VIX与趋势跟踪再验证：近九年样本外证据

2017年9月，Alpha Architect发布了相关内容VIX和趋势跟踪，杀手级组合？，一项关于波动率信息是否能改善传统趋势跟踪配置模型的实证考察。

核心思想直观：市场波动性可能包含投资者应多快测量动量的有用信息。较短的动量窗口在波动性上升时反应更为有效，而较长的窗口可能在市场平静时提供更稳定的信号。

然而，最初的分析必然基于当时可用的历史回测证据。自其出版以来，已经过去近九年。这为重新审视原始假说创造了一个有用的机会，而这段时间在最初文章写作时完全没有。

本案例研究评估了2017年8月至2026年6月的该策略。测试期包括新冠波动冲击、2022年通胀和利率冲击、几次快速股市反转以及一系列较为平静的市场环境。

更重要的是，这一时期实际上是原始研究思想的非样本延伸。

目的不是完全复现原始的指数回测。相反，分析采用基于SPY、VXF、EFA、AGG和BIL的透明ETF代理实现，波动率体系源自^VIX指数。实际问题很简单：原始研究发表后，依赖VIX的动量回溯是否继续增加价值？

研究问题

传统的动量策略通常采用固定的回溯周期。投资组合根据资产的滚动回报进行排名，并将资本分配给表现最强的股票。无论市场波动性低、高或极端，都适用相同的衡量窗口。

（关于简单趋势规则历来帮助管理尾部风险的背景，请参见通过趋势跟踪投资策略避免大幅回撤.)

