從狂熱到恐慌：牛轉熊過渡期的量化生存法則

核心要點

牛市轉為熊市的過渡期，正是投資者心理最具破壞性的時刻，也是簡單的量化規則能發揮最大價值之處。三種認知偏誤——過度自信、錨定於近期高點、以及從眾追隨共識——恰好在市場轉折點時最為強烈。三個有研究支持的量化框架——波動率縮放、趨勢追蹤、以及品質因子傾斜——在長期下跌期間，歷史上相較於買入持有策略，最大回撤降低了20%至40%。同樣的框架在對稱性應用下，也能解決鏡像問題：區分真正的熊轉牛復甦與貫穿每一次持續下跌的誘騙式反彈。這些規則並不能消除損失，也無法保證完美的再進場時機。它們在人類判斷最容易失靈的時刻，系統性地管理退出和再進場。

2007年10月9日：無人察覺的一天

2007年10月9日，S&P 500收於1,565點——歷史新高。當週美國個人投資者協會(AAII)的調查顯示，55%的受訪者持看漲態度。共同基金的現金儲備處於歷史低點附近。金融體系的槓桿率達到前所未有的高度。

在隨後的17個月內，該指數下跌了57%。

使這一事件具有啟示意義的，並非崩盤本身，而是崩盤前後的行為模式。散戶投資者直到2009年3月——也就是市場見底的那個月——才真正大幅減少股票部位。他們在最糟糕的時刻賣出，承受了最大的痛苦之後，卻錯過了隨後400%的漲幅。這一模式並非2007年獨有。從2000年的網路泡沫高峰到2020年2月COVID疫情前的高點，每一次牛市轉熊市的重大轉折中，這一模式都以驚人的一致性反覆出現。

問題不在於下一次轉折是否會發生，而在於投資者能否在心理因素接管之前，系統性地做好準備。

市場體制轉變的心理學

行為金融學已經識別出驅動市場轉折期間不良決策的具體認知機制。這些偏誤並非抽象的理論概念——它們是可以衡量、可以預測的模式，而且恰好在牛市轉為熊市的特徵條件下最為強烈。

過度自信在牛市後期達到頂峰。Barber and Odean (2000)記錄了過度自信的投資者交易頻率比合理水準高出45%，導致年化淨報酬率降低約2.6個百分點。在持續上漲的行情中，正向報酬形成反饋迴路：投資者將收益歸因於自身能力而非市場環境，這種現象被Daniel, Hirshleifer, and Subrahmanyam (1998)稱為「偏誤性自我歸因」。結果就是部位擴大、槓桿提高、集中押注——而這恰恰發生在風險回報比正在惡化的時候。

錨定於近期高點使投資者在下跌初期陷入癱瘓。Shefrin and Statman (1985)的研究表明，投資者會錨定於買入價格，拒絕賣出低於參考價格的部位，他們將這種模式命名為「處分效應」。當S&P 500從歷史高點下跌時，投資者會告訴自己下跌只是暫時的，指數將回到他們的錨定價位。這種心理帳戶陷阱使他們在回撤的前20%到30%期間依然滿倉持有。

從眾行為驅動了底部的投降式賣出。隨著虧損加劇，職業風險和社會壓力蓋過了獨立分析。偏離共識且表現不佳的專業經理人面臨被解聘的風險。散戶投資者看到鄰居在賣出，便跟隨效仿。AAII的看跌情緒指標可靠地在主要市場底部的兩週內達到峰值——投資者集體在最錯誤的時刻達到最大悲觀。

散戶投資者的三個量化框架

上述行為證據解釋了為什麼自主判斷型投資者在市場轉折時系統性地損毀價值。解決方案很直接：用規則型框架取代自主判斷，將人類在壓力下做得最差的決策自動化。以下三種方法擁有充分的實證支持。

框架一：波動率管理投資組合

Moreira and Muir (2017)證明，根據近期已實現波動率反向調整投資組合的曝險，可以提高股票、債券、貨幣和商品投資組合的夏普比率。其直覺很簡單：當波動率飆升時——正如市場轉折期間的典型情況——減少曝險。當波動率較低時，維持或增加曝險。

這一機制之所以有效，是因為高波動期的風險調整報酬率低於低波動期，這一模式跨資產類別和時間段都成立。通過在高波動環境下減少曝險，投資者能獲取每單位風險更高的報酬。

對於散戶的實施方法很簡單：在每月月底計算21天已實現波動率，與過去12個月的中位數進行比較。如果當前波動率超過中位數的1.5倍，則將股票配置減少30%至50%。當波動率恢復正常時，恢復完整配置。這不需要期權知識、不需要槓桿、也不需要盤中監控。

Cederburg et al. (2020)提出了合理的質疑：在考慮估計誤差和交易成本後，波動率擇時是否仍然有效。這一爭論尚未定論，但整體證據傾向於支持波動率縮放作為一種實用的回撤降低工具，尤其是對於再平衡週期較長的投資者。

