用数字告诉你，如何配置数字货币资产

文章来源：分布式资本

原文标题：《机构投资者的创新之路——如何参与并投资区块链资产》

作者：币安研究院 江金泽、分布式资本 蒋新

顾问：分布式资本 沈波、孙铭、余文波、姚镜仪

摘要：

1. 在宏观环境进入长期低利率、经济低增长、高不确定性的三期叠加背景下，优质资产拥挤而稀缺。而以比特币为代表的新型区块链数字资产的崛起给传统组合配置带来了新思路。

2. 数字资产的价值捕获场景可以分为：价值贮藏、实用价值、交易媒介、投机价值。

3.  一项针对欧美150所大学的调查显示，94%受访单位已经配置了加密数字货币相关资产。大学捐赠基金已经作为将加密数字货币作为一种另类资产进行积极配置。

4. 无论是在长周期还是短周期内，比特币的回报与主流大类资产的相关性极低。且其收益率分布正偏且“肥右尾”，表现出极高的收益-风险比。

5. 基于Markowitz的现代投资组合理论，在传统投资组合中加入比特币，不但可以在给定波动范围内最大化回报，也可以在给定预期回报目标下最小化风险。

6. 投资数字资产的收益不仅仅来自“资本利得”，还包括“利息收入”及“再投资收入”。

7. 对于机构投资者来说，数字资产头寸配置还有其他一些间接的方法，如投资数字资产挖矿、投资数字资产衍生品、投资区块链公司股权等。

目录

1.数字资产的分类和终极价值来源

2.将加密数字货币作为一种另类资产

3.检验比特币的收益率的统计特性

4.将比特币加入资产组合的历史回测

5.寻找数字资产配置的“黄金比例”

6.资本利得之外的收益来源

7. 数字资产之门的正确打开方式

区块链技术应用已延伸到数字金融、物联网、智能制造、供应链管理、数字资产交易等多个领域。

区块链网络改变了传统的生产和记账环节，链上数字资产与着区块链网络共生相融，在很多应用场景下是整个区块链生态系统循环的血液，承载着价值流转、激励的重要功能，本文试图从以比特币为主的数字资产特性的分析入手，从机构投资者资产配置的角度对如下问题进行解答，数字资产的——

●     使用场景是什么？

●     价值捕获从何而来？

●     在复杂资产组合里的配置意义是什么？

●     当前监管环境下，机构应该如何入场？

尤其随着全球经济进入缓慢增长周期的共识越来越强，低利率甚至负利率卷土重来或成为常态，美国、欧洲等发达地区的等政治不确定性上升，伴随优质资产的高拥挤和稀缺，传统投资管理人面临前所未有的压力和挑战。

上一次的全球性经济衰退发生在11年前，危机起源于金融体系的系统性崩溃。伴随着崩塌的旧金融秩序。一种由非金融机构创造的新兴资产的比特币诞生，十余年的发展市值已经超过1400亿美元（2019年10月），大致和科威特、匈牙利、乌克兰等国的GDP相当，已然成为一种具备相当市场深度和共识的新兴大类资产，了解“比特币们”的特点将成为资产管理人的必修课。

本文以实证检验，展示了比特币与传统大类资产之间相关性极低，同时回报-风险比冠绝几乎所资产类别，为投资组合多元化提供了难得的机会。

1. 数字资产的分类和终极价值来源

关于数字资产的分类目前没有统一权威的定义，在监管、学界、从业者之间的争论亦颇多，比如很多从业者认为比特币或门罗币可以作为货币被使用，然而主要国家的监管层几乎无一承认这一点。再或者一些实用类通证（Utility token）是否属于证券，监管和项目方之间的争论也从未停止过。暂不论具体案例应该如何分类，综合各方观点，目前主要的可分类属性包括：