这里测试的替代模型根据当前VIX区间调整动量窗口。

当波动率较低时，模型使用较慢的动量信号。当波动率升高时，模型缩短回溯期。在最极端的波动期，它反应更快。

直觉是，市场状况可能会影响趋势跟踪信号的适当速度。慢信号有助于在稳定期过滤噪声，而较快信号在市场领导地位骤变时可能适应得更快。

评估四个作品集。

VIX Top 1 通过依赖 VIX 的动量窗口选择排名最高的单一资产。VIX Top 2采用相同的制度敏感逻辑，但对两项最强资产均等分配。

基准投资组合，即1000万顶级1和1000万顶级2，采用固定的十个月动量窗口，选择一至两项资产。

信号在每个月末计算，用于确定下一个日历月的投资组合。这种信号-回波分离防止策略使用分配时不可得的信息。

VIX体制信号的建设

每个信号月分为绿色、黄色或红色。该制度决定了下个月ETF整体排名时采用的动量回溯方式。

绿色代表波动最低的环境，使用最慢的动量窗口。黄色表示波动率较高的环境，使用更快的动量信号。红色代表波动率最高的环境，使用最快的回溯。

大部分样本外期属于绿色和黄色区域。

绿色在108个机密信号月中占57个月，占样本的52.78%。黄色地区占48个月，占44.44%。只有三个月被归类为红色。

从2017年7月到2026年6月共有108个机密信号月，但从2017年8月到2026年6月，只有107个策略回报月已完成。这种差异是预期中的，而非对齐误差。

2026年6月的信号已经可用，但其对应的2026年7月回归月份尚未包含在数据中。

该制度时间线还显示，分类是持续性的，而非每月随机切换。

2020年和2021年出现了长时间的黄色周期，以及2022年通胀和利率冲击期间再次出现。红色状态罕见，集中在极端波动的孤立时期。

有限的红色样本是一个重要的约束。这些月份的结果可能在经济上具有重要价值，但三项观察无法支持强有力的统计结论。

投资组合构建

可投资宇宙包含五个流动性ETF代理，涵盖多个主要资产组别。

SPY代表美国大型股。VXF代表标普500以外的美国股票。欧洲金融联盟代表发达的国际股票。AGG代表投资级债券。BIL代表短期美国国库券。

每个月末，该策略计算五项资产的动量得分。VIX投资组合使用与当前波动率体系相关的回溯，而基准投资组合则始终使用十个月动量。

Top 1变体将整个投资组合分配给排名最高的资产。前两名变体分别为两项最强资产各分配50%。

配置历史显示了依赖VIX的规则如何将波动率变化转化为不同的投资组合决策。

结果为假设性结果，不代表未来结果，也不代表任何投资者实际获得的回报。指数是非管理型的，不反映管理费或交易费，且不能直接投资于指数。

VIX前1名的结构高度集中。该策略每月持有一只ETF。这使得组合对排名信号更为敏感，但也意味着一次正确或错误的选择可能对表现产生巨大影响。

结果为假设性结果，不代表未来结果，也不代表任何投资者实际获得的回报。指数是非管理型的，不反映管理费或交易费，且不能直接投资于指数。

VIX前2名更具多样性。它将资本平均分配给两项资产，减少任何单一排名决策的影响。这种分散投资可以限制因错误选择而产生的损失，但也可能稀释正确识别最强资产的收益。

样本外表现

主要测试期为2017年8月至2026年6月。

结果为假设性结果，不代表未来结果，也不代表任何投资者实际获得的回报。指数是非管理型的，不反映管理费或交易费，且不能直接投资于指数。

VIX前1名的总成绩最强。

其年复合增长率为14.59%，而1000万顶尖企业为10.23%。在基础交易成本假设后，VIX前1指数的净复合年增长率为14.09%，而固定十个月基准指数为9.87%。