框架二：趨勢追蹤作為危機保險

Moskowitz, Ooi, and Pedersen (2012)記錄了時間序列動量效應——買入近期報酬為正的資產、賣出近期報酬為負的資產——在涵蓋股票、債券、貨幣和商品的58個期貨市場中均能獲利。Hurst, Ooi, and Pedersen (2017)將這一證據擴展到137年的數據，確認趨勢追蹤策略自1880年以來的每個十年都產生了正報酬。

對於熊市生存而言，關鍵特性在於趨勢追蹤策略在持續下跌期間會自然轉為防禦姿態。當價格跌破移動平均線時，策略會轉向現金或空頭部位。在2008年全球金融危機期間，SG趨勢指數報酬約為+20%，而同期S&P 500下跌了37%。

對散戶投資者而言，最簡單的實施方式是Faber (2007)推廣的10個月簡單移動平均線規則：當指數高於其10個月SMA時，保持股票投資；當指數低於此水準時，轉入現金或短期債券。這一規則避開了全球金融危機和2022年利率衝擊的大部分回撤。

弱點在於V型崩盤。在2020年3月的COVID崩盤中，S&P 500下跌了34%，並在五個月內完全復原。趨勢信號在接近底部時產生了賣出信號，且延遲重新進場，造成了鞭打式虧損。沒有任何趨勢追蹤系統能夠適應23天內的反轉。

框架三：品質防禦型傾斜

Asness, Frazzini, and Pedersen (2019)系統化定義了「品質減垃圾」因子：由高品質股票（盈利能力強、持續成長、安全性高）組成的投資組合表現優於低品質股票組合，且這一差距在市場下跌期間擴大。Novy-Marx (2013)指出，毛利率是報酬的強預測因子，且天然地與價值策略互補，在熊市期間具有防禦特性。

品質股在下跌期間損失較少，因為它們的現金流更具韌性。當信貸市場凍結時，它們不需要外部融資。當需求萎縮時，它們的定價能力能維持利潤率。

對散戶投資者而言，實施方式是在波動率環境顯示轉折正在進行時，將股票配置向品質因子ETF傾斜。這不需要市場擇時——只需要認識到市場環境已經改變，並調整股票曝險的組成而非其水準。

回測證據

這三個框架在實際危機中表現如何？下表比較了買入持有S&P 500投資組合、傳統60/40配置，以及三種量化方法的最大回撤。

幾個模式浮現出來。沒有任何單一規則在所有危機中都佔據主導。波動率縮放在全球金融危機和2022年利率衝擊等緩慢發展的熊市中效果最佳，因為波動率逐漸上升並提供了早期信號。趨勢追蹤在持續下跌期間獲取了最大收益，但在V型的COVID崩盤中出現了鞭打式虧損。品質傾斜在各事件中提供了最一致的保護底線，但相對於買入持有策略的改善幅度最小。

三種方法的組合——通過波動率縮放降低整體曝險、在趨勢破壞時削減股票部位、並將剩餘股票向品質傾斜——始終優於任何單一框架。信號類型的多元化為每種方法特有的失效模式提供了穩健性。

這些結果是基於已發表的學術方法應用於歷史數據得出的。實際實施將涉及交易成本、追蹤誤差、稅務影響和行為偏離。

識別真正的底部

上述規則解決了如何在下跌期間減少曝險的問題。鏡像問題同樣重要且同樣困難：何時重新進場。成功在熊市中轉為現金的投資者面臨一組新的心理陷阱。同樣的損失趨避——在下跌途中使他們過久持有部位——現在在上漲途中使他們過久停留在現金。對接住落刀的恐懼取代了對錯過行情的恐懼。

熊市反彈使這一問題變得尖銳。它們並非罕見的異常現象，而是持續性下跌的一個顯著特徵。2007-2009年的熊市在2009年3月真正觸底之前，產生了六次介於8%至19%之間的獨立反彈。2000-2002年的熊市產生了四次超過10%的反彈，每次之後都創下新低。這些逆趨勢走勢的幅度大到看似令人信服，時間又短到對過早重新進場的投資者造成最大傷害。

五個量化因素在歷史上能區分真正的底部與熊市反彈。第一，市場廣度擴張：當S&P 500成分股中交易價格高於其200日移動平均線的比例超過60%時，復甦往往具有持續性。Lunde and Timmermann (2004)建立了用於標定牛熊市體制的統計框架，表明基於廣度的指標比單純的價格提供更早且更可靠的轉折信號。第二，信用利差壓縮：高收益債券的期權調整利差收窄至低於其6個月移動平均線，表明信用市場（通常在復甦中領先於股市）正在確認這一轉變。第三，VIX期限結構：恢復正向排列（近月VIX低於較長期限的期貨）表明市場對近期波動率的預期已正常化。持續的逆向排列則表明壓力仍在持續。第四，情緒洗盤：AAII看跌讀數超過50%的情況在歷史上出現在主要底部的兩週內；極度悲觀，矛盾的是，是可持續復甦的必要條件。第五，廣度推力：當10日漲跌比超過2:1（Zweig廣度推力）時，該信號在歷史上以近乎完美的準確度預示了持續性復甦，儘管觸發頻率極低。

