← 研究動態
研究2026/10/31 上午11:00

K1909:波動目標策略在台灣複委託成本下,換手帶與月頻調整的淨 Sharpe 是否高於逐日調整?主檢定、風險閘與成本口徑

交易成本調倉頻率波動目標Sharpe 差檢定

讀者互動

登入會員可按讚與收藏。

分享到:LINEFacebookX / Twitter

持續追蹤這項研究

收藏、追蹤與明日提醒只保存必要識別資料,可在會員中心檢視或刪除。

研究資訊不構成個人投資建議;提醒僅代表研究更新,不代表交易訊號。

訂閱研究摘要

研究摘要與新文章,不轉售、不寄廣告,隨時可退訂。

線上的波動目標策略逐日調整目標權重。透過台灣複委託買賣美股 ETF 時,SPY 買進費率 0.2525%、賣出 0.25459%,逐日調整本身是固定支出:slow_vt、vcl、at 逐日調整的年化成本拖累分別是 3.64%、4.19%、5.65%。要不要加換手帶、要不要降頻,取決於省下的成本是否大於延後調整的代價。

K1909 用預註冊的設計回答這個問題:同樣的目標權重改用 edge_10 或 monthly 執行時,淨 Sharpe 是否高於 daily,風險控制是否守在事先寫定的門檻內。比較對象是同一策略的 daily,不是買進持有,也不比較策略之間。

結果摘要

  •  主檢定 :各組策略 × 變體的淨 Sharpe 差都為正,介於 +0.231 與 +0.567;HAC t 介於 5.22 與 8.44。Ledoit–Wolf bootstrap 的單尾 p 都落在最小可能值 1/5,001(≈ 0.0002),Holm 調整後都是 0.0012,判定都是 CONFIRMED。
  •  預註冊判定 :vcl × monthly 與 at × monthly 是上架候選;vcl × edge_10 與 at × edge_10 是以風險換成本,COVID 窗的曝險匹配 MDD 差 +0.039、+0.042 超過門檻 0.03;slow_vt 的 edge_10 與 monthly 在 S-cost 下差為負(-0.009、-0.045),不是候選。
  •  毛報酬 :扣成本前,各組的 Sharpe 差介於 -0.077 與 +0.097,HAC t 介於 -1.65 與 1.83,在雙尾 5% 下都不拒絕零差。淨差可量到的部分主要對應換手與成本拖累的下降;不拒絕零差不等於沒有擇時貢獻。
  •  候選只相對同一策略的 daily 成立 :本實驗不含買進持有;at × monthly 的淨 Sharpe 0.446 低於 vcl × monthly 的 0.640,這不表示哪個策略較好。monthly 若要上架,仍須通過上架標準的同期間比較。

圖 1:主檢定的淨 Sharpe 差與 S-cost、毛報酬下的同一差值

圖 1 把主檢定的淨差和另外的成本口徑(S-cost、毛報酬)放在一起:平台成本下的點都在零差線右側,S-cost 與毛報酬的點都比淨差更靠近零差線。

設計

 資料與樣本。  Yahoo Finance 的 SPY、GLD 調整後收盤價,以及 VIX 與 IRX 的收盤值;IRX 換算成日無風險利率。主樣本 2004-11-22 至 2026-09-25,共 5,495 個交易日,各策略與各變體都用同一樣本期間。

 策略的目標權重 (比照線上公式):slow_vt 只持有 SPY,以 GJR-GARCH 與 GARCH 預測次日波動,VIX 對 GJR 年化波動的比值超過 1.3 時改用 VIX,權重為年化波動目標 12% 除以預測波動,上限 2.0;vcl 的 SPY 與 GLD 同權重,權重與 VIX 成反比,VIX < 15 時乘上槓桿係數 1.5;at 在 VIX ≤ 20 時與 vcl 相同,VIX > 20 時目標權重為 0,也就是空手。

 時點。  主規格採嚴格時點:t 日收盤決定持有權重 h_t,VIX 只用前日收盤值,h_t 賺隔日的報酬。次要規格(平台慣例)改用當日 VIX,只報告。沒有交易的日子,持有權重隨報酬漂移,不重設回目標。

