Bagaimana cara membangun portofolio kripto yang kuat dengan strategi multi-faktor?

Pembukaan

Pada bulan Juni tahun lalu, saya datang dengan ide sederhana menggunakan model multi-faktor untuk memilih koin.

Setahun kemudian, kami telah mulai mengembangkan strategi multi-faktor untuk pasar aset kripto, dan telah menulis kerangka strategi keseluruhan ke dalam serangkaian artikel, “Membangun Portofolio Aset Kripto yang Kuat dengan Strategi Multi-Faktor”.

1. Apa itu “faktor”?

“Faktor” adalah “indikator” dalam analisis teknis, “karakteristik” pembelajaran mesin kecerdasan buatan, dan inilah yang menentukan naik turunnya hasil cryptocurrency.

Tim kami membagi jenis faktor umum dalam ruang cryptocurrency: faktor fundamental, faktor on-chain, faktor volume dan harga, faktor derivatif, faktor alternatif, dan faktor makro.

Tujuan akhir dari penambangan dan penghitungan “faktor” adalah untuk secara akurat menghitung tingkat pengembalian aset yang diharapkan.

2. Perhitungan “Faktor”.

(1) Derivasi model multifaktor

Asal: Model Faktor Tunggal - CAPM

Penelitian faktor tanggal kembali ke 20C60S, dengan munculnya Capital Asset Pricing Model (CAPM), yang mengukur bagaimana risiko mempengaruhi biaya modal perusahaan dan oleh karena itu tingkat pengembalian yang diharapkan. Menurut teori CAPM, kelebihan pengembalian yang diharapkan dari aset individu dapat ditentukan dengan model linier univariat berikut:

! [Bagaimana cara membangun portofolio kripto yang kuat dengan strategi multi-faktor?] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-bb3f79bd46-dd1a6f-cd5cc0.webp)

E (Ri) adalah ekspektasi matematis, Ri adalah tingkat pengembalian aset, Rf adalah tingkat pengembalian bebas risiko, Rm adalah tingkat pengembalian portofolio pasar, βi = Cov (Ri, Rm) / (Rm) mencerminkan sensitivitas pengembalian aset terhadap pengembalian pasar, juga dikenal sebagai eksposur aset terhadap risiko pasar.

Pemahaman Tambahan:

Di pasar keuangan, “risiko” dan “pengembalian” yang dibicarakan pada dasarnya adalah hal yang sama.

Dari sudut pandang statistik, pemahaman yang lebih rinci tentang βi

CAPM dapat dianggap sebagai model regresi bivariat tanpa istilah intersep, Yi = β1 + β2 · X (β1 = 0), menggunakan metode estimasi kuadrat terkecil biasa (OLS) untuk menemukan perkiraan parameter model, di mana β1 = β2 = Σ(X-μX)(Y-μY)/ Σ(X-μX)² = Cov(X,Y)/(X).

β1 mengukur sejauh mana variabel penjelas (tingkat pengembalian pasar) berubah dalam unit, dan perubahan rata-rata dalam variabel penjelas (pengembalian aset i), yang ditafsirkan oleh sektor keuangan sebagai seberapa “sensitif” atau “terpapar” Y terhadap X.

β>1 Memperkuat volatilitas pasar

β = 1 sama persis dengan volatilitas pasar

0<β<1 bergerak ke arah yang sama dengan pasar, tetapi kurang stabil dibandingkan pasar

β≤ 0 bergerak melawan pasar

1. Pemahaman yang lebih rinci tentang βi dari perspektif risiko dan pengembalian dalam keuangan

Ada dua jenis risiko dalam portofolio, risiko sistematis (yaitu risiko pasar, risiko non-offsetting) dan risiko tidak sistematis (risiko offsetting). βi adalah risiko sistemik, dan tidak peduli bagaimana portofolio dibangun, risiko ini khusus untuk sistem dan tidak dapat diimbangi. Alpha yang saya sebutkan di bawah ini adalah risiko tidak sistematis yang dapat dilindung nilai dengan membangun strategi yang berbeda.