沒有任何單一指標是充分的。其價值在於要求多重確認後才重新進場，這能過濾掉那些僅有一兩個條件達標的熊市反彈。

避免熊市反彈的假突破陷阱

熊市反彈在心理上極具說服力，因為它們結合了兩股強大的力量：機械性空頭回補產生的急劇上漲價格走勢，以及錨定於下跌前高點所產生的復甦敘事。經過數週的虧損，數天內15%的反彈讓人感覺危機正在結束。這一敘事被媒體報導、分析師上調評級以及其他投資者明顯的鬆了一口氣所強化。

量化角度的現實更為細膩。市場歷史上最佳的單日交易日集中在熊市中，而非牛市。自1950年以來S&P 500最大的20個單日漲幅中，有18個發生在熊市期間。在任何20年期間中錯過最佳的10個交易日，會使總報酬大致減半；但這10個最佳交易日中有7個發生在最差的10個交易日的兩週內。這種聚集意味著誘使投資者重新進場的爆發性反彈，在結構上與定義持續性熊市的極端波動率密切相關。

三條再進場規則與前述的退出規則形成互補，構成對稱性框架。第一，通過10個月SMA確認：同樣的Faber (2007)規則在反向時同樣適用。等待指數月底收盤價高於其10個月簡單移動平均線後，再恢復股票曝險。這通常會在真正底部之後延遲一至三個月再進場，但能避免在失敗的反彈中過早投入。第二，波動率正常化：對稱地應用Moreira and Muir (2017)框架。僅當21天已實現波動率降至過去12個月中位數以下時，才恢復完整配置。反彈期間的高波動率表明復甦可能脆弱。第三，廣度確認：僅當超過50%的指數成分股交易價格高於其200日移動平均線時才重新進場。由少數大型股主導的窄幅反彈，在統計上比廣泛參與的復甦更可能失敗。

這些再進場規則犧牲了真正復甦初期的部分上漲空間。在2009年3月，SMA規則會將完全再進場延遲至大約2009年7月，錯過初始反彈的約30%。但這一成本是不對稱的：延遲進入真正復甦的代價是減少的收益，而過早進入誘騙式反彈的代價是已實現的虧損，加上兩次犯錯所帶來的心理傷害。這些規則的設計是接受較小的成本以避免較大的成本。

為什麼規則在回撤期間勝過直覺

在市場轉折時，規則型投資的行為學論據最為有力。展望理論預測損失趨避會導致投資者過長時間持有虧損部位，寄望回本而非止損。過度自信預測投資者會相信自己能通過自主分析找到底部。從眾行為預測投資者會在最糟糕的時刻集體投降。

數據以令人不安的精確度證實了這些預測。Dalbar對投資者行為的量化分析一貫顯示，普通股票型共同基金投資者在20年期間的年化報酬率約為3.6%，而同期S&P 500為10.7%。這一差距並非僅由費用驅動，主要源於集中在市場轉折期間的不良擇時決策——在上漲後買入、在回撤時賣出。

量化規則的價值並不在於其數學上的精密性。上述三個框架只需基本的算術運算。它們的價值在於將人類在壓力下做得很差的決策自動化。一條規定「當波動率超過中位數的1.5倍時減少股票」的規則，消除了「這次是否不同」這種痛苦的主觀判斷。一個顯示「轉入現金」的移動平均線信號，不會與希望進行談判。

局限性

交易成本會侵蝕所有三個框架的模擬報酬。Novy-Marx and Velikov (2016)指出，許多已發表的異常現象在考慮實際交易成本後失去了顯著性，尤其是需要頻繁再平衡的策略。月度再平衡——如波動率縮放和SMA規則所採用的——對於寬基指數工具而言成本相對較低，但對於更精細的實施方式，成本會累積。

沒有任何規則能預先預測市場體制的變化。所有三個框架都是反應式的：它們在波動率、趨勢或品質利差發生變化之後才做出反應。這引入了滯後性，意味著投資者在規則觸發保護行動之前，必然會經歷一部分初始回撤。

行為偏離是最被低估的局限。規則型投資最困難的部分，是當規則產生令人不舒服的信號時仍然堅持執行。在下跌15%後轉為現金，卻看到市場在下個月反彈10%，這會產生強烈的壓力迫使人放棄系統。規則之所以有效，恰恰因為它們是機械式的。推翻規則就重新引入了規則旨在消除的行為偏誤。