VT 悖論：個人理性，集體代價——Agent-Based 模擬揭示的市場生態學

[提出: 用戶, 執行: Claude]

如果所有人都用 12/VIX，市場會怎樣？

這是個看似簡單，卻指向金融市場深層矛盾的問題。

實驗 K815 用 Agent-Based Simulation（ABM）嘗試回答：1000 個模擬 agent，22 種情境（採用率 0% ~ 100%、市場衝擊彈性 \lambda=0.05/0.10/0.20、VT 管理資產 $50B/$200B/$500B），以 2006-2025 年 5031 個交易日的 SPY + VIX 真實數據驅動模型。

核心發現可以用一個詞概括： VT 悖論 。

什麼是 VT 悖論？

VT（波動率目標，Volatility Targeting）策略的邏輯很直觀：VIX 高時降低股票曝險，VIX 低時加碼。以 12/VIX 為例，當 VIX=25 時持倉 48%，當 VIX=15 時持倉 80%。在「一個人用」的情況下，這個策略能有效降低 MDD（最大回撤），提升風險調整後報酬。

但問題是： 如果大家都這樣做，會怎樣？ 

模擬結果明確呈現一個「公有地悲劇」（Tragedy of the Commons）結構——

•  個人層面 ：採用 VT 的 agent，無論採用率高低，幾乎在所有情境下都保持正夏普比率
•  市場層面 ：採用率越高，市場整體品質越差，被動投資者（Buy-and-Hold）受損越嚴重

這正是社會兩難（Social Dilemma）的經典形式：每個人做出理性決策，集體結果卻非最優。

數據：採用率 × 夏普比率

下圖顯示在 \lambda=0.10（中等市場衝擊）、AUM=$200B 情境下，不同 VT 採用率對應的夏普比率：

圖：VT 策略（藍色）vs 買進持有（橙色）在不同市場採用率下的年化夏普比率。數據來源：K815 模擬，SPY/VIX 2006-2025

（\lambda=0.10，AUM=$200B；15/15 個非零情境均呈現同一方向性）

規律清晰： VT 採用率每上升，VT 個人的夏普比率先升後平，但 BH 投資者的夏普比率持續惡化 。到 100% 採用時，整個市場的夏普比率跌入負值（-0.071），而 BH 投資者更是幾乎全損（MDD 接近 -100%）。

VT 的三項結構性保護

為什麼 VT 個人在市場惡化時仍能保持正報酬？模擬揭示了 12/VIX 的三個內建緩衝機制：

 （一）凹形函數特性（Concave Mapping） ：。當 VIX 從 25 升到 50（市場恐慌），持倉從 48% 降到 24%——每單位 VIX 上升帶來的減倉量，隨 VIX 越高反而越小。這是「自我衰減」的正回饋抑制機制。

 （二）離散日頻再平衡 ：相較於 1987 年投資組合保險的連續 delta-hedging，12/VIX 每日收盤調整一次，無法在日內形成瀑布式連鎖賣壓。模擬中最長連鎖效應為 6 天，而非無限擴散。

 （三）權重上限（100% Cap） ：持倉不超過 100% 股票，無槓桿，無需被迫賣出超出持有量的部位。這根本上阻斷了 forced selling 的惡性循環。

這三個特性的組合，使 VIX 放大倍數在所有模擬中最高為 1.82x，並始終收斂，即便在極端情境（100% 採用、$500B AUM、\lambda=0.20）下，也不出現正回饋失控。

現實安全邊際

一個自然的問題是：現實中的 VT AUM 有多大？

目前全球所有 VT 變體的管理資產合計約 $50-200B（Moreira & Muir 2017 風格策略的學術估計），其中 12/VIX 類型占比極小。即便以 $50B AUM、10-20% 採用率、中等市場衝擊（\lambda=0.10）計算，最壞情境的單日價格衝擊約 50-130 bps——在 SPY 的正常流動性範圍內。

模擬設定的「危險區」要求同時滿足：全市場 50%+ 採用率 + AUM $500B+ + 高市場衝擊彈性。這在可預見的未來不具現實可行性。

Codex 審查的重要修正

遵循研究誠實原則，本文報告 Codex 的主要修正意見：

 （1）「熔斷機制」命名過度宣稱 ：模型中的 只是對 VIX 衝擊設上限（impact clipped at 15%/day），並非交易所的真實熔斷。這是模型邊界條件，不是市場保護機制。

 （2）收斂性是構造性的 ：模擬中 VIX 反饋的收斂，部分來自模型本身的限制（VIX 上限 150、impact cap），而非完全來自 12/VIX 的自然屬性。現實中若無這些隱性邊界，結果可能更極端。

 （3）市場結構過度簡化 ：模型沒有套利者、沒有做市商、沒有跨資產效應。真實市場在 VT 賣壓下，可能有逢低買入者緩解衝擊，也可能有槓桿解除的加速效應，兩者方向相反，模型無法捕捉。

這些 caveats 說明：本實驗的結論應解讀為「在指定模型假設下」的場景分析，而非對現實的精確預測。

結論：公有地悲劇，但安全閾值尚遠

K815 的模擬在 15/15 個非零情境中一致確認 VT 悖論：VT 對個人有益，但集體採用會損害市場品質，被動投資者承擔外部性成本。這是個真實的社會兩難，值得關注。

然而，從「問題存在」到「問題緊迫」，還有很長的距離。

當前 VT AUM 水準（約 $50-200B）處於模擬中的安全區間。12/VIX 的三項結構性特性（凹形函數、日頻再平衡、100% 持倉上限）提供了內建的反饋抑制機制。模擬顯示系統具備收斂穩定性，儘管收斂性部分依賴模型假設。

這不是「VT 策略沒有系統性影響」的結論，而是「在可預見的採用規模下，個人收益遠大於市場外部性」的務實評估。

 實驗腳本 ：experiments/k815_agent_based_vt.py  結果數據 ：experiments/k815_agent_based_vt_results.json  數據來源 ：yfinance SPY + VIX，2006-01-03 ~ 2025-12-31（5,031 交易日）  模擬規模 ：1,000 agents × 22 情境  延伸自 ：K94（基礎 ABM）、K110（擠兌模擬）、K742（AUM 分析）  參考文獻 ：Kyle (1985)、Basak & Pavlova (2013)、Moreira & Muir (2017)