为什么你的回测会把波动率飙升当成新市场状态

波动率目标策略会在测得的波动率上升时削减仓位，并在波动率下降时增加敞口。听起来很简单，直到一次冲击让估算值飙升。根据估算方法和再平衡规则，策略可能在事件发生后连续数周缩减仓位，只在市场反弹后才买回来，或者让仓位来回剧烈波动。

3种实现错误造成了其中许多问题。每一种都可能让一条合理的风险规则在回测中显得毫无用处，或是效果惊人。要修正问题，首先要明确目标究竟要控制什么，再让估算方法和交易安排与之匹配。

错误1：把最近一次波动率估算当成预测

滚动标准差只是对选定时间窗口的概括。它无法知道下一交易时段会平静还是剧烈。短窗口对冲击反应快，但冲击离开样本后，估算值仍可能维持在高位。长窗口则无论上升还是下降都变化缓慢。

假设某策略的年化波动率目标为10%，估算窗口为20天。如果估算值从10%跳升至25%，简单的反波动率规则会将敞口削减至原先的40%。冲击退出窗口后，估算值可能迅速回落，敞口也随之跳回。最终的仓位路径不仅取决于目标值，也取决于窗口、收益序列和再平衡安排。

问题往往表现为：仓位在回撤后卖出，又在价格反弹后恢复风险敞口。这并不能证明规则有错：在动荡时期限制风险，可能正是它的目的。但如果回测只报告实现波动率，就可能掩盖为此付出的换手成本和参与市场的延迟。

用同一时期的数据测试多个窗口，并检查冲击前后的敞口路径。如果预测模型能改善样本外决策，那么采用它或许有道理；但估算方法更复杂，并不意味着只要曲线更平滑就值得信任。

错误2：限制仓位规模，却声称达到了目标

波动率目标管理通常通过乘数实现。粗略来说，就是用目标波动率除以估算波动率，再乘以策略的基础仓位。在杠杆市场中，估算值较小时，乘数可能变得很大。开发者通常会设置最大值上限，这对回测来说是谨慎做法，但上限会改变规则。

假设目标为12%，估算波动率为4%，基础仓位为1.0。未经限制的乘数为3.0。若上限为1.5，策略就无法达到预期敞口。反过来，当估算波动率升至30%时，未经限制的乘数会降至0.4。如果最低敞口下限为0.5，策略承担的风险就会高于目标公式所要求的水平。

这是3种不同的控制措施。应在策略规格中分别说明，并报告每种措施触发的频率。如果最大值上限在一半样本中都生效，那么实现波动率低于目标可能就是预期结果。

错误3：模型中持续再平衡，账户中却按固定间隔再平衡

回测可能每根K线都重新计算敞口，而模拟交易账户每天只检查一次。即便两者使用相同公式，它们也是不同的策略。频繁再平衡反应更快，却可能把估算噪声变成交易指令。在期货中，换手会产生手续费，也可能带来资金费率敞口；在股票中，则会产生佣金、价差和市场冲击。频繁跨越价差进行小额调整，成本可能很高。

设想一个价值100,000美元的投资组合，目标仓位为50,000美元。如果估算波动率使目标仓位降至47,000美元，下一交易时段又升至49,000美元，那么按日规则会在两天内交易5,000美元。按周规则可能只交易一次，具体取决于观察日期。哪种安排都不一定更优。回测需要模拟模拟策略实际能够执行的交易安排。

一种实用的替代方案是设置再平衡区间：只有当前敞口与目标的偏差超过指定阈值时才交易。这样可以减少频繁交易，但也会让风险偏离目标。应同时展示区间、由此产生的换手和实现波动率；不要把目标说得仿佛区间没有影响。

波动率目标回测应报告哪些内容？

让规则足够清晰，使他人能根据输入解释仓位为何变化。至少要在每次更新时保留估算值、未经限制的乘数、实际采用的乘数、上限或下限状态、目标敞口、实际敞口和再平衡决策。然后在相同数据、成本和执行假设下比较不同方案。

还要仔细检查最糟糕的几周。策略是在亏损发生前降低风险，还是之后才降？它是在市场反弹前恢复敞口，还是之后才恢复？这些答案无法决定这条风险规则是否值得采用，但会告诉你实际测试的究竟是哪条规则。