為什麼你的回測會把波動飆升當成新市場體制

波動率目標化策略會在測得的波動率上升時縮減部位，並在波動率下降時增加曝險。聽起來很直接，直到一次市場衝擊讓估計值飆升。視估計方法和再平衡規則而定，策略可能在事件發生後好幾週持續縮減部位、直到市場反彈後才買回，或是讓部位上上下下劇烈擺動。

其中許多問題都源自 3 種實作錯誤。每一種都可能讓合理的風險規則在回測中看起來毫無用處，或是表現得出奇亮眼。修正的第一步，是先決定目標要控制什麼，再讓估計方法和交易時程符合這個目的。

錯誤 1：把最近一次波動率估計當成預測

移動標準差只是對選定期間的摘要。它無法預知下一個交易時段會平靜還是動盪。短期區間對市場衝擊反應快，但衝擊離開樣本後，估計值仍可能維持高檔。長期區間則在兩個方向上都變動較慢。

假設某策略以 20 天估計值為依據，目標年化波動率為 10%。若估計值從 10% 跳升至 25%，簡單的波動率倒數規則會將曝險降至原先的 40%。衝擊離開估計區間後，估計值可能大幅下降，曝險也會隨之跳回。最終的曝險走勢，受到區間長度、報酬序列和再平衡時程的影響，和目標數值本身一樣大。

常見的結果是：部位在回撤後賣出，等價格反彈後才恢復風險。這不代表規則一定有問題；在動盪期間限制風險，可能正是它的目的。但如果回測只報告實現波動率，就可能掩蓋換手成本和延後參與市場所付出的代價。

用同一段期間測試數種區間長度，並檢視市場衝擊前後的曝險走勢。若預測模型能改善樣本外決策，就可能值得採用；但估計方法再精巧，也不能只靠平滑曲線就贏得信任。

錯誤 2：限制部位規模，卻宣稱已達成目標

波動率目標化通常以乘數實作。簡化來說，就是用目標波動率除以估計波動率，再乘上策略的基礎部位。在有槓桿的市場中，估計值偏低時，乘數可能變得很大。開發者通常會設定最大值上限，這對回測而言是審慎做法，但上限也會改變規則。

假設目標是 12%，估計波動率為 4%，基礎部位是 1.0。未限制的乘數為 3.0。若上限設為 1.5，策略就無法達到預定曝險。反過來說，當估計波動率升至 30%，未限制的乘數會降到 0.4。若最低曝險下限是 0.5，策略承擔的曝險就會高於目標公式所要求的水準。

這是 3 種不同的控制機制。請在策略規格中分別說明，並報告各項限制生效的頻率。如果最大曝險上限在一半的樣本期間內都生效，那麼實現波動率低於目標，可能正是預期結果。

錯誤 3：模型中持續再平衡，實際帳戶卻分段調整

回測可能每根 K 線都重新計算曝險，模擬交易卻每天才檢查一次。即使兩者使用相同公式，也代表不同策略。頻繁再平衡反應較快，但可能把估計雜訊變成交易指令。在期貨市場，換手會帶來手續費，也可能增加資金費率曝險；在股票市場，則會產生佣金、價差和市場衝擊成本。若小幅調整反覆跨越價差，成本也可能很高。

假設一個價值 100,000 美元的投資組合，目標部位是 50,000 美元。如果估計波動率讓目標在某個交易時段降至 47,000 美元，下一個交易時段又回升至 49,000 美元，每日調整的規則會在 2 天內交易 5,000 美元。每週調整的規則則可能只交易一次，視觀察日期而定。兩種時程都不一定比較好。回測必須模擬模擬交易策略實際能遵循的調整時程。

一種實用的替代方案是設定再平衡區間：只有當目前曝險與目標的差距超過指定門檻時才交易。這樣可以減少不必要的交易，但也會讓風險偏離目標。請一併呈現區間設定、由此產生的換手率和實現波動率；不要把目標呈現得像是這個區間毫無影響。

波動率目標化回測應報告哪些內容？

規則應保持清楚易懂，讓人能根據輸入值解釋每次部位變動。至少要保留每次更新時的估計值、未限制的乘數、實際套用的乘數、上限或下限狀態、目標曝險、實際曝險和再平衡決策。接著，使用相同資料、成本和執行假設比較不同版本。

也要仔細檢視最糟的幾週。策略是在虧損發生前降低風險，還是虧損後才降低？它是在市場復甦前恢復曝險，還是復甦後才恢復？這些答案無法決定這項風險規則是否值得採用，但會告訴你實際測試的是什麼規則。