當2倍不等於2倍

2009年1月,一檔追蹤金融類股指數、廣為人知的2倍槓桿ETF,年初至今報酬率為負89%。同期間標的指數下跌約60%。天真的投資人可能預期槓桿基金會帶來兩倍的指數損失,約負120%(這是不可能的,因為基金不可能損失超過其價值的100%),因而感到困惑。但實際上89%的虧損既非系統錯誤,也非計算失誤。這是每日再平衡在極端波動期間複利累積的數學必然結果。
Avellaneda與Zhang(2010)為理解此現象提供了權威的分析框架。他們的核心洞見是:槓桿ETF的報酬具有路徑依賴性。最終報酬不僅取決於指數的起始值與終值,還取決於期間每日漲跌的具體順序。
每日重設的運作機制
目標倍數為beta(通常為2或3)的槓桿ETF,承諾提供beta倍的參考指數每日報酬。為了兌現這個承諾,基金必須在每個交易日收盤時重新平衡其曝險部位。
以一檔淨值100美元、指數曝險200美元的2倍基金為例。若指數上漲5%,基金淨值增至110美元,但隔日所需曝險為220美元(2乘以110)。基金必須額外買入10美元的曝險。下跌日則相反:淨值下降,基金必須賣出曝險。
這造成了順週期的交易模式。基金在上漲後買進、下跌後賣出,在震盪市場中系統性地以不利價格進行交易。
變異數損耗公式
Avellaneda與Zhang推導出槓桿ETF在持有期間T內複合報酬的連續時間近似公式:
R_LETF約等於beta乘以R_index減去(beta平方減beta)乘以(sigma平方乘以T)除以2
其中R_index為指數累積報酬,sigma為年化波動率,beta為槓桿倍數。第二項(beta平方減beta)乘以sigma平方除以2,即為波動率拖累。
以年化波動率20%、一年內淨報酬為零的指數上的2倍基金(beta = 2)為例,拖累為:
(4減2)乘以(0.04除以2) = 年損失4%
同一指數上的3倍基金則承受(9減3)乘以0.02 = 年拖累12%。拖累隨槓桿倍數的平方增長,使三倍槓桿產品的脆弱程度不成比例地增加。
實證驗證
Tang與Xu(2013)以多種資產類別的實際槓桿ETF報酬驗證了Avellaneda-Zhang框架。結果證實,標的指數的實現變異數解釋了槓桿ETF報酬與其目標倍數應用於期間報酬之間大部分的偏差。這個關係在股票、固定收益和商品槓桿產品中均成立。
Cheng與Madhavan(2009)記錄了類似發現,顯示每日再平衡機制以槓桿倍數的平方和實現變異數的比例放大追蹤差異。他們還指出再平衡交易本身可能加劇標的市場的尾盤波動,在市場壓力期間形成反饋迴路。
Lu、Wang與Zhang(2012)研究了槓桿ETF的長期表現,發現超過一個月的持有期間產生的報酬偏差足以實質改變投資人認為自己所接受的風險報酬特性。持有期間越長、波動率越高,預期績效與實際績效之間的差距就越大。
當槓桿對你有利時
變異數拖累框架揭示了一個重要的不對稱性。在低波動的強趨勢市場中,每日槓桿重設的複利效果實際上會將報酬提升至超過目標倍數。當指數持續朝同一方向移動時,上漲後加碼曝險(在多頭行情中)或下跌後減碼曝險(在空頭行情中)會放大趨勢。
這就是為什麼部分投資人在強勁的漲勢或跌勢中回報短期內從槓桿ETF獲得優異報酬。複利效果在兩個方向上都具有路徑依賴性:持續的趨勢有利,而均值回歸的波動則不利。
對於任何超過一天的持有期間,實際問題在於預期的趨勢成分是否能超過變異數拖累。在大多數市場環境中,尤其是實現波動率超過15%時,拖累占主導地位。
投資組合建構的啟示
路徑依賴性的發現對考慮使用槓桿產品的投資人有幾個直接影響。
首先,槓桿ETF不能替代保證金槓桿。保證金帳戶維持恆定的美元曝險;每日再平衡的槓桿ETF維持恆定的百分比曝險。這兩者在多日持有期間產生不同的報酬分佈,而槓桿ETF的分佈在波動市場中系統性地較差。
其次,槓桿ETF的持有期間風險是非線性的。持有期間加倍,預期報酬偏離目標倍數的程度超過兩倍,因為變異數累積且拖累複利增長。
第三,回測的意涵十分重要。任何使用月度或季度指數報酬乘以槓桿倍數(而非每日報酬複利)的槓桿ETF策略回測,都會系統性地高估策略績效。此偏誤在高波動環境中最大,而這恰恰是精確風險衡量最為重要的時候。
框架的局限性
Avellaneda-Zhang模型假設連續再平衡和對數常態的指數動態。實際上,槓桿ETF在離散的收盤時點再平衡,而指數報酬呈現模型無法完全捕捉的厚尾和跳躍特性。在2020年市場崩盤等極端事件期間,盤中波動可能導致基金的實際槓桿倍數在收盤再平衡前顯著偏離目標,引入超出變異數損耗公式預測的額外追蹤誤差。
融資成本(基金借款利率與無風險利率之間的利差)和管理費也會減少報酬,但在高波動環境中,這些通常相對於變異數拖累而言較小。
此框架還假設槓桿ETF精確達成其每日目標倍數,這需要在收盤價完美執行。實際上,執行滑價——特別是在流動性較低的標的市場中——會產生微小的每日追蹤誤差,並隨時間複利累積。
Written by Elena Vasquez · Reviewed by Sam
本文基於引用的一手文獻,並經編輯團隊審核以確保準確性和歸屬。 編輯政策.
參考文獻
-
Avellaneda, M. & Zhang, S. (2010). "Path-Dependence of Leveraged ETF Returns." SIAM Journal on Financial Mathematics, 1(1), 586-603. https://doi.org/10.1137/090760805
-
Cheng, M. & Madhavan, A. (2009). "The Dynamics of Leveraged and Inverse Exchange-Traded Funds." Journal of Investment Management, 7(4), 43-62. https://doi.org/10.3905/jpm.2009.35.1.118
-
Tang, H. & Xu, X. E. (2013). "Solving the Return Deviation Conundrum of Leveraged Exchange-Traded Funds." Journal of Financial and Quantitative Analysis, 48(1), 309-342. https://doi.org/10.1017/S0022109012000622
-
Lu, L., Wang, J. & Zhang, G. (2012). "Long Term Performance of Leveraged ETFs." Financial Services Review, 21(1), 63-80. https://ssrn.com/abstract=1929975
-
Trainor, W. J. & Baryla, E. A. (2008). "Leveraged ETFs: A Risky Double That Doesn't Multiply by the Cover." Journal of Financial Planning, 21(5), 48-55.