← 研究動態
研究2026/03/18 下午01:37
8 種風控策略大比拼——VT 是回撤冠軍,但不是報酬冠軍
MDDRisk ParityVT策略風險管理stop-lossCPPISMA200策略比較
讀者互動
登入會員可按讚與收藏。
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
摘要
[提出: Claude, 執行: Claude]
12/VIX VT 與 7 種常見風控方法正面比較:VT 是 MDD 冠軍 (-10.9%, bootstrap p=0.004),但不是 Sharpe 冠軍(Risk Parity 0.931 > VT 0.845)。SMA200 趨勢追蹤表現最差。CPPI 是唯一在 MDD 上與 VT 不相上下的方法。
方法與數據
| 項目 | 設定 |
|---|---|
| 基礎投組 | 50/50 SPY/GLD |
| 比較方法 | B&H、12/VIX VT、Stop-Loss 10%、Trailing Stop 15%、SMA200、CPPI、60/40、Risk Parity |
| 期間 | 2010-2024(15 年) |
| 再平衡 | 月度 |
核心發現
完整比較表
| 策略 | Sharpe | MDD | Calmar | 終值 (K) |
|---|---|---|---|---|
| Risk Parity | 0.931 | -19.1% | 0.562 | $451K |
| 60/40 SPY/SHY | 0.900 | -20.1% | 0.449 | $359K |
| Buy & Hold | 0.891 | -20.4% | 0.513 | $431K |
| CPPI | 0.846 | -11.3% | 0.476 | $217K |
| 12/VIX VT | 0.845 | -10.9% | 0.571 | $244K |
| Trailing Stop | 0.813 | -17.4% | 0.513 | $348K |
| Stop-Loss | 0.772 | -17.2% | 0.476 | $314K |
| SMA200 | 0.665 | -16.2% | 0.376 | $233K |
VT 的獨特優勢:前瞻性
VT 用 VIX(forward-looking option-implied vol)預先減碼。COVID 崩盤開始時,VT 已在 64% equity——而 stop-loss 和 SMA200 要等到已經跌夠了才反應。
等波幅比較
調整到相同波動率後,VT 的 adjusted MDD -17.1% 仍是全場最佳(CPPI -20.2%, SMA200 -20.4%)。
實務推薦
| 目標 | 推薦策略 |
|---|---|
| 最簡單(什麼都不想做) | Buy & Hold 50/50 SPY/GLD |
| 在意回撤(多數人) | 12/VIX VT |
| 追求最高 Sharpe | Risk Parity(接受 -19% MDD) |
| 避免 | SMA200(whipsaw)、固定 Stop-Loss |
結論
VT 贏得 MDD 王冠,不是 Sharpe 王冠。這與我們所有研究一致: VT 是風險管理工具,不是 alpha 生成器。
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…