 變體。  daily 是逐日調整,把權重調回目標。band_b 各腿分別判定,偏離目標超過 b 的腿調回目標;edge_b 偏離超過 b 的腿只調到帶邊(目標 ± b),其餘腿隨報酬漂移;b 取 0.05、0.10、0.20。weekly 在每週第一個交易日、monthly 在每月第一個交易日把 SPY 與 GLD 都調回目標。主檢定事前指定 edge_10 與 monthly,其餘變體只報告。

 成本。  各腿的交易量是調整前後權重差的絕對值,依買賣方向計費、計在次日:SPY 買 0.2525%、賣 0.25459%,GLD 買 0.2575%、賣 0.25961%(台灣複委託費率,下稱平台成本)。另報 S-cost(買賣各 0.025%)與毛報酬。不計建倉成本。

 檢定。  假說是變體淨 Sharpe 減 daily 淨 Sharpe 的差 > 0(單尾)。檢定用 Ledoit 與 Wolf 的 studentized circular block bootstrap(區塊 10、5,000 次、seed 42),主檢定的各組共同構成 Holm 族群,α = 0.05;另報 HAC(Bartlett,lag 10)的 delta-method t。判定:Holm 拒絕且 t > 3 為 CONFIRMED,Holm 拒絕且 t ≤ 3 為 SUPPORTIVE,未拒絕為 NULL,t < -3 為 REVERSED。

 風險閘與判定規則(事前寫定)。  變體的超額報酬以常數縮放到 daily 的全樣本實現波動,下列條件都成立才算保住風險控制:全樣本曝險匹配 MDD 差 ≤ 0.02;GFC(2007-10-09 至 2009-03-09)、COVID(2020-02-19 至 2020-03-23)、2022 空頭(2022-01-03 至 2022-10-12)各危機窗的差 ≤ 0.03;全樣本年化波動比介於 0.9 與 1.1。上架候選要同時是 CONFIRMED、通過風險閘、S-cost 下差 > 0,且 P1、P2、P3 子期間中至少 2 段差 > 0;Holm 拒絕但風險閘未過稱為以風險換成本。風險閘是非劣性門檻,不是檢定。

主檢定

策略 × 變體daily 淨 Sharpe變體淨 Sharpe差HAC t單尾 pHolm 調整 p判定
slow_vt × edge_100.3220.552+0.2318.190.00020.0012CONFIRMED
slow_vt × monthly0.3220.571+0.2495.220.00020.0012CONFIRMED
vcl × edge_100.3090.623+0.3148.190.00020.0012CONFIRMED
vcl × monthly0.3090.640+0.3315.530.00020.0012CONFIRMED
at × edge_10-0.1210.362+0.4838.440.00020.0012CONFIRMED
at × monthly-0.1210.446+0.5675.810.00020.0012CONFIRMED

bootstrap 有 5,000 次重抽,單尾 p 的最小可能值是 1/5,001;各組都落在這個下限,代表重抽的統計量都沒有超過實測值。Holm 調整後的 0.0012 是這個下限乘上族群大小,所以 p 值不再區分各組的強弱,強弱要看 HAC t。

表中 daily、變體的 Sharpe 欄與差欄用不同的變異數分母(差欄用 delta 公式),Sharpe 欄相減的結果與差欄在小數末位可能不同。

風險閘

風險閘的數值如下(MDD 差為變體減 daily,正值表示變體較深):

策略 × 變體全樣本 MDD 差GFCCOVID2022波動比風險閘
slow_vt × edge_10-0.033-0.023+0.020-0.0121.015通過
slow_vt × monthly-0.032-0.022+0.007-0.0101.094通過
vcl × edge_10-0.134+0.020+0.039-0.0111.006未過
vcl × monthly-0.149-0.014+0.008-0.0091.023通過
at × edge_10-0.311+0.032+0.042+0.0040.966未過
at × monthly-0.393-0.016+0.019-0.0181.027通過

圖 2:危機窗的曝險匹配 MDD 差

vcl × edge_10 與 at × edge_10 的 COVID 窗差 +0.039、+0.042 超過 0.03,at × edge_10 的 GFC 窗差 +0.032 也超過;其餘組別各窗都在門檻內,波動比都在 0.9 與 1.1 之間。全樣本 MDD 差都是負值,但 daily 的淨超額報酬扣掉年化 3.64% 至 5.65% 的成本拖累,這個負漂移使全樣本 MDD 差偏負,不代表變體擇時較好。

預註冊判定

預註冊規則套到各組的結果:

