Grayscale Research：如何优化多元化投资组合？
.details .details-cont p, p {word-break: normal; text-align: unset} p img {text-align: center !important;}
加密货币在多元化投资组合中的应用
加密货币是一种独特的、高波动性的另类资产类别，在添加到传统投资组合时，可能有助于改善风险调整后的回报。
当将加密货币纳入投资组合时，少量投资效果显著：传统的投资组合优化技术建议约5%的配置，可能最大化预期的风险调整回报。然而，配置加密货币也可能会增加投资组合的风险。
加密货币的配置可能会替代用于回报增强和/或多元化的其他资产，包括黄金和其他商品、小型股、国际股票或科技股。加密货币资产类别也有可能取代某些私人投资，因为它可能提供更多的流动性。
投资者在投资加密货币之前，应考虑自己的个人情况和财务目标。该资产类别应被视为高风险，可能不适合有短期资金需求和/或高风险厌恶的投资者。
建立一个良好的多元化投资组合变得更加困难，这主要是由于传统资产的回报集中度更窄、相关性变化以及宏观风险的增加。在Grayscale，我们认为加密货币资产类别可以是应对这些挑战的一种方式。加密货币资产类别包括广泛的技术，具有许多特定的应用场景。例如，比特币是一个货币系统，而Aave是一个借贷协议，Bittensor是一个构建开源人工智能的平台。这种多样性给资产配置者提出了问题：在考虑投资组合配置时，加密货币资产应该被视为商品、技术投资，还是其他类别？
Grayscale研究认为，加密货币应被视为一种独特的、高波动性的另类资产类别，当纳入传统投资组合时，可能有助于改善风险调整后的回报。虽然各个资产的种类多样，但它们都基于相同的基础技术——公共区块链——并且大多数可以视为早期阶段的投资。与其他早期阶段的投资选项，如风险资本，最大的不同在于加密货币的市场结构：基于区块链的资产是流动的，并且在全球范围内全天候交易，包括许多零售投资者。这些特性——在流动的公开市场上交易的早期阶段投资，并且任何人都可以参与——导致了一组统计特性，可以用于指导投资组合构建。
加密货币资产类别的表现
在相对较短的历史中，加密货币资产类别的回报表现出了四个主要的统计特征：（1）高波动性，（2）相对于波动性的回报与其他主要资产类别相当，（3）与传统资产的相关性较低，（4）相对较高的动量（统计上的持续性）。此外，这些统计特征随着时间的推移有所变化，尤其是对于像比特币这样的更成熟的数字资产。
1.高波动性。加密货币是一个独特的高波动性主要资产类别。自2017年初以来，基于市值加权的可投资数字资产指数产生了95%的年化波动性；同期比特币的波动性为83%。而标准普尔500指数的年化波动性为16%，纳斯达克100指数为19%。加密货币的波动性更类似于某些高价格波动的商品，如天然气，或者是包含杠杆的投资策略（见图表1）。因此，加密货币资产类别应被视为高风险，这是投资者在将加密资产纳入投资组合时应首先考虑的因素。
图表1：加密货币是一个独特的高波动性主要资产类别
2.回报与波动性相称。与此同时，比特币和数字资产整体（例如基于市值加权的指数）的回报与其较高的波动性相称。换句话说，加密资产通过较高的回报来补偿投资者承受的较高风险。例如，自2017年初以来，同一个基于市值加权的可投资加密资产指数产生了69%的年化回报。考虑到95%的年化波动性，回报与波动性的比率约为0.7。在同一时期，标准普尔500指数在16%的波动性下产生了14%的年化回报，回报与波动性的比率约为0.9。[3] 在大约10年或更长时间内，主要资产类别的回报与波动性的比率通常在0.5至1.0之间，加密资产的回报也落在这个范围内（见图表2）。因此，考虑到其较高的波动性，加密资产的回报特征与我们观察到的其他资产类别相当。
图表2：加密资产的回报与波动性的比率与其他资产类别相似
3.与传统资产的相关性较低。通过杠杆——借钱以投资更多资本——可以实现更高的波动性和更高的回报。然而，为传统资产添加杠杆不会影响它们的相关性，因此无法用来改善风险调整后的回报。[4] 加密货币资产类别的独特之处在于，它提供了高风险和高潜在回报，同时与传统资产的相关性较低（见图表3）。较低的相关性是投资组合多元化的“秘密调料”，这也是为什么基于数据的投资组合优化方法通常会考虑将加密资产类别纳入其中。
图表3：加密货币与股票市场回报之间的历史低相关性
4.高动量。与股票和债券相比，加密货币资产类别的历史回报表现出相对较高的动量：收益往往跟随收益，而亏损往往跟随亏损。这样，数字资产的回报更类似于货币和商品资产的回报，这些资产也表现出价格动量。高波动性和高动量的结合意味着，加密货币资产类别偶尔会产生集中大幅回报的时期，也会出现大幅回撤。将加密货币纳入多元化投资组合的投资者可以考虑使用趋势跟踪策略来进行风险管理。(for more detail, see The Trend is Your Friend: Managing Bitcoin’s Volatility with Momentum Signals).
