框架篇（下）：波动率目标与头寸规模——全书精华（第 9~12 章）

第 9 章：波动率目标——先定”敢冒多少险”#

框架的锚不是任何信号，而是一个问题——你愿意让整个账户承受多大的年化波动？为此定义两个数：

• 百分比波动率目标 τ：如 20% 表示账户年化波动 20%；
• 现金波动率目标：资本 × τ；日度目标 ≈ 年度 ÷ 16（√256 个交易日）。

τ 怎么定？取三条上限中最小的：

1. 半凯利：τ 不超过预期夏普的一半（预期 SR 0.5 → τ ≤ 25%）——全凯利在理论上增长最快，但对夏普估计误差毫无容错，减半才睡得着；
2. 杠杆约束：你的市场和账户实际能开多大敞口（股票现货往往到不了 25%）；
3. 偏度折扣：负偏策略的夏普虚高，τ 还要再往下调。

前提是诚实的预期夏普：分散化的多品种系统约 0.5，单一规则单一品种约 0.3——回测数字先打对折再谈。作者反复强调：τ 这个数字对长期结果的影响，超过你选的任何交易规则。

第 10 章：头寸规模——把预测换算成仓位#

两步算完：波动率缩放因子 = 日现金波动率目标 ÷ 该品种单位仓位的日波动；仓位 = 缩放因子 × 合成预测 ÷ 10。这个朴素公式自带两个自动机制：

• 高波动品种自动小仓位，低波动品种自动大仓位——每个品种贡献同样多的风险；
• 市场波动升高时自动减仓：波动率进入分母，2008 式的风暴来临时系统自己降杠杆，不需要你半夜做决定。

第 11 章：组合——分散化乘数的红利#

多品种时，每个品种的”子系统”（预测 + 波动率目标 + 头寸规模）先独立运转，再按品种权重（handcrafting：按资产类别分组）组合，乘以品种分散化乘数（IDM）：品种间相关不完全，组合波动小于各子系统之和，乘数把总风险补回到目标水平。分散化的红利就在这——同样的风险预算，品种越分散，你能持有的总敞口越大。

第 12 章：速度与规模——换手的速度上限#

交易越频繁，成本吃掉的夏普越多。作者给出速度上限：一个品种上一年花掉的交易成本，不应超过预期税前夏普的三分之一（以他假设的单品种 SR 约 0.4 计，成本预算约 0.13 个夏普单位）。配套工具是仓位缓冲（buffering）：目标仓位与当前仓位差得不多就不动手，把无意义的小额换手直接滤掉。规模的另一端：资金太小开不出最小手数、太大撞上容量，都要回头修剪品种清单。

对应本平台#

• 平台 top-N 组合是”每只股票同样的钱”；本章的进阶是”每只股票同样的风险”——用 research/dataset.py 的收益面板算各股 25 日波动率，按波动率倒数加权，就是第 10 章的最小实现；
• 再上一层是组合级 τ：熊市高波动时段整体降仓——回测引擎目前满仓运行，这正是”下一个功能”的蓝图；
• --cost × --rebalance 就是第 12 章的实验场：调仓从 1 天拉到 5、20 天，看成本吃掉的年化收益如何缩小。

本章带走的三句话#

1. 波动率目标 τ 是全书最重要的决定：半凯利、杠杆约束、偏度折扣三条上限取最小；
2. 仓位 = 波动率缩放 × 预测强度——高波动自动小仓位，风暴来临自动降杠杆；
3. 分散化乘数是免费午餐，速度上限是纪律红线：成本别超过预期夏普的三分之一。