原文作者：Messari- Tom Dunleavy
原文编译：BlockTurbo
投资组合管理是很难的。
在 1926 年以来交易的 26, 000 只股票中，只有 1, 000 只股票占了过去 100 年以来股票的所有利润。而只有 86 只股票（0.33% ）贡献了这些收益的一半。个人选股者很难获胜。即使是最好的投资组合经理，也有 80% 的时间跑输市场。
当您试图管理具有未知监管、事件和技术风险的初创项目投资组合时，投资组合管理会更加困难。在现有的约 22, 000 种加密货币中，只有比 86 种更少的选择可能会带来该资产类别的长期回报。
这就是边界，朋友们。但是，尽管存在风险，但对于愿意冒险的人来说，也可能会收获一些金块。
本文将探讨关于加密货币的投资组合管理，并就如何更好地管理这些投资组合提供了一些注意事项。
现代投资组合理论 (Modern Portfolio Theory ，MPT) 基本上是所有投资组合管理的基础。该理论允许投资者在假定的风险水平下建立具有预期回报水平的投资组合。风险越大，回报越高；风险越小，回报越少。理论上是这样。
MPT 指导投资者评估希望纳入其投资组合的每个资产类别的风险（以标准差衡量）、回报（以历史平均回报的某些时间序列衡量），以及它们之间的相关性。使用这些数据，我们可以建立一个加权资产组合，并估计它在一系列条件下的历史预期表现。然后，我们可以更有信心地组合资产，根据我们的风险参数构建最佳投资组合。花任何时间在任何入门金融课程上，这些原则都会一次又一次地出现。
MPT 为构建长期投资组合提供了有用的视角。凭借这些资产类别在一系列情景下的表现以及它们如何相互作用的悠久历史，我们可以指导长期配置决策。
但尝试构建加密投资组合时，问题很明显。
对于大多数传统资产来说，长期是几年以上，如果不是几十年的话。加密货币的表现历史很短，波动性很高，相关性在很大程度上是不稳定的。
在传统的投资组合管理中使用 MPT，分配者试图解决预期回报以达到或超过他们的基准。如果你是一家养老基金，你的基准可能是某个固定数字（即 7% ）。如果您是捐赠基金，它可能是高于某个设定支出率（即每年 4% ）的目标。如果您是个人投资者或基金，它可能是一个简单的基准（即 60% 股票/40% 债券）。这些配置者沿着风险/回报范围移动，直到他们可以建立一个包含资产组合的投资组合，这些资产在历史上很可能帮助他们以最低的感知风险水平达到他们期望的回报。
除了作为衡量投资业绩的工具外，基准还为寻求市场敞口的被动投资者提供了简便的途径。如果计划被动投资，基准和投资组合是一回事。例如，如果您打算购买标准普尔 500 指数，则购买代表基准的指数 SPY。您的投资组合和基准在本质上是相同的。
随着这个新兴行业的发展，建立一个具有代表性的基准以捕捉资产类别的优势对于扩大资本流动至关重要。
首先，分析 BTC 和 ETH 对投资组合的贡献。如今，大多数接触加密货币的经理或投资者仅根据这两种资产来判断他们的表现。考虑配置加密货币的投资者自然也会转向这两种最著名的资产。
由于 BTC 和 ETH 的初始回报率都非常高，因此这并不令人意外。自 2009 年以来，比特币的回报率超过 300, 000% ，而以太币自 2014 年以来的回报率超过 5, 000% 。标准普尔 500 指数在这两个时期分别上涨了约 260% 和 140% 。夏普比率是衡量风险调整后业绩的指标，这两种资产的平均值一直远高于 1 。
夏普比率显著地惩罚了投资的上下波动性。这在传统资产管理中不是什么大问题，但在加密货币中却是一个有意义的问题。 Sortino 比率调整夏普比率以仅考虑下行偏差。从历史上看，BTC 和 ETH 的表现与股票和债券的这一指标持平或高于股票和债券。自 2019 年以来，比特币的 Sortino 比率有 66% 的时间高于标准普尔 500 指数，而以太币有 67% 的时间超过该指数。
