Volatility Targeting (波动率目标 / 波动率缩放)
大白话：信号说「买这个标的」，但买多少？答案是按波动率反比缩放—— 波动大的标的买得少，波动小的买得多。这样每个标的对组合的风险贡献才大致相等。 它是套在 alpha 信号外面的仓位层。
定义
给定信号驱动的权重 f(s_t)（可能是 Nonlinear Signal Mapping 的输出）， 合约 i 在时点 t 的名义持仓为：
\text{pos}_{i,t} = f(s_{i,t}) \cdot \frac{\sigma_{target}}{\hat\sigma_{i,t}}
其中：
- \sigma_{target} 是该策略的年化波动率目标（如 Moskowitz 等 2025 取 12%）。
- \hat\sigma_{i,t} 是合约 i 年化波动率的事前预测（常用滚动 60 日或 252 日估计，或 GARCH(1,1) 条件方差）。
这产生一个风险平衡的账本：其他条件相同时，每个合约贡献的风险相等，与它自身的波动率无关。
为什么重要
- 没有波动率缩放时，高波动的商品（比如天然气）和低波动的债券期货， 即使信号强度相同，风险贡献也会天差地别。
- 波动率目标是每个 CTA / 管理期货账本的标准内环。它在概念上与外环（信号生成） 以及组合层（如何把单个合约权重汇成整个账本）相互独立。
- 在 Moskowitz 等 (2025) 的评估比率分解中，仅靠波动率缩放就把 12 个月 TSMOM 的夏普 从可比的横截面动量 SR 0.48 提到约 0.55——大约是 TSMOM 相对 XSMOM 总增益的一半； 其余来自收益预测部分。
实现变体
1. 常数波动率缩放（Barroso & Santa-Clara, 2015）
\text{pos}_{i,t} = f(s_{i,t}) \cdot \frac{c}{\hat\sigma_{i,t}}
其中 c 是常数，取值使平均组合波动率等于目标值。这是 CTA 的标准配方。 它优于方差缩放（后者除以 \hat\sigma_{i,t}^2，倾向于过度配置给低波动资产）。
2. 动态 GARCH 缩放（Daniel & Moskowitz, 2016）
用于横截面动量择时：
\text{pos}_{i,t} = f(s_{i,t}) \cdot \frac{\hat\mu_{i,t}}{\hat\sigma_{i,t}^2}
其中 \hat\mu_{i,t} 是回归预测的条件均值，\hat\sigma_{i,t} 由 GARCH 预测。 DM 的「动量崩盘」修正本质上是一种防御性变体，在熊市状态下降低权重。
3. 等风险贡献（ERC）
更精细的变体：选择权重使每个头寸对组合方差的贡献相等。 通过约束优化求解（如 Spinu, 2013）。更接近真正的风险平价，但与信号结合更困难。
常见错误
- 波动率估计滞后：\hat\sigma_{i,t} 用的是过去数据；波动率状态切换时，仓位跟不上现实。
- 相关性失效：只盯边际波动率，忽略横截面相关性；危机中波动率目标会低估组合风险。
- 杠杆放大：当许多合约同时处于低波动状态时（如 2017 年后的债券波动率），仓位膨胀、杠杆爆掉。 很多 CTA 因此加了杠杆上限。
- 换手：每次信号更新都重新缩放会造成反复调仓；实践中目标波动率每日更新，但信号本身可能变化更慢。
与风险平价的关系
单合约层面的波动率目标是 Risk Parity 组合的构件。 风险平价把同样的思路推广到组合层面，还要考虑横截面相关性。 波动率目标 = 对角风险平价；完整风险平价 = 全协方差风险平价。
相关页面
- Time-Series Momentum — 主要应用。
- Nonlinear Signal Mapping — 内层。
- Risk Parity — 组合层面的推广。
- Volatility-Managed Portfolio (波动率管理组合) — 总敞口版本的对应物：按 1/\hat\sigma^2 缩放并校准到相等的无条件方差，再用 spanning alpha 来评判。
- CTA Strategy — 现实中的标准环境。
- Stationary Bootstrap — 检验不同缩放方案间夏普差异。
参考文献
- Moskowitz, T.J., Sabbatucci, R., Tamoni, A., & Uhl, B. (2025). "Nonlinear Time Series Momentum." Working paper, §3.4.
- Barroso, P. & Santa-Clara, P. (2015). "Momentum and Its Moments." Journal of Financial Economics, 116, 111–120.
- Daniel, K. & Moskowitz, T.J. (2016). "Momentum Crashes." Journal of Financial Economics, 122.
- Spinu, F. (2013). "An Algorithm for Computing Risk Parity Weights." SSRN.