微观资产配置系列研究：波动率资产的三种设计思路及配置价值

1、正文目录 HYPERLINK l _TOC_250016 做空波动率策略 4 HYPERLINK l _TOC_250015 策略理论基础与实现方式 4 HYPERLINK l _TOC_250014 三类做空波动率策略对比 6 HYPERLINK l _TOC_250013 Straddle 组合及改进思路 6 HYPERLINK l _TOC_250012 Strangle 和Butterfly 组合 8 HYPERLINK l _TOC_250011 高频策略表现 9 HYPERLINK l _TOC_250010 做多波动率策略 10 HYPERLINK l _TOC_250009 做

2、多波动率策略特色 10 HYPERLINK l _TOC_250008 波动率的日历效应 11 HYPERLINK l _TOC_250007 波动率择时做多 13 HYPERLINK l _TOC_250006 波动率相对价值套利 15 HYPERLINK l _TOC_250005 Volatility Skew 15 HYPERLINK l _TOC_250004 风险逆转组合与策略回测 16 HYPERLINK l _TOC_250003 波动率的配置价值 17 HYPERLINK l _TOC_250002 波动率策略的分散化效果 17 HYPERLINK l _TOC_250001

3、 波动率综合策略 19 HYPERLINK l _TOC_250000 5. 总结 20图表目录图表 1. 50ETF 期权隐含波动率与已实现波动率 4图表 2. 50ETF 期权波动率风险溢价 5图表 3. 做空波动率组合构建示意 6图表 4. 不同类型 straddle 策略回测表现（2015.2.9-2020.2.7，下同） 7图表 5. 不同类型 straddle 策略表现统计 7图表 6. 改进后 straddle 策略的逐年收益统计 8图表 7. 改进后 straddle 策略组合保证金占用情况 8图表 8. 不同类型做空波动率策略净值表现 9图表 9. 不同类型做空波动率策略业绩

4、表现统计 9图表 10. 高频 straddle 策略净值表现 10图表 11. 高频 straddle 策略表现统计 10图表 12.Straddle 组合多头对冲效果示意 11图表 13. 波动率指数与现货走势关系比较（上图：上证 50，下图：标普 500） 11图表 14. A 股波动率的星期效应 12图表 15. 基于日历效应的波动率多头策略回测统计 12图表 16. 基于日历效应的波动率多头策略净值 13图表 17. 不同类型波动率多头策略净值表现 14图表 21. 50ETF 近月合约 Volatility Skew 15图表 22. 50ETF 近月合约 Volatility S

5、kew 分布 16图表 23. Skew Trading 策略净值表现 17图表 27. 引入波动率资产对传统股债配置组合的改善 18图表 30. 波动率综合策略的业绩表现 19图表 31. 波动率综合策略业绩统计 20本文是微观资产配置系列研究的第二篇，在上篇报告固收+期权构建低风险绝对收益组合中，强调利用期权产品特性结合固定收益类产品构建绝对收益组合，策略设计中重点将期权作为方向性投资工具。实际上，期权作为非线性投资工具，基于期权的波动率交易策略也一直是投资者关注的焦点，尤其是波动率作为一类特殊的资产，能够有效对冲传统资产的下行风险，具备独特的配置价值。因此，本文尝试从三个不同的维度来设计

6、波动率策略，进而介绍分析其配置价值。文章内容主要包括以下四个章节：第一，分析做空波动率类策略，分析策略的理论基础和实现形式，比较不同做空波动率组合在场内期权中的表现；第二，设计做多波动率类策略，重点考虑结合波动率的日历效应和对已实现波动率的预测来确定策略信号；第三，从波动率相对价值套利的角度，分析了 skew trading 策略在场内期权的表现；最后，在策略设计的基础上，从两个不同维度讨论了波动率策略的配置价值。做空波动率策略策略理论基础与实现方式在讨论做空波动率策略之前，我们想通过实证数据来解释一个概念：波动率风险溢价（Volatility Risk Premium），即期权的隐含波动率和