外部观察家可能会争辩说，这种令人印象深刻的风险调整后业绩在很大程度上是因为这些资产的基数非常低。如果任何资产从 1 美元或以下到数千美元，几乎任何资产绩效衡量指标都会看起来不错。这样的表现在未来不太可能重演。
这是一个公平的批评。然而，从 2018 年开始，我们可以评估开始变得更加稳定的数据集。如果我们利用这个时间序列将 BTC 和 ETH 添加到标准的 60/40 投资组合中，好处仍然很明显。 BTC 和 ETH 的配置越高，表现越好。
尽管加密货币在整个 2018 年、 2020 年和 2022 年都存在波动，但将 BTC 和 ETH 添加到传统投资组合中已经提供了约 10% 的高回报，而代价是投资组合波动性的增加非常小。然后，传统的投资组合分析将扩展到这些资产在以下方面的表现：
利率上升/下降时期
通胀上升/下降时期
扩张/收缩经济
随着加密样本量的增加，这是未来分析的基础。
风险和回报当然很重要，但投资组合中资产之间的相关性也很重要。组合投资组合，因此所有资产不会同时朝同一方向移动。比特币和以太币与传统资产的相关性一直不稳定。相关性通常与风险资产同步上升，这似乎降低了 BTC 和 ETH 可以为更广泛的投资组合带来的整体收益。过去两年每日回报率与标准普尔 500 指数的总体相关性对于比特币约为 0.8 ，对于以太坊约为 0.6 。这表明持有这些资产的多元化收益很小。随着时间的推移，这种相关性呈下降趋势，从连续五年的 90% 以上下降，为进一步的多元化收益打开了大门。
不过，增加 BTC 或 ETH 的最大支持因素是收益分布的正偏度。这意味着大量超额的正回报期远远超过了负回报期的缺点。对加密货币的分配可能是最优的，即使由于这种分布横截面平均回报可能为负。加密货币的月回报率有很强的上行倾向。
除了将 BTC 和 ETH 的简单权重添加到传统投资组合之外，我们还可以利用投资组合分析来找到最佳投资组合。对于此分析，自 2018 年以来，我们利用这些资产的回报、风险和相关性，沿着有效边界优化了一系列投资组合。
蒙特卡罗分析模拟了 100 万次试验的市场条件，以找到最佳的风险调整投资组合。分析得出的结论是，最佳投资组合为债券 ( 62% ) 和 ETH ( 27% ) 。
根据分析数据，BTC 和 ETH 为投资组合提供了被经验和学术证明的优势。随着数据被更广泛地传播和被公众理解，更多的投资者可能会继续增加对这些资产的配置。这些投资者的下一步将是考虑特定于加密货币的投资组合。
一个天真的市值加权基准将制定大约 40% BTC 和 20% ETH 的投资组合。一些投资者可能会坚持使用这两种主要的加密资产，但许多投资者会选择更广泛的投资以抓住资产类别的优势。
对于大多数投资者而言，广泛的加密货币投资最简单的选择是指数方法（即被动投资），而不是担心单个加密资产的权重。接下来，我们评估比特币和以太坊之外的现有的被动选项。
如今，除了比特币和以太坊之外，还存在一系列现有的加密货币基准。这些策略的资产之间的差异很大，即使对于作为广泛市场基准的基金也是如此。下表概述了一些较受欢迎的指数。在这里，术语索引和基准可以互换使用，因为它们通常是同一个。例如，标准普尔 500 指数也是最受欢迎的美国股市基准。
与传统市场相比，基准选择明显非常少。专用加密货币基准数量有限，而仅美国股票市场就有数千个基准。更令人担忧的是这些指数的构成和主观性。投资于一个指数，您会期望以您所支付的费用广泛接触该资产类别：而不仅仅是两种资产。美国广泛市场指数的平均成本低至 0.03% 。如今，一些特定于加密货币的费用（例如托管费）更高，但这当然不能解释 70 倍的成本差异。费用不是唯一的问题。投资者将业绩留在桌面上（在下一节中讨论）。
最好的选择是由 Index Coop 运行的区块链原生 BED 指数。它以非常低的费用在许多资产中保持广泛的风险敞口。不幸的是，BED 指数的资产管理规模在 100 万美元左右，而 Bitwise 10 的资产管理规模超过 4 亿美元。自我保管似乎仍然是采用的障碍，尽管随着 Coinbase 和其他公司添加 BED，我们可能会看到更多采用。