●     私人货币，即一种没有主权背书但交易对手方互相认可的交易中介

●     记账单位，可以用来度量商品或服务价值的工具

●     虚拟资产/商品，一种可以被法币计量，预期可以带来经济利益或经济效用的数字资源，可以作为价值存储

●     证券型代币，本质是证券的电子化证明，可以是股票类，也可以是债权类

如果说将数字资产分类主要是监管规则制定或学术界的问题，但更重要的是，无法清晰的观察和计量数字资产的价值捕获，是很多机构投资者对这一领域望而却步的主要原因。

这一点并不奇怪，即便是在1602年就诞生了第一支现代股票，但如今被普遍接受且看上去并不复杂的现金流折现（DCF）估值法也是在1960年代以后才被广泛使用。

鉴于很多数字资产身兼多重属性，传统的估值方法很难简单套用，我们可以总结出数字资产的核心的价值捕获主要有以下四大分类，八种来源：

表格1：数字资产价值来源分类

以上任何一种方式都可以满足特定的需求，从而创造价值，从而赋予数字资产/虚拟货币/数字通证终极价值来源。

价值贮藏（Store of value）分类中，资产抵押和现金流抵押的数字资产的本质是传统债权类、权益类资产的数字化，估值可在相应的传统估值模型中稍作修改：

1. 增加溢价：区块链技术能带来优于传统资产的部分，包括减少资产交割的对手方风险，降低金融清结算成本等带来的溢价;

2. 减去折价：区块链技术增加的风险，如智能合约的安全性、特殊的攻击方法（如51%攻击）等带来的折价。

此外，亦有使用成本法对数字资产进行估值的案例，类似原油、黄金等商品经常采用的估值参考法，不过问题在于很多工作量证明（PoW）的数字货币的成本是随着参与者变化而动态变化的，成本估值法很难拥有长期参考意义。

对实用价值（Utility value）部分，一种可以借鉴的方法是货币数量理论，即：

某区块链网络的总经济效用=物价水平*数量服务总量=代币价格*代币流通量*代币流速（一年内被易手的次数）

变换等式可得：

代币价格=网路总经济效用 /（代币流通量*代币流速）

货币数量理论估值法是目前比较容易被市场接受的方法，不过这个估值方法的核心问题是我们必须先估算出网络总效用的经济价值（相对类比法），以及计算出相对准确的代币流速，可能会与本网络的实际情况产生较大的误差，或许需要辅助其它绝对估值法（例如NVT及其变种法，梅特卡夫网络价值法）进行校正。

对于交易媒介（Medium of exchange）的价值可使用类比估值法，比如假设或统计全球有多少转账或贸易量使用数字货币，然后对其需求量进行倒推。

投机价值（Speculative value）分类下数字资产的定价则更加复杂，是在理性投资人的假设上进行分析，还是从行为金融学的角度去分析，历来在传统金融市场里都尚无统一的声音。

具体估值方法并不是本报告的讨论重点，且与传统金融市场一样，计算资产价格时取的一些参数很大程度上基于对未来的预期假设，本报告我们仅将再举出两个具体的案例以便直观感受为什么数字资产的价值不仅仅是看不见摸不着的“共识”，而是实实在在的“钱”。

案例1：作为交易媒介的价值捕获

2018年全年比特币网络承载了价值3840亿美元的链上转账，世界银行统计估算2018年全球跨境汇款总金额为6890亿美元。相应的为了维持比特币这个网络的运转，2018年挖矿电力消耗约为27亿美元，而全球跨境转账手续费480亿美元。

即比特币网络仅用18分之1的成本，承载了全球跨境汇款规模的56%的交易量，降低了成本，提高了效率，同时也创造了价值。同样的逻辑还可以延伸到其它区块链网络，比如以太坊，比特币现金或者恒星币，他们的网络维护费用将比比特币更低，可能只有数十甚至数万分之一。

以上我们简要探讨了大部分数字资产/数字货币的终极价值来源，在此价值存在的基础之上，接下来我们将从金融市场投资实务的角度分析为什么金融投资机构应该配置加密数字资产。

2. 将加密数字货币作为一种另类资产

2.1 定义

另类投资(Alternative Investment)是指在传统公开市场上交易的股票、固定收益或货币以外的投资类型。

“另类”是一个中性的术语，它只是将其与股票和债券等传统资产区分开来。房地产和大宗商品，甚至艺术品，都是所谓的“另类投资”。

与传统投资一样，另类投资应该在可接受的风险水平上提供合理的回报。

一个常见的例子是黄金，自从半个世纪前布雷顿森林体系与美元脱钩后，黄金除了作为装饰品和少数工业场景之外，几乎没有什么实际用途。但这并不妨碍黄金作为一种资产配置的存在。

