报告分析:Justifying the Volatility of S&P 500 Daily Returns
1. 元数据与概览
标题 :Justifying the Volatility of S&P 500 Daily Returns
作者 :Hayden Brown
联系方式 :haydenb550222@gmail.com
发布机构 :无明确公布,似为独立学术研究
主题 :围绕标准普尔500指数(S&P 500)日收益率的波动率展开,重点考察推动其波动率变化的市场机制,并分析日内杠杆ETF相较于无杠杆ETF的长期表现
核心论点总结 :
本文假设市场力量决定日内波动率水平,使得杠杆倍数基金无法长期打败无杠杆指数基金。基于该假设,当前S&P 500日收益率波动率的长期上升趋势得到了合理解释,并预测其未来将继续上升直到达到某一门槛。若该假设无效,杠杆ETF则可能实现长期超越标准指数基金的表现1 ,1,2]。
2. 逐节深度解读
2.1 摘要与引言
关键信息 :
杠杆ETF长期表现依赖于基础指数日对数收益率的均值(mean)与波动率(volatility)。在均值为正的情况下,波动率提升会因杠杆的复利效应而导致杠杆ETF回报下降。经典投资观点认为,市场投资组合长期不可超越,因此日均杠杆ETF长期不应优于无杠杆ETF。本研究目的是界定何种波动率水平下,标准SPY(S&P 500 ETF)能长期胜过杠杆ETF1 。
推理与假设 :
著眼于市场的均衡逻辑,假设市场通过调节波动率维持杠杆ETF展现不出长期超额收益,从而支持了市场“无可战胜”理论1 。
2.2 文献综述(1.1节)
关键点 :
文献中波动率定义多样,本文采用类似实现波动率(realized volatility),具体为连续交易日百分比变化的平方均值。大部分现有研究关注短期波动率,而本文致力于量化S&P 500长达60年的日波动率走势及未来趋势。先前研究发现日收益率波动率上升,而月度波动率未见明显增幅(Washer et al., 2016)。ETF持股增加本身会放大股票波动率(Ben-David et al., 2018),但具体贡献度尚未定论。
研究还指出宏观变量可预测中短期波动率(Conrad and Loch, 2015)。文中扩展之前理论,并借助线性规划(LP)方法验证结果的普适性,LP用于估计杠杆ETF与非杠杆ETF表现差异的边界,避免对收益分布做过严假设2 ,2]。
逻辑阐述 :
力求从长期视角解释波动率演变与杠杆ETF表现的内在关联,并用数学方法产生理论边界,提高论证的严谨性。
2.3 预备知识及数据(第2节)
定义与符号 :
(C_i):第i个交易日的调整收盘价
(X_i = \frac{C_i}{C_{i-1}} - 1):日百分比变化
杠杆指数LxI调整价格为 (C_i^L = C_0 \prod_{k=1}^i (1 + L X_k))
日对数收益率为 (\log \frac{C_n^L}{C_0} = \sum_{i=1}^n \log(1 + L X_i))
杠杆ETF考虑费用率r,复利调整后收益为 (R_{n,r}^L = \log \frac{C_n^L}{C_0} + n \log(1 - \frac{r}{252}))
年化收益差 (d(L) = (R_{n,0}^L - R_{n,0}^1) \cdot \frac{252}{n})
(u) 表示平均对数收益率,(v) 表示平均平方收益率变化
SPY的年费率约为0.945%,而杠杆ETF费率高约0.95%4 ,4]。
数据来源及描述 :
S&P 500 调整收盘价数据源于Yahoo Finance,时间跨度1927年至2023年
另外取香港恒生综合指数、德国DAX30和法国CAC40等国际指数5
通过图表分析显示,1960年后日收益率的波动率((\sqrt{v}))呈上升趋势(见图1)6
