變異數風險溢酬：隱含波動率較高，就值得賣出嗎？

看到隱含波動率高於歷史波動率，很容易把差距理解成賣方可以收取的報酬。但歷史數字無法直接回答下一個觀察期會出現多大的波動，更無法替極端結果訂出機率。要判斷變異數風險溢酬，應先分清三件事：過去量到了什麼、現在如何預測未來，以及合約最後實際收付多少。即使事前期望為正，單次仍可能大幅虧損。

過去的252點，不能直接代表未來

先設一段完全假設的歷史資料：過去20筆日對數報酬，由十組+0.01、−0.01構成，平方和為0.0020。依本文的年化方式計算，得到252個變異數點，換算成年化已實現波動率約15.8745%。此時另有一筆新開始的假設變異數部位，約定履約變異數為400點，相當於20%的波動率水準。

400減252是148個變異數點；20%減15.8745%，則約為4.1255個百分點。兩者單位不同，不能互換，也都還不是美元收益。252屬於已經結束的觀察期，400卻是針對尚未發生的期間定價；這個時間差，正是「看起來很貴」與「預期有利可圖」之間缺少的一環。

投資人可以採用過去20天作為未來20天的預測，但必須承認這是一項模型選擇。採用這個假設後，148點才是該模型下的溢酬估計。未來事件、交易環境或對尾端風險的判斷一旦改變，預測可以變動，歷史數列卻完全不需要改動。

先對齊機率、期間與結算單位

本文採用的正號定義為：變異數風險溢酬＝定價機率下的未來變異數期望−實際機率下的未來變異數期望，記為E^Q[未來變異數]−E^P[未來變異數]。Q與P是兩種機率權重，不是多頭與空頭情境；實際機率下的期望無法直接觀察，需要估計。

在結算定義一致、合約初始價值為零等理想條件下，公平履約變異數可對應定價期望。真正可成交的價格仍可能涉及融資、信用、合約細節及交易成本。一個價平選擇權的隱含波動率，或將某個波動率指數平方，都不能自動視為可以成交的變異數履約水準。

以下模型從全部觀察值尚未發生時開始。21個每日價格產生20筆報酬，r_i＝ln(P_i/P_i−1)，以小數表示。約定公式為：

年化變異數點數＝10,000×（252/20）×Σr_i²

這裡不扣樣本平均，也不使用19作為分母；若改用那套樣本估計方式，就不是原先約定的結算統計量。設K為400點，總曝險為每變異數點100美元，利率為零、不作信用調整且先不計成本，賣方到期毛損益就是100×（400−已實現變異數點數），買方則相反。每點100美元是自設的整體曝險，不代表特定上市合約的乘數，也不是投入本金，不能拿來當投資報酬率的分母。

標的回到原價，兩條路徑卻給出相反損益

假設未來有兩條價格路徑，起點和終點都是100。A由十組+0.01、−0.01的對數報酬構成；B前18天走九組相同的小幅往返，最後兩天改成−0.08、+0.08。第18日兩者也都回到100。B最後兩筆若改用一般百分比報酬表示，約為下跌7.6884%及上漲8.3287%，不是「跌8%再漲8%」。

B的結果可直接驗算：10,000×（252/20）×［18×0.01²＋2×0.08²］＝1,839.6點。價格完全反彈，只讓累計對數報酬歸零，並不會刪掉平方和裡的兩次大波動。因此A帶來14,800美元毛收益，B卻讓變異數賣方虧損143,960美元。

這組比較並非預測價格將如何走，而是把結算機制單獨抽出來：變異數部位看的是指定路徑統計量，不只是終點。標的持有期間報酬為零，無法證明賣方沒有承擔風險。此外，這裡只納入約定的每日價格取值，不是把全部盤中震盪都算進去；抽樣頻率不同，所得結果也可能不同。

不用改歷史資料，只改機率就能翻轉期望值

接著另建一個只描述未來變異數的簡化預測：以1−q的機率實現252點，以q的機率實現1,839.6點。前述價格路徑只是兩種變異數結果的例子，不構成完整、經市場校準且可供動態交易的價格模型。q也不是從過去20筆資料直接讀出的真實發生率，更不是市場隱含的定價機率。