7、挂钩标的已实现波动率的差异。期权的隐含波动率高低反映了期权价值的高低，考虑到股票指数收益存在尾部风险，导致期权买方愿意付出一定的溢价来补偿期权卖方的潜在损失，因而波动率风险溢价预期为正。从实际数据来看，事实上支持上述结论：下图展示了 50ETF 期权自上市至今的隐含波动率与 50ETF 标的的已实现波动率，整体来看隐含波动率高于已实现波动率，以月度统计来看，71%的月份隐含波动率高于已实现波动率，且溢价平均值和中位数分别为 1.45%和 2.12%。图表 1. 50ETF 期权隐含波动率与已实现波动率资料来源：Wind，招商证券图表 2. 50ETF 期权波动率风险溢价资料来源：Wind，招商

8、证券从上述现象出发，我们可以尝试设计做空波动率策略，其理论上的收益来源即波动率的风险溢价带来的gamma 收益和隐含波动率收敛回归带来的vega 收益。具体实现中，往往可以通过动态delta 对冲的形式，消除 delta 对组合收益的影响，保留 gamma 和 vega收益，即2PnL 1 S2 Gamma t Theta SigmaVegaPnL 1 S 2S2 Gamma2 t SigmaVega2 S S 2上式中2 代表了隐含波动率，而代表了已实现波动率，当构建做空波动率 S 策略时，组合 gamma 和vega 为负，theta 为正，因而只要开仓时组合隐含波动率大于最终已实现波动率

9、组合，随着隐含波动率的收敛回归，组合可以获取相应的 gamma 和 vega收益，这是波动率方向性策略收益的基本逻辑。具体到做空波动率策略的组合实现形式上则会相对多样化，可以是通过卖出期权，利用现货或期货进行 delta 对冲，或者通过不同类型的期权组合来实现 delta 中性对冲，考虑到现货做空存在操作限制，因而本文中将重点比较不同类型的期权组合来实现波动率空头的效果。具体来说，主要包括三种类型的组合，即 short straddle、short strangle 和 long butterfly（包括 call butterfly 和 put butterfly），具体构建方法如下表所示。

10、从模型构建角度来看， straddle 组合的 gamma 和 vega 暴露最大，在波动率风险溢价为正时收获收益最高，当然在尾部风险发生时面临的回撤风险最高，其次为 strangle 组合，对于 butterfly 组合由于通过持有较为虚值的认购认沽期权多头来降低尾部事件发生时的组合损失因而单次交易的收益回撤均较为温和。组合名称构建说明组合收益形态图表 3. 做空波动率组合构建示意Short Straddle同时持有平值的认购和认沽期权空头Short Strangle同时持有虚值认购和认沽期权空头Long Call (Put) Butterfly同时持有虚值和实 值认购（认沽）期权的多头，以

11、及两倍数量的平值认购（认 沽）期权空头资料来源：维基百科，招商证券三类做空波动率策略对比本节中我们基于 50ETF 期权的历史数据来进行回测，比较不同类型的做空波动率组合表现，以及尝试比较不同做空波动率策略的改进思路。Straddle 组合及改进思路利用 straddle 组合构建的做空波动率基础策略如下，策略以日频策略为主，每天基于期权的收盘价进行交易，交易对象为近月合约，并在期权近月合约剩余三个交易日时展期到下月合约进行交易。具体实施过程分为三步：合约开仓：选择 detla 在 0.5 附近的近月认购认沽期权合约，并卖出跨式期权合约，组合中 20%的资金存入保证金账户，其余资金用于购买货币

