4、波动率管理：波动率的定义与计算
波动率这东西，说白了就是市场情绪的体温计。我做了这么多年量化，见过太多人盯着收益率看，却忽略了波动率这个隐形杀手。你想想看，一个策略年化30%，但最大回撤40%，你敢重仓吗？反正我不敢。
今天我们就来聊聊波动率管理。这是风险控制的核心，也是仓位管理的基石。
4.1 波动率的定义
波动率衡量的是资产价格变动的剧烈程度。数学上，它通常用收益率的标准差来表示。
公式很简单：
σ = √( (1/(n-1)) * Σ(rt - r̄)² )其中 rt 是每日收益率，r̄ 是平均收益率，n 是样本数。
嗯，这里要注意：我们通常用对数收益率，而不是简单收益率。为什么？因为对数收益率在时间上可加，而且更符合正态分布假设。我在项目中遇到过有人用简单收益率算波动率，结果回测时参数全偏了，后来排查了半天才发现是这个坑。
4.2 历史波动率
历史波动率，就是基于过去的数据算出来的波动率。它反映的是「已经发生」的事情。
计算步骤：
- 取过去N天的收盘价
- 计算每日对数收益率
- 计算这些收益率的标准差
- 年化处理（乘以√252）
代码实现：
import numpy as np
import pandas as pd
def historical_volatility(prices, window=20):
log_returns = np.log(prices / prices.shift(1))
hv = log_returns.rolling(window=window).std() * np.sqrt(252)
return hv我个人习惯用20个交易日（约一个月）作为窗口期。太短了噪音大，太长了反应迟钝。当然，如果你做高频交易，可能用5天甚至1天。这个没有标准答案，看你的策略周期。
4.3 隐含波动率
隐含波动率就更有意思了。它不是算出来的，而是从期权价格里反推出来的。说白了，就是市场「预期」的未来波动率。
为什么叫「隐含」？因为它隐含在期权价格里。你用Black-Scholes公式，把期权价格、行权价、到期时间、无风险利率都代入，反解出波动率，这就是隐含波动率。
隐含波动率和历史波动率的区别：
| 类型 | 数据来源 | 反映内容 | 特点 |
|---|---|---|---|
| 历史波动率 | 历史价格 | 过去已发生 | 滞后、客观 |
| 隐含波动率 | 期权价格 | 未来预期 | 前瞻、含情绪 |
我曾经在2018年2月那波美股暴跌中，亲眼看到隐含波动率在一天内飙升了3倍。当时VIX指数从15直接冲到50。如果你只看历史波动率，根本反应不过来。这就是隐含波动率的价值——它包含了市场的恐慌情绪。
4.4 波动率聚类现象
你有没有发现一个现象：市场平静的时候，波动率一直很低；一旦出现大波动，后面往往跟着更大的波动。这就是波动率聚类。
为什么会这样？
原因其实不难理解。市场参与者的行为有惯性。当市场出现剧烈波动时，投资者会变得谨慎，交易行为趋于一致，导致波动持续。反之，当市场平静时，大家放松警惕，波动率就维持在低位。
这个现象对量化交易意味着什么？
- 波动率不是随机的，它有自相关性
- 高波动率时期往往伴随着更大的风险
- 简单的正态分布假设会低估极端风险
我记得有一次做CTA策略回测，发现策略在低波动率时期表现很好，但一到高波动率时期就连续亏损。后来我加入了波动率聚类检测，在高波动率时期降低仓位，才把夏普比率从0.8提升到了1.5。
4.5 基于波动率的仓位调整（Volatility Targeting）
好了，前面讲了这么多理论，现在来点实战的。Volatility Targeting，说白了就是「让仓位跟着波动率走」。
核心思想：保持投资组合的风险敞口恒定，而不是仓位恒定。
公式：
目标仓位 = 目标波动率 / 当前波动率举个例子：
- 你设定的目标波动率是20%
- 当前市场波动率是10%
- 那么你的仓位应该是 20%/10% = 2倍杠杆
- 如果波动率上升到40%，仓位降到 20%/40% = 0.5倍
代码实现：
def volatility_targeting(prices, target_vol=0.20, window=20):
hv = historical_volatility(prices, window)
weight = target_vol / hv
weight = np.clip(weight, 0, 2) # 限制杠杆范围
return weight我个人习惯把杠杆限制在0到2倍之间。为什么？因为超过2倍杠杆，一旦遇到极端行情，爆仓风险太大。低于0？那就是做空了，这个要看你的策略是否允许。
Volatility Targeting的好处很明显：
- 风险可控：无论市场怎么变，你的风险敞口基本恒定
- 收益平滑：避免了在低波动率时期仓位过轻，高波动率时期仓位过重
- 心理舒适：你不会在市场暴跌时满仓扛单，也不会在牛市时踏空
当然，它也有缺点。比如在波动率突然飙升时，你可能需要大幅减仓，这会错过反弹。但话说回来，活着比什么都重要，对吧？
好了，这一章的内容就到这里。波动率管理是量化风控的核心，建议你在自己的策略里至少实现一个波动率调整模块。哪怕只是简单的Volatility Targeting，也能让你的策略稳健不少。
公众号:蓝海资料掘金营，微信deep3321