波动率拖累：高波动的正期望资产为什么侵蚀本金
- 分清算术平均收益与几何平均收益，理解两者的差值来源
- 计算波动率拖累的大致幅度
- 认出哪些安排会系统性地放大这个拖累
先看一个简单的例子。
一个资产，两年的表现是：第一年 +50%，第二年 −50%。
算术平均收益 = (50% + (−50%)) / 2 = 0%
听起来是打平了。
实际结果：100 元 → 150 元 → 75 元。
你亏了 25%。
算术平均说打平，实际结果是亏 25%。这个差额就是波动率拖累。
一、差额从哪来
原因在于：你的账户按乘法增长，而算术平均是按加法算的。
- 加法世界：+50 然后 −50，净变化为 0
- 乘法世界：×1.5 然后 ×0.5 = ×0.75
真正描述你账户增长的是几何平均（也叫复合增长率）：
在上面的例子里，几何平均 = √0.75 − 1 ≈ −13.4% 每年。
关键规律：
只要存在波动，几何平均就一定小于算术平均。而波动越大，两者的差距越大。
这个差距就是波动率拖累（volatility drag）。
二、拖累有多大
一个常用的近似关系是：
几何平均 ≈ 算术平均 − (波动率² / 2)
这只是一个近似，但它足以说明量级。代几个数：
| 算术平均年收益 | 年化波动率 | 拖累幅度（近似） | 几何平均（近似） |
|---|---|---|---|
| 10% | 10% | 0.5% | 9.5% |
| 10% | 20% | 2% | 8% |
| 10% | 30% | 4.5% | 5.5% |
| 10% | 40% | 8% | 2% |
| 10% | 50% | 12.5% | −2.5% |
看最后一行。
一个算术平均收益 10%、但波动率 50% 的资产，它的长期复合增长率是负的。
也就是说：它"平均下来"是赚钱的，但你长期持有它会亏钱。
这正是 遍历性 那个硬币游戏（+50%/−40%）背后的同一个数学。
三、三个重要的推论
推论一：降低波动本身就能提高长期收益
这是一个反直觉但重要的结论。
通常我们认为"降低波动"是以牺牲收益为代价的。
但从上面的关系可以看出：在算术平均收益不变的情况下，降低波动率会直接提高几何平均收益。
这意味着分散化、仓位控制这些做法，不只是"降低风险"，它们可能同时在提高你的长期复合回报。
这也是分散化被称为"唯一免费的午餐"的一个数学依据——见 分散的度 和 分散化的数学。
推论二：高波动资产需要更高的算术收益才能打平
如果一个资产的波动率是 40%，那么它需要至少 8% 的算术平均收益，才能让几何平均勉强为零。
所以"高风险高收益"这个说法需要一个限定：高波动资产必须提供足够高的算术收益，才能补偿掉波动率拖累。而这个补偿的门槛，比大多数人以为的高。
推论三：单次大幅回撤的伤害是非线性的
这一条和 亏损的不对称与回撤的杀伤力 讲的是同一件事：
亏 20% 要涨 25% 回本，亏 50% 要涨 100%，亏 80% 要涨 400%。
所以一次大幅回撤造成的拖累，远大于多次小幅回撤的总和——即使它们的"算术总和"相同。
实用含义：避免一次大跌，比减少多次小跌更重要。 这直接决定了风险管理的优先级。
四、哪些安排会放大波动率拖累
放大一：杠杆
杠杆放大波动率，而拖累与波动率的平方相关。
这意味着：杠杆对拖累的放大是非线性的——2 倍杠杆不是让拖累变成 2 倍，而是接近 4 倍。
这就是为什么一个长期使用杠杆持有波动资产的策略，即使标的本身长期上涨，也可能亏钱。
放大二：频繁的高波动交易
每笔交易的结果都会进入这个乘法过程。频繁参与高波动的机会，会累积拖累。
再叠加上交易成本，见 过度自信与控制幻觉 里的数据。
放大三：过度集中
单一标的的波动率通常高于分散组合。
而集中的代价不只是"风险大"，还包括了这个持续的、数学性的拖累。
放大四：在下跌中被迫变现
如果你因为需要用钱而在低点卖出，那么这部分损失被永久固化，无法参与后续的恢复。
这相当于把一次波动变成了一次永久性的本金减少。 见 如何面对一个亏损的十年。
五、几条实用结论
结论一：看几何平均，不看算术平均
评估任何长期表现时，要看复合增长率，而不是各期收益的简单平均。
如果一个宣传材料只给算术平均，那么它可能在系统性地美化实际表现——尤其当那个策略的波动很大时。
结论二：把"降低波动"理解为一种收益来源
不要把风险控制单纯看成"为了安全而牺牲收益"。
在乘性增长的世界里，控制波动本身就在改善长期结果。
结论三：优先消除大幅回撤的可能
既然单次大跌的伤害是非线性的，那么风险管理的优先级应该是：
先确保不会发生毁灭性的单次损失，再考虑降低日常波动。
结论四：警惕"平均年化 X%"这类表述
这类表述可能是算术平均，也可能是几何平均，两者差别可以很大。
判别方法：问一句——这个数字是"把各年收益加起来除以年数"，还是"从起点到终点的复合增长率"？
只有后者才能回答"如果我当初投入 100 元，现在有多少"这个问题。
本节要点
- 直观例子：+50% 然后 −50%，算术平均是 0%，实际结果是亏 25%（100→150→75）。差额就是波动率拖累。
- 原因：你的账户按乘法增长，而算术平均按加法算。真正描述账户增长的是几何平均（复合增长率）。只要存在波动，几何平均一定小于算术平均，波动越大差距越大。
- 近似关系：几何平均 ≈ 算术平均 − 波动率² / 2。一个算术平均 10%、波动率 50% 的资产，长期复合增长率是负的——"平均下来赚钱"但长期持有会亏钱。
- 三个推论：降低波动本身就能提高长期收益（分散化和仓位控制不只是降风险，可能同时在提高长期复合回报）、高波动资产需要更高的算术收益才能打平（补偿门槛比大多数人以为的高）、单次大幅回撤的伤害是非线性的（避免一次大跌比减少多次小跌更重要，这决定了风控优先级）。
- 四个放大器：杠杆（拖累与波动率平方相关，所以 2 倍杠杆接近 4 倍拖累——这就是长期加杠杆持有波动资产可能亏钱的原因）、频繁的高波动交易、过度集中、在下跌中被迫变现（把一次波动变成永久性的本金减少）。
- 四条实用结论：看几何平均不看算术平均（只给算术平均可能是在美化表现）、把"降低波动"理解为一种收益来源、优先消除大幅回撤的可能、警惕"平均年化 X%"（问它是简单平均还是复合增长率——只有后者能回答"当初投 100 元现在有多少"）。
本文为投资通识教育内容，不构成任何投资建议。文中数字为说明性计算，近似公式仅用于说明量级。