12、基金；金额设定：基础策略中不进行仓位的动态管理，每期恒定卖出期权（单腿）的名义本金为组合价值的 100%；合约换仓：如果认购认沽期权的 delta 绝对值差异大于 50%或者组合的 delta 暴露大于 5%，则进行组合换仓，选择新的期权对卖出新的期权组合。上述策略方案为基础的 straddle 策略组合，在此基础上我们对原始策略进行了两个维度的修改：一方面，我们要求开仓时通过调整认购认沽期权的相对比例，严格保证组合的 delta 中性；另一方面，考虑到高波动率的市场做空波动率策略面临更大的尾部风险，可以基于当前市场的波动率环境进行动态的仓位管理，即将实际波动率划分为高中低档，随着实际波动率的

13、提升，卖出期权的名义本金逐步降低。下图表展示了基础及改进的 straddle 策略在 50ETF 期权上的回测表现，回测区间为 2015.2.9-2020.2.7，可以看到严格 delta 中性且进行动态仓位管理的 straddle 组合策略整体获得了不错的历史业绩表现。回测区间年化收益 10.70%，波动率 9.27%，最大回撤 10%，同区间内 50ETF 现货的年化收益 4.02%，波动率 23.9%，最大回撤 44.97%。从策略的收益表现上可以看到，策略的收益高低跟波动率风险溢价水平的高低挂钩，因而在 2015、2016、2019 年都获得了不错的表现，而在 2018 年表现较差，同

14、时在标的 资产尾部事件发生时策略同样也存在明显的尾部风险。图表 4. 不同类型 straddle 策略回测表现（2015.2.9-2020.2.7，下同）资料来源：Wind，招商证券图表 5. 不同类型 straddle 策略表现统计策略类型年化收益波动率收益波动比最大回撤收益回撤比基础策略12.76%12.19%1.0519.35%0.66delta 中性12.58%11.77%1.0717.09%0.74仓位择时10.70%9.27%1.1510.00%1.0750ETF4.02%23.90%0.1744.97% 0.09资料来源：Wind，招商证券图表 6. 改进后 straddle 策

15、略的逐年收益统计年份收益率波动率收益波动比最大回撤201520.54%11.44%1.9710.00%201612.98%8.89%1.467.53%201711.24%4.04%2.782.79%2018-2.19%10.40%-0.219.62%201917.23%8.47%2.036.90%2020-4.50%20.50%-7.07%资料来源：Wind，招商证券图表 7. 改进后 straddle 策略组合保证金占用情况资料来源：Wind，招商证券Strangle 和 Butterfly 组合类似的思路，我们也设计并回测了 short strangle 组合和 long butterfl

16、y 组合（包括 call和 put 两种情形），具体来说：short strangle 组合：此时每期选择卖出 delta 绝对值为 0.4 的浅虚值认购认沽期权合约，其他在金额设定和换仓方式上选择跟straddle 策略保持一致；long call butterfly 组合：考虑到 butterfly 组合涉及四个期权合约，因而在合约开仓、金额设定和合约换仓的形式上略有改变，在合约开仓时，分别选择 delta 分别为 0.05, 0.5 和 0.95 的三种期权，其中分别持有虚值和实值期权的多头，和两倍数量的平值期权的 空头，考虑到通过持有期权多头的形式降低了组合尾部风险，因此并不考虑对持有

17、期权 的名义本金进行动态调整，组合设置 80%的资金用于购买期权权利金或卖出期权保证金，每期卖出期权的名义本金为组合价值的 4 倍，而调仓策略转变为跟踪原平值期权的 delta 水平，当期权 delta 水平偏离到 0.20.8 区间之外时，重新合约组合；long put butterfly 组合：策略基本结构与long call butterfly 组合保持一致，只是将持有的认购期权改为持有近月的认沽期权。下图表展示了上述三类组合在 50ETF 期权上的回测效果，可以看到从回测表现来看，short strangle 组合跟 short straddle 组合的业绩表现十分接近，无论是收益、收

