杠杆 ETF 波动损耗：每日再平衡不是缺陷，是被误读的数学

关于杠杆 ETF，流传最广的一句话是：「杠杆 ETF 有波动损耗，长期一定跌到零，只能日内交易。」

这句话里有一个正确的观察和三个错误的推论。

正确的部分是：损耗确实存在，而且有精确的闭式解。错误的部分是：它不是「必跌」，不是「时间越长越糟」，也不是基金公司设计上的缺陷。

把真值精确设为 μ=6%（年化算术漂移）、σ=25%，跑 5 年 × 4 万条路径，答案分三层。

左图是那条决定一切的抛物线。相对于「L × 标的几何收益」这个基准，损耗精确等于：

模拟实测与理论的对照：

注意这张表里最容易被忽略的一行：L=1x 的损耗精确等于 0.00e+00。

这不是巧合，是公式的结构。$L(L-1)$ 在 $L=0$ 和 $L=1$ 处都精确为零——这是两个不动点。所以「波动损耗」根本不是杠杆产品特有的诅咒，它是「杠杆偏离 1 倍」的代价，而且这个代价对 −1x 反向 ETF 同样成立（−6.250%，与 +2x 完全相同）。

反向 ETF 的持有者往往以为自己只是在做空，实际上他们和 2x 多头付的是一模一样的损耗。

右图是决定性的安慰剂：把波动率设为 0，五档杠杆的损耗全部塌回零，最大绝对值 4.29e-05。这条对照锁死了机制——损耗 100% 来自波动率，不掺任何实现 bug 或成本假设。

一、「必跌」是分布误读，不是数学结论#

先看最容易被误用的一组数字。5 年后的净值分布：

3x ETF 的均值是 2.428（赚 143%），中位数是 0.606（亏 39%）。

这两个数字都是对的，而它们指向完全相反的结论。均值被极少数暴涨路径拉高（95 分位是 9.16 倍），中位数才是你作为单个持有人最可能的体验。

所以「杠杆 ETF 长期必跌」这句话的准确版本是：它的中位数会跌，但期望值不会。如果你只买一次并持有，你活在中位数里；如果你是做市商持有一万个客户的对冲敞口，你活在均值里。同一个产品对两类人是两种东西。

而 3x 的中位最大回撤是 −87.7%。这才是真正该被强调的数字——不是「会归零」，而是「几乎一定会经历一次腰斩再腰斩再腰斩」。

import numpy as np

TRADING_DAYS = 252

def etf_path(r, L, fee_annual=0.0, financing_annual=0.0):
    """每日再平衡杠杆 ETF：日收益 = L*r - 费用 - (L-1)*融资成本"""
    dt = 1.0 / TRADING_DAYS
    daily_drag = fee_annual * dt + max(L - 1.0, 0.0) * financing_annual * dt
    return np.cumprod(1.0 + L * r - daily_drag, axis=1)

def theo_decay(L, sigma):
    """相对 L×标的几何收益的年化损耗，精确闭式解"""
    return -0.5 * L * (L - 1.0) * sigma ** 2

rng = np.random.default_rng(20260807)
dt = 1.0 / TRADING_DAYS
r = rng.normal(0.06 * dt, 0.25 * np.sqrt(dt), size=(40000, 5 * TRADING_DAYS))

und = np.cumprod(1.0 + r, axis=1)
g_und = np.median(np.log(und[:, -1]) / 5)

for L in [-2.0, -1.0, 1.0, 2.0, 3.0]:
    g_etf = np.median(np.log(np.maximum(etf_path(r, L)[:, -1], 1e-12)) / 5)
    emp, the = g_etf - L * g_und, theo_decay(L, 0.25)
    print(f"L={L:+.0f}x  损耗实测={emp*100:+7.3f}%  理论={the*100:+7.3f}%  误差={abs(emp-the):.2e}")

二、漂移阈值：杠杆 ETF 什么时候反而是对的#

既然损耗是确定的负项，那杠杆 ETF 有没有可能长期跑赢标的？

有，而且阈值可以精确写出来。L 倍 ETF 跑赢 1x 标的的条件是算术漂移 $m > \frac{1}{2}\sigma^2(L+1)$。

中图是实测：

σ=25% 时，3x ETF 需要标的年化算术漂移超过 12.5% 才能跑赢标的本身。

这个数字的含义很具体：纳斯达克 100 长期年化漂移确实在这个量级附近，所以 3x 纳指 ETF 在过去十几年跑赢了标的；而一个年化漂移 6% 的宽基指数，3x 版本必然长期跑输。

