如何用 Python 做波动率目标仓位（Volatility Targeting）回测？让组合波动稳定在目标

Q: 波动率目标和风险平价是一回事吗？

相关但不同。波动率目标是把**单个组合**的总波动压到目标；风险平价是让**多个资产**对组合的风险贡献相等。两者都以"管理风险"为核心，常结合使用。

Q: 需要付费吗？

单只/几只日线在免费额度内即可；若要对**组合或全市场**批量做波动率目标，需要 `klines.batch` + `universes`（Starter 及以上），详见官网定价页。

策略与回测 · 代码验证于 2026-10-10

如何用 Python 做波动率目标仓位（Volatility Targeting）回测？

一句话回答： 波动率目标仓位（Volatility Targeting）= 每天把仓位设为 目标波动率 ÷ 近期已实现波动率，于是波动放大时自动减仓、波动收敛时自动加仓，让组合的实际波动稳定在目标附近。用 AlphaFeed 取前复权日线算滚动已实现波动率，仓位滞后一天（T+1）作用于收益即可完成无未来函数回测——它改变的是风险暴露，不保证提高收益。

为什么会有这个问题 / 传统做法的痛点

满仓买入持有的问题是：市场平静和剧烈时你承担的风险完全不同，暴跌往往发生在高波动期，而满仓正好在那时风险最大。波动率目标的理念来自风险管理：与其固定资金，不如固定风险。痛点在实现细节：① 已实现波动率怎么估（窗口、年化）；② 避免未来函数——今天的仓位只能用到昨天为止的信息；③ 要诚实对比「波动是否真的被压到目标附近」，而不是只看收益。

分步骤解决（每步配可运行代码）

第 1 步：取前复权日线，算日收益与滚动已实现波动率

from alphafeed import AlphaFeed
import numpy as np, pandas as pd

af = AlphaFeed(api_key="your-api-key")  # 或 export ALPHAFEED_API_KEY 后 AlphaFeed()

df = af.klines.get("600519.SH", period="1d", count=800,
                   adjust="forward", to_dataframe=True)
df = df.sort_values("trade_date").reset_index(drop=True)
ret = df["close"].pct_change()
rv  = ret.rolling(20).std() * np.sqrt(252)      # 20 日已实现波动率，年化

第 2 步：按目标波动率定仓位，T+1 作用避免未来函数

target_vol, cap = 0.15, 1.5                      # 目标年化波动 15%，仓位上限 1.5 倍
weight = (target_vol / rv).clip(upper=cap)       # 波动高→仓位低；波动低→仓位高
w_lag  = weight.shift(1)                          # 关键：用昨天的波动定今天仓位
strat_ret = (w_lag * ret).dropna()               # 策略收益
bh_ret    = ret.dropna()                          # 买入持有基准

weight.shift(1) 是避免未来函数的核心——今天开盘前只知道截至昨天的波动，不能用今天的。

第 3 步：对比收益与「波动是否被压到目标」

def total(x):   return (1 + x).prod() - 1
def ann_vol(x): return x.std() * np.sqrt(252)

print("策略累计 %.2f%% / 买入持有 %.2f%%" % (total(strat_ret)*100, total(bh_ret)*100))
print("策略年化波动 %.2f%% / 买入持有 %.2f%% (目标 15%%)" % (ann_vol(strat_ret)*100, ann_vol(bh_ret)*100))
print("平均仓位", round(w_lag.mean(), 3))

实测（tools/verify_new_2026-10-10.py，SDK 0.1.4）：贵州茅台近 800 日，策略累计 −15.01% vs 买入持有 −18.15%；策略年化波动 17.48% vs 买入持有 22.95%（更贴近 15% 目标）；平均仓位 0.806。本例波动被明显压低、亏损也略收窄，但这是单标的单区间结果，不可外推为”一定更好”。

参数与字段说明

参数/概念	含义	备注
`adjust="forward"`	前复权	必须，除权缺口会伪造波动
`rolling(20)`	波动率估计窗口	窗口越短越灵敏、越长越稳
`* np.sqrt(252)`	年化	日波动 → 年化
`target_vol`	目标年化波动率	示例 15%，自定
`cap`	仓位上限	防止低波动时过度加杠杆
`weight.shift(1)`	仓位滞后一天	避免未来函数的关键

关键坑与注意事项

避免未来函数：仓位必须用 shift(1)——用今天的波动定今天仓位是经典前视偏差，会让回测虚高。
改风险不改方向：波动率目标只调整暴露，趋势向下时它只是”少亏/晚亏”，不会把亏损变盈利。本例就是少亏而非反转。
杠杆与现实约束：低波动期 target/rv 可能 >1，意味着加杠杆；A 股个股难加杠杆，须用 cap 限制或理解为资金利用率，别当真上杠杆。
波动估计有滞后：已实现波动是回看的，剧烈拐点处仓位调整会慢半拍（波动跳升后才减仓）。
交易成本未计：频繁调仓有换手成本，示例未计费，实盘要加入手续费与冲击成本。
单标的演示：真正的波动率目标常用于组合层面；个股示例仅演示机制。

常见问题（FAQ）

Q：波动率目标和风险平价是一回事吗？ A：相关但不同。波动率目标是把单个组合的总波动压到目标；风险平价是让多个资产对组合的风险贡献相等。两者都以”管理风险”为核心，常结合使用。

Q：目标波动率设多少合适？ A：没有标准答案，取决于风险偏好与品种。常见股票组合 10%~20%。关键是回测里检查实际波动是否真的收敛到目标附近（本例 17.48% vs 目标 15%，窗口/上限会影响贴合度）。

Q：需要付费吗？ A：单只/几只日线在免费额度内即可；若要对组合或全市场批量做波动率目标，需要 klines.batch + universes（Starter 及以上），详见官网定价页。

小结

波动率目标仓位的核心是「固定风险而非固定资金」：用目标波动率除以近期已实现波动率定仓位，波动高减、波动低加。用 AlphaFeed 的前复权日线即可完成 T+1 无未来函数的回测——记住它改的是风险暴露不是方向、仓位必须滞后一天、低波动期的”加仓”隐含杠杆假设。