长期S&P复合指数的年复合实际收益率相对稳定,大致年均对数收益0.0658左右,允许叠加不同通胀调整(见图2和表3)6 ,6]。
2.4 理论推导与模型(第3节)
目标函数 :最大化日杠杆ETF与无杠杆ETF的对数收益差 (\max_L R_{n,r_1}^L - R_{n,r_0}^1),最优杠杆倍数记为 (L^*)。
数学近似 :利用对数函数Maclaurin展开 (\log(1+x) \approx x - \frac{x^2}{2} + \frac{x^3}{3} - \frac{x^4}{4}) 近似日对数收益率
构造函数(g(L)) 表征超额收益的主要贡献:
[
g(L) = (L - 1)\left(u - \frac{L v}{2}\right)
]
考虑费用影响 ,定义费用函数 (f(r_0,r_1) \approx \frac{r_0 - r_1}{252})
因此,收益差可近似为
[
R_{n,r_1}^L - R_{n,r_0}^1 \approx n \left[g(L) + f(r_0, r_1)\right]
]
(g(\cdot)) 为二次函数,其导数计算显示最大化点为
[
\hat{L}^* = \frac{u}{v} + \frac{1}{2}
]
该点所对应的最大收益差为
[
g(\hat{L}^*) = \frac{v}{2} \left(\frac{u}{v} - \frac{1}{2}\right)^2
]
进而给出了判定条件:若 (g(\hat{L}^*) \leq f(r_1, r_0)),则无杠杆ETF优于杠杆ETF,否则相反7 ,7,8]。
图表分析 :
图3展示了 (\hat{L}^*) 对波动率 (\sqrt{v}) 和不同年度通胀率的依赖关系,可见较高波动率对应较低的最优杠杆倍数,反映波动率增加抑制杠杆投资的长远表现9 。
图4绘制了可使日杠杆ETF不超越无杠杆ETF的波动率上下界区间 ([v^{-}, v^{+}]),界定了波动率阈值范围10 。
2.5 应用(3.1-3.5节)
估计与验证 :
通过历史S&P500数据,计算不同时间长短(10周、1年、10年、30年)对应的最优杠杆倍数 (L^) 及其近似 (\hat{L}^ ),两者高度相关,且随着时间窗口增长, (L^*) 趋于稳定(图5)11 ,11]。
类似地,收益差 (d(L^)) 与估计值 (252 \cdot g(\hat{L}^ )) 也紧密对应(图6),但后者对长期表现略有乐观估计12 ,12]。
当杠杆倍数固定,长时间区间下模拟误差小,短期和高杠杆倍数下误差偏大,说明预测模型对长期审视和中小杠杆倍数更适用(图9-10)13 ,25,26]。
拓展考虑收入分布高阶矩(即偏度和峰度,通过(m_3,m_4)),构建补充函数 (\tilde{g}(L)) 改进估计,短期和大杠杆倍数估计明显改进(图11-14)14 ,14,27-29]。
预测指标可预测性 :
观察数据后发现:
长期(30年)区间的平均日对数收益 (u) 稳定且正值,范围约在0.05-0.1间
波动率指标 (\sqrt{v}) 长期呈上升趋势,可能从0.01升至0.015甚至更高
高阶矩 (m_3, m_4) 受极端异常影响较大,不易预测,建议强调基于低阶矩估计15 ,15,30,31]。
跨指数适用性 :
初步分析显示模型和方法对CAC40、DAX30、恒生指数等大盘指数同样有效,但前提是需要较准确的长期收益率预测33 。
线性规划方法(LP) 应用:
针对实际中无法完全观测收益分布,通过构建有约束的LP,将实际(d(L))限制在上下界间,从而验证估计的合理性。
LP约束包括收益的区间限制,二三四阶矩边界等,算法1利用函数二阶特性优化采样点
结果表明在合理的约束范围内,之前的 (252 \cdot g(L)) 估计确实处于界限内,误差量与杠杆倍数相关,巨大杠杆带来的误差更大,但对实际应用长期投资影响不大17–19 ,33-35]。