除了广泛行业基准的集中度问题外，还存在一系列固有偏差。如果基准不是市值加权的，则资产的选择是极其主观的，并且资产通常在投机高峰时加入。一些指数持有小盘代币（即 Enjin、Sandbox、Axie），其他则没有；一些指数持有稳定币，其他则没有。有些对个别资产设置上限，导致 BTC / ETH 相对于市场的权重偏低。
在股票世界中，类似的决策点有明显的区别。我们看到小型股、同等权重、增长、价值、技术、能源等标签。加密行业特定基准的新兴行业，但广泛基准的问题在这里更糟。
其他配置在新兴行业前沿的投资者，如风险投资、对冲基金和私募股权，由于基础系列的波动和经常涌现的新投资，也会遇到类似的基准和指数不完善的问题。这些问题没有最佳解决方案——只有时间来更好地评估数据系列。
正确使用被动指数对于投资者的长期成功至关重要。在传统金融领域， 90% 的活跃大盘股经理人在 10 年内的表现都低于该指数。令人惊讶的是，小型股 ( 91% ) 的情况甚至更糟，您会认为在小型股中有更多机会发现未经加工的钻石。被动期权是捕捉给定市场表现的最佳方式。
下一步是探索如何利用我们掌握的可用数据以及一些直觉来构建更好的特定于加密货币的投资组合、更好的基准和更好的指数。
如果分析具有至少两年历史的顶级加密资产的市场组合，最佳风险调整投资组合（即夏普优化）会是什么样子？最佳投资组合（显然）是 Loopring 和 Avalanche 的混合体。针对夏普比率优化的无约束分析显然不会像传统市场中的类似分析那样为我们提供加密投资组合的有用结果。这很可能归因于有限的数据集和资产的偏度曲线。
为了消除波动的影响，顶级资产在此处使用 Sortino 比率进行了优化。结果变得更有用，表明最佳风险调整投资组合更接近于等权重方法。
众所周知，超配小盘资产的投资组合以略高的波动性为代价为股票提供风险调整后的收益。接触较小的资产对于利用新兴技术带来的优势尤为重要。
值得注意的是，你的加密投资组合的权重越接近相等，你的风险调整后表现就越好。加密性能真正反映了风险，少量胜利推动了整体表现。
为了更好地优化流动性、交易成本和投资组合管理时间，至少市场权重比特币和以太币更为现实。因此，至少，前面强调的比特币和以太币的加密货币市值权重应该是我们的最大分配。此后，投资组合的其余部分可以最大化。分配者可能会考虑更接近该投资组合的东西或成本最低、分布最广泛的被动指数。由此产生的投资组合是多个板块的综合组合。
利用等权重的方法或修改后的比特币和以太坊投资组合提供了简单的改进，应该可以降低集中度、提高上行潜力和更多样化的加密市场敞口。随着新资产的出现，应根据一系列因素考虑将它们纳入投资组合，包括潜在的总可寻址市值。我们在 2023 年强调的新兴趋势，例如去中心化社交、L2 扩展和 DePIN，浮现在脑海中。
迄今为止所做的分析依赖于回顾性数据。虽然它说明了这些资产迄今为止的表现，但随着资产类别的成熟，波动性和回报率肯定会发生变化，同样应继续受到监控。
再平衡的时间框架可以对绝对和风险调整后的投资组合表现产生有意义的影响，特别是在投资于波动性资产类别时。更频繁的再平衡策略会抑制波动性和回报率的影响。学术研究表明，当资产类别与其投资组合对应物的相关性较低时，这些影响甚至更有意义。
正如 Bitwise 所概述的那样，定期重新平衡的回报差异对于累积回报和风险调整回报来说都是巨大的。年度再平衡计划似乎可以最大限度地提高回报，同时大大减少回撤和波动性。无论基准如何，严格的再平衡策略都是最重要的。
在此分析中，假设再平衡是免费的并且没有市场影响。显然情况并非如此，尤其是在加密领域，交易成本通常为 0.2% 或更多。市场影响成本可能更高。正如 Synthetix 团队强调的那样，执行 1000 万美元交易的市场影响成本可能再增加 0.4% 。考虑到交易成本和市场影响，月度、季度和年度再平衡之间的分离结果应该更加明显。因此，年度再平衡似乎是最佳策略，特别是如果您使用我们之前概述的等权重方法。