這個模型的預測變異數＝252＋1,587.6q，履約變異數減預測值為148−1,587.6q。再乘以每點100美元，才得到賣方預期毛損益。為了檢驗成本，另設兩種結果都須負擔固定1,000美元的總成本；這是教學假設，不是交易所費率。

q為5%時，可直接從現金結果核對：0.95×14,800＋0.05×（−143,960）＝6,862美元。這是機率加權的期望值，不是第三條已實現路徑的報酬，也不是承諾支付的金額。q提高至10%，預期毛損益便轉為負數。兩次估計使用相同的歷史波動、相同的400點履約水準，差別只是對未來大波動的機率判斷。

計算時必須先在變異數單位上加權。不能把兩種波動率取機率平均後再平方，當成相同的預測；「預期變異數的平方根」也不是「預期波動率」。平方根屬於非線性運算，不能任意移入或移出期望。忽略這個差別，會直接改變賣方現金收益的估計。

把「有優勢」改寫成可以被推翻的條件

依這組兩點模型，預期毛損益為正的條件是q＜148/1,587.6＝9.3222474%，等於臨界值時恰好為零。固定1,000美元成本相當於每點100美元曝險下的10個變異數點；計入成本後，正的預期淨損益要求q＜138/1,587.6＝8.6923658%。

這兩個數字不是市場通用的進場標準。尾端情境的幅度或實際成交履約水準改變，會移動毛、淨兩種臨界值；部位曝險相對固定美元成本的變化，則影響淨值門檻。單純放大正的曝險，並不改變毛損益期望轉正所需的機率。真正有用的壓力測試，是找出哪些仍屬合理的假設足以讓結論反轉，而非只展示一組最有利的平均結果。

即使採用q為5%的預測，B那個143,960美元毛虧損仍可能發生。扣除假設成本後，A是淨賺13,800美元，B是淨虧144,960美元。正的期望代表承擔不確定性的預期補償，不是保證支付的利息。反過來說，一次虧損也不足以證明原先的長期期望必然為負；模型是否合理與這次抽到哪個結果，是兩個需要分別檢查的問題。

確認實際工具能否承接這個變異數曝險

賣出單一選擇權、賣出跨式，或動態調整避險的選擇權組合，都不能直接沿用本文的線性變異數損益。方向性曝險、價格變動後的避險調整、交易成本及離散避險誤差，都會影響實際結果。數學上有一個溢酬估計，不代表手上的工具恰好提供同樣的收付結構。

觀察區間也要一致。本文所有報酬都在未來；已經開始累積變異數的合約，須分開處理已知部分與剩餘不確定部分。不同到期日的比較則要先完成遠期變異數與觀察期間的對齊。缺漏價格、最後結算取值或市場中斷如何處理，應依實際條款，不能刪除不方便的觀察日後自行更換分母。

還有一項常被期望值掩蓋的限制：最終損益不等於中途現金需求。每日結算、擔保品要求及提前退出的成本，都可能在最後一筆觀察值出現之前要求資金。本文的零利率、到期淨額模型沒有模擬這些現金時點；終值預期為正，並不能證明部位能撐過每一條壓力路徑。

檢驗賣方優勢的五個步驟

1. 先認清合約。列出實際工具、觀察日期、每日價格取值與結算規則，確認是否全部報酬都尚未發生。
2. 把單位對齊。核對對數報酬、年化係數及變異數點數；分清履約水準、每點曝險、美元損益與資本報酬率。
3. 保留事前判斷。歷史觀測與未來預測分開記錄，留下當時可取得的資訊，交代尾端情境及機率假設，不以事後結果回填。
4. 換成可執行的現金帳。採用實際可成交方向的報價、計畫規模與成本，測試哪些機率或波動幅度會翻轉結論，並另外估算中途資金需求。
5. 用結果反查過程。到期後依原規則重算變異數與現金收付，持續進行滾動樣本外檢驗，釐清預測誤差、執行成本與合約定義差異。

判斷重點不是「隱含波動率比上個月高多少」，而是對同一未來期間的預測、可成交的工具，以及能負擔的資金路徑，是否共同支持那筆預期補償。