尽管加密货币资产类别已经发展到一个具有意义的规模，但它仍然相对年轻，其统计特性可能随着时间的推移而发生变化。对于一些更成熟的资产，如比特币，已经出现了价格波动性下降的情况（见图表4）。Grayscale研究认为，公共区块链可以被视为网络技术，经济理论预测，网络的价值将与网络规模呈非线性关系。因此，随着用户采纳的增加，投资者应准备好应对区块链资产的统计回报行为的变化（更多细节请参见《规模越大，越好：区块链作为网络技术》）。
图表4：比特币的波动性随着时间的推移而下降
少量投资，大大受益
在构建多元化投资组合时，投资者通常会考虑每种资产的预期风险、预期回报以及资产之间的预期相关性，以达到最大化风险调整后回报的组合。[5] 纳入加密货币资产类别也不例外：投资者应根据历史表现以及对未来回报变化的判断，考虑预期的风险、回报和相关性。
作为基准示例，Grayscale研究考虑将比特币纳入传统的60/40股票和债券组合中。[6] 我们使用蒙特卡洛方法模拟了包含不同数量比特币的假设组合。然后，我们估算了这些组合的预期年化回报和年化波动性，并计算了预期的夏普比率（具体细节请参见技术附录）。[7] 对于基准示例，我们假设比特币未来回报的分布将与自2014年以来的实际回报相匹配（更多细节请参见《加密货币在投资组合中的角色》）。由于比特币有更长的历史，我们将其作为代表性的数字资产；在下一部分，我们将考虑包含更广泛数字资产的投资组合。
图表5展示了我们基准模拟的结果。当比特币以小幅增量加入经典的60/40组合时，预期的夏普比率最初上升。原因是，尽管比特币是一种波动性资产，但它可能提供较高的回报并且与传统资产的相关性较低，因此具有多元化效益。夏普比率继续上升，直到比特币占总投资组合的大约5%时，开始趋于平稳。之后，增加比特币配置不再预计能改善风险调整后的回报。
图表5：将比特币加入传统投资组合可能提高风险调整后的回报
由于加密货币是一种波动性资产，少量投资就能带来显著效果：即使是适度地配置比特币和/或其他数字资产，也能显著改善总回报和风险调整后回报。例如，图表6展示了将比特币以1%、3%和5%的增量添加到传统的60/40投资组合中的假设影响。这些结果是完全假设的，并不反映投资者实际获得的结果。当将比特币以这些比例加入60/40投资组合时，年化回报在这一期间增加了0.6-3.3个百分点（pp），投资组合的夏普比率增加了0.05-0.22个百分点。尽管总回报和风险调整后的回报都增加了，但需要强调的是，投资组合的风险，包括最大回撤，也会增加。
图表6：1%-5%比特币配置对60/40投资组合的假设影响
假设模拟的业绩结果具有一定的固有限制性。无法保证过去一段时间的市场条件将在未来出现。实际上，未来的市场条件很可能与过去的市场条件大不相同，这可能对未来的回报产生实质性的负面影响。与实际业绩记录不同，模拟结果并不代表实际交易或投资组合管理的成本。此外，由于交易并未真正执行，结果可能会因某些市场因素（如流动性不足）而过度或不足地补偿其影响。一般来说，模拟交易程序也受到它们是借助后见之明设计的事实的影响。我们没有作出任何表示，任何账户将会或可能实现类似于所示的利润或亏损。过去的表现并不代表未来的结果。我们选择该时间框架进行分析，因为我们认为它大致构成了我们选择分析的数字资产的最完整历史数据集。有关假设业绩的额外风险披露，请参见最后的披露部分。
自然，这是在一组特定假设下的模拟结果，并不能保证未来的回报会与过去相似。投资者应在配置资本之前，考虑加密资产回报的多种可能结果。尽管基于历史结果，大约5%的配置可能会最大化风险调整后的回报，但如果例如比特币的回报在未来下降或其与其他资产类别的相关性增加，较低的配置可能更为合适。
常见的实施问题
尽管传统的投资组合优化技术可以作为一个有用的起点，但将加密资产类别纳入投资组合的投资者通常需要解决一系列实际的实施问题。以下是我们从投资者那里收到的几个关于将加密货币纳入多元化投资组合的常见问题：