3. 图表深度解读
图1:S&P 500 5年滚动期内的日收益率波动率((\sqrt{v}))演变趋势6
描述:图示从1927年到2017年,5年期滚动窗口日收益率波动率的变化
规律:1960年前波动率整体下降,之后呈现明显上升趋势,尤其在20世纪末及21世纪初波动率攀升
说明该长期趋势与文章核心论断对应,即股票市场日内波动率存在上涨趋势,为杠杆ETF表现形成约束条件。
图2:S&P复合指数150年累计真实年对数收益及其线性趋势7
描述:累计年真实对数收益曲线,红色趋势线斜率0.0658为长期年均收益率的近似
解析:长期年均收益率相对稳定,同时结合不同通胀,折算不同实际收益期望,作为 (u) 的参考基准。
图3:最优杠杆倍数 (\hat{L}^*) 随波动率和不同年通胀率变化9
描述:横轴为波动率(\sqrt{v}),纵轴为最优杠杆倍数,5条曲线对应0%-4%通胀率
解读:波动率越高,最优杠杆倍数急剧下降;通胀越高,最优杠杆相对偏高,即在高通胀环境中杠杆投资的激励稍强
该图强调杠杆投资的最优策略依赖环境波动率与通胀背景。
图4:设定手续费差异条件下,日波动率区间 ([ \sqrt{v^-}, \sqrt{v^+} ]) 10
描述:多条曲线对应费率差不同,横轴为 (252-u),纵轴为界定区间端点波动率平方根
理解:当波动率处于该范围时,杠杆ETF无法优于无杠杆ETF,因此界定了投资杠杆产品的市场“安全边际”
说明了费率差异对波动率区间判断的重要影响。
图5 & 图6:最优杠杆倍数 (L^) 及年化收益差 (d(L^ )) 与估计值(\hat{L}^) 和 (252 \cdot g(\hat{L}^ )) 对比12 ,12]
图5显示两者高度正相关,说明模型对最优杠杆倍数的预测准确
图6同样表现收益差估计较为有效,误差整体减小,长周期更显著
从投资实践角度,说明基于均值和波动率的简化模型有较强预测力。
图7 & 图8:前述图的误差分析细节,限于收益差较小区间25
统计量表明误差呈密集分布,多数情况高度接近,排除极端值后模型稳健性良好。
图9 & 图10:各种杠杆倍数对应估计值与真实收益差的误差展示26 ,26]
表明长期,低杠杆倍数估计误差趋近于零,短期及高杠杆出现较大偏离
验证了模型应用的合理范围和局限性。
图11 & 图12 :加入三四阶矩改善估计效果28 ,28]
显示对于极端高杠杆和较短期,包含高阶矩的模型精度有显著提升
长期低杠杆条件下提升有限,权衡复杂性意义不大。
图13 & 图14:加入高阶矩的最优杠杆倍数及收益差估计30
同样展示改进的估计更加接近真实,但考虑成本与收益难成比例。
图15~18:指标 (u,v,m_3,m_4) 随时间及投资周期演变31 ,31]
10年及以上周期内,均值及方差趋于稳定且有上升趋势,但偏度峰度存在极端跳跃
指数显示高阶矩预测难度较大,建议备择方案以低阶矩为主。
图19 & 图20:国外指数的相关指标演化趋势33
呈现类似特征,支持模型在国际市场的通用性,但具体参数需个案确定。
表5~10:基于LP边界方法,各杠杆倍数下估计误差与界限对比34–36
1698-10278个采样点模拟结果显示,(252 \cdot g(L))通常在上下界之间,更偏向上界
大杠杆倍数误差最大,但一般低于0.05,为长期投资决策提供量化参考
费率、均值、波动及高阶矩约束对结果影响被妥善控制,模型稳健。
4. 估值分析
报告中未涉及典型的企业估值或股票估值模型,主要是理论与统计分析,针对ETF杠杆倍数与波动率的数学关系及其边界,无典型DCF、市盈率估值指标。
5. 风险因素评估
波动率预测不确定性 :本文预测以(u,v)为核心,特别是波动率的未来趋势不确定,难以准确预测极端事件,影响模型实用性。
高阶矩事件难预测 :偏度与峰度受罕见事件影响较大,增加杠杆估计风险。