在传统资产的世界里，我们也会分析不同股票的类型。它们是增长还是价值？他们是大盘还是小盘？这些区别有助于投资者根据他们认为自己可能处于市场周期中的位置进行分配。在利率上升、货币环境收紧和经济增长放缓时期，价值股往往比成长股表现更好。在类似情况下，大盘股往往比小盘股表现更好。
虽然我们目前肯定不存在，但加密分类将来会发展成什么样子？目前正在开发新的分类系统，但我们可以开始根据其新兴特征对主要加密资产进行分类。这对于专门的加密资产管理者来说尤为重要，他们缺乏自由裁量权，无法将其投资组合中有意义的部分分配到资产类别之外。
基础设施资产、稳定币和能源相关资产（即 BTC）在避险环境中的表现应该会更好。 “科技股”应该在冒险环境中跑赢大市。更有利的流动性条件应该有利于更多的投机资产和与金融活动相关的资产。
美国股票市场每周运行 37.5 小时（不包括盘前和盘后交易）。加密货币市场永不停歇。 “深度”市场是指交易者可以大量交易资产，而不必担心在执行订单时移动市场和收到越来越不利的价格。流动性和波动性在传统市场中具有很强的负相关性。加密市场不仅比美国股票小大约 50 倍，而且它们的交易量分布在更广泛的时间范围内。这导致在某些时期缺乏深度和缺乏流动性，即使对于主要资产也是如此。
加密市场缺乏流动性加剧了波动性。投资者的教训是，在流动性最差的时期更密切地监控他们的风险敞口，尤其是在利用杠杆的情况下。美国市场开盘时成交量最高，亚洲市场开盘时成交量再次小幅上升。这种以美国为中心的交易模式反映了传统市场，但考虑到与美国相比在亚太地区的采用，加密货币在某种程度上令人惊讶。
当流动性最低时，波动性在美国收市前后达到峰值。美国交易日早盘和晚盘之间的实际波动率几乎翻了一番。
波动性孕育了阿尔法的机会。股票领域的超额回报机会以基点衡量；在加密货币中，我们以百分比来衡量它。看到资产在一天内以两位数的百分比波动并没有什么理由的情况并不少见。是什么推动了这些剧烈的运动？虽然很难指出一个明显的原因，但流动性无疑是一个重要因素。了解市场深度和清算水平是取得优异表现的关键。
24/7 市场显然存在超出流动性和波动性的缺点。有更多时间进行过度交易、情绪化决策和充分的价格发现。这些是加密货币市场经理必须牢记的额外细微差别。
技术分析是金融界争论最广泛的话题之一。在最基本的形式中，技术分析在股票、债券、货币等图表中寻找可重复的模式。 “技术人员”试图识别模式和趋势，并试图定位自己以从中获利。这与大多数人在分析公司或其他投资时所做的基本面分析并列，着眼于可能驱动它的潜在可量化因素，例如收益和资本投资。技术分析的基本假设是价格按趋势移动；历史会重演，模式是可以观察和利用的。
对某些人来说，这是福音；对于其他人来说，这是垃圾，只是人们在图表上画线。有学术研究反驳它。有学术研究指出它在某些模式下表现出色。考虑技术分析的最简单方法是，虽然它可能有效也可能无效，但大多数投资者都知道主要的技术模式。因此，从某种意义上说，一些技术形态已经成为一种自我实现的预言。技术分析当然是需要注意的事情。特别是在加密领域。
由于大多数加密资产缺乏基本面支撑，技术分析实际上被证明有些用处。基于过去 BTC 回报而训练的只做多的机器学习模型能够以更少的回撤胜过简单的买入并持有策略。
这些技术现象通常在传统市场中被套利，但似乎在某种程度上在加密货币中持续存在。与其他主要市场相比，这种持续存在的原因可能是由于该领域的资本追逐机会较少。在 2022 年对冲基金被淘汰后尤其如此，资本配置的机会仍然相当有限。与股票市场相比，主要资产的加密货币流动性仍然非常薄弱。 12 月份在交易所进行的现货交易量为 3570 亿美元；仅纳斯达克一家就在大约两天内完成了这一数量的交易。
覆盖常见的技术指标，例如简单移动平均线 (SMA)、相对强度指数 (RSI)、移动平均收敛/发散震荡指标 (MACD)、威廉姆斯百分比范围 (Williams %R)、随机震荡指标和资金流量指数（MFI）迄今为止，已被证明在加密领域是有效的。