策略 × 變體CONFIRMED風險閘S-cost 差(t)子期間差 > 0 的段數判定
slow_vt × edge_10是通過-0.009(-0.32)3非候選
slow_vt × monthly是通過-0.045(-0.96)3非候選
vcl × edge_10是未過+0.022(0.60)3以風險換成本
vcl × monthly是通過+0.012(0.20)3上架候選
at × edge_10是未過+0.134(2.54)3以風險換成本
at × monthly是通過+0.091(1.01)3上架候選

slow_vt 的 edge_10 與 monthly 通過風險閘與子期間條件,但 S-cost 下差為 -0.009 與 -0.045,增益只在平台成本下存在。S-cost 下,at × edge_10 的差 +0.134(HAC t 2.54),其餘各組的 HAC t 介於 -0.96 與 1.01。

增益從哪裡來

扣成本前後的差,與換手、成本拖累、曝險放在下表:

策略 × 變體毛 Sharpe 差(t)年化換手(各腿平均)年化成本拖累平均總曝險空手天數占比
slow_vt × daily—14.353.64%0.7530.000
slow_vt × edge_10-0.035(-1.31)4.081.03%0.7460.000
slow_vt × monthly-0.077(-1.65)1.810.46%0.7480.000
vcl × daily—8.184.19%0.8920.000
vcl × edge_10-0.010(-0.27)1.870.96%0.8700.000
vcl × monthly-0.023(-0.40)1.280.66%0.8690.000
at × daily—11.045.65%0.7440.322
at × edge_10+0.097(1.83)3.972.03%0.7530.000
at × monthly+0.039(0.44)1.620.83%0.7270.313

毛差都不拒絕零差,淨差可量到的部分主要對應換手與成本拖累的下降:以 vcl 為例,monthly 把各腿年化換手從 8.18 降到 1.28,年化成本拖累從 4.19% 降到 0.66%。HAC t 高達 5.22 至 8.44,推論原因是變體與 daily 的持有路徑相近;本實驗沒有另報變體與 daily 報酬的相關係數,這是推論。高 t 不是擇時能力的證據。

at 的 edge_10 與 monthly 改變了空手規則本身,增益不能只歸因於少交易。daily 在 VIX > 20 時目標權重為 0,空手的天數占比 0.322;edge_10 在目標降到 0 時只調到 0.10,空手的占比變為 0.000;monthly 保留空手,但只在月初判定(占比 0.313)。at × edge_10 的毛差 +0.097(HAC t 1.83)不含成本,只可能來自持有路徑的差異,包含不完全空手;它在雙尾 5% 下不拒絕零差,但這不能反向推論沒有擇時效果。

次要結果

以下比較只報告,不改判定,也沒有做多重比較校正。P1 為樣本起點至 2009-12-31,P2 為 2010-01-01 至 2019-12-31,P3 為 2020-01-01 至樣本終點;平台時點改用當日 VIX;長樣本中 slow_vt 自 2001-01-02 起,vcl 與 at 只用 SPY 腿、自 1993-02-02 起。

策略 × 變體P1 差(t)P2 差(t)P3 差(t)平台時點差(t)長樣本差(t)
slow_vt × edge_10+0.159(2.56)+0.302(8.49)+0.197(3.66)+0.209(7.49)+0.221(8.77)
slow_vt × monthly+0.160(2.40)+0.317(3.67)+0.213(2.71)+0.241(5.02)+0.255(6.09)
vcl × edge_10+0.148(2.11)+0.411(8.12)+0.328(3.79)+0.315(7.58)+0.252(7.80)
vcl × monthly+0.104(1.15)+0.513(5.48)+0.275(2.22)+0.331(4.94)+0.249(5.96)
at × edge_10+0.223(2.19)+0.556(7.56)+0.651(4.72)+0.477(8.05)+0.436(7.60)
at × monthly+0.145(1.09)+0.804(5.39)+0.616(2.78)+0.532(5.13)+0.509(6.05)

各組在 P1、P2、P3、平台時點與長樣本下的差都為正;vcl × monthly 與 at × monthly 的 P1 差 t 為 1.15、1.09。非主變體中,vcl 與 at 淨 Sharpe 最高的是 edge_20(0.723、0.593);此處的最高者是依結果挑出,edge_20 不是預註冊的主變體,只報告,不能當作選定的帶寬。