18、益回撤比还是策略净值曲线表现；而 long butterfly 组合的表现稍逊，组合收益、回撤表现和收益回撤比都低于 straddle 或 strangle 组合，我们认为主要原因来自两个方面：一方面是长期持有期权的多头，降低了组合的 gamma 和vega 暴露，因而降低了组合收益；另一方面在于由于要交易更多的期权合约，期权交易费用对组合业绩的侵蚀更为明显。图表 8. 不同类型做空波动率策略净值表现资料来源：Wind，招商证券图表 9. 不同类型做空波动率策略业绩表现统计策略类型年化收益波动率收益波动比最大回撤收益回撤比Straddle10.70%9.27%1.1510.00%1.07Str

19、angle11.17%9.00%1.2411.08%1.01Call butterfly8.87%11.67%0.7618.74%0.47Put butterfly5.21%8.17%0.6415.70%0.3350ETF4.02%23.90%0.1744.97% 0.09资料来源：Wind，招商证券高频策略表现为了更好的管理做空波动率组合的 delta 风险，以及增加组合收益，我们尝试将日频策略转变为日内交易高频策略，具体回测时我们尝试使用 30 分钟 K 线收盘价进行回测，组合依然采用 delta 中性的straddle 组合的形式，在合约开仓、金额设定和合约换仓策略上，基本跟日频策略保持

20、一致，仅提升了组合中保证金账户的资金比例，其余资金仍然用于购买货币基金等现金管理类工具。下图表展示了高频策略下的组合表现情况，相同回测区间内，组合实现了 11.42%的年化收益，6.19%的波动率和 9.72%的最大回撤，相对日频策略而言，高频策略适当提升了组合的收益和降低了组合的波动回撤水平，但也可以看到由于隔夜风险的存在，即使高频策略也无法完全消除尾部风险存在的影响，未来我们将构建仅日内交易策略来降低组合面临的隔夜尾部风险。图表 10. 高频 straddle 策略净值表现资料来源：Wind，招商证券图表 11. 高频 straddle 策略表现统计策略类型年化收益波动率收益波动比最大回撤

21、收益回撤比Straddle 高频11.42%6.19%1.859.72%1.1850ETF4.02%23.90%0.1744.97%0.09资料来源：Wind，招商证券做多波动率策略做多波动率策略特色与做空波动率的收益来源正好相反，做多波动率策略则是通过期权隐含波动率的上行来获取相应的gamma 和vega 收益。由于在上节的讨论中，我们提到波动率风险溢价长期预期为正，因此持续的做多波动率策略并不是占优策略，并且还会面临 theta 的侵蚀。但做多波动率策略的最大特色或者优势在于波动率资产与标的资产间的负相关性，或对冲能力上。我们比较两种组合，一种组合仅持有 50ETF 现货，另一种组合则同时

22、持有 50ETF 现货和相同数量的 straddle 期权组合多头，以 2020 年 2 月 3 日为例，由于受到疫情冲击的影响，节后第一天权益资产出现明显调整，组合 I 的回撤达到 7.45%，而组合 II 由于持有 straddle 期权组合多头，持有的期权组合收益有效的对冲了标的资产的下行风险，组合II 的回撤降低到了 1.48%。图表 12.Straddle 组合多头对冲效果示意组合 A日期50ETF组合价值收益变动价格数量2020.1.232.925100002925000-7.45%2020.2.32.707100002707000日期50ETF认购期权认沽期权组合收益(2 月 2

23、900)(2 月 2900)价值变动价格数量价格数量(张)价格数量2020.1.232.92596000.0761960.0399962919360-1.48%组合 B2020.2.32.70796000.0139960.275962876064资料来源：Wind，招商证券其实这并非巧合，无论是A 股市场还是海外市场，波动率跟现货走势之间都呈现明显的负相关关系，尤其是在发生大幅调整的尾部事件时，往往波动率都会有显著的上升，因此通过持有波动率多头能够有效的对冲现货的下行风险。图表 13. 波动率指数与现货走势关系比较（上图：上证 50，下图：标普 500）资料来源：Wind，招商证券结合上文中对