同一个产品结构，套在不同标的上是两种命运，而分界线不是「杠杆多少倍」，是「标的漂移够不够高」。

右图是路径依赖的极端演示：强制标的一年净涨 0%（终点归一），只改变路径波动率：

标的原地踏步，3x ETF 亏 67%。这就是「波动损耗」最直观的样子——没有任何一天标的是「跌」的净结果，钱纯粹被震荡磨掉了。

三、时间不是敌人，波动才是#

这是全文最反直觉的一节。

流行说法是「杠杆 ETF 只适合日内，持有越久越危险」。持有期扫描给出的读数完全不支持这个说法：

两列数字讲了两个故事。

第一列恒为 0.0%，从持有 1 天到持有 5 年，一次都没有。 这说明损耗是逐日发生的、确定性的、不可能靠短持有期规避的。哪怕你只持有一天，你也已经付了那一天的损耗——只不过一天的量太小（年化 18.75% ÷ 252 ≈ 0.074%），被当天的价格噪音完全淹没了。

「只做日内所以没有损耗」是错的。日内同样有损耗，只是你看不见。

第二列从 50.5% 滑到 28.0%，滑得很慢。所以真正的结论是：时间只是让确定性的损耗累积，它本身不产生额外的惩罚。决定你亏多少的是 σ² 这个乘数，不是 T。

把 σ 砍半，损耗降到四分之一；把持有期砍半，损耗只降一半。

四、最大的成本项不在招募书上#

3x ETF 的费用页会告诉你：管理费 0.95%。你自己算一下融资成本：借 2 倍本金，利率 4.5%，一年 9%。合计显性成本 9.97%/年。

而波动损耗是 18.75%/年，是显性成本的 1.88 倍。

这就是为什么讨论杠杆 ETF 时纠结「哪家管理费低 5 个 bp」基本没有意义——你在优化账单上第三大的那一项。

右图是稳健性：12 个独立宇宙的 3x 损耗均值 −18.773%、SD 0.090%、CV = 0.0048，理论值 −18.750%。这个量级的一致性说明它是结构性的，不是抽样噪音。

五、降低再平衡频率能省下损耗吗#

既然损耗来自每日恢复杠杆这个动作，那少做几次是不是就省了？

表面上是的：

最后一行是全文最需要小心读的数据。

中位几何收益从 −10.08% 改善到 −7.08%，看起来年度再平衡赢了。但同一行的归零率是 37.56%，均值对数收益是 −25.44%（比每日再平衡差 15 个百分点）。

中位数改善了，是因为中位数不受已经归零的那 37.56% 路径影响——它们全都塌在分布左侧，把均值拖垮却动不了中位数的位置。

峰值杠杆 95 分位 54.8 亿倍这个荒谬的数字说明了机制：不再平衡时，敞口在下跌中会相对净值无限膨胀，直到净值触零。每日再平衡不是损耗的来源，它是防止这件事发生的机制。

所以那句「杠杆 ETF 的每日再平衡是设计缺陷」应该反过来说：每日再平衡是用一个确定的、可计算的损耗，买断一个不确定的、无上限的归零风险。 这笔交易是划算的。

def etf_periodic(r, L, period):
    """每 period 天恢复一次杠杆；期间杠杆自然漂移"""
    n_p, n_d = r.shape
    nav = np.ones(n_p); expo = L * np.ones(n_p)
    out = np.ones((n_p, n_d)); lev_max = np.full(n_p, L)
    for t in range(n_d):
        nav_new = np.maximum(nav + expo * r[:, t], 1e-9)
        expo = expo * (1.0 + r[:, t])                  # 敞口随价格漂移
        lev_max = np.maximum(lev_max, np.abs(expo) / nav_new)
        nav = nav_new
        if (t + 1) % period == 0:
            expo = L * nav                             # 恢复目标杠杆
        out[:, t] = nav
    return out, lev_max

for p in [1, 21, 252]:
    o, lmax = etf_periodic(r[:15000], 3.0, p)
    lg = np.log(np.maximum(o[:, -1], 1e-12)) / 5
    print(f"每{p:4d}日: 中位={np.median(lg)*100:+6.2f}%  均值对数={np.mean(lg)*100:+7.2f}%  "
          f"峰值杠杆95分位={np.percentile(lmax,95):.2f}x  归零率={np.mean(o.min(axis=1)<0.01)*100:.2f}%")