帳本保真度

以平台時點重算的目標權重對照線上帳本(2023-01-04 至 2026-09-25,935 列):vcl 與 at 的 SPY、GLD 權重都相同的列占 99.8% 與 99.9%,門檻 95%;slow_vt 只比對小數 2 位的 137 列,|Δw| 中位數 0.0,96.4% 的列在 0.05 之內,門檻是中位數不超過 0.02、至少 80% 的列在 0.05 之內。slow_vt、vcl、at 都通過,所以本文稱目標權重為線上公式,而非類線上規格。

與文獻的位置

edge 規則(偏離超過帶寬時只調到帶邊)引自 Leland(2000);Sharpe 差的檢定是 Ledoit 與 Wolf(2008)的 studentized circular block bootstrap。

限制

  •  風險閘只用全樣本波動縮放 ,沒有相位 null;它是非劣性門檻,不能當作擇時能力的證據。
  •  成本表是 2026-09-25 的台灣複委託費率 ,套用到 2004 年起的整段歷史;低成本口徑下的結果見上表的 S-cost 欄。
  •  漂移計算忽略成本對權重的影響 ;總曝險超過自有資金時以無風險利率借入,不加利差。
  •  monthly 在月中不反應 VIX 的變化 :at × monthly 在 COVID 窗的曝險匹配 MDD 差 +0.019,在門檻內,但方向是較深。
  •  不含買進持有,也不做危機窗的循環平移檢定 :換手帶與降頻的交易依賴實際的漂移路徑,平移後的權重路徑不是可行策略,null 沒有明確定義;這些都在預註冊提交前決定。
  •  daily 基準會把前日累積的漂移調回目標 ,換手因此包含漂移部分;線上帳本只記目標權重的變化,口徑不同。

資料與方法

  • 資料:Yahoo Finance 的 SPY、GLD、VIX、IRX,2004-11-22 至 2026-09-25;實驗編號 K1909。
  • 設計:預註冊在下載資料前提交;主檢定為 Ledoit–Wolf bootstrap 加 Holm 校正,風險閘為事前寫定的非劣性門檻;比較對象是同一策略的 daily。

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

📄
天然氣月度波動的季節項放進自我迴歸之後:冬季係數隨價格序列與落後期變號,夏季在四個設定下都為負
為天然氣部位估月度波動的人,常在前一個月的實現波動之外再放一組季節虛擬變數。理由來自基本面:冬季的取暖需求與庫存消耗讓天然氣價格在冬天起伏較大(Mu 2007)。本文用同一組資料回答建模時的兩個問題:月份差異在無條件下是否存在;放進前一個月的波動之後,季節項還剩多少,係數又該怎麼讀。 先寫結論。 第一,無條件的月份差異在兩條序列都存在。天然氣連續近月期貨與 UNG 都在 1 月最高,冬季平均分別是…
→
📄
K2006:每月依殖利率曲線預測調整公債存續期間,平均報酬、回撤與下行尾部能與槓鈴、階梯分開嗎?
這組資料分不開。四項預先設定的檢定在 Holm 逐步校正(家族大小為四、水準 5%)後全部沒有拒絕。證據最接近門檻的是下行尾部,方向卻不利於動態規則:一年視窗最差 5% 的平均終值比,動態規則(Dyn)為 0.9203,槓鈴(B)為 0.9378,差 -0.0175,未調整 p 值 0.04998,Holm 調整後 0.1999。這組資料沒有給出「依曲線預測切換存續期間能降低尾部風險」的證據,也不…
→
📄
過去一年的價格路徑含兩種資訊:高低價口徑下,趨勢項的解釋比例在後段持平,波動項由 0.378 降到 0.175(SPY)、由 0.526 降到 0.147(QQQ)
做指數 ETF 部位大小或風險預算的人,預測波動時通常先用前一天、前一週、前一個月的波動,接著會問一個延伸問題:過去一年價格怎麼走,值不值得多放進預測式。同一份實驗的整體結果,本平台已發過一般讀者版:把過去一年的路徑當成一個整體,在樣本內解釋了 SPY 與 QQQ 約一半的每日波動。這一篇拆開問另一件事:路徑裡的兩個特徵,樣本往後移以後,各自還剩多少。 先寫結論。路徑特徵有兩個,趨勢項記錄過去一年…
→
K1909:波動目標策略在台灣複委託成本下,換手帶與月頻調整的淨 Sharpe 是否高於逐日調整?主檢定、風險閘與成本口徑 | VolPred