[15] SVOL 真实数据验证（证伪）
2026-03-20
策略验证 · 共 5 篇
- 👉 [13] 综合架构蓝图 v4
- 👉 [14] Plan E 回测
- 📖 [15] SVOL 真实数据验证（证伪） ← 当前
- 👉 [16] 回测框架评测
- 👉 [17] PEAD 原型回测（策略已死）
SVOL ETF 样本外验证报告
研究日期: 2026-03-20
研究者: 娃彩 (wacai agent)
数据来源: stooq.com (真实市场价格) + Simplify 基金文档 (分配收益估算)
样本期: 2021-05-14 (SVOL 上市) 至 2026-03-19，共 4.83 年
核心结论
⚠️ 关键发现：合成数据严重高估 SVOL 策略表现
| 指标 | 合成假设 | 真实 OOS | 偏差 | 结论 |
|---|---|---|---|---|
| Sharpe Ratio | 0.81 | -0.03 | -0.84 | ❌ 严重高估 |
| 年化波动率 | 8% | 17.8% | +9.8pp | ❌ 低估 2.2 倍 |
| SPY 相关性 | ~0 (低) | 0.72 | +0.72 | ❌ 完全错误的分散化假设 |
| 最大回撤 | -15% | -28% | -13pp | ❌ 低估尾部风险 |
| 年化收益 | 8.5% | -0.5% | -9.0pp | ❌ 负收益 |
结论: SVOL ETF 在 4.8 年真实样本期的表现全面证伪了合成数据的假设。合成数据不仅高估收益、低估波动率，最关键的是错误假设了与 SPY 的低相关性，导致"伪分散化"幻觉。
1. 全周期表现 (2021-05-14 ~ 2026-03-19)
1.1 核心指标对比
| 指标 | SVOL | SPY (基准) |
|---|---|---|
| 总收益 | -2.49% | +68.09% |
| 年化收益 (CAGR) | -0.52% | +11.36% |
| 年化波动率 | 17.81% | 17.09% |
| Sharpe (无 Rf) | -0.029 | 0.665 |
| Sharpe (Rf=3.5%) | -0.226 | 0.460 |
| Sortino | -0.271 | — |
| 最大回撤 | -28.05% | -24.50% |
| 最大回撤日期 | 2025-04-08 | 2022-10-12 |
| 回撤峰值日期 | 2024-05-21 | 2022-01-03 |
| 恢复状态 | 未恢复 | 已恢复 |
| 日胜率 | 53.95% | 54.11% |
| 偏度 | 0.833 | 0.333 |
| 峰度 | 21.55 | 9.49 |
1.2 关键观察
负 Sharpe: SVOL 的 Sharpe 为 -0.029，意味着策略在样本期内没有提供任何风险调整后收益。考虑到约 3.5% 的无风险利率，超额 Sharpe 为 -0.226。
高波动率: 17.8% 的年化波动率与 SPY (17.1%) 几乎相同，完全不是合成假设的 8%。这意味着 SVOL 并不是"低波动"策略。
未恢复的回撤: SVOL 在 2024-05-21 达到峰值，随后在 2025-04-08 触底 (-28%)，截至 2026-03-19 仍未恢复。这表明策略存在永久性资本损失风险。
极端尾部风险: 峰度高达 21.55 (SPY 为 9.49)，表明 SVOL 收益分布存在极端肥尾。最坏单日收益 -6.76% (2025-04-04)，最好单日 +13.08% (2025-04-09) — 这种不对称性反映了 VIX 期权卖方策略的本质：日常小幅盈利，偶发大幅亏损。
2. 相关性分析
2.1 与 SPY 的相关性
| 指标 | 数值 |
|---|---|
| 日收益率相关性 | 0.7216 |
| 月收益率相关性 | 0.7553 |
| Rolling 60 日相关性均值 | 0.6968 |
| Rolling 60 日相关性中位数 | 0.7367 |
| Rolling 60 日相关性最小值 | 0.2711 |
| Rolling 60 日相关性最大值 | 0.9701 |
| Beta (vs SPY) | 0.7520 |
| R-squared | 0.5207 |
| Alpha (年化) | -9.07% |
2.2 独到发现
SVOL 与 SPY 高度正相关 (ρ=0.72)，完全不是合成假设的"低相关分散化资产"。
这意味着：
