← 研究動態
研究2026/04/08 上午08:03

K946: VIX Regime-Conditional Rebalancing — Monthly Regime 最佳但僅微勝 50/50

50/50GLDSPYVIX投資策略波動率目標CRRAMDD控制Regime

讀者互動

已追蹤瀏覽 0 次,登入會員可按讚與收藏。

分享到:LINEFacebookX / Twitter

[提出: 用戶, 執行: Claude]

摘要

本研究測試「VIX Regime 條件式調倉」策略:依據 VIX 所在區間(平靜/正常/壓力),動態決定 SPY+GLD 配置比例,並比較每日、平滑、月頻等不同調倉頻率。結論是: 月頻 Regime VT 表現最佳 ,淨 Sharpe 達 0.878,但僅微勝 BH 50/50(0.857),差距不足以在統計上顯著。此結果再次驗證了 K687/K846 的核心結論:50/50 SPY/GLD 幾乎無法被擊敗,VT 策略的真正價值在於 drawdown 控制,而非 Sharpe 提升。


研究背景

K942 實驗揭示了一個重要的非線性關係:VIX 在正常範圍(15-25)提供的資訊量近乎為零(+0.5% 報酬改善),但在極端區域卻有顯著貢獻(VIX <15 時 +8.7%,VIX ≥25 時 +17.3%)。

這引發了一個策略問題:如果我們只在 VIX 進入極端區域時才調整配置,能否在大幅降低交易成本的同時保持競爭力?

本實驗承接以下研究脈絡:

  •  K687/K697 :VT 是 drawdown insurance,不是 alpha generator
  •  K688 :VT 在 CRRA $\gamma \geq 5$ 下勝出,風險厭惡投資人受益更多
  •  K846 :50/50 SPY/GLD 三重護城河(分散、低波動、黃金對沖)

方法與數據

項目設定
資產SPY(美股)+ GLD(黃金 ETF)
期間2006-01-03 至 2026-04-02
樣本數5,094 個交易日
資料來源yfinance(實證數據)
信號延遲$\text{VIX}_{t-1}$(shift(1),無 lookahead bias)
交易成本10bps 單邊,每次 weight 變化時扣除

VIX Regime 定義

RegimeVIX 區間佔比SPY 年化波動率
平靜(Calm)< 1534.5%(1,757 天)8.9%
正常(Normal)15–2548.2%(2,456 天)15.5%
壓力(Stress)≥ 2517.3%(881 天)36.5%

五種策略

策略調倉規則設計邏輯
 BH 50/50 靜態 50/50基準組
 12/VIX(Daily) $w_{\text{SPY}} = \min(12/\text{VIX}_{t-1}, 1)$每日連續調整
 Regime-Only VT Calm=80%, Normal=50%, Stress=30%每日 regime 檢查
 Smooth Regime VT VIX<12=80%, 12-30=50%, ≥30=20%更平滑的邊界
 Monthly Regime VT 同 Regime-Only,但月頻調倉降低 turnover

核心發現

發現一:月頻 Regime VT 是淨 Sharpe 最佳策略

圖1:各策略淨 Sharpe Ratio 比較(含10bps交易成本) 圖1:Monthly Regime VT 以淨 Sharpe 0.878 排名第一,但與 BH 50/50(0.857)的差距極小。

在扣除交易成本後:

策略毛 Sharpe淨 Sharpe年化報酬MDD年化 Turnover調倉次數
BH 50/500.857 0.857 11.75%-32.49%0.0000
12/VIX(Daily)0.8620.72411.11%-32.03%8.0284,591
Regime-Only VT0.8950.79211.61%-28.76%5.992471
Smooth Regime VT0.7760.71410.29%-26.61%3.696249
Monthly Regime VT 0.896  0.878 11.77%-30.81%1.05980

Monthly Regime VT 每年僅調倉 80 次(相比 12/VIX 的 4,591 次),交易成本侵蝕幅度從 -0.137 Sharpe(12/VIX)壓縮到僅 -0.018 Sharpe。

發現二:交易成本是頻繁調倉策略的致命傷

圖2:毛 vs 淨 Sharpe Ratio——交易成本的侵蝕效果 圖2:12/VIX(Daily)毛 Sharpe 最高(0.862),但交易成本侵蝕後淨 Sharpe 僅剩 0.724,表現最差。

12/VIX(Daily)策略在毛 Sharpe 上略勝 BH 50/50(0.862 vs 0.857),但 4,591 次 weight change 產生了每年 8.03 的 turnover,10bps 成本讓淨 Sharpe 暴跌至 0.724——本實驗最差的策略。

這一發現解釋了為何實務中日頻調倉策略往往表現不如預期: 毛績效提升不夠大,難以覆蓋交易成本。 

發現三:Monthly Regime VT 在所有 CRRA 效用下勝出

對於有風險厭惡偏好的投資人(CRRA 效用函數),Monthly Regime VT 在全部三種 $\gamma$ 設定下均為最佳:

策略$\gamma = 3$$\gamma = 5$$\gamma = 7$
BH 50/500.09220.07320.0541
12/VIX(Daily)0.08860.07180.0549
Regime-Only VT0.09290.07590.0588
Monthly Regime VT 0.0939  0.0765  0.0590 

風險厭惡程度越高($\gamma$ 越大),Regime-based 策略相對 BH 的優勢越發明顯。這與 K688 的發現一致。

發現四:各子期間驗證,無一策略跨期穩定領先

圖3:各子期間 Sharpe Ratio 比較 圖3:不同市場環境下,各策略表現差異顯著。多頭期間(2013-2019)Regime-Only VT 大幅領先,但 COVID+ 時代優勢收斂。

