江苏龙网

  1. 首页 > 人文 > >

深入探讨传统资产配置策略在加密货币市场的应用与借鉴

深入探讨传统资产配置策略在加密货币市场的应用与借鉴
文章图片
免责声明：本文旨在传递更多市场信息 ， 不构成任何投资建议 。 文章仅代表作者观点 ， 不代表火星财经官方立场 。
小编：记得关注哦
来源：Blofin
原文标题：深入探讨传统资产配置策略在加密货币市场的应用与借鉴
原文标题：《关于如何构建数字资产量化的投资组合的思考|Blofin》
撰文：王晓妺、Leo
随着数字资产量化基金行业的发展 ， 如何构建基金组合的讨论日益增多 ， 市场对FOF管理人的专业要求也日趋严格 。 传统金融市场中的资产配置策略大致可划分为现代组合理论、风险均衡/平价策略以及等权重组合策略 。 现代组合理论和风险均衡理论下又有细分 。 下图展示了不同理论下的代表性模型：
深入探讨传统资产配置策略在加密货币市场的应用与借鉴
文章图片
本文将简述上图中的策略 ， 讨论其在数字资产市场的应用和指导意义 ， 并对不同配置策略进行了历史回测 。 另外 ， 如无特别说明 ， 本文中的风险水平均默认表示为收益的方差 。
现代组合理论
现代组合理论是资产配置中最常见的配置策略 。 现代组合理论认为 ， 一个有效组合是在给定风险水平下最大化期望收益率而得到的资产组合 ， 又叫做「均值-方差」模型 。 最优资产组合并不是单一的 ， 而是由一系列最有组合构成 ， 从而形成所谓的「有效前沿」 。 从数学角度 ， 对于一个具有n种资产的域 ， 「有效前沿」的计算可以转换为二次优化问题：
切点组合理论
托宾在1958年指出 ， 在存在无风险资产的情况下 ， 存在一个优于其他所有资产组合的最优组合 。 定义r为无风险资产的收益率 。 在期望收益率和标准差的坐标系中 ， 从（0 ， r）出发、与「有效前沿」相切的线 ， 被称为资本市场线（capitalmarketline） ， 资本市场线与「有效前沿」相切的组合优于其他所有的风险资产组合 ， 被称为切点组合 。 可以发现 ， 切点组合也就是使得夏普比率最大化的风险资产组合 。
目前数字资产市场尚无所谓的无风险利率 ， 因此不存在资本市场线 。 本文所有夏普比率的计算中均规定无风险利率为0 ， 因此预期收益/标准差即为夏普比率 。 据此 ， 「有效前沿」中最大化预期收益/标准差的点与切点组合的定义类似 ， 因此看作为切点组合理论下的资产组合 。 根据定义 ， 切点组合为「有效前沿」上的一点 ， 因此切点组合理论隶属于现代组合理论 。 下文中切点组合理将作为现代组合理论的代表 ， 与其他配置策略进行比较 。
最小方差（MV）组合
有很多方法可以用来获得激进程度较低的积极型投资组合 。 其中最直接的方法就是采用较低激进性的参数 。 例如 ， 不再基于历史数据对未来收益率进行预测 ， 而是假设所有资产的期望收益率都相等 。 在这个假设下 ， 最优资产组合也就是最小化波动率的结果 ， 又称最小方差（MV）组合 。 实际上 ， 最小方差组合即上述计算「有效前沿」的二次优化问题 ， 当
时的解 。 最小方差组合的求解可以转化为二次优化问题：
布莱克-李特曼模型
布莱克-李特曼模型在现代组合理论的基础上引入了组合管理人的个人判断 ， 即将管理人的个人判断和市场上的历史信息结合起来 ， 并根据管理人对自己主观判断的信心程度 ， 得到对资产的预期收益和协方差矩阵 ， 是一种典型的贝叶斯分析方法 。
布莱克-李特曼模型以市场均衡（即市场需求和供给相等的状态）情况下的资产比例为起点 。 通常情况下 ， 我们认为市场本身永远是均衡的 ， 那么当前市场上资产的比例也就是市场均衡下的比例 。 于是可以从市场比例 ， 通过倒推优化方法得出隐含均衡期望收益率的估计值 。 管理人对资产不同于隐含均衡收益率的观点 ， 配合对其观点的信心程度 ， 将最终决定模型对资产预期收益和资产间协方差矩阵的最终估算 。 而后依据现代组合理论 ， 得到给定风险水平下最大化期望收益率的资产配置权重 。 定性地说 ， 管理人对某资产相对于隐含均衡收益率的判断越正面 ， 信心程度越高 ， 该资产得到的权重越大 。