风险调整后的表现也体现了这一提升。VIX前1指数的毛沙普比率为1.07，净夏普比率为1.03。10M前1的对应数值分别为0.84和0.81。

VIX顶级1指数的最大回撤为负11.02%，而1000万顶级1指数为负12.99%。因此，波动敏感策略结合了更高的回报和较小的峰值到低谷损失。

前两名的比较结果则有很大不同。

VIX前二指数的年复合年增长率为10.65%，净复合年增长率为10.30%。10M前两名基准带来了10.66%的毛收入和10.40%的净利润。

因此，这两种策略带来的长期回报几乎相同。VIX前2指数的夏普比率略低，最大回撤基本与其基准指数相同。

这种对比是研究的核心。依赖VIX的回溯在策略集中选择前1时提供了有意义的价值。当投资组合分散投资于两项资产时，这种优势基本消失了。

资本增长

累计毛回报图表展示了这些策略随时间演变的过程。

结果为假设性结果，不代表未来结果，也不代表任何投资者实际获得的回报。指数是非管理型的，不反映管理费或交易费，且不能直接投资于指数。

四个投资组合在样本外期初期走了相对相似的路径。最大的差距出现在2020年之后，当时VIX前1指数开始明显比其他策略更快复利。

阴影时期分别标明了2020年2月至3月的新冠波动性冲击，以及2022年1月至10月的通胀和利率冲击。这些带子被作为视觉参考点而非因果断。

它们有助于识别策略行为的变化，但不能证明标记事件导致了返回差异。

净回报图表包含了基线交易成本假设。

结果为假设性结果，不代表未来结果，也不代表任何投资者实际获得的回报。指数是非管理型的，不反映管理费或交易费，且不能直接投资于指数。

交易成本会降低这四种策略的最终财富，但整体排名保持不变。VIX前1指数仍远远领先于固定的十个月前1基准。

VIX策略的毛利率与净绩效差距更大，因为它们的自适应动量窗口带来了更多的投资组合变动。这使得人员流动和实施成本成为评估的重要部分。

与固定回溯基准的直接比较

配对图表将每个VIX策略与其对应的十个月基准进行比较。

结果为假设性结果，不代表未来结果，也不代表任何投资者实际获得的回报。指数是非管理型的，不反映管理费或交易费，且不能直接投资于指数。

VIX前1和10个月前1指数通常产生相同的月度结果。它们的股权曲线在样本的长部分重叠，因为两种方法通常选择相同的资产。

然而，相对较少的分配决策导致了显著的累计性能差距。VIX策略并非每个月略有优异表现。相反，几个重要月份对最终结果产生了不成比例的巨大影响。

结果为假设性结果，不代表未来结果，也不代表任何投资者实际获得的回报。指数是非管理型的，不反映管理费或交易费，且不能直接投资于指数。

前两条曲线依然相距更近。它们的最终价值几乎相同，表明自适应回溯在投资组合分散投资于两项资产后并未带来持续的绩效优势。

下沉行为

回报只是战略的一个维度。还必须通过损失的深度和持续时间来评估实用配置模型。

结果为假设性结果，不代表未来结果，也不代表任何投资者实际获得的回报。指数是非管理型的，不反映管理费或交易费，且不能直接投资于指数。

VIX Top 1 的最大回撤幅度小于 10M Top 1。这种差异在2022年通胀和利率冲击期间尤为明显，当时固定十个月期投资组合仍处于更深的回撤状态。

优势并非普遍存在。在某些历史性下跌期间，VIX前1和基准表现相似，而在其他时期，自适应策略暂时经历了更深的损失。

在前两名的比较中，最大回撤几乎相同。VIX前2指数下跌了15.09%，而1000万顶级2指数为负15.08%。

因此，VIX规则并未带来整体的下行保护改善。观察到的撤资效益集中在前一企业的实施中。

滚动相对表现

单一的复合年增长率可以掩盖时间上的重大变化。滚动回报差异有助于判断VIX优势是持续还是集中在特定历史时期。

结果为假设性结果，不代表未来结果，也不代表任何投资者实际获得的回报。指数是非管理型的，不反映管理费或交易费，且不能直接投资于指数。

2020年前，VIX前1与1000万顶尖指数之间的滚动十二个月回报差通常为负。自适应模型在2020年和2021年获得了巨大优势，滚动差距一度超过40个百分点。

此后优势有所下降。在测试后期的几个窗口中，该指标保持阳性，但最终在测试末期再次降至零下。

这是一个重要的资格。VIX前1指数并非在每个滚动的十二个月期间都持续优于它。其长期优势的显著部分是在几个月集中的集中集中中产生的。

结果为假设性结果，不代表未来结果，也不代表任何投资者实际获得的回报。指数是非管理型的，不反映管理费或交易费，且不能直接投资于指数。

前两名的比较则不那么有利。它还在2020年和2021年左右产生了强劲的相对期，但随后优势逐渐接近零，且经常为负值。

滚动证据证实，前两名适应方案并不可靠地优于固定的十个月模型。

滚动风险调整表现

滚动36个月夏普比率提供了另一种策略稳定性的视角。

结果为假设性结果，不代表未来结果，也不代表任何投资者实际获得的回报。指数是非管理型的，不反映管理费或交易费，且不能直接投资于指数。

