风险提示:央行等十部委发布《关于进一步防范和处置虚拟货币交易炒作风险的通知》, 请读者提高风险意识。

用多因子策略构建强大的加密资产投资组合

【GPT】Lucida是行业领先的量化对冲基金,Falcon是新一代的Web3投资基础设施,基于多因子模型,帮助用户投资加密资产。Lucida去年6月提出了多因子模型择币,一年后研发了多因子策略,基于CAPM、APT和Alpha收益&Beta收益,关注资产预期收益率的差异。

LUCIDA & FALCON
LUCIDA & FALCON
热度 ...

原文作者:LUCIDA & FALCON

原文来源:mirror

前言

在去年 6 月份,我设想了用多因子模型去择币的简单构思。

https://mirror.xyz/lucidafund.eth/UdOfxxKgD_Xuc_KrvGvsjrWZZCwKlWPAYNx991ZgmIA

nft://undefined/undefined/undefined?showBuying=true&showMeta=true

一年后,我们已经着手研发针对加密资产市场的多因子策略,并把整体的策略框架写成系列的文章《用多因子策略构建强大的加密资产投资组合》。

本系列的大体框架如下(不排除微调的可能):

一、多因子模型理论基础

二、单因子构建

因子数据预处理

  • 数据筛选
  • 异常值处理:极值、错误值、空值
  • 标准化
  • 中性化:行业、市场、市值

因子有效性判断

  • 信息比率 IC、收益率、夏普比率、换手率

三、大类因子合成

因子共线性分析

正交消除因子共线性

经典加权方法→合成因子

  • 等权、滚动 IC 加权、IC_IR 加权
  • 合成因子的测试:收益率、分组收益率、因子值加权收益率、合成因子 IC、分组换手率

其他加权方法(因子与收益率存在非线性关系):机器学习、强化学习(由于加密货币行业的特殊性,不考虑)

四、风险组合优化

以下是第一篇**#理论基础篇#**的正文内容。

一、“因子“是什么

“因子”即技术分析中的“指标”、人工智能机器学习的“特征”,是决定加密货币收益率涨跌的原因。

我们团队把加密货币领域常见的因子类型:基本面因子、链上因子、量价因子、衍生品因子、另类因子和宏观因子。

挖掘和计算“因子”的最终目的是为了准确计算资产的预期收益率。

二、“因子”的计算

(1)多因子模型的推导

起源:单因子模型——CAPM

因子研究可追溯于 20 C 60 S,资本资产定价模型(Capital Asset Pricing Model, CAPM)问世,该模型量化了风险如何影响一个公司的资本成本从而影响预期收益率。根据 CAPM 理论,单个资产的预期超额收益可由以下的一元线性模型决定:

加密资产

补充理解:

加密资产

CAPM 模型是最简单的线性因子模型,指出资产的超额收益只由市场**组合(市场因子)**的预期超额收益和资产对市场风险的暴露大小决定。该模型为后续大量线性多因子定价模型的研究奠定基理论础。

发展:多因子模型——APT

在 CAPM 基础,人们发现不同资产的收益率受多个因子影响,套利定价理论(Arbitrage Pricing Theory, APT)问世,构建线性多因子模型:

关于【用多因子策略构建强大的加密资产投资组合】的延伸阅读

  • 欧洲 MiCA 法案万字研报:全面解读对 Web3 行业、DeFi、稳定币与 ICO 项目的深远影响

    欧盟将于2024年实施《加密资产市场法规》(MiCA),旨在规范加密资产市场并保护投资者利益。法案涵盖加密资产发行、交易平台透明度和披露要求、服务提供商授权和监督要求、投资者保护要求等内容。申请牌照的公司需符合特定条件,发行加密资产的公司需提供详细信息保证投资者权益。MiCA可能成为全球标准,但其实际成功仍有待观察。欧盟希望通过国际合作和协调监管,确保加密资产市场的一致性和有效性。MiCA法案也可能影响具有匿名功能的加密资产,如Monero和Zcash。

  • "捡钱"时代已过,散户通过比特币等加密资产赚钱将越来越难

    加密世界近期出现了各种坑,如Rug Pull项目、被鼓吹的“买入即巅峰”、钓鱼攻击等,给普通投资者带来损失。DeFi安全风险不断增加,KOL喊单也成为普通用户获取Alpha密钥的重要来源。这些问题导致普通用户在Web3中损失资金成为最常见的方式,也造成加密行业缺乏新用户,对行业造成伤害。普通用户需要保持警惕,选择更公平的产品。加密行业仍在摸索中前进,赚钱与否仍是Web3世界的永恒话题。

加密资产

成熟:多因子模型— .Alpha  收益 & Beta  收益

综合考虑金融市场实际存在的定价误差和 APT 模型,从时序角度上看,单个资产的预期收益率由以下的多元线性模型决定:

加密资产

多因子模型关注资产预期收益率在截面上的差异,本质是关于均值的模型,而预期收益率是收益率在时间序列上的平均。基于( 3) ,可推导出截面角度的多元线性模型:

加密资产

补充理解:

加密资产

结合统计学知识,该模型隐含三层假设:

加密资产

加密资产

(2)多因子模型的波动率

加密资产

加密资产

formula 7 

加密资产

加密资产

formula 8 

∧ 表示 K 个因子的因子收益率协方差矩阵(K×K):

加密资产

formula 9 

由假设 3 ,不同资产间的特质收益率也不相关,可得Δ 矩阵为:

加密资产

formula 10 

关于 LUCIDA & FALCON

Lucida 是行业领先的量化对冲基金,在 2018 年 4 月进入 Crypto 市场,主要交易 CTA / 统计套利 / 期权波动率套利等策略,现管理规模 3000 万美元。

Falcon 是新一代的Web3投资基础设施,它基于多因子模型,帮助用户“选”、“买”、“管”、“卖”加密资产。Falcon 在 2022 年 6 月由 Lucida 所孵化。

免责声明:本文仅代表作者个人观点,不代表链观CHAINLOOK立场,不承担法律责任。文章及观点也不构成投资意见。请用户理性看待市场风险,以及遵守所在国家和地区的相关法律法规。
图文来源:LUCIDA & FALCON,如有侵权请联系删除。转载或引用请注明文章出处!

标签:

分享至
https://www.chainlook.cn/toutiao/1700009410.html

下一篇:

「禧年」将至,Ordinals 协议「诅咒铭文」将绝版?

「禧年」计划中,但「诅咒铭文」不会绝版

免责声明:
链观CHAINLOOK作为区块链技术应用与Web3行业研究的智库媒体,旨在为中国区块链专家、学者们提供最新的行业资讯信息与数据样本,用于区块链技术研究与创新。本站所发布的文章仅代表作者的个人观点,不代表链观CHAINLOOK官方立场,本站所发布的区块链行业研究报告与数据分析成果是通过人工智能算法对数据内容进行分析与归纳生成,不代表任何投资暗示与建议,链观CHAINLOOK不承担法律责任。

风险提示:
虚拟货币不具有法定货币等同的法律地位,参与虚拟货币投资交易存在法律风险,链观CHAINLOOK坚决反对各类代币炒作,请读者提高风险意识,理性看待区块链技术应用及市场风险。

© 链观CHAINLOOK All Rights Reserved. 京ICP备18054193号-5