对于传统市场中的资产管理来说 ， 布莱克-李特曼模型主要有以下两方面优点：
通过把市场均衡引入模型 ， 得出的权重更加分散的同时更具实际意义；通过把管理人的主观观点量化并引入模型 ， 为主观判断结合市场历史信息的配置策略提供了很好的框架 ， 使得模型更为实用 。然而 ， 上述优点同样是布莱克-李特曼模型应用在数字资产量化FOF的限制所在 。 首先 ， 基于市场均衡的假设 ， 布莱克-李特曼模型对配置权重在市值权重的基础上进行调整 。 由于数字资产市场尤其是量化基金领域仍处于发展初期 ， 存在市场信息不对称、合规机制不完善等诸多问题 ， 均衡市场的假设很难成立 。 基金的管理规模很大程度上不是市场选择的结果 ， 因此基于市值权重的布莱克-李特曼模型难有说服力 。 其次 ， 主观观点的量化过程存在一定难度 。 布莱克-李特曼模型主要应用于大类资产的战略配置中 ， 传统市场中对大类资产的研究体系已十分成熟并有长周期的数据支持 ， 因此主观观点的量化过程已有章可循、相对简单 。 而在数字资产量化基金领域 ， 针对量化产品研究尚处于起步阶段、没有被业界广泛认可的成熟体系 ， 基金产品的存续时间普遍较短缺乏足够的历史数据支持 ， 因此主观观点的量化过程往往给模型引入更多噪音 。
等权重组合（1/N）策略
降低投资组合激进程度的另一方法是采用资产配置的探索式方法 。 探索式是指基于经验技术和试错方法来寻求可接受的解 ， 这个解并不等同于优化问题的最优解 。 等权重组合策略就是这种探索式、非最优估算方法下的一个例子 。 等权重组合即将投资组合中所有资产都设置为等权重 ， 在大大降低输入参数敏感性的同时解决了现代组合理论中权重分配过于集中的问题 。 然而 ， 等权重策略不属于积极型管理的范畴 ， 完全忽略市场信息 ， 在此不作更多讨论 。
风险均衡策略
相较于现代组合理论 ， 风险均衡策略需要更少的输入参数、是探索式方法下的又一例子 。 风险均衡策略又称为风险平价策略 ， 均指riskparity模型 ， 只是翻译不同 。 一般情况下 ， 风险均衡策略目前有三个层面：针对风险贡献度的均衡、针对风险情景的均衡和针对风险因子的均衡 。 这三种均衡属递进关系 ， 越来越接近真正的风险分散 。
等风险贡献（ERC）模型
针对风险贡献度的均衡策略通过赋予不同资产以相等的风险贡献度来构造一个平衡型的投资组合 ， 因此又被称为等风险贡献（ERC）模型 。 假设资产收益率符合正态分布：
对于权重为
的资产组合 ， 其标准差为：
定义资产i的的边际风险
即资产i的配置权重wi的增长引起的组合风险的增长为：
于是 ， 资产i对组合的总风险贡献为：
从数学角度 ， 风险均衡策略可以转化为下述问题：
以五支子基金构成的投资域为例 ， 风险均衡策略下的配置方案如下：
深入探讨传统资产配置策略在加密货币市场的应用与借鉴
文章图片
深入探讨传统资产配置策略在加密货币市场的应用与借鉴
文章图片
全天候（AllWeather）策略
桥水基金提出的全天候策略是针对风险情景均衡的例子 。 简单来说 ， 全天候策略认为各类资产价格的波动是由于预期差 ， 并使用影响大类资产走势的最核心变量经济增长和通胀两个维度区分预期差 。 从超出市场预期和低于市场预期的角度、增长和通胀两个维度区分得到四个不同象限 ， 在每个象限中 ， 都会有资产因为预期差而表现较好 。 全天候策略就是通过调整受益于各预期差的资产的配置比例实现对每一个预期差的均衡配置 。
深入探讨传统资产配置策略在加密货币市场的应用与借鉴
文章图片
虽然在大类资产配置中表现亮眼 ， 全天候策略在数字资产FOF管理中的应用尚且有限 。 对基金产品的分类和影响基金表现的核心变量的研究要求较高 ， 是Blofin未来研究的方向之一 。
【深入探讨传统资产配置策略在加密货币市场的应用与借鉴】风险因子的分散策略


    推荐阅读


    上一篇：A股周四大盘走势分析

    下一篇：《盈警响号》衍生集团(06893.HK)预计年度亏损扩至三千万元