VIX Top 1在2020年后大部分时间段内创下了最高的滚动夏普比率。其滚动夏普指数在多个阶段超过1.4，而另类投资组合则接近1.0。

后期样本中差距缩小。到2025年和2026年，这四种策略的风险调整后表现均有所提升，且差异较小。

图表强化了更广泛的结论。VIX前一带来了真正的历史优势，但这种优势的强弱在不同市场环境中差异很大。

日历年结果

日历年回报有助于确定导致最终绩效差异的具体年份。

结果为假设性结果，不代表未来结果，也不代表任何投资者实际获得的回报。指数是非管理型的，不反映管理费或交易费，且不能直接投资于指数。

VIX前1在2020年和2021年显著优于其他策略。2020年约占42%，2021年接近29%。

该策略在2025年也带来了最强的回报。

然而，它并非每年都表现优于它。VIX前一指数在2018年跌幅超过其他组合，四大策略在2022年均产生负回报。

因此，长期优势并非来自于统一更高的年回报率。这主要源于几个大幅的正值年份，这些年中，较快的波动率依赖信号选择了明显优于较慢基准的资产。

月度退货诊断

月度散点图将每种VIX策略与其对应的固定回溯基准进行比较。

直接位于等回报线上的点代表两种策略回报相同的月份。这通常是因为他们选择了相同的投资组合。

结果为假设性结果，不代表未来结果，也不代表任何投资者实际获得的回报。指数是非管理型的，不反映管理费或交易费，且不能直接投资于指数。

大多数前1的观测值位于等值回线上。这证实了这两种策略经常持有相同的资产。

这种累积优势来自于相对较少的远离直线的观测。有些指标代表VIX策略的巨大积极差异，而另一些则代表明显的表现不佳。

结果为假设性结果，不代表未来结果，也不代表任何投资者实际获得的回报。指数是非管理型的，不反映管理费或交易费，且不能直接投资于指数。

前两项观测更集中在等值回线周围。这与VIX前二和1000万前二几乎相同的长期表现一致。

基准比较表量化了这些差异。

结果为假设性结果，不代表未来结果，也不代表任何投资者实际获得的回报。指数是非管理型的，不反映管理费或交易费，且不能直接投资于指数。

VIX前一指数实现了净复合年增长率提升4.22个百分点。其毛沙普比率提高了0.23，净夏普比率提高了0.22。

其最大回撤提升幅度为1.96个百分点。在这张表中，正值意味着VIX策略的峰值到谷底跌幅小于基准。

尽管年化回报差异较大，VIX Top 1在所有回报月份中仅有13.08%的回报率超过基准。这两种策略在24.07%的月份中持有不同的投资组合。

这些数字并不矛盾。在大多数月份，两种策略选择了相同的资产，并产生了相同的回报。最终的表现优势来自于持仓差异较小的月份。

信息比0.46表示相对于跟踪误差的正超额回报。然而，统计检验结果并不明确。配对t检验的p值为0.1696，而威尔考克森检验的p值为0.4237。

两者均未达到传统的统计显著性门槛。

前两名的净复合年增长率差为负0.11个百分点。信息比仅为0.01，统计检验也没有显示出有意义的差异。

因此，适当的解释受到限制。VIX前1指数在样本外的经济表现更强，但现有的月度样本并未证明这一差异在统计上是稳健的。

哪些月份带来了优势？

诊断表中标明了五个最大的正值和五个最大的负值月度差异。

结果为假设性结果，不代表未来结果，也不代表任何投资者实际获得的回报。指数是非管理型的，不反映管理费或交易费，且不能直接投资于指数。

最大的正面前一排名差异出现在2020年11月。

VIX策略持有VXF，上涨18.22%。固定十个月基准持有AGG，回报率为1.21%。结果的差异是单月内17.01个百分点。

2022年4月发生了另一个重要的积极月份。VIX策略持有BIL并实现几乎持平的回报，而基准策略持有SPY，下跌8.78%。避免该股价下跌相较基准增加了8.77个百分点。

2023年1月，VIX Top 1持有EFA，涨幅9.00%，而基准指数仍停留在BIL，回报率仅0.28%。

这些例子展示了自适应模型以两种不同的方式增值。几个月内，它更快地转变为强劲的风险资产。在其他地区，在固定的十个月信号调整前，它采取了更为防御性的行动。

但这种灵活性有时反而成了策略的障碍。2026年4月，VIX Top 1持有EFA，回报率为5.34%，而基准指数持有VXF，回报率为9.84%。自适应性策略的表现落后了4.50个百分点。

结果为假设性结果，不代表未来结果，也不代表任何投资者实际获得的回报。指数是非管理型的，不反映管理费或交易费，且不能直接投资于指数。

前两名的差异通常较小。

多元化减少了正确和错误排名决策的影响。这有助于解释为什么VIX前2指数尽管持有不同组合，但最终接近基准。

跨VIX体系的表现

下一步是确定观察到的优势是否与特定的波动率体系相关。

结果为假设性结果，不代表未来结果，也不代表任何投资者实际获得的回报。指数是非管理型的，不反映管理费或交易费，且不能直接投资于指数。

在绿色月份，VIX前1和1000万顶尖的总统计数据完全相同。两者均均月回报为0.70%，中位回报率为1.62%，年化波动率为12.86%，且在67.86%的月份中为正回报。

