保证金螺旋：每家基金都在正确地降风险，市场却因此崩了

核心结论：波动率目标风控对单个基金是无可指摘的纪律，对整个行业是一台放大器。 在 120 家基金同跑一套风控、持仓重叠 72% 的世界里，基本面路径最低 −12.88%，实际价格却跌到 −16.98%——差的那 −4.10 pp 完全是行业自己卖出来的，与基本面无关。而这不是「杠杆高」的错：把持仓重叠度设为 0，同样的杠杆、同样的风控、同样的冲击，内生跌幅精确归零。

一、一句每个风控总监都会说的话#

波动率涨了，我们降了仓。

这句话在任何一次风控例会上都无法被反驳。它符合波动率目标（vol targeting）的教科书定义，符合监管期待，符合投资者的风险预算约定。单独看它是对的。

问题是：如果全行业 120 家基金在同一天、用同一个 EWMA 波动率估计、看着同一个价格序列、说了同一句话——那么「降仓」这个动作本身就变成了下一轮价格下跌的原因。

这条链路每一环都平淡无奇：

坏消息 → 价格跌 → 实现波动率上升 → 风险模型要求降杠杆
      → 卖出 → 价格进一步跌 → 波动率进一步上升 → 继续降杠杆 ...

真正的困难在于归因：一次 −17% 的下跌里，多少是坏消息本身，多少是大家争着卖出来的？真实数据回答不了这个问题。因为你观测不到「如果没人被迫卖，价格会在哪里」的反事实。

所以本文用受控模拟：基本面路径由外生给定，任何偏离基本面的价格变动，按构造 100% 归因于被迫卖出。这不是估计，是恒等式。

二、世界设定与那个必须避开的初始化陷阱#

120 家基金，每家初始权益 1 亿美元，平均杠杆 4.0x（横截面标准差 22%）
40 个标的，每家基金 72% 的仓位落在共同篮子里（拥挤度）
市场深度：26 亿美元净流出压低共同篮子 1%
外生冲击：第 20 日 −5.5%，随后实现波动率跳升 2.4 倍
经纪商初始保证金 14%（对应 7.1x 杠杆上限），随波动率顺周期上调

核心循环：

for t in range(T):
    # 1) 外生基本面
    fund_ret = shock if t == SHOCK_DAY else rng_f.normal(0, vol_state)
    log_fund += fund_ret

    # 2) 风险模型看到的是「观测价格」，不是基本面 —— 这是反馈环的入口
    rvol = np.sqrt(0.90 * rvol**2 + 0.10 * obs_ret_prev**2)
    ann_vol = rvol * np.sqrt(252)

    # 3) 顺周期折扣率：波动率越高，经纪商要的保证金越多
    haircut = np.clip(0.14 * (ann_vol / 0.18)**1.5, 0.14, 0.50)
    max_lev = 1.0 / haircut

    # 4) 每家基金的目标杠杆同时下调
    desired_lev = np.minimum(target_vol / ann_vol * lev_i, max_lev)
    sell = np.maximum(gross - desired_lev * equity, 0) * react_speed

    # 5) 只有拥挤的那部分砸在同一个篮子上
    impact = -(sell.sum() * crowding / depth) * 0.01
    obs_ret = fund_ret + impact          # ← 环闭合
    log_obs += obs_ret

第 2 步是整个模型的关键，也是最容易写错的地方。 我第一版把 fund_ret 喂给了波动率估计器：

rvol = 0.86 * rvol + 0.14 * abs(fund_ret)   # 错：风控看不到基本面

这样写反馈环是断的——卖出会压低价格，但压低的价格不会反过来抬高测得的波动率，于是没有第二轮。跑出来的内生跌幅只有 −1.07 pp，看起来「螺旋效应很小」。这不是发现，是 bug：现实中没有任何风险系统能看到基本面，它们只能看到成交价。

第二个陷阱更隐蔽：初始状态必须是均衡的。我最初把 target_vol 设成 10%，而环境波动率是 18%，结果全行业在第 1 天就开始猛烈去杠杆——等到第 20 日冲击到来时，杠杆早就降完了，实验测了个寂寞（杠杆扫描全线接近 0，爆仓 0 家）。修正是让目标波动率默认等于环境波动率，并让每家基金瞄准自己的起始杠杆：

# 错：所有基金第 1 天就被强行拉到同一个杠杆水平
desired_lev = np.minimum(target_vol / ann_vol * lev, max_lev)
# 对：保留横截面差异，且 t=0 时 desired == actual，没人在卖
desired_lev = np.minimum(target_vol / ann_vol * lev_i, max_lev)