策略GFC(2008-2012)多頭(2013-2019)COVID+(2020-2025)
BH 50/500.5390.724 1.261 
Regime-Only VT 0.608 1.1041.250
Monthly Regime VT0.5970.8581.217

值得注意的是:多頭市場(2013-2019)是 Regime-Only VT 表現最佳的時期(Sharpe 1.104 vs BH 0.724),主要因為 VIX 長期偏低,策略持續高配 SPY,恰好吃到了牛市紅利。但 COVID+ 時代,各策略 Sharpe 高度接近(1.22-1.26),差距縮小。


為什麼月頻策略「只微勝」,本質原因

Monthly Regime VT 的淨 Sharpe 僅比 BH 50/50 高 0.021(0.878 vs 0.857)。這個差距有多小?

以 19 年資料估算,Sharpe 的標準誤約為 0.23($\approx 1/\sqrt{T}$),0.021 的差距遠低於一個標準誤, 在統計上完全不顯著 。

這驗證了一個反覆被確認的研究結論:

 50/50 SPY/GLD 的抗打性來自結構,不是參數。  SPY 提供成長,GLD 提供危機對沖,兩者的天然低相關性(歷史約 -0.05 至 0.1)本身就是一種「免費的 regime filter」。

VT 策略(包含 regime-conditional 版本)真正有意義的貢獻是  MDD 控制 :

  • Regime-Only VT 的 MDD -28.76%,比 BH 的 -32.49% 改善了  3.73 個百分點 
  • 對無法承受深度回撤的投資人(退休帳戶、保守型),這才是關鍵差異

實務意義

 1. 對一般投資人 :維持 50/50 BH 策略是最簡單且幾乎等效的選擇。只有在你非常在意回撤(如接近退休、或心理上無法承受 -30% 的虧損)時,Monthly Regime VT 才提供有意義的改善。

 2. 對主動型投資人 :每日調倉(12/VIX Daily)在加入交易成本後是最差策略。「越主動越輸」的規律再次得到確認。

 3. 調倉頻率建議 :如果要做 regime-based 調整,月頻是甜蜜點,足夠捕捉重大 regime 變化,又不會被微小波動觸發的高 turnover 侵蝕獲利。

 4. 研究邊界 :本實驗的 Regime 閾值(VIX 15/25)來自歷史優化,可能對美股有 overfit 風險。未測試台股(0050.TW)或其他市場。


結論

K946 確認了以下研究命題:

  1.  月頻 Regime VT 是本實驗最佳策略 :淨 Sharpe 0.878,turnover 1.059(vs 12/VIX 的 8.028)
  2.  BH 50/50 依舊非常強 :差距 0.021 Sharpe 遠低於統計顯著門檻(SE≈0.23)
  3.  Regime 分析的真正價值在 MDD :Regime-Only VT 的 MDD -28.76%,比 BH 改善 3.73 個百分點
  4.  「不動勝頻繁動」 :月頻 80 次 vs 每日 4,591 次,前者淨 Sharpe 反而更高
  5.  CRRA 效用視角 :Monthly Regime VT 在 $\gamma$=3,5,7 全面勝出,對風險厭惡投資人有邊際優勢

此結果與 K687、K697、K846 形成一致的研究體系:VT 是 drawdown insurance,不是 alpha generator。投資人應根據自身的回撤容忍度(而非 Sharpe 最大化)來選擇策略。


實驗腳本:experiments/k946/k946.py,結果數據:experiments/k946/k946_results.json 數據來源:yfinance(SPY, GLD, ^VIX),期間:2006-01-03 至 2026-04-02,樣本:5,094 個交易日

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

📄
把 VIX 期限結構算成「波動風險溢酬」,能預測美股回檔嗎?4500 天回測,答案是不行
# 把 VIX 期限結構算成「波動風險溢酬」,能預測美股回檔嗎?4500 天回測,答案是不行 VIX 大家都熟。它是市場恐慌指數。 但市場其實還有兩個少人提的兄弟:VIX3M(3 個月版)和 VIX6M(6 個月版)。把這三個拉出來看「斜率」,理論上能告訴你交易員對未來幾週與未來半年的恐慌定價差多少。 更進一步,把 IV²(隱含波動率平方)減去同期間的實現波動率平方,就是學界很重視的 VRP...
📄
VIX 自己的波動率,能不能預測 VIX?
# VIX 自己的波動率,能不能預測 VIX? > 一個誠實的弱訊號:自製 vol-of-vol 在統計上贏 AR(1) baseline,但過不了多重檢定。 ## 我們在問什麼 VIX 是市場的「恐慌溫度計」,每天上下跳。一個自然的問題是:**VIX 自己的波動率(vol-of-vol),能不能預測明天 VIX 的水位或變動幅度?** 業界做這件事通常會用 VVIX,也就是「VIX 選擇...
📄
日頻波動率,HAR-RV 贏不了 GARCH:60 場跨資產對戰的紀錄
# 日頻波動率,HAR-RV 贏不了 GARCH:60 場跨資產對戰的紀錄 > 實驗 K188 | OOS 期間 2023-01-01 至 2024-12-31 | 5 資產 × 4 波動率代理 × 3 模型變體 --- HAR-RV 是過去二十年波動率預測文獻裡出現率最高的模型之一。它把波動率分解成日、週、月三個頻率的加總,捕捉長記憶結構,跑在五分鐘高頻數據上幾乎無敵。 那在日頻數據上呢...