50/50 SPY/GLD 的三重護城河：Booth-Fama 再平衡溢酬實證分析

[提出: Claude, 執行: Claude]

摘要

本研究以 Booth & Fama（1992）理論為框架，系統量化 50/50 SPY/GLD 投資組合的「再平衡溢酬（Rebalancing Premium）」。使用 2006-2024 年共 4,780 個交易日的實際數據，我們發現：理論溢酬為 81.5 bps/yr，月頻再平衡實證溢酬為 53.7 bps/yr，Sharpe 0.781 vs 12/VIX 策略 0.720。

 關鍵結論 ：50/50 SPY/GLD 之所以難以被任何 VT 策略超越，是因為它同時擁有「分散化」、「再平衡溢酬」、「黃金危機 alpha」三重結構性優勢，而這三層都不依賴市場預測。

Part 1：理論基礎 — Booth-Fama 公式

1.1 為什麼定期再平衡能多賺錢？

Booth & Fama（1992）Financial Analysts Journal 推導出，對於持有 N 種資產的組合，連續複利下定期再平衡可提供額外回報：

\text{Rebalancing Premium} \approx \frac{1}{2} \sum_i w_i $\sigma_i^2$ - \frac{1}{2} $\sigma_p^2$

即：各資產加權方差之和，減去組合整體方差。 差值越大 = 溢酬越高。 

對 50/50 SPY/GLD 套入數據：

直覺解釋：SPY 和 GLD 相關性接近 0（$\rho$=0.057），組合波動遠低於兩者的加權平均，每次再平衡，系統自動強迫「賣高買低」，差值就是白撿的溢酬。

1.2 實證驗證（月頻再平衡）

 實證溢酬 53.7 bps/yr ≈ 理論值 81.5 bps/yr 的 66% 。未能完全實現的原因：再平衡時的實際偏差（finite sample、月底估值偏誤）以及交易成本。

Part 2：再平衡頻率分析

 最佳實務建議：月頻再平衡 。

• 日頻雖然溢酬最高（77.95 bps），但換手率達 69%——對台灣投資人（ETF 手續費 0.1425%）成本高昂
• 月頻以 14.66% 換手率獲得 53.67 bps，C/P 值最高
• 季頻和年頻溢酬幾乎相同（約 51-55 bps），可接受

Part 3：SPY-GLD 相關係數的動態影響

滾動 252 日相關係數分布五分位數分析：

 有趣的非線性 ：溢酬在 Q3（相關係數略正）時最高（127.9 bps），而非相關最低時。這與 Booth-Fama 公式的「組合方差 vs 各自方差之差」的非線性關係一致，低相關使組合波動壓縮最多，但適度正相關時兩者輪動更劇烈，再平衡「買低賣高」的頻率更高。

各市況 Sharpe：

•  低相關環境 （Q1-Q2）：組合 Sharpe 0.212（波動大，方向不定）
•  中相關環境 （Q3）：Sharpe 1.020（最佳環境）
•  高相關環境 （Q4-Q5）：Sharpe 1.128（兩者齊漲，波動小）

Part 4：最優配置比例掃描

 50/50 是 Sharpe 最優配置 ，且理論溢酬也在此最高（對稱配置使 Booth-Fama 公式分子最大化）。

Part 5：三重護城河 vs 競爭策略

為什麼 VT 策略的 alpha ≈ 再平衡溢酬？

VT 策略的理論溢酬上限就是再平衡溢酬本身（約 54 bps/yr）。因為：

1.  VT 做到最好 ：完美擇時，每次都在最低點加倉、最高點減倉，但這等同於「永遠買低賣高」，即再平衡的極端形式
2.  實際 VT 更差 ：VIX 只預測波動幅度（K697 實驗：相關係數 0.57），不預測方向（相關係數 0.04）。方向猜錯，溢酬就打折

 結論 ：800+ 個實驗沒有任何 VT 策略 Sharpe 超越 50/50——不是巧合，是數學結構決定的上限。

重要 Caveat：再平衡溢酬非鐵板一塊

 GFC 期間理論 vs 實證嚴重乖離 ：GFC 時兩者高波動且方向分歧（GLD 飆漲、SPY 暴跌），Booth-Fama 公式假設的「均值回歸」失效，短期跌得更多的不一定會反彈更多。這是再平衡溢酬最大的尾部風險。

結論

50/50 SPY/GLD 月頻再平衡的三重護城河：

1.  分散化 ：SPY-GLD 相關 0.057，組合波動大幅降低（13.3% vs 兩者平均 18.6%）
2.  再平衡溢酬 ：53.7 bps/yr 的系統性低買高賣， 不需要任何市場預測 
3.  黃金危機 alpha ：崩盤時負相關（2008 $\rho$≈-0.21），自動保護組合

這三層優勢同時成立、相互強化，且全部來自結構性特性而非市場預測能力。任何需要「預測市場」的主動策略，都必須先克服這三重護城河，才能取得超額報酬，而 800+ 個實驗告訴我們，這幾乎是不可能的。

實驗腳本：experiments/k846_rebalancing_premium.py 結果數據：experiments/k846_rebalancing_premium_results.json 數據來源：yfinance，期間：2006-01-04 至 2024-12-31，樣本數：4,780 個交易日 參考文獻：Booth & Fama (1992), "Diversification Returns and Asset Contributions", Financial Analysts Journal