第三个：基本面随机流必须与基金人口随机流分开。否则「只留 1 家基金」的安慰剂会同时改变新闻本身，两个世界不可比。用两个独立的 default_rng 解决。

三、机制的四个横截面#

这四张图是同一件事的四个切面：

1. 波动率：外生冲击让 EWMA 估计从冲击前夕的 26.2% 跳到峰值 42.8%，然后久久不回落——因为后续的价格波动里有一部分是抛压自己造成的，风险模型把它当成新的坏消息继续读
2. 折扣率：经纪商把保证金要求从 14% 提到 50%（上限），可用杠杆从 7.1x 压到 2.0x。注意这一步是自动的，没有任何人做出「收紧信贷」的决策，合同里就是这么写的
3. 卖出流量：峰值单日 80.7 亿美元砸在一个 26 亿深度的篮子上，全程累计卖出 336.6 亿
4. 总敞口：行业去杠杆 76.6%，峰值 114 家（120 家里的 95%）在同一天收到追保通知

最后一点值得停一下：114/120 家同日追保。这在单家基金的风险报告里会被记录成「我们遭遇了市场压力」，但从系统视角看，这是 114 个独立主体在同一秒钟被同一个公式推向同一个方向。它们之间没有任何协调，效果却和串通好了一样。

四、三条安慰剂：螺旋到底是谁造成的#

安慰剂 1：只留一家基金#

保留全部机制——同样的杠杆、同样的风控、同样的追保、同样的价格冲击函数——只是把基金数量从 120 减到 1。

结果：内生跌幅 −0.0146 pp，放大倍数 1.0020x。

这条检验证明：问题不在「杠杆」这个属性上。一家 4 倍杠杆的基金在深市场里去杠杆，对价格的影响约等于零。同样的杠杆放在 120 家身上，内生跌幅变成 −4.10 pp——放大了 281 倍，而每家基金的行为一模一样。

这也是为什么单基金层面的压力测试永远看不到这个风险：你的模型里没有别人。

安慰剂 2：价格冲击设为 0#

把 impact = 0，保留所有卖出行为。

结果：内生跌幅 +0.000000 pp，实际价格与基本面路径的偏差 0.00e+00（精确到浮点零）。

这条锁死了传导渠道：全部的内生跌幅只通过价格冲击这一条路径产生，没有任何别的隐藏通道在贡献数字。如果我的代码里有第二条泄漏路径（比如爆仓时错误地记了额外损失），这条检验会立刻暴露。

安慰剂 3：持仓零重叠#

保留杠杆、保留冲击函数，只把拥挤度设为 0（每家基金持有完全不同的东西）。

结果：内生跌幅 +0.000000 pp，爆仓 0 家。

三条合起来给出一个非常干净的结论：

螺旋 = 杠杆 × 拥挤 × 冲击。三个因子任何一个为零，螺旋精确消失。

而公共讨论几乎只谈第一个因子。

五、剂量反应：拥挤度是那个被忽略的变量#

拥挤度扫描（40 条路径均值）：

单调、近似线性、从精确零开始。这是本文最干净的一条剂量反应曲线。

杠杆扫描则出现了一个拐点：

6.0x 时内生跌幅反而下降。这看起来像是「杠杆越高越安全」，当然不是。它是幸存者效应的镜像：36.7 家基金（30% 的行业）在冲击中直接爆仓退场，敞口被清零，它们没机会继续卖了。

这是一个很重要的解读陷阱。如果你只看「价格跌幅」这个指标，高杠杆世界看起来比中杠杆世界温和；但换个指标——48% 的路径出现基金爆仓，单路径最多 69 家——就完全是另一幅图景。跌幅小是因为死得快。

实践含义：用「历史最大跌幅」校准的风险模型，会系统性低估高杠杆环境的危险，因为跌幅本身被爆仓截断了。

六、顺周期折扣率：一个符号会翻转的检验#

这是全文最反直觉的一段，也是我一开始算错方向的地方。

直觉是：波动率挂钩的折扣率（vol-linked haircut）加剧螺旋，因为它在最坏的时候抽走杠杆。所以静态折扣率应该更温和。

实测（40 条路径均值）：

符号翻转了。 在基准杠杆下顺周期折扣率确实更糟（多跌 0.31 pp，符合直觉）；在高杠杆下它反而略好（少跌 0.07 pp）。

为什么？看爆仓数据：5.5x 下静态折扣率爆仓 20.8 家，动态折扣率爆仓 19.0 家。顺周期折扣率通过提前强制降杠杆，反而救下了一部分基金——它把损失从「少数基金彻底归零」重新分配成「所有基金多亏一点」。

同时它的代价体现在另一个指标上：峰值单日抛压从 11,221 mm 涨到 22,497 mm（正好翻倍）。也就是说，顺周期折扣率把同样的总去杠杆量压缩到更短的时间里——对市场冲击更集中，对个体基金的存活反而更友好。

这个结果不能被简化成「顺周期折扣率是好是坏」。它的诚实版本是：它是一个把系统性冲击强度换取个体存活率的旋钮，而这两者的相对权重取决于你是监管者还是基金经理。

七、减仓速度：慢反而跌得多#

慢速减仓（10%/天）的最大跌幅比快速减仓（100%/天）更深（−17.69% vs −16.71%）。

原因是拖延让波动率反馈跑了更多轮：慢慢卖 → 价格慢慢跌 → 波动率持续维持高位 → 风险模型持续要求降仓 → 卖得更久。而一次性砍完的世界里，抛压在一两天内出清，波动率估计开始衰减，环就断了。