2.2 另类资产的优势

由于另类资产与传统证券投资产品的相关性较低，投资者可以通过另类资产实现投资风险的多元化。

科学增加另类资产配置，可以应对当前以及未来相当长一段时期我们可能面对的低利率或高波动性环境（如果发生危机）的影响，有可能获得比传统股票和债券投资组合更高的回报。

2.3 著名案例

规模近300亿美元的耶鲁捐赠基金，在另类投资的世界里是一个家喻户晓的名字。在过去的十年里该基金平均年回报率7.4%，远高于5.5%的大学养老基金平均回报水平，也高于HFR统计的同期全球对冲基金平均回报率的3.38%。

公开数据显示，该基金2019财年近60%的资产投资于风险投资、对冲基金和杠杆收购等另类投资。

高比例的替代配置显然有助于其优异的性能。去年，耶鲁大学捐赠基金（Yale Endowment）向A16z投资，成为首所进入加密数字资产领域的“常青藤联盟大学”，引发了广泛讨论，紧接着又再次投资了数字资产基金Paradigm。

作为高瓴资本张磊的导师和领路人，耶鲁捐赠基金首席投资官大卫斯文森（David.F.Swensen）在其著作中将分散化投资带来的收益形容为“免费的午餐”。2018年在接受CNBC采访时直言，他们已经通过投资基金的形式享受到了这份新兴另类资产“免费午餐”的馈赠。

图1: 美国大学捐赠基金另类资产配比比例与收益率正相关

耶鲁捐赠基金只是众多喜爱尝试新鲜事物的大学捐资基金的一员。根据Global Custodian和TheTRADE Crypto的联合调查，截止2018年4季度，接受调查的150所大学基金中的94%在2018年进行了加密货币相关投资。其中54%的大学是直接投资了加密货币（通过交易所和OTC等），46%是通过投资基金进行投资。

这一结果非常符合大学捐赠基金普遍热衷于积极配置高风险的另类资产的特性，当然，由于大学捐赠基金几乎不存在LP赎回压力，这也是导致该类基金敢于持有低流动性、高风险资产的原因之一。

表格2：“old money”加密投资2018-19

3.检验比特币的收益率的统计特性

——在决定如何投资之前，需要先了解数字资产收益率的统计学特性

3.1 跨资产相关性检验——“特立独行”

为保证长期收益率的稳健性，资产管理机构的组合配置往往是多种多样的，从跨资产相关性的角度，在下面的图2和表3中看到，无论是在长周期还是短周期内，比特币的回报与主流大类资产的相关性极低（相关性绝对值最低，意味着既无明显正相关也无明显负相关），我们选取的参照物包括美国股市、全球股市、美国债券、国际债券、黄金、美国房地产、国际房地产、自然资源。

事实上，由于全球经济活动的一体化和国际间金融活动相互渗透、相互影响，大类资产的联动已经变得异常迅速和紧密，类似比特币这种“特立独行”的资产实际上相当稀缺，意味着比特币可以在分散传统金融市场里的系统性风险上发挥积极作用。

表格 3: 跨资产2011-2019 周度 / 月度 收益率相关性矩阵

来源：币安研究院、分布式资本、彭博

3.2 波动性检验——2014年以后波动率有了显著下降

诚然，从直觉上感知，比特币是一种波动性较大的资产，但这并不意味着传统资产的波动性一定都小于比特币。

从下图中可以看出，传统资产和比特币的年化波动率比较。比特币的波动性接近天然气，甚至一度低于一些新兴市场的股票和货币。

事实上，自2014年以来，比特币的波动性中值显著下降，降低了比特币配置的风险。

图2: 比特币和天然气年化波动率走势

图3：比特币和多资产年化波动率对比

来源：币安研究院、分布式资本

3.3 收益率分布特性——尖峰、肥尾、正偏

在表格4里，我们选取了几种大类资产的历史日均收益率进行统计特性描述，样本采自2011年1月1日至2019年4月26日。

可以明显看出，比特币的收益率不服从正态分布，呈现正偏态、肥尾、尖峰的特征，这些特征也与股票市场相似，但比起股票市场“夸张”的多。

表格 4: 多资产2011.1.1~2019.4.26 每收益率统计特性

其中“Skewness”也就是“偏度”代表日收益均值与中值的偏离程度，数字越大，获得正回报的概率就越高。比特币收益率的偏度极高，显示了其收益率分布的不对称性。理论上，比特币这样极度正偏的资产应该受到投资者青睐。

