市场与经济——加密资产风险分析

行情不好，给大家先分享一篇外部作者对加密资产的风险分析：

市场与经济——加密资产风险分析

作者：亚历克斯·博特 (Alex Botte)、迈克·尼格罗 (Mike Nigro) 的见解

当机构投资者评估加密资产时，他们如何考虑正确评估风险，尤其是在更广泛的多资产类别投资组合的背景下？

自 2013 年 4 月以来，比特币飙升了近 40,000％1（这不是一个错误），年化回报率约为 110％。这并不是一帆风顺的——回报率的年化波动率为 81％，但 风险调整后的回报仍然非常有吸引力（在此期间，比特币的年化夏普比率约为 1.3）。

在大流行期间，比特币交易量显着增加。 2021 年 1 月，Cointelegraph 报告称，比特币市场的交易量翻了一番，打破了之前的历史记录。事实上，截至 4 月 18 日，比特币的五天平均每日交易量约为 77B 美元，约占纳斯达克五日交易量的 70％。

令人难以置信的价格上涨（导致紧随其后和“害怕错过”效应）、大规模的政府刺激措施以及世界各地的人们在家里和屏幕前花费更多时间无疑促成了比特币的迅速崛起，尤其是在散户投资者中。越来越多的机构投资者正在进入加密领域，Skybridge、Blackrock、Tudor 等管理公司宣布将加密添加到他们的投资领域，甚至推出加密专用基金。事实上，普华永道估计，加密对冲基金资产在 2019 年从 1 美元增加到 20 亿美元，增长了 100％，而且似乎只是从那里开始增加。

当机构投资者评估加密资产时，他们如何考虑正确评估风险，尤其是在更广泛的多资产类别投资组合的背景下？在这个街景中，我们将寻求回答这个问题。我们探索传统金融风险因素模型如何潜在地解释最大的加密资产比特币的风险。然后，我们试图使用一种称为主成分分析的统计技术来了解加密资产中具有影响力的共同风险驱动因素的程度。

使用金融风险因素来解释加密中的风险

许多已建立的风险模型，例如我们自己的两个西格玛因子镜头，旨在解释传统金融投资组合中的大部分风险和回报，其中通常包括对股票、债券、商品和法定货币等成熟资产类别的大量配置， 以及著名的投资策略，例如宏观资产类别的趋势跟踪和股票的价值投资。

据我们所知，大多数金融风险模型都没有将特殊的加密风险作为“因素”。如果加密货币主要具有特定于加密货币市场的独特风险和回报，那么根据这些因子风险模型，任何分配给加密货币的投资组合都将具有剩余或无法解释的风险。为了了解加密与传统金融市场因素的相关程度，让我们首先分析比特币与两个西格玛因子镜头中的因素的关系。比特币是市值最大的加密资产，可以说是最规范的 。

自 2015 年 1 月以来，比特币 91％ 的风险无法解释。这是一个相对较高的剩余风险。就背景而言，标普 500 等基础广泛的股票指数在此期间的剩余风险低于 1％。个股通常具有较高的剩余风险，但远低于比特币。例如，在此期间，Apple 不到 50％ 的风险是无法解释的。

正面的股票、正面的趋势跟踪和负面的新兴市场。还有其他在统计上不显着的因子敞口也值得深入研究，即正商品、正本地通胀和负外币。

在下一节深入探讨加密风险的特殊成分之前，让我们首先分析比特币与其他风险因素的关系。第一：比特币与股票的关系。虽然比特币对全球股票因子的贝塔系数为 0.74，但在此期间相关性要低得多，仅为 18％。较高的 Beta 值是由于波动率的差异（股票的年波动率约为 15％，比特币的年波动率约为 73％）。我们在下方显示了 60 天的滚动相关性，发现相关性在 2020 年和 2021 年的大部分时间里都在升高，在去年 COVID 市场危机最严重时期达到了 60％ 左右的峰值，正如我们在维恩关于“安全- 避风港”资产。

比特币与趋势跟踪因素的正相关关系可能表明，当宏观市场朝着一个方向或另一个方向发展时，比特币往往表现良好，而当宏观市场波动且无方向时，它往往表现不佳。经过进一步分析，我们发现比特币似乎与这段时期的股票市场趋势密切相关。