- SVOL 在股市下跌时不会提供保护，反而可能同步下跌
- 在 Plan D 组合中，SVOL 与 TSMOM、XSMOM 等 SPY 相关策略形成隐性叠加风险
- 通过 SPY 传递的间接相关性：SVOL-TSMOM ≈ 0.72 × 0.4 ≈ 0.29，SVOL-XSMOM ≈ 0.72 × 0.6 ≈ 0.43
Alpha 为 -9.07%/年：在控制 SPY Beta 后，SVOL 每年拖累组合 9%。这是巨大的负 alpha。
3. 分时期表现
3.1 2021 年 (上市初期，高波动环境)
| 指标 | SVOL | SPY |
|---|---|---|
| 总收益 | +11.71% | +15.45% |
| CAGR | +19.05% | +25.39% |
| 波动率 | 16.40% | 11.83% |
| Sharpe | 1.162 | 2.146 |
| MaxDD | -8.44% | -5.11% |
| SPY 相关性 | 0.748 | — |
观察: 即使在 VIX 高企的 2021 年 (理论上卖 vol 最有利可图)，SVOL 也跑输 SPY。
3.2 2022 年 (加息周期，高波动)
| 指标 | SVOL | SPY |
|---|---|---|
| 总收益 | -6.60% | -18.64% |
| CAGR | -6.62% | -18.71% |
| 波动率 | 17.76% | 24.24% |
| Sharpe | -0.373 | -0.772 |
| MaxDD | -14.71% | -24.50% |
| SPY 相关性 | 0.688 | — |
观察: 2022 年是 SVOL 相对表现最好的年份 — 跑赢 SPY 12%，MaxDD 也较小。这验证了卖 vol 策略在高波动下行市场的相对优势。但绝对收益仍为负。
3.3 2023 年 (复苏年)
| 指标 | SVOL | SPY |
|---|---|---|
| 总收益 | +9.99% | +26.71% |
| CAGR | +10.07% | +26.95% |
| 波动率 | 8.75% | 13.08% |
| Sharpe | 1.151 | 2.061 |
| MaxDD | -5.98% | -9.97% |
| SPY 相关性 | 0.588 | — |
观察: SVOL 在牛市大幅跑输 SPY (+10% vs +27%)。卖 vol 策略在上涨市场中收益封顶，无法享受全部上涨。
3.4 2024 年 (低波动牛市)
| 指标 | SVOL | SPY |
|---|---|---|
| 总收益 | -3.27% | +25.59% |
| CAGR | -3.27% | +25.59% |
| 波动率 | 10.91% | 12.57% |
| Sharpe | -0.300 | 2.036 |
| MaxDD | -9.37% | -8.41% |
| SPY 相关性 | 0.666 | — |
观察: 低波动环境对 SVOL 是灾难。VIX 长期低于 15，期权权利金收入不足以覆盖成本，导致负收益。这是卖 vol 策略的结构性弱点。
3.5 2025-2026 YTD (近期)
| 指标 | SVOL | SPY |
|---|---|---|
| 总收益 | -13.54% | +13.20% |
| CAGR | -11.40% | +10.86% |
| 波动率 | 26.65% | 18.41% |
| Sharpe | -0.428 | 0.590 |
| MaxDD | -26.52% | -18.76% |
| SPY 相关性 | 0.876 | — |
观察: 近期 SVOL 表现进一步恶化，相关性上升至 0.88，波动率飙升至 26.6%。2025-04 的"VIX spike"事件导致 SVOL 单周亏损超过 20%，且至今未恢复。
4. 尾部风险分析
4.1 日收益分布
| 统计量 | SVOL |
|---|---|
| 均值 | +0.0034% |
| 标准差 | 1.122% |
| 偏度 | 0.833 |
| 峰度 | 21.55 |
| VaR 95% | -1.68% |
| CVaR 95% | -2.88% |
| 最坏日 | -6.76% (2025-04-04) |
| 最好日 | +13.08% (2025-04-09) |
4.2 最坏 10 个交易日
| 日期 | SVOL | SPY | SVOL/SPY 倍数 |
|---|---|---|---|
