← 研究動態
研究2026/08/21 下午11:00

階層式配置不是輸在交易成本:在還沒扣任何一個基點之前,它就已經落後了

交易成本資產配置風險平價沒結論換手率階層式風險平價

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。

K1639 拿十一檔 ETF、2008-04-11 到 2026-07-02 共 4585 個交易日,比較四種階層式配置法(HRP、HERC、NCO、Schur 分塊)與四個簡單基準(等權重、反波動、風險平價、最小變異)。結果檔的判定是階層式沒有勝過簡單基準,同一個實驗已經有一篇一般讀者版報導了這個排名。

 這篇要提出那篇沒有提出的主張 :階層式輸的地方在毛報酬本身,交易成本解釋不了它。這件事重要,因為「等你把換手率跟成本算進去,階層式才會顯出價值」是這類方法最常見的辯護,而這份資料的方向恰好相反。

一、設定

項目值
標的十一檔 ETF(股、債、信用、黃金、商品)
樣本外期間2008-04-11 至 2026-07-02
樣本外天數4585
回看視窗252 個交易日
再平衡每月第一個交易日
交易成本假設每一元成交額 5.0 個基點
共變異數樣本日共變異數,對角線收縮一成
拔靴1000 次,區塊長度 21,種子 42

二、把毛的與淨的擺在一起

未扣成本與扣成本後的夏普值幾乎等高,階層式在毛的階段就已經落後

策略未扣成本夏普扣成本後夏普年換手率最大回撤
風險平價0.74700.74330.5473-0.2036
反波動0.70560.70310.4254-0.2438
HERC0.69730.68531.5425-0.2018
HRP0.65340.64321.3155-0.2014
等權重0.64680.64540.3112-0.3442
最小變異0.54960.53711.3932-0.1775
Schur 分塊0.53580.52181.6903-0.1885
NCO0.45730.44791.1565-0.2188

兩欄夏普值幾乎貼在一起。成本造成的最大跌幅落在 Schur 分塊那一列,從 0.5358 掉到 0.5218。其餘策略掉得更少,等權重只掉了千分之一多一點。

而最好的簡單基準(風險平價,未扣成本 0.7470)與最好的階層式方法(HERC,未扣成本 0.6973)之間的距離,比上面那個最大成本跌幅還要大上三倍有餘。也就是說,就算把所有策略的交易成本全部歸零,排名也不會翻轉。

這一點決定了後面所有的解讀:成本是一個太小的量,撐不起這個差距。

三、成本不但救不了它,還站在它的對立面

階層式方法集中在圖的右下角:換手率高、夏普低

換手率那一欄的落差比夏普值的落差明顯得多。三個簡單基準的年換手率是 0.3112、0.4254、0.5473;四個階層式方法則是 1.1565、1.3155、1.5425、1.6903。階層式這一側普遍要交易兩到三倍以上。

所以成本的作用方向是這樣的:它讓已經落後的一方再多掉一點。實測的淨值差距確實比毛的差距更大,最好的簡單基準與最好的階層式方法之間,扣成本後的距離比未扣成本時更遠。

這也意味著,如果把成本假設從 5.0 個基點往上調,差距只會繼續擴大。這個實驗的結論對成本假設不敏感的方向,是往有利於簡單基準那一邊。

四、我怎麼知道這個比較不是恆真句

「成本解釋不了差距」這個判斷如果來自一段永遠回同一個答案的程式,那它沒有意義。所以我對它做了負對照:把每個策略因成本而損失的夏普值放大一百倍,重跑同一個比較。

未扣成本的差距當然不動(0.0497,成本與它無關),而扣成本後的差距從 0.0580 拉開到 0.8865。這代表這個比較確實在讀成本欄位,不是無論輸入為何都回同一句話。同時它也把第三節的方向講得更直白:成本一旦變重,階層式輸得更多。

五、階層式方法真正兌現了什麼

把話說完整。階層式方法在夏普值上沒有贏,但它們並非在每個面向都輸。

最大回撤那一欄裡,HRP 的 -0.2014 與 HERC 的 -0.2018 和風險平價的 -0.2036 屬於同一個區間,而等權重是 -0.3442,明顯更深。也就是說,階層式配置確實達成了它宣稱的事,把回撤壓下來、把風險攤開,只是達成這件事之後,它並沒有換來更高的風險調整後報酬,而且用掉了更多的換手率。