我们还应该探索比特币与本地通胀因素的正相关关系，该因素旨在衡量美国通胀对冲的敞口。许多投资者假设比特币可以防止通胀上升，因为它是去中心化的，并不处于 被政府夸大的风险。除了图表 3 中观察到的正面风险外，比特币 10 年通胀盈亏平衡点的单变量 Beta 值（作为衡量市场通胀预期的指标）同期为 0.76，相关系数为 15％。虽然乍一看这似乎不是一个重要的关系，但将其与通常被视为“通胀对冲”的黄金进行比较，黄金在同一时期与通胀盈亏平衡点的相关性为 9％。因此，从这个意义上说，这两种资产（比特币和黄金）在“通胀对冲”方面可能相当。

说到黄金，比特币与商品的关系是什么？比特币的商品因子敞口为正，但并不显着。在此期间，比特币与黄金和石油呈现出轻微的正相关。有趣的是，比特币似乎与美元没有负相关——事实上，加密货币似乎与美元指数没有有意义的相关性。

最后，比特币与法定货币的关系如何？考虑到因子和比特币（都是相对于美元表示的，因此在双西格玛因子镜头中与外币因子缺乏显着关系很有趣，而且可能出乎意料。查找比特币与美元和所有其他 G10 货币的关系，加密货币似乎与任何法定货币没有任何有意义的相关性。

总而言之，比特币与其他货币或任何主要商品没有实质性的相关性。这给我们留下了以下问题，我们将在本街景视图的其余部分进行分析：加密货币本身是否存在任何共同的风险驱动因素，或者它们都是自己的野兽，甚至相对于彼此都具有独特的、特殊的回报？

加密资产之间的相关性

为了检查加密货币中的常见风险驱动因素，我们首先需要建立一个加密资产领域。我们选择了 10 种币，包括比特币、以太坊和狗狗币，根据 CoinMarketCap 的数据，截至 4 月 19 日，它们的 30 天交易量最高，并且至少有 3 年的价格历史。

下面我们展示了过去几年这些加密资产回报的相关矩阵。 乍一看，这些资产似乎存在一些共同的风险驱动因素，因为平均相关性为 48％，显着为正。 相比之下，构成两个西格玛因子镜头中的外币因子的图表 5 中法定货币（G10-ex USD）的平均相关性为 46％。

从加密资产之间的相关性中得出一些有趣的观察结果：首先，整个矩阵中没有一个单一的负相关性。所有加密资产都表现出正相关。

其次，看起来最独特的代币是 DOGE，平均相关性仅为 25％。 DOGE 是一种投机性货币，最近由于 Reddit 论坛和特斯拉首席执行官埃隆马斯克的支持而飙升。15 该货币最初是一个基于互联网模因的轻松笑话，但在很大程度上已被开发人员抛弃， 可能会随着最近的价格飙升和兴趣而改变。16

最后，按市值计算的两个最大代币之间存在显着高相关性：BTC 和 ETH。在此期间，它们的相关性为 74％。这一点特别有趣，因为这两种资产的用例不同。虽然 BTC 最初的预期用例是作为一种去中心化的交换媒介，但它今天的主要功能是作为一种价值储存手段。 ETH 也有这个用例，但它通过代表一个平台来扩展它，在该平台上使用其加密货币以太构建应用程序。鉴于 BTC 相对较长的价格历史和市场规模，一些正在考虑进入加密领域的投资者最初可能会对 BTC 感到“沾沾自喜”。虽然 ETH 仍然提供了一个相当大的市场，但它是加密货币的一个稍微复杂的入口，因为它不仅可以被视为像 BTC 一样的“价值存储”，而且还可以作为 DeFi（或去中心化金融）的代理 ) 曝光。17

下面我们将看到这两种代币之间的相关性是如何随时间变化的。虽然相关性一直处于正值，但几年前两者之间的相关性要低得多。在 2018 年第一季度加密货币崩盘前后，随着对加密货币的监管审查开始升温，以及 Facebook 和谷歌等科技巨头禁止加密货币广告，这两种加密货币都遭受了迄今为止最严重的季度亏损，它大幅回升。