24、做多波动率组合特点的分析，我们认为适当的波动率择时做多是设计 波动率多头策略的必要条件，下文中我们将分别从两种思路出发来设计做多波动率策略。波动率的日历效应宏观事件往往是驱动资本市场波动水平上升的一个主要原因，各种类型政治经济事件的发生都有可能对资本市场造成明显震动，但是对宏观事件的梳理跟踪难以形成定量的框架，因此我们可以尝试从波动率的季节效应角度出发，来选择做多波动率的时点。考虑到重大宏观经济数据的发布往往会选择在周末，另外五一、国庆等长假期间资本市场休市不能及时反映突发事件的影响，因此在节假日前进行波动率多头组合的布局是一个合适的选择。从历史的统计数据来看，也支持上述的猜测，我们简单统计了

25、 50ETF 现货自上市以来，周一至周五每天的收益情况，并计算了每天收益率对应的标准差，可以看到周一收益率的标准差达到 2.15%，而周二至周五收益率的标准差在 1.6%附近，与周一数据在统计意义上存在显著差异。图表 14. A 股波动率的星期效应资料来源：Wind，招商证券基于上述思路，我们相应的做多波动率策略，即在每个节假日收盘前买入 straddle组合，并与节假日之后的第一个交易日平仓，每期配置 10%的组合资金用于购买期权的权利金，其他资金用于现金管理。可以看到，基于简单日历效应的波动率多头策略依然可以获得不错的收益，回测区间内年化收益 7.35%，波动率 12.71%，最大回撤 1

26、0.88%，策略在收益、收益回撤比上都显著优于持有现货。策略类型年化收益波动率收益波动比最大回撤收益回撤比日历效应7.35%12.71%0.5810.88%0.68图表 15. 基于日历效应的波动率多头策略回测统计50ETF4.02%23.90%0.1744.97% 0.09资料来源：Wind，招商证券图表 16. 基于日历效应的波动率多头策略净值资料来源：Wind，招商证券波动率择时做多除了从季节性效应的角度考虑以外，对已实现波动率进行预测择时，也是波动率择时做多的策略实现方式。策略的核心思路在于，比较当前市场的隐含波动率跟预测的已实现波动率，如果隐含波动率相对较低，则存在择时做多的机会，此

27、时策略的核心在于如何有效的实现对未来已实现波动率的预测上。具体来说，我们尝试了两种模式的预测：一种思路主要从波动率的延续性出发，往往高波动的市场会延续高波动，低波动的市场延续低波动的概率更大，因此可以采用近期的历史波动率对未来已实现波动率进行预测；另一种思路则是尝试对已实现波动率进行建模，构建回归模型或者 arima 模型，对未来的已实现波动率进行预测。在完成波动率预测的基础上，我们采用买入 straddle 组合来实现做多波动率，当出现隐含波动率低于预测波动率时，则持有组合，持有期限为 5 天。为平衡组合流动性和时间价值对组合的影响，策略依然选择买入持有近月合约为主，但当近月合约距离到期日在

28、十个交易日以内时，则选择买入持有下月合约。下图表展示了择时做多波动率策略的收益情况，可以看到波动率多头策略展现出较好的收益效果，尤其是基于波动率预测的straddle 多头策略，区间年化收益达到14.63%，波动率 10.57%，最大回撤 6.69%，单策略实现了较好的收益回撤比。图表 17. 不同类型波动率多头策略净值表现资料来源：Wind，招商证券策略类型年化收益波动率收益波动比最大回撤收益回撤比择时做多 I9.93%11.55%0.8611.15%0.89择时做多 II14.63%10.57%1.386.69%2.19图表 18. 不同类型波动率多头策略回测表现统计50ETF4.02%2