这表明VIX规则在绿党统治期间并未改变前一的成绩。自适应和固定回溯策略的表现实际上相同。

差异出现在黄月和红月期间。

在黄色回报月份，VIX前1指数平均月回报率为1.62%，而1000万顶尖指数为1.00%。

在低收入月份，VIX前1指数的平均月回报率为4.57%，而基准指数为2.39%。

红色结果必须谨慎解读，因为它仅基于完成的三个月的返还。三项观测的平均值较高可能代表有用的系统敏感性，但也可能受到样本特异性结果的强烈影响。

贡献表提供了更清晰的分解。

结果为假设性结果，不代表未来结果，也不代表任何投资者实际获得的回报。指数是非管理型的，不反映管理费或交易费，且不能直接投资于指数。

绿色月份没有带来超额回报，因为VIX前一和一千万顶之一的表现相同。

黄色月份产生的月度回报差异算术和为29.46个百分点。这占所有制度总超额回报的81.88%。

红色月份贡献了6.52个百分点，占剩余的18.12%。

关键结果是，观察到的大部分优势来自黄党政权，而非罕见的红军政权。这很重要，因为黄色结果基于48个完成的返乡月，因此有更广泛的实证基础。

证据表明，VIX信号在波动率较高但不一定极端波动时最为有用。这正是更快的动量回顾可能在不完全依赖少数危机观察的情况下，对市场领导地位变化做出反应的环境。

投资组合更替

自适应信号并非免费。改变动量回溯可以比固定的十个月规则更频繁地调整投资组合。

结果为假设性结果，不代表未来结果，也不代表任何投资者实际获得的回报。指数是非管理型的，不反映管理费或交易费，且不能直接投资于指数。

VIX顶级1的月均营业额为36.92%，而1000万顶级市场为27.57%。

VIX前一指数年化营业额为4.43倍，基准指数为3.31倍。

VIX前二名的营业额也更高。其平均月营业额为27.10%，年化营业额为3.25倍，而1000万前两名的月营业额为19.63%，年均营业额为2.36倍。

因此，自适应策略带来了有意义的实施负担。其价值必须在利差、佣金、市场影响、税费等后进行评估趋势跟踪策略中固有的交易摩擦.

交易成本敏感性

成本敏感性分析对投资组合周转应用了多个交易成本假设。

结果为假设性结果，不代表未来结果，也不代表任何投资者实际获得的回报。指数是非管理型的，不反映管理费或交易费，且不能直接投资于指数。

在零交易成本下，VIX Top 1的复合年增长率为14.59%，而1000万Top 1为10.23%。

在10个基点的计算下，相应的净复合年增长率分别为14.09%和9.87%。

在25个基点的降幅下，VIX第一指数降至13.34%，但仍领先基准指数的9.33%。

即使在50个基点下，VIX前一的净复合年增长率仍为12.10%，而1000万顶尖的净复合年增长率为8.44%。

因此，Top 1优势能够抵御所有经过验证的成本假设。

前两名的结果较弱。在零成本下，这些策略几乎完全相同。随着成本上升，VIX前二的较高营业额反而成为劣势。在50个基点的假设下，其净复合年增长率降至8.88%，低于1000万顶尖二强的9.38%。