从那时起，相关性一直很高，在去年上半年再次达到加密货币崩盘时的峰值。 BTC 和 ETH 在 2020 年 3 月 12 日均下跌了约 40％，当时金融市场的大规模避险举措严重影响了高杠杆的加密货币市场（正如我们在之前提到的关于“避险”资产的维恩博客文章中所述 ）。从那以后，相关性有所下降，但最近又开始回升。

总之，我们看到宇宙中十种硬币之间的相关性相当高。即使是 BTC 和 ETH 这两种看似截然不同的资产，也表现出高度相关性，尤其是近年来。似乎在这个加密领域存在共同的风险，我们将在下一节中更详细地探讨这些风险。

跨加密资产的常见风险驱动因素

回到图表 6 中检查的 10 个硬币，我们使用该组运行主成分分析 (PCA)，从硬币的协方差矩阵中提取不相关的主成分（PC，或统计风险因素）。20 PCA 降低了维度 大数据集（在我们的例子中是一个 10 x 10 的协方差矩阵）到少数 PC，这些 PC 在数据中传达重要的模式或常见的风险驱动因素。 PC 完全由数据驱动，很少涉及经济直觉，因此无法明确识别潜在风险。然而，这项分析将告诉我们在这个加密货币世界中存在共同风险的程度（有多少，它们的影响有多大，等等）。

图表 8 显示，前两个 PC 一起解释了大约 69％ 的方差。第一个 PC 的解释性更强，覆盖了大约 47％ 的方差，而第二个 PC 覆盖了大约 22％。其余的 PC 各解释了 8％ 或更少的方差。为了将这些结果放在上下文中，我们可以将它们与传统宏观资产的 PCA 结果进行比较。例如，美国收益率曲线上的主成分分析发现，前三个主成分可以解释 99.9％ 的方差。²¹ 欧洲八个国家股票指数回报的主成分分析表明，前两个主成分可以解释 ＆gt；90％ 22 因此，虽然在这个看似多样化的加密货币市场中有两个主要的风险驱动因素，但与更传统的资产相比，最初的几台 PC 并不具有解释性。

让我们更详细地研究前两台加密 PC。如前所述，PC 很难将经济直觉抛在脑后，但我们可以查看每个 PC 的投资组合权重（由它们的特征向量表示）以了解它们的构造。图表 9 显示了第一和第二个 PC 的投资组合权重（特征向量）。不出所料，第一个未命名的风险因素是所有硬币的长度（请注意，特征向量的符号无关紧要），代表可能被视为“加密测试版”。第二台电脑更有趣。它似乎正在捕捉 DOGE 相对于所有其他代币的独特风险。这让我们回到图表 6 中的相关矩阵，我们注意到 DOGE 是最多样化的代币，平均相关性仅为 25％。

结论

加密货币最近受到了很多关注。获得加密货币敞口的方法有很多，包括直接投资于中心化和去中心化交易所的硬币，通过掉期和期货等衍生工具，以及投资于区块链技术的股票。

不幸的是，使用传统的金融风险模型很难理解加密资产的风险。例如，使用双西格玛因子镜头分析比特币显示出巨大的特殊风险。话虽如此，比特币并不完全与因素集正交——与现有风险因素似乎确实存在一些有意义的关系，例如与全球股市的正相关以及 BTC 表现得像一种通胀敏感资产的趋势。

当然，比特币只是加密领域中的一种币。在此街景视图中，我们探讨了加密资产之间的多样化程度。我们发现，按交易量计算的 10 个最大的代币都呈正相关，其中 DOGE 的平均相关性最低。鉴于这些正相关，我们分析了加密资产之间是否存在共同风险。

PCA 还透露，在过去几年中，这些代币有两个主要的风险驱动因素：长期加密（即加密测试版）和 10 代币世界中最多样化的加密资产（DOGE）的独特风险。

总而言之，加密货币似乎是一种高度波动但多样化的资产，可用于暴露于传统风险因素的投资组合。加密资产之间似乎确实存在有意义的关系，这表明分散在许多币上的投资组合可能不会获得巨大的多元化收益。