29、3.90%0.1744.97% 0.09资料来源：Wind，招商证券图表 19. 基于波动率预测的多头策略逐年收益统计年份收益率波动率收益波动比最大回撤201512.92%14.08%1.016.69%20167.38%6.16%1.202.21%201734.51%16.86%2.054.95%201814.16%5.74%2.473.88%20195.90%4.68%1.262.71%20200.08%3.94%-0.93%资料来源：Wind，招商证券我们将上述三种不同的波动率多头策略收益跟标的现货资产进行比较，可以看到策略内部呈现中等的相关性，而策略与标的资产本身的收益呈现显著的负相关性

30、，因而具有很好的分散化配置价值。图表 20. 波动率多头策略与标的资产的相关性日历效应择时做多 I择时做多 II50ETF日历效应100%21%23%-9%择时做多 I21%100%66%-17%择时做多 II23%66%100%-10%50ETF-9%-17%-10%100%资料来源：Wind，招商证券波动率相对价值套利上文中我们介绍了波动率的多头和空头策略，但除了波动率的方向性交易以外，通过波动率曲面进行统计套利，也是波动率交易的一类重要策略，本文中将重点介绍一种典型的波动率相对价值套利方法skew trading。Volatility Skew在介绍具体策略之前，我们尝试引入一个概念，即

31、波动率倾斜（Volatility Skew），其一般指的是同一标的、同一到期时间但行权价不同的期权隐含波动率的差值（一般有两种 skew，分别是 strike skew 和 time skew，本文中特指 strike skew），考虑到标准化的问题，常见的定义方法为OTMOTMvolatility _ skew IVCALL IVPUTIVATM即虚值的认购期权隐含波动率与虚值认沽期权隐含波动率的差值，与平值期权隐含波动率的比值，本文中将选取 delta 为 25%期权作为虚值期权，50%期权作为平值期权进行分析。由于投资者对标的资产下行风险的保护需求更强，面临的尾部风险更大，因而往往认沽期

32、权的隐含波动率会略高于认购期权，因此标准化后的波动率倾斜指数均值略偏负值，但呈现典型的均值回复特征，往往在出现极大值时代表投资者看涨情绪过高，处于极小值时反映投资者看跌情绪过高。从图形上可以看出，波动率倾斜指数的分布整体呈现正态分布，但是左尾更长，尤其是标的资产下跌幅度较大时，指数值偏低。统计数据显示，指数 20%、50%和 80%分位数分别对应-14.63%、-2.31%和 8.92%。图表 21. 50ETF 近月合约Volatility Skew资料来源：Wind，招商证券图表 22. 50ETF 近月合约Volatility Skew 分布资料来源：Wind，招商证券风险逆转组合与策略

33、回测考虑到波动率倾斜指数呈现典型的均值回复特性，因而可以采用风险逆转组合来构建统计套利策略。具体来说，如果倾斜指数达到上阈值，则表明认购期权相对认沽期权隐含波动率过高，此时卖出认购期权并买入认沽期权，同时通过持有现货多头的形式来达到 delta 中性目标；如果倾斜指数达到下阈值，则表明认沽期权相对认购期权隐含波动率过高，此时卖出认沽期权并买入认购期权，同时通过持有现货空头的形式来实现组合 delta 中性。考虑到当前国内市场标的融券相对困难，因此我们仅考虑突破上阈值的情况来进行开仓。为了兼顾策略的可实现性，我们重点跟踪观察当月和下月合约，在跟踪的指数突破上阈值时开仓，等待指数回归到中位数或者持

34、有组合到期。下图表展示了 skew trading 策略的回测表现，可以看到策略的收益表现整体稳健，回测区间内实现了 8.38%的年化收益，波动率为 3.84%，策略最大回撤仅 1.72%，收益回撤比达到了 4.88。从策略的表现来看，除了获得波动率相对回归的 vega 收益外，策略的收益波动仍然还是部分受到 delta 的影响，往往在标的短期大幅波动时，由于动态 delta对冲无法实现完美对冲而导致策略短期部分暴露 delta 风险。具体来说，如果短期标的现货大幅下跌，此时持有期权部分的 delta 收益会大于持有现货部分的亏损从而有上行收益；如果短期标的现货大幅上行，此时持有期权部分的 d