但峰值单日抛压呈 U 形：45% 处最低（11,306），两端都高。10% 时高是因为战线拉长后累积了更多需要卖的量，100% 时高是因为全部挤在一天。

这条曲线不适合直接搬到实盘：它假设市场深度恒定，没有建模「快速大单会临时抽干流动性」这个真实存在的非线性。现实中 100%/天 的执行会遇到深度塌陷，模型看不到这一层。慢速的劣势在模型里被夸大了。

八、分布：单条路径说明不了任何事#

200 条路径，外生冲击恒定为 −5.5%：

• 最大跌幅均值 −16.46%，5 分位 −27.33%，95 分位 −6.35%
• 放大倍数均值 1.45x，95 分位 1.99x，最小 1.00x
• 内生跌幅占总跌幅均值 28.5%
• 5.0% 的路径放大超过 2 倍
• 8.0% 的路径出现基金爆仓，单路径最多 69 家

同一个坏消息，跌幅从 −6% 到 −27% 都有可能。决定结果的不是消息，是消息到达时行业的杠杆和拥挤状态，以及运气。

这也解释了为什么事后复盘总是充满争议：分析师看到 −27% 的那条路径会说「市场对基本面反应过度」，看到 −6% 的那条会说「市场消化良好」——而两条路径的基本面完全相同。

顺带说明单条路径的不可靠性：我在做参数扫描时最初只用一个种子，结果某个种子恰好在冲击当天见底（风控还没来得及反应），内生跌幅精确为 0，整条扫描曲线全是零。风险模型有一天的反应滞后，所以「市场当天就见底反弹」的路径按构造不可能有螺旋。所有扫描因此改为 40 条路径均值。

九、陷阱与局限（诚实版）#

1. 市场深度是常数，这是最大的简化

现实中危机时深度会塌陷，做市商撤退。本文用固定的 26 亿深度，系统性低估了螺旋强度。真实的 2008 年、2020 年 3 月，深度在几小时内蒸发到平时的 1/5。

2. 没有反向力量

模型里没有任何逢低买入的资金——没有价值投资者、没有央行、没有做市商回补。现实中这些力量的进场是螺旋终止的主要机制，本文完全没有建模，所以路径尾部的深度是偏悲观的。

3. 折扣率函数的指数 1.5 是我设的

haircut = 0.14 × (vol/0.18)^1.5 这个形式和参数没有公开数据校准。经纪商的实际保证金规则是阶梯式、带自由裁量、且因客户而异。指数改成 1.0 或 2.0 会显著改变第六节的结论。

4. 所有基金用同一个波动率估计器

现实中不同机构的 lookback、衰减因子、风险模型都不同，这种异质性本身就是缓冲。本文假设完全同质，高估了同步性。不过考虑到主流风险系统的趋同程度，这个假设未必离谱。

5. 爆仓门槛（权益跌到 10%）是任意的

真实的基金清盘取决于赎回条款、LP 行为、经纪商关系，不是一个净值阈值。第五节的爆仓数字应当看作定性指标，不是可以引用的定量结论。

6. 只有一个共同因子

真实的拥挤是多维的（行业、风格、因子暴露）。本文用一个标量 crowding 概括，捕捉不到「部分重叠」的复杂结构。

十、实践 Checklist#

• 在压力测试里加入别人。单基金 VaR 永远看不到这个风险——安慰剂 1 显示同样的杠杆下，一家和 120 家的差别是 281 倍
• 监控拥挤度，不只是杠杆。拥挤度是唯一给出干净单调剂量反应的变量（0% → 100% 对应 0.000 → −5.440 pp），而它在大多数风险报告里根本不出现
• 算一下「如果和我持仓相似的人同时降仓」。可用的粗略代理：13F 重叠度、拥挤度因子、同类策略 AUM 占标的 ADV 的比例
• 别用历史最大跌幅校准高杠杆情形。6.0x 的跌幅反而小于 5.0x，因为 30% 的参与者已经爆仓退场——跌幅被截断了，风险没有
• 和经纪商谈折扣率的路径依赖，不只是水平。顺周期折扣率在高杠杆下把峰值抛压翻倍（11,221 → 22,497 mm），这个条款的系统性代价不在你的费率表上
• 减仓速度不是越慢越好。模型里 10%/天 比 100%/天 跌得更深，但这条结论的前提是深度恒定——实盘要在「拖长战线」和「打穿深度」之间自己找平衡点
• 同一个消息，跌幅分布是 [−27%, −6%]。不要用单次事件的复盘去校准模型，也不要相信任何声称「市场对 X 反应过度」的事后叙事

本文所有数字基于 SEED=20260806 的受控模拟，参数为定性校准，真实市场可能存在量级差异。