此外，“Kurtosis峰度”也体现了比特币的收益率处于“肥尾尖峰”状态，峰度远远大于3(高达488)，意味着尾部较“正态分布”更厚，这意味着我们经历“异常收益”的几率更高。

投资者通常会避开尖峰肥尾的股票，因为高波动性意味着相对于平均回报水平，投资者遭遇尾部风险的可能性要高得多。

需要注意的是，偏度和我们前面提到的所谓尖峰肥尾的特征，都是与偏度为0，峰度为0的“正态分布”相比较的。通常在进行实证分析时，假设收益率数据为正态分布，便于建模和分析。但实际上很少有资产的收益率符合正态分布，尤其我们现在讨论的比特币。

忽略了正态分布假设下的尾部风险导致长期资本管理公司(LTCM)倒闭，所以认识到肥尾象对数字资产市场的风险控制也具有重要意义。

然而，由于金融市场的尾部风险是“双向的”，例如在牛市中，峰度越高，股票获得极高回报的可能性就越大，反之，在熊市中，发生极端亏损的可能性也会增加。这可能导致投资者在不同时期对峰度的偏好不一致。

因此，好消息是，尽管比特币有很高的峰度，但收益率是正偏的，即“肥尾”也更多出现在正收益区间，如图3所示，比特币的历史收益率分布显示尽管其可能出现“大跌”的的概率高于股市，但其可能出现“大涨”的概率更高，而且涨幅不低。

美国知名数字货币分析机构Fundstrate创始人Tom Lee也曾对比特币的这些统计特性做出过类似的描述，措辞更为通俗——在任何给定的年份中，比特币价格的绝大部分收益仅出现在十个最大交易日中，如果错过这短暂的时间，收益率将是负数。

图4：比特币收益与美国和中国股市的收益率分布

来源：币安研究院、分布式资本

3.4 尖峰肥尾特性的来源及注意点

埃德加?彼得斯(EdgarPeters, 1991)认为，不同投资者对市场信息的反应是不同的，尽管信息多是线性到达市场的，但对信息的理解不同和投资时点的不同都会导致对信息产生不一样的反应，因此某刻价格并不能反应出全部的信息，价格的变动也不是独立的，收益率也将更多地表现出“尖峰”和“肥尾”。

换句话说，如果市场上的信息是线性到达每个“理性人”，但投资者在趋势确定之前忽略了它，然后以累积的方式对所有被忽略的信息做出反应，这也可能导致回报的尖峰肥尾分布。或者另外一种情况是，如果影响市场的信息分布是“尖峰”的，那么证券收益也将倾向于这样分布，比如来自监管层的利空可能是扎堆出现，而不是线性出现的。

无论如何，前文里的统计数据显示加密货币市场的信息流动似乎更不顺畅，且投资者的反应可能比传统市场参与者更慢，这符合我们对加密货币市场投资人结构的推测。所以在投资数字资产的时候，等待“利空出尽”或“利好兑现”的时间周期可能要比传统资产更长，even-driven型投资人的交易行为需要相应的做出改变。

图5：投资者结构比较——数字资产市场(估算)vs.股票市场（数据截止2019年1月）

数据来源：币安研究院, Cryptofundresearch.com, Bloomberg

此外，尖峰肥尾现象使得大量的信息定价被留在尾部，“平庸”的事件权重变小。因此，在资产配置中，尤其在波动容忍度低的投资组合中，我们应该比传统市场更关注肥尾风险的扰动，以及可能带来的潜在久期错配的风险。

4.将比特币加入资产组合的历史回测

比特币对投资组合管理有用吗?它能带来多样化的好处吗？我们模拟三个简单的投资组合来观测。

第一个是经典的60%的股票，40%的债券投资组合，第二个是在资产组合中加入1%的比特币，第三个资产组合加入5%的比特币配置，第四个是最激进的，资产组合中有20%的比特币。直观地说，这是四个风险递增的组合。