35、elta 亏损会大于持有现货部分的收益而有下行损失，从而对净值产生一定影响。图表 23. Skew Trading 策略净值表现资料来源：Wind，招商证券策略类型年化收益波动率收益波动比最大回撤收益回撤比Skew Trading8.38%3.84%2.181.72%4.88图表 24. Skew Trading 策略业绩统计50ETF4.02%23.90%0.1744.97% 0.09资料来源：Wind，招商证券图表 25. Skew Trading 策略逐年收益统计年份收益率波动率收益波动比最大回撤201513.47%5.23%2.831.64%20165.38%1.69%3.190.67

36、%20172.95%2.02%1.461.72%201811.29%3.36%3.361.15%20193.33%2.26%1.471.07%20205.62%17.20%-0.13%资料来源：Wind，招商证券波动率的配置价值至此，本文提供了三种不同类型的波动率交易策略设计思路，从多方面展现了波动率策略的灵活性和实用性。在此基础上，我们希望从两个不同的维度来强调波动率策略的配置价值：一方面，我们认为波动率策略是传统资产的有效补充，尤其是做多波动率类策略能够有效的对冲标的资产的下行风险，达到良好的分散化目标；另一方面，由于波动率策略的多样性，不同类型的波动率策略相互间也呈现低相关特征，因而通过

37、配置多样化的波动率策略同样可以实现绝对收益目标。波动率策略的分散化效果首先，我们来观察不同类型波动率策略与传统大类资产的相关性，可以看到各波动率策略与传统资产的相关性均较低，尤其是做多波动率策略和 skew trading 策略与 A 股都呈现一定的负相关，因而可以实现较好的对冲效果。在此基础上，如果观察尾部风险的对冲效果，我们选择了 2015 年以来 50ETF 单日下跌幅度最大的十个交易日，平均跌幅达到-7%，此时传统资产利率债和黄金的收益分别是 0.08%和 0.52%，有一定的对冲效果但相对有限，而做多波动率和 skew trading 策略的收益分别达到 2.7%和 0.94%，避险

38、效果显著优于传统的避险资产。做空波做多波Skew图表 26. 波动率交易策略与传统大类资产的相关性动率动率TradingA 股利率债黄金做空波动率100%-26%-25%43%-1%-9%做多波动率-26%100%0%-11%-3%5%Skew Trading-25%0%100%-6%11%-1%A 股43%-11%-6%100%-10%-12%利率债-1%-3%11%-10%100%14%黄金-9%5%-1%-12%14%100%资料来源：Wind，招商证券进一步的，我们通过比较不同投资组合的收益表现来展示波动率策略的配置价值，下表中组合 I 为传统的股债再平衡组合，股债的配置比例为 25%

39、: 75%，且每个季度进行再平衡操作；组合 II 是在股债两类传统资产的基础上，增加了做多波动率类策略的配置，此时股票、债券和波动率资产的配置比例为 20%: 60%:20%。通过回测可以看到，传统组合的年化收益为 5.25%，波动率 5.81%，但尾部风险较高达到 11.56%。而股债波动率组合的年化收益提升到 7.21%，波动率下降至 4.97%，尾部风险显著降低到 6.65%，通过引入波动率资产传统投资组合的业绩有显著改善。图表 27. 引入波动率资产对传统股债配置组合的改善资料来源：Wind，招商证券图表 28. 不同配置模型的业绩比较策略类型年化收益波动率收益波动比最大回撤收益回撤比股债混合5.25%5.81%0.9011.56%0.45股债+波动率资产7.21%4.97%1.456.65%1.08资料来源：Wind，招商证券图表 29. 引入波动率资产后的多资产组合逐年收益年份收益率波动率收益波动比最大回撤20157.92%7.25%1.206.65%20161.37%3.76%0.363.50%201711.70%4.97%2.361.87%20184.73%4.28%1.113.07%201910.89%4.13%2.64