為什麼平滑策略在真實交易裡比理論更耐用

很多人做 vol targeting 策略研究時，只看回測 Sharpe，認為「訊號越精準，績效越好」。但這裡有一個現實問題：訊號從產生到實際下單，中間永遠有延遲。一天的 lag 在真實世界不算異常。問題是：你的策略在這一天延遲裡，還剩幾成功力？

這個問題的答案，因策略而異，差距大到令人意外。

我們用 50/50 SPY+GLD 組合 2007 到 2026 年 3 月的資料，共 4838 個交易日，VIX 為訊號來源，五種 vol targeting 策略全部加上 5bp 的交易成本（EWMA VT 採 10% target volatility，其他策略為各自權重規則），然後做一件簡單的事：把訊號刻意延遲一天，看 Sharpe 保留了多少。

（圖位：各策略 lag-0 vs lag-1 Sharpe 對比長條圖）

五個策略，五種不同的 lag 敏感度

下表列出五個策略在訊號延遲一天後的 Sharpe 保留率（lag_robustness_ratio）、年化換手率（annual turnover）以及持倉權重自相關（weight autocorrelation）：

（圖位：換手率 vs Sharpe 保留率散點圖，含 corr=-0.80 趨勢線）

換手率最低的 EWMA 策略（6.5x），延遲一天後仍保留了 75.6% 的 Sharpe。高換手且最 lag-fragile 的 Piecewise 策略（15.7x），同樣延遲一天，只剩下 4.6%。

這個差距不是小差異，是量級上的不同。

為何平滑勝過分區

換手率與 Sharpe 保留率之間的相關係數是 -0.80（p=0.1035，n=5 策略；方向一致但未達 10% 顯著水準）。相同的相關程度也出現在「權重絕對變動幅度」這個指標上：mean_abs_dw 與保留率的相關同樣是 -0.80。受限於只有 5 個策略觀察值，這些跨策略相關是 indicative 而非 conclusive。

換手率高的策略，每天的倉位調整幅度大。這類策略之所以有效，是因為它們在正確的時間點做了正確的倉位切換。一旦這個「正確時間點」被延遲一天，切換就落在了錯的時間，原本的精準變成了噪音。

Piecewise 是最明顯的例子。年化換手率 15.7 倍，意味著平均每個工作日都有可觀的倉位調整。它的設計是體制切換：低 VIX 環境滿倉，高 VIX 環境快速降槓。這個設計在 lag-0（同日 VIX 對同日報酬，學術上是 same-day lookahead benchmark、不可實際執行）下可以精準捕捉到轉折點，但 lag-1 的時候，轉折點已經過去，錯過的就是錯過了。

EWMA 則相反。它的倉位每天都在調整，但每次調整幅度很小，今天的權重和昨天的相差無幾。這個「惰性」在學術上看起來像是缺點，因為它對市場的反應沒有那麼靈敏。但換一個角度：延遲一天執行，你損失的只是一天內那一點點微調。主要的倉位方向還在。

平滑帶來的，是對執行時機的容忍。精準帶來的，是對執行時機的依賴。

給操作的啟示

vol targeting 策略在文獻裡有很多形式，從最簡單的 1/VIX 到複雜的狀態空間模型都有。學術論文常拿 lag-0（同日訊號＋同日報酬，理論上限、不可實際執行）下哪個訊號更精確當參考，但實務中需要問的另一個問題是：這個訊號對執行延遲有多敏感？

如果你在台灣交易美股 ETF，或者透過複委託、定期定額等有天然執行延遲的管道操作，lag-1 幾乎是現實，不是假設。這一天的落差，對高換手策略意味著策略失靈，對低換手策略幾乎察覺不到。

這不是說 Piecewise 策略或 VIX Pctile 沒有用，而是它們需要非常嚴格的執行條件，包括盤中即時訊號、盤中即時下單，才能發揮設計效果。一旦條件達不到，它們的理論優勢就會成為負擔。

EWMA vol targeting 長期存活不是因為它的訊號品質最好，是因為它的設計對現實的執行環境更寬容。研究顯示兩者的差距可以從 4% 到 76%，光是這個執行容忍度就決定了大部分的結果。

在選擇策略之前，先問：這個策略允許我差一天嗎？