把投资组合想成一辆自动调速的车：路况越颠簸，它越收油；路面平稳，再把速度加回来。Robert F. Engle 等研究的 S&P 500 Engle Indices 正是如此。它们用日内成交价和 GARCH——根据近期冲击与历史波动预测后续波动的统计模型——频繁调整风险资产仓位，目标是让实际波动贴近预设水平。
据论文摘要，作者报告这些指数持续守住波动目标，并在样本中的高、低波动环境里都取得高于 S&P 500 的风险调整后收益；极端市场压力期的表现尤其强。论文给出的解释是“风险价格”会随时间变化：市场愿意为同一份风险支付的回报并不恒定，动态降仓和加仓因此可能提高 Sharpe ratio——衡量每承担一单位波动换来多少回报的指标。多种因子模型下，作者也称指数产生了统计显著的异常收益。
不过，这份摘要没有披露换手率、交易成本或具体收益数字。因此，它说明了频繁调仓为何可能值得，却还不足以回答投资者最终为实施这套机制实际付了多少钱。