Model CAPM adalah model faktor linier yang paling sederhana, yang menyatakan bahwa kelebihan pengembalian suatu aset hanya ditentukan oleh kelebihan pengembalian yang diharapkan dari portofolio pasar (faktor pasar) dan eksposur aset terhadap risiko pasar. Model ini meletakkan landasan teoritis untuk penelitian selanjutnya pada sejumlah besar model penetapan harga multi-faktor linier.

Pengembangan: Model Multi-Faktor – APT

Berdasarkan CAPM, ditemukan bahwa pengembalian aset yang berbeda dipengaruhi oleh banyak faktor, dan Teori Harga Arbitrase (APT) dikembangkan untuk membangun model multi-faktor linier:

! [Bagaimana cara membangun portofolio kripto yang kuat dengan strategi multi-faktor?] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-dbb4b98eb2-dd1a6f-cd5cc0.webp)

di mana E(Ri) mewakili pengembalian yang diharapkan dari aset i dan λ mewakili pengembalian yang diharapkan dari faktor tersebut (yaitu, premi faktor). Persamaan (2) menggunakan E (Ri) bukan E (Ri) -Rf dalam model CAPM untuk mewakili pengembalian yang diharapkan, dan aset portofolio netral dana yang dibangun dengan menggunakan lindung nilai panjang dan pendek diimbangi oleh Rf, dan pengembalian yang diharapkan dari seluruh aset adalah perbedaan antara pengembalian yang diharapkan dari posisi panjang dan pendek, sehingga lebih umum untuk menggunakan E (Ri) untuk mewakilinya.

Dewasa: Model Multi-Faktor – Pengembalian Alpha &; Pengembalian Beta

Dengan mempertimbangkan kesalahan penetapan harga aktual di pasar keuangan dan model APT, dari perspektif deret waktu, pengembalian yang diharapkan atas satu aset ditentukan oleh model linier ganda berikut:

! [Bagaimana cara membangun portofolio kripto yang kuat dengan strategi multi-faktor?] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-f680829c12-dd1a6f-cd5cc0.webp)

di mana Reit menunjukkan pengembalian aset i pada waktu t, λt menunjukkan pengembalian faktor (yaitu, premi faktor) pada waktu t, dan εit menunjukkan gangguan stokastik pada waktu t. αi mewakili kesalahan harga antara tingkat pengembalian aktual yang diharapkan dari aset I dan tingkat pengembalian yang diharapkan tersirat oleh model multi-faktor, dan penyimpangan yang signifikan secara statistik dari nol merupakan peluang untuk alfa. βi = Cov(Ri,λ)/(λ) menunjukkan eksposur faktor atau beban faktor aset i, yang menggambarkan sensitivitas pengembalian aset terhadap pengembalian faktor.

Model multi-faktor berfokus pada perbedaan dalam pengembalian aset yang diharapkan pada tingkat cross-sectional, yang pada dasarnya adalah model tentang mean, sedangkan pengembalian yang diharapkan adalah rata-rata pengembalian pada deret waktu. Berdasarkan (3), model linier multivariat dari sudut penampang dapat diturunkan:

! [Bagaimana cara membangun portofolio kripto yang kuat dengan strategi multi-faktor?] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-503cb29fd8-dd1a6f-cd5cc0.webp)

di mana E[Rei] mewakili pengembalian kelebihan aset i yang diharapkan, dan εit dirata-ratakan selama deret waktu, maka E(εit)=0.

Pemahaman Tambahan:

Dari perspektif akademisi, menurut teori efisiensi pasar, portofolio aset yang efektif harus memiliki risiko pengimbangan sepenuhnya 0, tingkat pengembalian aktual sama dengan tingkat pengembalian yang diharapkan, dan tingkat pengembalian aset yang diharapkan hanya bergantung pada risiko sistemik pasar, yaitu, E[Rei] = βi · λ, tidak ada Abnormal Return (AR), yaitu AR = Ri - E(Rei) = 0. Tetapi dunia keuangan nyata biasanya pasar tidak efisien, ada tingkat pengembalian berlebih, yaitu AR = α.

