波动率之波动率(VVIX)：恐慌的二阶矩能否预测 • halo 的技术博客

大多数人看 VIX，看的是「恐慌的一阶矩」——标普 500 未来 30 天的预期波动率。但期权市场里还藏着一个更深的量：VVIX，CBOE 推出的「VIX 的波动率」，它衡量的是市场对 VIX 本身波动的预期。如果说 VIX 是「恐慌」，VVIX 就是「恐慌的恐慌」——恐慌的二阶矩。

一个自然的问题：当 VVIX 异常高时，是不是意味着市场不仅恐慌，而且对恐慌本身感到不确定？这种二阶不确定性，能不能用来预测 VIX 接下来的走向？本文用一套自洽的合成模型把 VVIX 造出来，回答三件事：

VVIX 到底在度量什么，为什么它比 VIX 更「平方化」；
VVIX 是否真的领先 VIX 的均值回复（信息系数 IC 检验）；
直接拿 VVIX 做波动率择时，能不能赚钱——以及为什么朴素做法会让你亏钱。

一、从一阶矩到二阶矩：VVIX 在量什么#

VIX 是 S&P 500 期权隐含的 30 日波动率，单位年化 %。它的水平高，说明市场当前恐慌。

VVIX 则是 VIX 期权的隐含波动率——换句话说，是市场上交易 VIX 的人，对「未来 VIX 会波动多大」的预期。数学上：

一阶矩： $\mathbb E[VIX]$ ，对应 VIX 的水平（恐慌的程度）
二阶矩： $\mathbb E[(VIX-\mathbb E[VIX])^2]$ ，对应 VVIX 的水平（恐慌变化的剧烈程度）

这就是为什么 VVIX 常被称为「恐慌的平方」：它不直接说「你现在多怕」，而是说「你对你怕不怕这件事本身有多不确定」。

我们用一个自洽的合成模型来生成 VIX 路径，再用它的滚动已实现波动率（年化）作为 VVIX 的可观测代理：

$dVIX_t = \kappa(\theta - VIX_t)\,dt + \xi\,dW_t + \text{Jump}_t$

其中 $\kappa(\theta - VIX_t)$ 是向中枢 $\theta$ 均值回复的拉力， $\xi\,dW$ 是连续噪声， $\text{Jump}_t$ 是 Poisson 危机跳（波动率危机时 VIX 一天暴冲 20 多个点）。这是一个最朴素的随机波动率设定，没有用真实数据——只为可复现地演示机制。

VIX 与 VVIX：恐慌的一阶矩与二阶矩

图上 VIX（蓝）在危机时尖峰突起；VVIX（红）把它放大——VIX 跳得越猛，VVIX 冲得越高。这正是二阶矩的性质：它对手动冲击的平方敏感。

二、VVIX / VIX 比值：恐慌被「平方放大」的强度#

单看 VVIX 绝对值意义不大（它的量级约 80~120，和 VIX 不可比），更有信息量的是比值：

$\text{Ratio}_t = \frac{VVIX_t}{VIX_t}$

这个比值衡量「二阶不确定性相对一阶恐慌的强度」。比值高 = 恐慌被平方放大的程度高 = 市场不仅怕，而且对「怕」本身极度不确定。

VVIX/VIX 比值：恐慌被平方放大的强度

在我们的合成样本里，比值均值 9.40、标准差 4.47。它围绕均值上下波动，危机时比值飙升（VIX 跳、VVIX 跳得更凶），平静时比值回落。

三、核心检验：VVIX 能预测 VIX 吗？#

直觉是这样的：VIX 有强烈的均值回复属性——它不会永远在 80，也不会永远在 12。那么当 VVIX 异常高（市场极度不确定恐慌会不会继续升级）时，是不是往往意味着 VIX 已经冲到一个不可持续的高位，接下来应该回落？

我们把检验写成一个简单的截面相关性：用今天的 VVIX 偏离度，对未来 21 日 VIX 的相对变动做回归，看信息系数（IC = 相关系数）。

import numpy as np

# ---- 1) 生成 VIX 路径（带危机跳的平方根均值回复）----
def gen_vix(T=2520, kappa=0.05, theta=16.0, xi=1.6,
            p_jump=0.012, jump_mean=22.0, jump_sd=9.0, seed=20260716):
    rng = np.random.default_rng(seed)
    v = np.empty(T); v[0] = theta
    for t in range(1, T):
        v[t] = v[t-1] + kappa*(theta - v[t-1]) + xi*rng.normal()
        if rng.random() < p_jump:
            v[t] += max(0.0, rng.normal(jump_mean, jump_sd))   # 波动率危机跳
    return np.clip(v, 9.0, 160.0)

# ---- 2) VVIX = VIX 的滚动已实现波动率（年化）----
VIX = gen_vix(seed=20260716)
WIN = 21
vix_ret = np.diff(np.log(VIX))
VVIX = np.full(len(VIX), np.nan)
for t in range(WIN, len(VIX)):
    VVIX[t] = 100.0 * np.sqrt(252.0) * np.std(vix_ret[t-WIN:t])
VVIX = np.where(np.isnan(VVIX), VVIX[WIN], VVIX)

# ---- 3) 预测检验：VVIX_t 对未来 21 日 VIX 变动的 IC ----
H = 21
fwd_chg = (VIX[H:] - VIX[:-H]) / VIX[:-H]
x = (VVIX[:-H] - np.nanmean(VVIX[:-H]))
y = fwd_chg
ic = np.corrcoef(x, y)[0, 1]