杠杆ETF费用与操作风险 :费用率变化及杠杆产品固有的追踪误差、市场冲击等因素可能导致模型偏离。
市场机制假设 :核心假设市场会调整波动率以使杠杆ETF长期无超额收益,若市场行为或监管环境改变,则结论有效性打折。
模型简化假设局限 :对收益分布处理简化,忽略具体分布非对称性、尖峰厚尾等,潜在估计风险。
报告未明确提出缓解策略,更多是提示在数据和假设不确定时应慎用杠杆投资。
6. 批判性视角与细微差别
报告基于较强假设:“市场会调节波动率以禁止杠杆ETF长期超额收益”,这一假设虽逻辑自洽,但在实证上难以直接验证,且缺乏对“市场机制如何调节波动率”具体路径揭示。
对高阶矩的建模虽有所涉及,但其预测难度及对估计贡献有限,且实际市场中频发极端事件可能会打破模型稳定。
采用的线性规划方法虽然形式严谨,但依赖选取的约束与采样,计算复杂度较高,实际操作门槛较大。
费率影响虽纳入简化函数 (f(r_0,r_1)),但忽略了杠杆ETF的再平衡成本、税收差异等现实因素。
文章大量引用统计数据,但对不同投资周期(尤其超短期)估计准确度下降,暗示模型更适合长期视角。
整体分析保持客观,未见重大内在逻辑冲突,结论基于合理推演,约束明确。
7. 结论性综合
本文基于对数收益的数学展开与线性规划技术,建立了以平均日对数收益率 (u) 和日收益率波动率 (v) 为关键参数的模型,阐述了杠杆倍数、波动率水平与ETF长期收益表现的内在关系。实证分析利用近百年S&P 500数据,以及国际主要指数数据支持了理论框架,揭示以下关键见解:
长期波动率上升趋势合理且重要(图1、16、32) ,可能由市场内部机制驱动,以维护市场均衡,遏制杠杆ETF长期超额收益的可能。
最优杠杆倍数 (\hat{L}^ = \frac{u}{v} + \frac{1}{2}) 是有效整理市场信息的指标,随着波动率上升,最优杠杆逐步降低(图3、5、29),对投资策略指引意义重大。 *
当波动率超过阈值区间 ([v^-, v^+]) 时(图4),无杠杆ETF表现优于杠杆ETF,未来波动率继续增高可能使杠杆ETF逐渐失去长期投资吸引力。
高阶矩 (m_3,m_4) 对短期及高杠杆倍数估计有加成效果,但难以准确预测且长期效应有限(图11、12、13、14、31)。
线性规划边界分析技术保证了估计的稳健性和可信度(表5~10),且实际误差在长期投资角度可接受。
整体框架能够为投资管理者估计不同杠杆ETF的长期表现和风险提供量化工具,尤其适合长期规划。
未来研究的方向包括引入概率分布形状约束,深入研究日波动率与长期波动率不同步的现象,以及更精准的波动率和收益分布的预测策略。
综上,作者的核心判断是:当前日波动率上升趋势是市场均衡状态的体现,限制了杠杆ETF的长期超额收益,而未来的波动率可能还将继续上升,投射出杠杆ETF在长期配置中地位可能削弱的趋势1–3 ,5-9,11-18,32]。
重要图表索引
图1:S&P 500 5年日波动率滚动趋势
图2:S&P 复合指数累计年对数收益趋势
图3:最优杠杆倍数对波动率与通胀率的依赖
图4:不同费用差异下波动率区间
图5 & 6:最优杠杆倍数与年化收益估计对比
图7 & 8:估计误差精细分析
图9 & 10:杠杆倍数固定的估计误差
图11 & 12:加入高阶矩后的误差控制
图15~18:统计指标随时间波动
总结
该报告从理论数学模型与历史实证数据相结合的视角,有效揭示了S&P 500日收益率波动率增长背后可能的市场均衡机制,进一步勾勒了杠杆ETF在这一机制约束下的长期表现趋势。对于投资管理者而言,理解波动率与杠杆倍数之间的关系,有助于投资产品的定价与风险控制,同时应警惕波动率的不确定性与高阶矩极端事件影响。未来研究可更深入探索波动率形成机制及多阶矩预测,完善杠杆ETF投资策略框架。
以上分析完全依据报告原始内容,所有结论均添加了对应的页码标注以供追溯和验证。