|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( 四 )


2. 对协方差矩阵和未来收益的估算预测往往依赖长期历史数据 , 认为历史数据可以给出未来发展的可靠方向 。 但是 , 在极端行情下 , 资产间的相关性急剧上升 , 根据历史数据估算所得的协方差矩阵很难给出理想的分散风险的效果 。
由于数字资产量化行业的历史数据相较于传统资产还十分有限 , 基于历史数据的对协方差矩阵和未来收益的预测显得缺乏说服力 , 加剧了现代组合理论应用在数字资产 FOF 管理中的局限性 。
3. 根据现代组合理论得出的最优组合普遍存在过度集中于某几类资产的情况 。 下表比较了根据现代组合理论和其他常见配置策略得到的资产配置结果:
|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
本文插图

从上表可以很直观地感受到现代组合理论下的权重分配最为集中 。 最后一列中的信息熵是表征离散程度的指标 , 熵越大则表示权重分配的集中程度越低 。 现代组合理论下的信息熵明显小于其他策略 。
上述问题可以通过收缩法和正则化技术得到有效改善 。 两种方法的思路均为优化资产间协方差矩阵的估算过程 。 收缩法通过引入权重约束而间接改变了协方差矩阵 , 相当于在历史数据的基础上引入了组合管理人的一些判断 , 与下文中提到的布莱克-李特曼模型属于同一类 。 正则化技术则是将不同的协方差矩阵参数估计值加以综合 , 从而平稳最优组合的权重 。 正则化技术或是收缩法只是降低了参数值的激进程度 , 并没能减少输入参数的数量 。 现代组合理论对输入参数的高敏感性是客观存在的 , 在投资管理中属于激进型模型 。
风险均衡策略则相对保守 , 其实质是通过风险分散和对冲 , 实现组合穿越周期的目标 , 也确实从很大程度上克服了现代组合理论中的问题 。 然而 , 风险和收益是资产管理天坪的两端 , 是资产管理需要处理的核心矛盾 。 专注于风险管理的配置策略自然疏忽了投资人对收益的要求 , 且对低波动率资产配置比例过高 , 是风险均衡策略的主要弊端 。 杠杆的引入解决了这些问题 。 随着数字资产借贷市场和衍生品市场的不断发展 , 风险均衡策略在 FOF 管理中的应用将更为灵活以满足不同投资者偏好 。
下表总结了各主动型策略的特点以供参考:
|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
本文插图

总结与展望
作为新兴的数字资产量化行业 , 在经历了早期的野蛮成长期之后 , 逐渐向运营合规化、管理正规化和收益合理化的方向转变 。 而以数字资产量化基金作为投资标的的 FOF 基金 , 凭借其专业的投资和管理能力 , 也越来越受到投资者的认可 。
然而 , 数字资产量化 FOF 投资还处于早期 , 尚无成熟的经验可循 , 资产配置的方法论也不完善 。 而传统投资市场成熟完善的配置理论和方法 , 对于数字资产量化 FOF 的资产配置 , 有很强的借鉴意义 。 通过比较研究 , 我们发现:在诸多的资产配置理论中 , 现代组合理论逻辑简单易于实现 , 但存在对输入参数敏感、稳定性较差的问题;针对风险贡献的均衡模型大大降低了对输入参数的要求 , 然而需要引入杠杆以满足不同的收益要求;针对风险情景和风险因子的均衡策略对风险的认识更加本质 , 模型也更为复杂 , 需要更多体系化数据和分析手段的支持 。
当前 , 由于缺乏必要的底层设施(如合规机制、风险因子体系) , 传统市场上的诸多配置策略应用于数字资产市场的难度较大 。 对于目前可用的策略 , 由于历史周期较短 , 不同策略的回测结果差异性有限 , 还有待更多历史周期的检验 。 Blofin 在积累数据的同时 , 将继续致力于对数字资产市场尤其是量化基金的体系化研究和基础设施的完善 。
【|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】


推荐阅读