# 分桶：低 / 中 / 高 VVIX
qs = np.quantile(x, [0.33, 0.67])
lo = y[x <= qs[0]]; hi = y[x > qs[1]]
print("IC=%.3f  低VVIX桶未来VIX变动=%.2f%%  高VVIX桶=%.2f%%"
      % (ic, 100*lo.mean(), 100*hi.mean()))

python

跑出结果：

IC = −0.195（负号 = VVIX 越高，未来 VIX 越倾向回落，符合均值回复直觉）
低 VVIX 桶：未来 21 日 VIX 平均 +4.71%
高 VVIX 桶：未来 21 日 VIX 平均 −5.68%

单调性完美：VVIX 低 → VIX 倾向上行，VVIX 高 → VIX 倾向回落。

VVIX 越高，未来 VIX 越倾向回落（均值回复）

结论先放这：VVIX 确实能预测 VIX 的均值回复，IC=−0.195、分桶单调反转——机制是真的，不是噪声。 但别急着下注，下一节给你一个反直觉的清醒。

四、陷阱：为什么「用 VVIX 选时」反而不如买入持有#

既然 VVIX 能预测 VIX 回落，那「高 VVIX 做空波动、低 VVIX 做多波动」岂不是稳赚？我直接把这套规则跑成策略净值，和「一直做多波动」的基准对比：

# ---- 4) 用 VVIX 给波动率头寸择时 ----
mu, sd = np.nanmean(VVIX), np.nanstd(VVIX)
sig = np.zeros(len(VIX))
for t in range(1, len(VIX)):
    if VVIX[t] > mu + 0.5*sd:
        sig[t] = -1.0     # 高 VVIX → 预期 VIX 回落 → 做空波动
    elif VVIX[t] < mu - 0.5*sd:
        sig[t] = +1.0     # 低 VVIX → 预期 VIX 抬升 → 做多波动

eq = np.zeros(len(VIX))
for t in range(1, len(VIX)):
    eq[t] = eq[t-1] + sig[t-1] * (-vix_ret[t-1]) * 5.0   # 做多波动 = 赚 VIX 涨
bh = np.concatenate([[0.0], np.cumsum(-vix_ret * 5.0)])  # 一直做多波动

python

结果：

VVIX 择时 Sharpe ≈ −0.43
一直做多波动 Sharpe ≈ 0.01

择时跑输了基准。为什么一个「统计上显著」的信号，做出来反而亏？三个原因：

均值回复太慢、跳变太猛：VIX 从高位回落要几个月，但危机跳是一天 20 点。你在高位做空，第一周就被跳变打爆，等不到回落兑现。
信号有延迟：VVIX 用 21 日滚动窗口，等你确认「VVIX 高」时，VIX 可能已经回落了一半。
高频噪声抹平低频信号：日频择时把 IC=−0.195 这种月度级信号，放在每天重新下注里，换手成本 + 噪声让信号完全被稀释。

用 VVIX 给波动率头寸择时：高 VVIX 做空、低 VVIX 做多

这恰好是量化里最经典的教训：一个在截面/月度上显著的预测变量，不等于一个在日频上能赚钱的交易信号。VVIX 的价值在于「告诉你现在处在恐慌周期的哪个阶段」，而不是「给你一个明天开仓的扳机」。

五、真实陷阱（别把 VVIX 当提款机）#

1. 合成模型 ≠ 实盘数据。 本文 VIX 用带跳的 AR(1) 合成，VVIX 用滚动已实现波动代理。真实 VVIX 是 VIX 期权的隐含波动率（由 VIX 期货期权链反推），量级、期限结构、与 VIX 的联动都更复杂。机制可参考，数字需实盘校准。

2. VVIX 是期权隐含量，有「波动率微笑」污染。 真实 VVIX 从不同行权价期权反推时会受偏度/曲率影响，并非纯粹的 VIX 方差。直接把交易所报的 VVIX 当「VIX 的已实现方差」会系统性偏差。

3. 均值回复的时标很长。 VVIX→VIX 的 IC 是月度级的，别拿它做日内或周频择时。时标错配是本文第四节「显著却亏钱」的根因。

4. 危机跳会让任何逆向头寸爆仓。 高 VVIX 时做空波动，逻辑上等回落，但真实危机里 VIX 可以连续跳三天。你的保证金在回落前就归零了。这是卖保险策略的通病。

5. 幸存者偏差 / 样本选择。 本文合成样本里危机跳频率是我设的（1.2%/日），真实市场的跳变频率和幅度随 regime 变化。换个跳变设定，IC 和分桶单调性会漂移。

6. 别混淆 VVIX 与 VIX 的「预测方向」。 高 VIX 本身也预示未来回报更高（恐慌溢价），但高 VVIX 预示的是 VIX 回落。两者方向不同、用途不同，混用会设计出自相矛盾的对冲。

六、小结#

VVIX 是 VIX 的波动率——恐慌的二阶矩，对 VIX 的冲击平方敏感，比 VIX 更「尖」；
它确实领先 VIX 的均值回复：IC = −0.195，低 VVIX 桶未来 VIX +4.71% vs 高 VVIX 桶 −5.68%，单调反转；
但朴素日频择时会跑输买入持有（Sharpe −0.43 vs 0.01）——月度级信号被日频噪声和危机跳抹平，这是真陷阱不是 bug；
正确用法是把 VVIX 当「恐慌周期定位器」（现在在恐慌的哪个阶段），而不是「明天开仓扳机」；
实盘记住六条陷阱：合成≠实盘、微笑污染、时标错配、危机跳爆仓、跳变频率漂移、别混淆 VVIX 与 VIX 方向。

附：本文所有图表与数值均来自上方可运行 Python（带危机跳 AR(1) 的 VIX 路径 + 滚动已实现波动代理 VVIX + IC 检验 + 择时回测），参数与结果一致，可直接复现。