1.当考虑包括比特币以外的加密资产时，投资组合结果如何变化？市值低于比特币的加密资产——通常被称为“山寨币”——通常具有更高的价格波动性，应被视为更高风险的资产。此外，这些资产在使用案例、市场资本化和与传统资产的相关性方面具有高度多样性。在加密市场表现的广泛指数可用的期间内，作为一个类别，山寨币的总回报和风险调整后回报通常低于比特币，尽管未来可能并非如此。至少，考虑将资金配置到山寨币的投资者应采取多元化的方法，以反映较高的特定风险，并可能希望考虑评估特定代币基本面的策略（例如，参见Grayscale Research的前20名）。话虽如此，按照历史数据来看，我们的蒙特卡洛模拟结果表明，约5%的配置也能最大化包括比特币和山寨币在内的市值加权加密资产篮子的预期风险调整后回报。
2.在增加加密货币时，我应该从现有投资组合中削减哪些部分？在一个多元化的投资组合中，加密资产类别可能提供回报增强、分散投资或两者兼而有之。因此，它可能替代现有的旨在提供这些属性的配置，包括黄金和其他商品、小盘股、国际股票或科技股。加密资产也可能替代某些私募投资（例如，私募股权、风险投资或基础设施），因为它也能提供更多的投资组合流动性。加密资产类别可能提供比其他资产类别更高的风险和更高的潜在回报，从而可能提高整个投资组合的资本效率。
3.过去的回撤幅度和频率是多少？比特币在其历史上经历了四次较长时间的回撤（见图表7）。使用月度数据，这些期间的平均峰值到谷底的回撤幅度为77%。如上所述，趋势跟随策略可能用于管理下行风险。还有许多较小回撤的例子。例如，在加密市场周期的最新升值阶段——从2018年12月到2021年11月——比特币的价格增加了约21倍。然而，在这一期间，比特币的价格至少下跌了10%的情况发生了11次。在加密市场周期的前一个升值阶段——从2015年1月到2017年12月——比特币的价格至少下跌了20%的情况发生了11次。[10]
图表7：比特币在其16年历史中经历了四次重大回撤
4.我应该把比特币视为防御性资产吗？Grayscale研究认为，比特币可以被视为一种价值存储：我们预计它在长期内将保持实际价值（即考虑到通货膨胀），因为它稀缺且不依赖于任何特定机构。然而，今天的比特币不应被视为防御性资产，无法在经济衰退或其他高风险厌恶时期抑制投资组合的波动性。比特币是一个高波动性的资产，与股市呈正相关，通常在风险厌恶上升时下跌。此外，至少目前，黄金和短期美国国债在地缘政治风险上升期间通常表现优于比特币。
加密货币的角色
需要强调的是，投资数字资产可能并不适合所有人。在本分析中，我们考虑了一个持有经典60/40投资组合的典型投资者。然而，在实际操作中，有许多不同类型的投资组合满足不同的财务需求。例如，一些投资者持有低波动性资产的投资组合，因为他们的资金已计划用于即将发生的开支（例如，购房或大学学费）。加密货币是一个高波动性的资产类别，可能随着时间的推移带来强劲的回报，但也可能在短期内失去显著的价值。此外，一些投资者更倾向于持有收入型资产，如固定收益证券或支付股息的股票。尽管一些加密资产确实能产生收入，但在大多数情况下，这些收益相较于资产的波动性而言较低——加密货币是一个主要以资本增值为目的的资产类别。
尽管有一些例外，Grayscale研究分析表明，传统的平衡型投资组合通过适度配置加密货币——可能是约占总金融资产的5%——可能实现更高的风险调整回报。由于加密货币是一个高风险/高回报潜力的资产类别，并且与股票的相关性较低，加密资产可能有助于投资者克服当前在投资组合构建中面临的一些挑战。配置加密货币并不会改变其他关于投资组合构建的传统思路，包括在接近退休时降低投资组合波动性、尽可能使用税收优惠账户，以及避免试图把握市场时机。
技术附录
为了确定比特币在投资组合中的适当份额，我们使用蒙特卡洛方法模拟预期回报。具体而言，对于每次将比特币增量加入到一个60/40投资组合（范围从0%到20%），我们模拟了1,000个随机投资组合，时间跨度为60个月（即26,000个五年期模拟）。然后，我们计算了每个比特币占投资组合份额时的回报、波动性和夏普比率的平均值（例如，当比特币在投资组合中的份额分别为0%、1%、2%等时的平均夏普比率）。