| 2025-04-04 | -6.76% | -5.85% | 1.16x |
| 2025-04-10 | -5.80% | -4.38% | 1.32x |
| 2025-04-03 | -5.40% | -4.93% | 1.10x |
| 2021-11-26 | -5.19% | -2.23% | 2.33x |
| 2024-08-05 | -4.71% | -2.91% | 1.62x |
| 2025-07-07 | -4.70% | -0.75% | 6.27x |
| 2025-04-08 | -4.31% | -1.57% | 2.75x |
| 2025-04-21 | -4.08% | -2.38% | 1.71x |
| 2021-07-19 | -3.85% | -1.48% | 2.60x |
| 2022-08-26 | -3.80% | -3.38% | 1.12x |
关键观察:
- SVOL 在 SPY 大跌时放大亏损 (平均 1.5-2x SPY 跌幅)
- 2025-04 的 VIX 飙升事件中，SVOL 单周出现 4 次进入最坏 10 天的亏损
- 2025-07-07: SPY 仅 -0.75%，SVOL 却 -4.70% — 这是卖 vol 策略特有的"独立风险"
4.3 月度收益统计
| 统计量 | SVOL |
|---|---|
| 月均收益 | -0.04% |
| 月波动率 | 5.05% |
| 最坏月 | -17.8% (2025-04) |
| 最好月 | +14.2% (2025-05) |
| 正收益月份占比 | 54.2% |
5. 合成数据 vs 真实数据对比
5.1 原始假设 (tradeSys 合成数据)
- Sharpe: 0.81
- 年化波动率: 8%
- SPY 相关性: ~0 (低相关分散化资产)
- 最大回撤: -15%
- 年化收益: 8.5%
5.2 真实 OOS 表现
- Sharpe: -0.029 (vs 0.81，差 0.84)
- 年化波动率: 17.8% (vs 8%，高 2.2 倍)
- SPY 相关性: 0.72 (vs ~0，完全错误)
- 最大回撤: -28% (vs -15%，高 87%)
- 年化收益: -0.52% (vs 8.5%，差 9pp)
5.3 结论
合成数据在三个维度系统性错误:
- 收益高估: 假设卖 vol 能稳定赚取权利金，但忽略了 VIX 期限结构变化、尾部赔付、费用 drag
- 波动率低估: 8% 的假设完全脱离现实，真实波动率与 SPY 相当
- 相关性错误: 最致命的错误 — 假设 SVOL 与 SPY 低相关，实际 ρ=0.72
这验证了 tradeSys P-8 阶段的发现: 合成数据无法建模真实市场的相关性结构，导致"伪分散化"幻觉。
6. Plan D 组合影响评估
6.1 Plan D 当前权重
| 策略 | 权重 | 作用 |
|---|---|---|
| TSMOM | 35% | 核心趋势 alpha |
| XSMOM | 15% | 截面动量 alpha |
| MeanRev | 10% | 均值回归 alpha |
| SVOL | 10% | 波动率溢价 (被证伪) |
| Funding | 20% | 加密资金费率 alpha |
| GoldMom | 10% | 黄金动量 |
6.2 SVOL 在 Plan D 中的实际贡献 (10% 权重)
| 贡献类型 | 数值 | 评估 |
|---|---|---|
| 收益贡献 | -0.05%/年 | ❌ 负贡献 |
| 方差贡献 (自身) | 0.000317 | ⚠️ 中等 |
| 相关性贡献 | 0.072 | ❌ 增加组合与 SPY 相关性 |
| Beta 贡献 | 0.075 | ⚠️ 增加系统性风险 |
6.3 决策矩阵
| 标准 | 阈值 | SVOL 实际 | 结果 |
|---|---|---|---|
| Sharpe | > 0.5 | -0.029 | ❌ 失败 |
| SPY 相关性 | < 0.5 | 0.72 | ❌ 失败 |
| 最大回撤 | > -25% | -28% | ❌ 失败 |
| 分散化价值 | 低相关 | 高相关 | ❌ 失败 |
四项标准全部失败。
7. 建议与替代方案
7.1 核心建议
🔴 从 Plan D 中移除 SVOL，或至少降至 5% 以下。
理由:
- Sharpe < 0，无任何风险调整收益
- 与 SPY 高相关，无分散化价值
- 尾部风险高，MaxDD -28%