六、被忽视的一环：收盘再平衡流#

每日再平衡不只是基金内部的账面动作，它是真实的市场订单，而且方向固定。

标的涨了，ETF 净值涨得更多，为维持 3x 需要买入；标的跌了，需要卖出。这是纯粹的顺势单，且集中在收盘附近。

年化换手量：$L(L-1) \times E|r_{daily}| \times 252$。3x、σ=25% 时等于 1900% NAV/年——一只 3x ETF 每年要在收盘时做掉 19 倍于自身规模的顺势交易。

这股流会推高标的波动率，而波动率又反过来加重损耗：

规模占 ADV 8% 时损耗自我放大 1.31 倍。

这是一个自我强化环：规模越大 → 收盘顺势流越强 → 标的波动率越高 → 损耗越大 → 而损耗与 σ² 成正比，所以放大是超线性的。

对于流动性充裕的宽基指数，这一项可以忽略；对于单一行业、单一商品、小市值指数的杠杆 ETF，它可能是主导项。 这也解释了为什么小众标的的杠杆 ETF 实际表现往往比闭式解算出来的更差——不是公式错了，是 σ 本身被产品自己推高了。

已知偏差#

几何布朗运动假设。 全文用独立正态日收益，没有波动率聚集、没有跳跃、没有自相关。真实市场有均值回归（日度负自相关）时损耗会低于闭式解，有动量时会高于。这个方向性偏差没有建模，闭式解应视为中心估计而非上界。

冲击反馈是线性外推，不是内生均衡。 第六节的 $k = \lambda L(L-1) \cdot \text{AUM}/\text{ADV}$ 用固定 λ=0.30 把规模映射到波动率放大，这是一个校准假设而非从订单簿推导出的结果。真实的冲击系数依赖标的深度、做市商库存和其他杠杆产品的同向流，量级可能差数倍。这一节的结论应读作「方向和机制」，不是「精确幅度」。

融资成本设为固定 4.5%，无期限结构、无压力期跳升。 真实的杠杆 ETF 通过总收益互换融资，成本在市场压力期会同步上升——而那恰好也是波动率最高、损耗最大的时候。两项成本的正相关会让实际表现比模拟更差，本文没有建模这一层。

结果解读#

第一，「波动损耗」这个名字起坏了。 它不是损耗，是杠杆偏离 1 倍的对称代价。−1x 和 +2x 付一模一样的 6.25%，而 L=0（持有现金）和 L=1（持有标的）精确为零。把它理解成抛物线上的位置，比理解成「杠杆产品的缺陷」准确得多。

第二，判断一只杠杆 ETF 该不该长持，唯一要算的是 $m$ 和 $\frac{1}{2}\sigma^2(L+1)$ 谁大。 不是「持有多久」，不是「管理费多少」。σ=25% 时 3x 的门槛是 12.5% 年化漂移，这个门槛很高但不是不可能——它精确解释了为什么 3x 纳指跑赢而 3x 大宗商品归零。

第三，中位数和均值的分裂决定了产品定位。 3x 的均值 2.428、中位 0.606，这不是矛盾，是右偏分布的正常形态。它意味着杠杆 ETF 在数学上更接近彩票或期权，而不是「加了杠杆的指数基金」。用买指数基金的心态持有它，你会活在 0.606 那一侧。

第四，别为省 5bp 管理费换基金。 显性成本 9.97%，隐性损耗 18.75%。真要降成本，唯一有效的杠杆是换一个波动率更低的标的——σ 从 25% 降到 18%，损耗从 18.75% 降到 9.72%，一次省下 9 个百分点，是全部管理费的 9 倍。

第五，谨慎对待「自己用融资做杠杆更划算」这个想法。 它确实避开了每日再平衡的损耗（第五节表格里 252 日那一行就是近似），但代价是归零率从 1.34% 变成 37.56%，以及在极端行情下面对追加保证金。ETF 的每日再平衡把这个尾部风险替你截断了，18.75% 是这份保险的定价。贵不贵是另一回事，但它不是白收的。