做压力测试。若风险按策略设定，应说明相关仓位如何共用账户风险预算。[期货仓位规模指南](/zh-CN/learn/futures-position-sizing)区分单笔交易止损预算与账户敞口。

假设两个资产的年化波动率均为 20%，权重均为 50%。在假设相关性为 0.1 时，组合波动率约为 14.83%；如果只有相关性升至 0.9，组合波动率约为 19.49%。单项波动率没有变化，合并风险却显著上升。若按第一个估计将敞口提高约 1.01 倍以达到 15% 目标，之后相关性再上升，简化后的风险约为 19.7%。因此，过时的协方差预测也可能让目标乘数失真。

估算波动率接近零时，原始比值可能变得很大。波动率下限可避免除以极小数字，最大杠杆上限则限制名义金额。一些策略也会设置最低缩放系数，或根据回撤、保证金、流动性设定上限。

完整规则可以写为 缩放系数 = min(最大缩放系数, 目标 ÷ max(预测值, 下限))；如有最低敞口，应另行说明。每道保护措施都会改变风险行为：下限抑制异常平静估计导致的敞口增加；上限可能使低波动期间无法达到目标；最低敞口则避免预测激增时叠加规则完全退出。

说明上限针对的是总名义金额、杠杆、保证金还是风险加权敞口；这些量不可互换。期货还需把连续乘数转成整数合约。假设基础信号相当于 3.4 张合约，缩放系数为 0.5，数学结果为 1.7 张。标准合约不能拆分：向下取整到 1 张低于目标，向上取整到 2 张则高于目标。请评估微型合约、流动性、成本，以及不交易的选择。把合约单位和乘数、基准货币换算、保证金与成本计入后重新计算风险。

波动率冲击后减仓可能迫使策略在下跌或流动性不足时卖出；平静期后加仓则可能在冲击前增加风险。估计值即使作为预测使用，仍然依据过去数据。[GARCH 与波动率聚集指南](/zh-CN/learn/volatility-clustering-garch-explained)解释模型持续性为何可能延迟识别结构断点；它无法消除跳跃或状态转换风险。

改变敞口会产生换手。估算佣金、买卖价差、市场冲击、滑点、融资或借券成本、期货展期成本，以及适用时的永续合约资金费和抵押品成本。更平滑的缩放或再平衡区间可能减少交易，却也可能延迟降风险。应在合理成本假设下比较净结果，而不只看没有交易摩擦的序列。

规则要求增加敞口时，杠杆可能恰好不可用。经纪商或交易所保证金、持仓限制、借券可得性、流动性和内部风险限额都可能阻止按计算名义金额交易。波动率上限不能保证避免强平或重大亏损：跳空可能超出预测，退出价格也可能明显偏离信号价格。

使用一致的基准：同一基础信号但不缩放、固定风险替代方案，以及适当时的现金。报告毛收益与净收益、敞口、换手、杠杆、预测误差、回撤和尾部损失。Moreira 与 Muir 的结果是研究波动率择时的理由之一。

Cederburg 等人比较了 103 种股票策略，在直接比较中没有发现波动率管理带来系统性优胜。对于合理的实时、样本外组合，他们总体报告确定性等价收益和夏普比率较低，但也有例外（研究）。这些结果支持仔细进行样本外评估，而非普遍推荐。

在称叠加规则改善风险之前，先明确基础信号、风险估计器、预测期限、更新计划、时间滞后、单位换算、协方差处理、下限、上限和执行假设。在评估最终测试期前固定这些选择。在同一份样本上反复调参，可能奖励的是筛选过程，而非稳健规则。

使用适当的损失函数和校准图检查预测，也检查敞口路径。平均预测误差低，不保证最重要的风险尖峰能被及时预测。检查压力时期、价格跳空、缺失观测值和相关性可能跳升的资产。用实际上限和成本模型重新评估这些时期。

最后区分三项主张：预测估计风险；叠加规则按既定政策改变敞口；形成的组合在特定样本中取得某种表现。第一项不能证明第二项会达到目标，第三项的历史好结果也不能证明未来盈利。请将三者分别记录，以便复现风险在何处、为何发生变化。