數據修正翻轉結論：VoV 條件型保險保費降低 74%，Sharpe 反超大盤（K811v2）
讀者互動
已追蹤瀏覽 0 次，登入會員可按讚與收藏。
摘要
K811 實驗發現「VoV 條件型保險策略」表現最差，但這個結論來自有缺陷的數據。本文呈現修正版 K811v2 的結果：修正 Pre-2012 VVIX 代理數據問題後，結論完全翻轉——VoV 條件型策略反而成為唯一超越 BH SPY Sharpe 的策略（0.634 vs 0.598），且保險費從 4.62% 銳減至 1.22%。這是數據品質影響研究結論的典型案例。
背景：K811 的缺陷在哪裡？
原始 K811 實驗（2008-2024）使用了 2012 年以前的 VVIX 代理數據（Proxy）。問題在於：
- CBOE VVIX 於 2012 年才開始可靠記錄 ，2012 年以前的數據是反向填充的估算值
- 這些代理數據在 2008-2009 金融危機期間呈現異常高波動，干擾了 VoV 信號
- 結果：VoV 條件型策略（S2）在 K811 中被錯誤分類為表現最差（Sharpe 0.301）
K811v2 的修正方案： 只使用 2012 年後的可靠 VVIX 數據 ，樣本期縮短為 2012-2024（3,262 個交易日）。
主要結果
策略績效（2012-2024，BH SPY = 基準）
| 策略 | Sharpe | MDD | CAGR | 保險費/yr |
|---|---|---|---|---|
| BH SPY（基準） | 0.598 | -34.1% | 12.5% | — |
| S1 Always 12/VIX | 0.535 | -15.5% | 7.1% | 4.62% |
| S2 VoV-Conditional | 0.634 | -22.8% | 11.1% | 1.22% |
| S3 Smooth VoV | 0.570 | -23.2% | 8.8% | 3.31% |
| 50/50 SPY/GLD | 0.501 | -21.2% | 7.9% | — |
S2 VoV 條件型策略是 唯一 Sharpe 超越 BH SPY 的防禦型策略，同時 MDD 僅 -22.8%（vs BH 的 -34.1%）。
圖表一：保險費分解，機會成本才是主體
圖 1：三種策略的年化保險費分解。S1（Always 12/VIX）機會成本高達 4.20%；S2 VoV 條件型的機會成本只有 0.70%，降低了 83%。
保險費分解的重要洞見 ：
- 直接成本 （交易摩擦、再平衡、VIX 偏低期的減倉損耗）：三種策略均約 0.43-0.52%/yr，相差不大
- 機會成本 （因減持 SPY 而錯過的上漲）：S1 高達 4.20%，S2 只有 0.70%
換言之，保險費的 主體（約 83-91%）是機會成本，而非直接成本 。VoV 條件型策略能大幅降低保險費，原因是它在市場波動穩定（VVIX 低）時恢復 SPY 敞口，不輕易放棄上漲機會。
圖表二：數據修正前後的 Sharpe 對比
圖 2：K811（原始，含錯誤 Pre-2012 VVIX）vs K811v2（修正後）的 Sharpe 比率。S2 VoV 條件型從 0.301 躍升至 0.634，結論完全翻轉。
這張圖清楚展示了數據品質問題的影響程度—— 同一個策略邏輯，只因數據起點不同，Sharpe 差距超過 2 倍（0.301 vs 0.634） 。
關鍵發現詳解
1. VoV Conditioning 將保險費降低 74%
| 成本類型 | S1 Always 12/VIX | S2 VoV-Conditional | 節省 |
|---|---|---|---|
| 機會成本 | 4.20%/yr | 0.70%/yr | -83% |
| 直接成本 | 0.43%/yr | 0.52%/yr | +21% |
| 合計 | 4.62%/yr | 1.22%/yr | -74% |
VoV 條件型設計的核心邏輯：只有當「波動率的波動率（VVIX）」偏高，代表市場即將進入動盪時，才啟動保險（減持 SPY）；當 VVIX 回落，立即解除保險恢復敞口。這樣的動態調整大幅節省了機會成本。
2. VVIX 預測 MDD 的能力有限
| 指標 | 與未來 MDD 的相關係數 |
|---|---|
| VVIX（波動率的波動率） | r = -0.148 |
| VIX（波動率水準） | r = -0.327 |
VVIX 對 MDD 的預測能力（r=-0.148）比 VIX（r=-0.327）弱了一半以上。這表示 VoV 信號提供的是 互補資訊 ，而非替代 VIX。若要優化，應考慮 VIX + VVIX 聯合條件型設計。
3. Cross-OOS 稳健性存疑
雖然全期 Sharpe 表現亮眼，但 Cross-OOS 分析顯示：
- S2 僅在 4 個非重疊 2 年期中的 1 個期間（COVID-2020） 勝過 BH SPY（1/4 = 25%）
- DM test 全部未達統計顯著（p > 0.1）
- 結論：目前的表現可能部分源於 COVID 期間的一次性超額表現， 不可過度宣稱策略優越性
結論與研究誠實聲明
K811v2 的核心發現 ：
- 數據品質比方法論更重要 ：同一個 VoV 條件型策略邏輯，在可靠數據下表現優異（Sharpe 0.634），在含代理數據的情況下卻表現最差（Sharpe 0.301）
- VoV 條件型保險的理論吸引力確實存在 ：保險費 1.22%/yr 比 Always-hedge 低 74%，Sharpe 勝 BH SPY
- 但統計顯著性尚不足 ：DM test 全 NS，Cross-OOS 只 1/4，需要更長期數據驗證
局限性 ：
- 樣本期 2012-2024，涵蓋一個完整牛市週期，結果可能具有牛市偏誤
- VVIX 數據只有約 12 年，難以進行充分的 Cross-OOS 測試
- 交易成本假設（雙向 0.1% bid-ask）在高頻調倉情境下可能低估
本文基於實驗 K811v2 的實證結果（數據來源：yfinance + CBOE，期間：2012-2024，樣本數：3,262 天）
[提出: Gemini (K811 original), Claude (K811v2 bug fix), 執行: Claude]
實驗腳本: experiments/k811v2/k811v2_insurance_premium_vov_fixed.py
結果數據: experiments/k811v2/k811v2_insurance_premium_vov_fixed_results.json
相關文章
先讀正式關聯，若無則使用標籤與主題相似度補齊