此分析的一个关键因素是考虑加密货币与其他资产类别相关性的影响——因为这决定了其在投资组合中的多样化效益。为了调整国债、标准普尔500指数和比特币之间的相关性，我们采用了Iman-Conover方法。该方法具有改变一组变量的相关性结构，同时保持各自边际分布的能力，因而非常有用。
此方法的关键步骤包括：
排名转换：将每个变量的值替换为它们的排名，从而将数据转换为均匀分布。
标准化并转换为Z分数：这些排名被标准化，然后转换为Z分数，使其与标准正态分布对齐。
相关性调整：然后，我们使用目标相关矩阵的Cholesky分解调整这些Z分数，使数据与我们期望的相关性结构对齐。
转换回原始尺度：最后，将调整后的Z分数转换回数据的原始尺度，确保每个变量的原始分布特征得到保持。
Iman-Conover方法对于我们的分析非常有帮助，因为它可以在不同的相关性情景下，现实地模拟不同资产，尤其是比特币，在投资组合中的互动。对于我们的基准统计数据，我们选择了2014年后的比特币回报数据。这个选择是基于2014年左右，比特币回报的分布变得更加稳定，并趋近于正态分布。对于股票和债券，基准分布数据自1980年开始测量。
关于假设模拟表现结果的说明
假设模拟表现结果具有一定的固有局限性。过去期间的市场条件并不能保证在未来出现。未来的市场条件很可能会与过去的市场条件显著不同，这可能会对未来的回报产生实质性的负面影响。与实际表现记录不同，模拟结果并不代表实际交易或管理投资组合的成本。此外，由于交易并未实际执行，结果可能会高估或低估某些市场因素的影响（如果有的话），例如流动性不足。模拟交易程序通常也会受到“事后诸葛亮”的影响，即它们是在有历史数据的情况下设计的。我们不作出任何保证，任何账户将实现或可能实现与所示相似的利润或亏损。过去的表现并不代表未来的结果。
这些假设模拟表现结果基于一个模型，该模型使用了基于多种条件和事件假设的输入，并提供假设性的，而非实际的结果。与所有数学模型一样，结果可能会因输入值的不同而发生显著变化，因此，即使是对某个假设的相对小修改，也可能会对结果产生重大影响。除此之外，假设模拟表现的计算并未考虑在特定条件下适用资产特性的所有方面，包括可能对结果产生重大影响的特性。
此外，在评估本文中的假设模拟表现结果时，潜在投资者应理解，并非所有用于模型中的假设都在此处描述，模型未考虑的条件和事件可能对本文中所描述资产的表现产生显著不利影响。
潜在投资者应考虑是否应该根据与本文中信息中包含的假设不同和/或额外的假设来测试这些资产的表现。
除了其他差异外，潜在投资者在投资产品时应注意以下可能的重大差异，这些差异可能导致假设模拟表现中所设定的回报与产品实际表现的条件之间存在显著差异，从而导致该产品的实际回报远低于模拟表现回报，并可能导致潜在投资者部分或全部投资的亏损：
此外，假设模拟表现结果并未假设任何交易的盈亏，因此没有反映实际资产交易和持有所带来的潜在亏损、成本和风险。假设模拟表现结果未反映市场条件在所选历史期间对一个投资组合可能产生的影响。假设模拟表现结果也未反映投资组合可能产生的任何费用。如果这些费用被纳入假设模拟表现中，结果将会更低。
由于这些及其他差异，投资组合的实际回报可能高于或低于假设模拟表现结果中设定的回报，而这些结果是假设的，可能永远无法实现。偏差的原因可能包括但不限于监管和/或税法的变化，以及普遍不利的市场条件。
指数定义：
彭博美国国债指数衡量由美国财政部发行的以美元计价的固定利率名义债务。FTSE/Grayscale加密货币部门指数（CSMI）衡量在主要全球交易所上市的数字资产的价格回报。彭博巴克莱美国公司债券指数衡量投资级固定利率应税公司债券市场。标准普尔加密货币广义数字市场（BDM）指数旨在跟踪在公认的开放数字交易所上市并满足最低流动性和市值标准的数字资产的表现。MSCI全球全国家世界指数（ACWI）是一个全球股指，衡量发达市场和新兴市场的股市表现。彭博美国公司高收益债券指数衡量美元计价的高收益固定利率公司债券市场。标准普尔GSCI是一个包含24个交易所交易期货合约的指数，代表全球大部分商品市场。标准普尔500总回报指数是一个总回报指数，反映了标准普尔500指数中股票价格的变化以及其基础股票的股息收入再投资。
展开