表格 5: 简单组合模拟0~20%比特币配置权重

回测规则如下：

回测结果如下图所示，仅配置了20%比特币的组合资产规模在过去9年间翻了400多倍，以至于不在对数坐标上都已经无法看清其它三个组合的净值曲线。

图6：简单模拟比特币权重0~20%组合净值变化

来源：币安研究院、分布式资本

表格 6: 简单模拟比特币权重0~20%组合回测结果统计（最优结果红色加粗显示）

由表格6的统计汇总可见，配置20%的比特币的组合过去9年里，年复合增长率接近100%。即便只配置1%的比特币，投资组合的最终余额也是传统60/40投资组合的两倍。

然而，仅看最终净值是远远不够的。从表6中可以看出，虽然比特币投资组合的收益较高，但波动性也相应增大。参见标准差一栏，它描述了几个不同投资组合的月回报率的分散度。

表格6还蕴含了几个重要信息，包括：

●     即使只配置1%的比特币，“Portfolio 2”的月收益率标准差也达到了24.41%，是标准普尔500指数ETF的2倍左右。相反，尽管60/40组合的回报率最低，但其波动性也最低。

●     观察“最大回撤”分项可以看到，60/40组合的最大回撤只有10.64%。投资组合4 (Portfolio 4)中因为有20%的比特币，其单月最大跌幅接近76%，这可能是很多人在现实生活中难以接受的。

●     当然，不要忘记两个最重要的指标——夏普比率(SharpeRatio)和索蒂诺比率(Sortino Ratio)，这是衡量经风险调整的投资回报的经典指标。夏普比率使用的是总波动性，而Sortino比率只使用了下行时的波动性，这更适合于对波动性较大的投资组合进行评估。两个指标都越高越好。

可以看出，由于整体波动性过高，包含少量比特币的投资组合的夏普率表现不如美国单一股指(SP500)。

但Sortino比率只计算下行风险与回报之比，比特币越多的投资组合得分越高，表明持有比特币每承担1个单位下行风险可以得到超过1个单位的回报补偿。

综上可以看出，过去8年，在传统的60/40投资组合中加入比特币，有可能显著提高回报率和风险回报率。且比特币与主要资产的相关性较低，有助于分散传统市场的风险。此外，历史检验表明，比特币配置可以导致投资组合的极端波动，但由于风险补偿较高，这种波动是“健康的”，或者我们可以说比特币收益率是“不对称”的。

下一章节，我们将探讨何种比例的比特币配置将最优化一个多资产投资组合。

5.寻找数字资产配置的“黄金比例”

——也许不存在一个终极的“最优配置”比例，但我们可以在特定目标约束下通过比特币优化投资组合

历史相关性测试表明，比特币是所有数字资产的风向标，这一点在可见的未来内也大概率不会改变。所以为简化测试方法，我们在以下的资产配置测试中，将使用比特币作为数字资产的唯一标的。为了找到比特币配置的“黄金比例”，这里将引入马科维茨（Markowitz, 1952）提出的“效率前沿”（Efficient Frontier）概念，这一概念为现代投资组合理论奠定了基础。

该理论认为投资者会在预期收益和风险之间做出平衡选择，而“有效前沿”上的组合是收益和风险的最优资产组合。

在这里，我们将跳过对马科维茨或资本资产定价模型(CAPM)的详细介绍，直接使用他的理论来指导计算并展示结果。

5.1 理解黄金如何改善一个投资组合

为了更好地理解比特币的本质，首先让我们看看传统的投资组合如何利用黄金来优化其风险回报率。

与上文相同，我们假设一个简单的传统60/40股票和债券投资“基础组合”如下:

然后，我们将全球最大的黄金ETF——GLD（SPDR Gold Shares）作为一种另类资产的加入资产池备选（不必须加入组合）。样本测试期设定为2005年至2019年，初始资本为1万美元，那么夏普比率最高的配置为:

由于Vanguard Total International StockIndex Fund Investor Shares和PIMCO Global BondOpportunities Fund (unhehedge) Institutional Class的风险回报率不够好，“最高夏普比率组合”里将不会有这两种证券，但黄金配置比例为2.47%。那么，黄金的加入给投资组合带来了哪些变化呢？请看下图：

