ボラティリティ・ターゲット戦略は、測定したボラティリティが上昇するとポジションを縮小し、低下するとエクスポージャーを増やします。単純な仕組みに見えますが、ショックによって推定値が急上昇すると話は変わります。推定方法やリバランスルールによっては、イベント後も何週間も縮小を続けたり、回復後になってようやく買い戻したり、ポジションが不規則に大きく揺れたりします。
こうした問題の多くは、実装上の3つのミスが引き起こします。どれも、妥当なリスクルールをバックテスト上で役に立たないもの、あるいは驚くほど優秀なものに見せてしまいます。修正するには、まず何を制御するための目標なのかを決め、その役割に合わせて推定方法と取引スケジュールを選びます。
ミス1：直近のボラティリティ推定値を予測値として扱う
ローリング標準偏差は、選んだ期間の値を要約したものです。次のセッションが穏やかか荒れるかは分かりません。短い期間ならショックに素早く反応しますが、ショックの影響がサンプルから抜けるまで高い値が続くことがあります。長い期間では、上昇も低下も緩やかになります。
年率ボラティリティ10%を目標とし、20日間の推定値を使う戦略を考えてみましょう。推定値が10%から25%に跳ね上がると、単純な逆ボラティリティルールではエクスポージャーが以前の40%まで縮小します。ショックが期間の対象外になると推定値は急低下し、エクスポージャーは再び跳ね上がる可能性があります。その推移は、目標値だけでなく、期間、リターン系列、リバランスのスケジュールにも左右されます。
問題は、ドローダウンの後に売り、価格が反発してからリスクを戻すポジションの動きとして表れることがよくあります。それだけでルールが間違いだとは言えません。荒れた局面でリスクを抑えることが目的かもしれないからです。しかし、実現ボラティリティしか報告しないバックテストでは、売買回転率や参加の遅れという代償が見えなくなることがあります。
同じ期間に複数の推定期間を適用し、ショック前後のエクスポージャーの推移を確認しましょう。アウト・オブ・サンプルで意思決定が改善するなら予測モデルを使う理由になりますが、推定値を高度化しただけで信頼性が得られるわけではありません。
ミス2：ポジションサイズに上限を設け、それで目標達成とみなす
ボラティリティ・ターゲティングは通常、倍率として実装します。簡略化すると、目標ボラティリティを推定ボラティリティで割り、その値を戦略の基本ポジションに適用します。レバレッジ市場では推定値が小さいと倍率が大きくなることがあります。開発者がバックテストの安全策として上限を設けるのはよくあることですが、その上限によってルール自体が変わります。
目標ボラティリティが12%、推定ボラティリティが4%、基本ポジションが1.0だとします。上限を適用しない倍率は3.0です。上限を1.5に設定すると、意図したエクスポージャーには到達できません。反対に、推定ボラティリティが30%に上昇すると、倍率は0.4まで低下します。最低エクスポージャーを0.5に設定している場合、戦略は目標の計算式が示す水準より大きなエクスポージャーを維持します。
| ルール | 防ぐこと | もたらす変化 |
|---|---|---|
| 最大エクスポージャー上限 | 推定ボラティリティが極めて低いときの過度なレバレッジ | 市場が落ち着いている局面で目標を下回る |
| 最低エクスポージャー下限 | ポジションを完全にゼロにすること | ボラティリティの高い局面でより大きなリスクを維持する |
| ボラティリティ下限 | ほぼゼロの推定値で除算すること | 分母に下限を設ける |
これらはそれぞれ異なる3つの制御です。戦略の仕様書では別々に記載し、それぞれが適用された頻度を報告しましょう。サンプル期間の半分で最大上限が適用されているなら、実現ボラティリティが目標を下回るのは想定どおりの結果かもしれません。
ミス3：モデルでは連続的にリバランスし、口座では離散的に行う
バックテストでは各バーでエクスポージャーを再計算する一方、ペーパートレードでは1日1回だけ確認することがあります。同じ計算式を使っていても、これは別の戦略です。頻繁なリバランスは反応を速めますが、推定値のノイズが注文につながることもあります。先物では売買回転率によって手数料が発生し、資金調達コストの影響を受ける可能性もあります。株式では手数料、スプレッド、マーケットインパクトが生じます。スプレッドを何度もまたぐ小さな調整は、高くつくことがあります。
ポートフォリオが100,000ドルで、目標ポジションが50,000ドルだとします。推定ボラティリティによって目標が47,000ドルに下がり、次のセッションで49,000ドルに戻ると、日次ルールでは2日間で合計5,000ドル分を取引します。週次ルールなら、観測日によっては1回だけの取引で済むかもしれません。どちらのスケジュールが常に優れているわけでもありません。バックテストでは、ペーパートレードで実際に実行できるスケジュールをモデル化する必要があります。
実用的な代替案の1つはリバランスバンドです。現在のエクスポージャーと目標との差が定めたしきい値を超えたときだけ取引します。これによって売買の頻度を抑えられる一方、リスクが目標からずれることもあります。バンド幅、売買回転率、実現ボラティリティをあわせて示しましょう。バンドの影響がないかのように目標値を提示してはいけません。
ボラティリティ・ターゲットのバックテストで報告すべきこと
入力値からポジション変更の理由を説明できるよう、ルールを分かりやすく記録しましょう。最低限、各更新時点の推定値、未調整の倍率、適用後の倍率、上限・下限の適用状態、目標エクスポージャー、実際のエクスポージャー、リバランスの判断を保存します。そのうえで、同じデータ、コスト、執行条件を使って各バリエーションを比較します。
そして、特に厳しかった週を詳しく見ましょう。損失が出る前にリスクを減らしたでしょうか、それとも後だったでしょうか。回復前にエクスポージャーを戻したでしょうか、それとも後だったでしょうか。こうした答えだけでリスクルールの有用性は決まりません。しかし、実際にどのようなルールを検証したのかは明らかになります。
← 記事一覧