因此，自适应模型的额外复杂性和周转率对前一来说是合理的，但对前二名则不然。

样本外证据显示的内容

近十年的新数据为原始假说的一部分提供了有力支持。

集中的VIX顶级1策略带来了更高的回报率、更高的夏普比率和更小的最大回撤，均优于固定的十个月顶级1基准。其优势在日益保守的交易成本假设中依然存在。

然而，诊断结果也揭示了为什么不应将结果视为普遍的证据。

大多数月份收益相同，因为VIX和基准策略经常选择相同的资产。累计差异主要由波动敏感回溯中出现不同排名的有限月份推动。

优势主要集中在2020年和2021年。滚动相对表现并非持续积极，VIX顶级1策略在多个子周期内均跌破基准。

统计检验也未能否定月度回报差异可能偶然发生的假设。经济结果有意义，但样本仍过于有限，难以得出明确的统计结论。

红色状态尤其难以评估，因为它仅包含三次完成的返回观测。更有力的证据来自黄色制度，该制度占总超额回报的80%以上，其中包括48个月。

最后，这种提升并未延伸到前两大投资组合。多元化减少了最强的体制依赖决策的影响，而更高的营业额则降低了净绩效。

实用研究价值

本案例研究展示了重新审视旧投资假设的实用工作流程。

原文提供了研究问题和策略逻辑。下一步是重建透明的ETF代理，将信号延长至2026年6月，保留原有的月末时间结构，并仅评估发布后可得的观测数据。

分析随后超越了简单的股权曲线比较。

业绩按制度、日历年、月度回报差、投资组合配置、成交量、交易成本、滚动表现、回撤和统计显著性进行细分。

这一诊断过程很重要，因为更强的最终股权曲线并不自动意味着整体更强的策略。重要的研究问题是这种差异是如何产生的。

在这种情况下，答案相对具体。依赖VIX的回溯主要在黄色波动率期间调整了集中的Top 1配置，从而增加了价值。在绿色方案期间，它并未改善结果，而红色样本量过小，无法得出强有力结论。

对波动率信息为条件的相关方法感兴趣的读者，也可以参考以下证据波动率投资的投资组合策略.

主要要点

• 在2017年8月至2026年6月的样本外期，依赖VIX的Top 1策略实现了14.09%的净复合年增长率，而固定十个月Top 1基准的9.87%，净夏普比率更高（1.03对0.81），最大回撤更小（-11.02%对比-12.99%）。
• Top 1优势在高达每单位营业额50个基点的交易成本假设下依然存在，但Top 2版本没有带来任何价值，且在更高的成本假设下转为负值。
• 超过80%的超额回报来自持续48个月的黄色波动率（升高但非极端波动率）区间，而非罕见的红色区，后者仅包含三项观测值。
• VIX前一指数仅用13.08%的月份就打破了基准;累计边来自少量发散分配决策，配对t检验（p = 0.1696）和威尔考克森检验（p = 0.4237）均未达到统计显著性。
• 合理的结论是狭义的：波动率信息可能在高波动率环境中提高集中动量信号的速度，但VIX并不普遍能改善趋势跟踪。

结论

将VIX信息与趋势跟踪结合的最初理念，经过近十年的样本外证据，依然具有经济可行性。

在本次ETF代理实施中，VIX前一指数的净复合年增长率为14.09%，而固定十个月前一动量基准的9.87%。它还实现了更高的净夏普比和更小的最大回撤。

在每单位营业额高达50个基点的交易成本下，这一优势依然存在。

然而，结果并不广泛或统一。该策略并非在每个时期都持续优于基准，大多数月度回报与基准相同，统计测试也不确定。观察到的超额回报集中在有限数量的配置决策中，尤其是在黄色波动率区期间。

同样的逻辑并未改善前两名的投资组合。一旦战略分散投资于两个资产，其回报率与固定十个月基准趋同，额外的营业额降低了净表现。

因此，最有说服力的结论不是VIX自动提升趋势跟踪。

相反，波动率信息可能在高波动率环境中提高集中动量信号的速度。这种优势是否在未来持续存在尚不确定，但近九年的样本外期比单纯的回测为继续研究提供了更强有力的实证基础。

VIX与趋势跟踪再审：近十年的样本外证据最初发表于阿尔法建筑师.请阅读阿尔法架构师披露内容方便时再说。