Misalkan portofolio terdiri dari N aset, dan pengembalian faktor λ yang sesuai dengan setiap aset i diperluas sesuai dengan faktor yang berbeda, dan pengembalian gabungan dari model multi-faktor berikut diperoleh:

Rp = ∑Ni₌₁Wi(αi+∑Mj₌₁βijfij)

dimana Rp adalah kelebihan return portofolio, Wi adalah bobot masing-masing aset dalam portofolio, βij adalah eksposur risiko masing-masing aset pada setiap faktor, λ = ∑Mj₌₁βijfij), fij adalah faktor return yang sesuai dengan setiap faktor per unit beban faktor masing-masing aset.

Dikombinasikan dengan pengetahuan statistik, model ini menyiratkan tiga tingkat asumsi:

Pengembalian beta dan pengembalian alfa untuk setiap aset tidak berkorelasi: Cov(αi, βiλ)=0

Juga tidak ada korelasi antara pengembalian istimewa dari aset yang berbeda: Cov (αi, αj) = 0

Faktor tersebut harus terkait dengan pengembalian aset: Cov(Rei,βiλ)≠0

Untuk penjelasan komprehensif tentang penghasilan beta dan pengembalian alfa:

Dikombinasikan dengan pasar keuangan tertentu, βiλ adalah pengembalian beta yang dikaitkan dengan kinerja pasar secara keseluruhan, dan αi adalah pengembalian alfa yang dibawa oleh aset itu sendiri, yaitu berapa banyak poin untuk mengungguli pasar. Pengembalian setiap aset terdiri dari pengembalian beta dan pengembalian alfa, dan orang dapat menggunakan nilai αi yang sesuai dengan setiap aset dalam model multi-faktor untuk mencetak atau menetapkan bobot untuk setiap aset untuk membangun portofolio, dan menggunakan futures untuk mempersingkat bagian hasil beta untuk melindungi risiko, sehingga untuk mendapatkan pengembalian alfa.

(2) Volatilitas model multifaktor

Ketika membangun portofolio, perlu untuk menyeimbangkan risiko dan pengembalian portofolio, dan model di atas perlu diubah menjadi masalah perencanaan yang terbatas untuk dipecahkan. Risiko portofolio adalah volatilitas portofolio σ²p, yang berasal dari σ²p di bawah ini. Analisis terperinci tentang konstruksi portofolio dijelaskan di bagian “Pengoptimalan Portofolio Risiko”.

Berdasarkan ekspresi matriks Rp = W(β ∧ + α) pada persamaan (3), diperoleh volatilitas kombinasi:

! [Bagaimana cara membangun portofolio kripto yang kuat dengan strategi multi-faktor?] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-b4f574e5e0-dd1a6f-cd5cc0.webp)

di mana W adalah matriks bobot aset, dan β adalah matriks bobot faktor, yang mewakili matriks beban faktor N×K pada faktor risiko K untuk aset N:

! [Bagaimana cara membangun portofolio kripto yang kuat dengan strategi multi-faktor?] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-2e17ec4934-dd1a6f-cd5cc0.webp)

∧ matriks kovarians pengembalian faktor K×K yang mewakili faktor K:

! [Bagaimana cara membangun portofolio kripto yang kuat dengan strategi multi-faktor?] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-7a17729f06-dd1a6f-cd5cc0.webp)

Dari Asumsi 3, tidak ada korelasi antara pengembalian istimewa dari aset yang berbeda, dan matriks Δ diperoleh:

! [Bagaimana cara membangun portofolio kripto yang kuat dengan strategi multi-faktor?] (https://img-cdn.gateio.im/webp-social/moments-69a80767fe-b708baf7a2-dd1a6f-cd5cc0.webp)