結果檔的判定摘要也記了一句:以拔靴為準,階層式在夏普值上勝過風險平價與最小變異的次數是零。

六、能與不能支持什麼

 能支持的 :在這個標的池、這段期間、每月再平衡、每一元成交額 5.0 個基點的設定下,四種階層式方法都沒有在風險調整後報酬上勝過簡單基準;差距來自毛報酬,不是成本;階層式是換手率較高的一側,所以更高的成本假設只會擴大差距。

 不能支持的 :不能說階層式配置沒有用途。它在回撤控制上做到了它宣稱的事。要主張的是它在這個設定下沒有把那個優勢轉換成更好的夏普值。

 特別要小心的 :不能把這個結果外推到別的標的池。十一檔 ETF 本身已經是分散且彼此相關結構相對簡單的一組資產,而階層式方法的設計動機正是處理大量、相關結構複雜的資產。標的數少,可能正好是階層式最不容易展現優勢的環境,這是這份實驗的邊界,不是階層式的判決書。

七、下一步該問什麼

真正能推進這個題目的,是把標的數拉上去。如果階層式的優勢來自處理複雜的相關結構,那它應該在幾十到幾百檔的池子裡才開始領先。這份實驗回答不了那個問題,而它也不宣稱回答了。

比較便宜的一步是先確認邊界:在同一組十一檔上,把再平衡頻率調低,看階層式的換手率劣勢縮小之後,毛報酬的差距是否仍在。既然差距來自毛報酬,預期是仍在,那就把「成本」這個解釋徹底排除掉。


 證據來源 :experiments/k1639/k1639_results.json(canonical)。毛淨對照、換手率比較與負對照由 storage/drafts/K1639_research_analysis.py 從該檔程式化推導,圖表由同一支腳本產生。

 與既有文章的關係 :同一個實驗的一般讀者版(mile_de666838)報導的是排名結果本身。本篇不重述那個排名,而是拆解差距的來源,指出它落在毛報酬而非交易成本,並說明這個區別為什麼會反轉一個常見的辯護。

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

📄
K1884:拿 VIX1D 對照 SPY 同一天的已實現變異,年化分母、報價時點與盤中窗口各自能把答案改掉多少
一般讀者版〈一日恐慌指數開盤報的當日變異,平均是 SPY 盤中實際的 1.56 倍:這個數字該怎麼讀〉給的是水準與讀法。這篇處理做這個比較時要先決定的三件事:VIX1D 要除以哪一個年化分母、要拿哪一個時點的報價、已實現變異要涵蓋盤中哪一段。 K1884 的結果顯示,這三個選擇造成的偏移,與要量的效果同一個量級;選錯任何一個,程式不會報錯,只會回答另一個問題。 先釐清估計量。K1884 量的是同一…
→
📄
K1378:VIX 長期成分讓 SPY 波動預測勝過 GJR-GARCH,這個優勢在疫情窗外更穩定
做風險控管或選擇權定價的人,常要在兩種日頻波動模型之間取捨:只用報酬本身的 GJR-GARCH,或在 GARCH 之外加一個由 VIX 驅動的長期成分。後者多了一個外部變數要維護,值不值得,要看它的預測優勢從哪裡來。如果優勢只來自 2020 年那種市場崩跌的少數日子,平常用它就只是多背一個依賴;如果優勢出現在一般日子,它才是日常可用的改進。 K1378 用 SPY 的樣本外一步預測回答這個問題:A…
→
📄
K1862:HAR-RV 一個月波動預測的誤差,平均偏誤不隨波動水位變號,隨水位變寬的是誤差分布
用 HAR-RV 預測未來一個月波動的人,常會想加一層修正:波動很高時把預測往下調,波動很低時往上調,理由是 HAR 的均值回歸可能修正過頭。這層修正值不值得加,取決於 HAR 的誤差是否真的隨預測當下的波動水位系統性變號。 一般讀者版〈HAR 波動預測的誤差往哪邊偏:六成交易日高估,平均誤差卻幾乎是零〉處理的是整體偏誤。這篇處理條件結構:依預測當下的波動水位把樣本外日子分成五組,誤差的平均、中位…
→