- 低波动环境系统性失效
7.2 替代方案
| 方案 | 调整 | 预期效果 |
|---|---|---|
| 方案 A (推荐) | SVOL 10% → 0%，Funding +10% (至 30%) | 降低 SPY 相关性，提高 Sharpe |
| 方案 B | SVOL 10% → 0%，GoldMom +10% (至 20%) | 增加独立 alpha 源 |
| 方案 C | SVOL 10% → 5%，Cash 5% | 降低风险，保留部分敞口 |
| 方案 D (不推荐) | 保持 SVOL 10% | 继续承担负 alpha 和高相关性 |
7.3 重新评估后的 Plan D (方案 A)
| 策略 | 原权重 | 新权重 | 变化 |
|---|---|---|---|
| TSMOM | 35% | 35% | — |
| XSMOM | 15% | 15% | — |
| MeanRev | 10% | 10% | — |
| SVOL | 10% | 0% | -10% |
| Funding | 20% | 30% | +10% |
| GoldMom | 10% | 10% | — |
预期影响:
- 组合与 SPY 相关性下降 (Funding ρ≈0，SVOL ρ≈0.72)
- Sharpe 提升 (Funding Sharpe≈0.5-0.7，SVOL Sharpe≈-0.03)
- 尾部风险降低 (Funding 无 VIX spike 风险)
8. 更广泛的教训
8.1 合成数据的局限性
本次 OOS 验证再次证明：
- 相关性无法合成: 合成数据可以控制边际分布，但无法准确建模资产间的动态相关性
- 波动率聚类被低估: 真实 VIX 具有高度聚类性，合成数据往往平滑了这一特征
- 结构性变化缺失: 2024-2025 低 VIX 环境对卖 vol 策略的打击在合成数据中未充分体现
8.2 卖波动率策略的真实面目
SVOL 的 OOS 表现揭示了卖 vol 策略的本质:
- 不是"稳定收租": 权利金收入被尾部赔付大幅侵蚀
- 不是"低波动": 真实波动率与股票相当
- 不是"分散化": 与股票市场高度正相关
- 是"带杠杆的看跌期权卖方": 日常小赚，偶发大亏
8.3 对 tradeSys 的启示
- 真实数据优先: 未来策略评估应优先使用真实 ETF/指数数据，而非合成
- OOS 验证必要: 任何合成回测结果都需要真实 OOS 验证
- 相关性审查: 组合构建时必须严格审查策略间的相关性假设
9. 数据附录
9.1 数据来源
- 价格数据: stooq.com (SVOL.US, SPY.US)
- 分配收益估算: Simplify Asset Management 基金文档
- 2021: ~$0.22/月 (高 VIX)
- 2022: ~$0.25/月 (极高 VIX)
- 2023: ~$0.18/月 (中等 VIX)
- 2024: ~$0.14/月 (低 VIX)
- 2025-2026: ~$0.12/月 (低 VIX)
- 总估算分配: $7.17/股 (40 次分配)
9.2 关键日期
| 事件 | 日期 |
|---|---|
| SVOL 上市 | 2021-05-14 |
| 样本期开始 | 2021-05-14 |
| 样本期结束 | 2026-03-19 |
| SVOL 峰值 | 2024-05-21 |
| SVOL trough | 2025-04-08 |
| 最坏单日 | 2025-04-04 (-6.76%) |
| 最坏单月 | 2025-04 (-17.8%) |
9.3 计算结果 JSON
详细数值结果保存至: svol_oos_results.json
10. 结论
SVOL ETF 在 4.8 年真实样本期的表现彻底证伪了合成数据的假设。
- Sharpe 从假设的 0.81 降至实际的 -0.03
- 波动率从 8% 升至 17.8%
- SPY 相关性从~0 升至 0.72
- 最大回撤从 -15% 扩大至 -28%
对 Plan D 的具体影响: SVOL 在 10% 权重下对组合贡献负 alpha (-0.05%/年)，增加与 SPY 的相关性 (0.072)，并引入尾部风险。建议从 Plan D 中移除 SVOL，将 10% 权重重新分配给 CryptoFunding 或 GoldMom。
这一发现强化了 tradeSys 的核心教训：合成数据无法替代真实 OOS 验证，相关性假设必须用真实数据检验。
报告完成于 2026-03-20