表格 7：基础组合与经黄金优化组合的2005~2019表现（最优结果红色加粗显示）

表格7可以看出，尽管期末收益及年复合增长率传统的60/40组合要高于最大夏普率组合，但其实基础组合每承担1单位波动风险只能获得0.51单位的回报，而加入黄金且比例经过最大夏普率目标优化后，夏普率大幅升高至1.07，意味着每承担1单位波动风险可以获得1.07单位的回报。同时，Sortino Ratio由0.86翻倍升至了1.78，显示加入了黄金的组合针对下行风险有着更高的补偿。

5.2 简单的加入比特币意义不大

——最优配置需要建立在约束条件下

首先让我们看两个叫做“效率前沿”的图表，图5是一个包含黄金以及上述四种证券资产的传统投资组合，图6包含图5里所有资产以及比特币。

其中横坐标轴是各资产月收益率的标准差即波动率，纵坐标轴为各资产的预期收益率。蓝色的点状曲线即为“效率前沿”，这条线是所提供资产的所有可能组合的“边界”。

我们在小节4.2里检测过，包含黄金和四种证券资产的资产池能构建出的“最高夏普比率”组合包括13.41%的全球股票、84.11%的美国债券和2.47%的黄金。

实际上这个“最高夏普比率”组合就是该坐标系中其与无风险利率连接后斜率最小的直线，因为组合所在的直线斜率越小，其预期回报/波动率的比值越大，也就是夏普率越大。

所以只要找到经过无风险利率（1个月美债收益率均值，年化1.27%）与效率前沿曲线的“切点”即是最大夏普率组合。而我们开始默认的60/40组合（下图中 provided portfolio）的夏普率仅有0.58，属于“无效率组合”。

图7：一组传统资产的“效率前沿”

来源：币安研究院、分布式资本

但从下图6可以看出，一旦比特币加入备选资产池，我们就无法找到所谓的“切线投资组合”，这因为比特币的历史波动性和回报率都非常高（3.26），我们只能有两种情况：

●    在追求风险最低的配置方法下，你不应该持有任何比特币

●    在最高收益或最高风险回报率下，你应该100%的比特币

图8：一组传统资产+比特币的“效率前沿”

来源：币安研究院、分布式资本

图6所示，比特币2011年至2019年的历史月平均收益率为年化708%，波动率为224%，其夏普比率远高于传统资产达到3.16（708%/224%），导致传统资产只能“蜷缩”在上述坐标系的左下角。

表格8：多资产风险回报指标统计(2011/1~2019/9)

图9：2015.1-2019.9期间比特币及一组传统资产的夏普率(SharpeRatio)和索蒂诺率(Sortino Ratio)

来源：币安研究院、分布式资本

图7可以看到，过去五年里，比特币的风险收益比的优秀程度与美国的超级牛股亚马逊（Amazon.com）相当，远远好于其它大类资产。但不管怎么说，“梭哈或不碰”这样一个简单的结论是没有意义的，在投资实践中，大多数资管不太可能去100%配置数字资产，就像大家都明白股票的预期收益率高，那么我们便应该100%配置股票甚至加杠杆配置股票吗？

所以，我们应该寻找的组合应该是在风险和回报之间找到最“有效”的平衡，这里应该增加的一个前置变量应该是：

●     你愿意承担多少风险？基于此目标，我们可以计算出在给定风险预期之下的最大化组合回报的比特币配置比例。

●     或者，你希望取得的目标收益率是多少？基于此，我们可以计算出给定预期回报下最小化组合风险的比特币配置比例。

表格9：特定目标下的比特币配置比例

5.3 在给定波动容忍范围内，最大化组合回报

——比特币可以在不增加风险的前提下，提高保守组合的收益

这适用于一些寻求相对稳定收益的保守型基金，这些基金无法接受组合价值出现较大的波动，有的甚至写入产品的法律条款。

为了便于回测，我们继续假设资产池里只包括显示中存在的五个ETF包括美国股票、美国债券、全球股票、全球债券、黄金，以及比特币、现金。然后根据给定的波动率，我们计算了一个最大收益配置比例的模拟结果列表。

表格10：不同波动容忍目标下，最优收益配置比例列表

图10：含BTC组合对比不含BTC组合，在给定目标收益的最优风险配置下的回撤和波动对比

来源：币安研究院、分布式资本

从表10可以看出，随着风险偏好的上升（最左列由上至下），为了获得最高的收益，模拟投资组合对传统低风险债券的配置迅速下降。但即使目标年化波动率只有5%或更低（意味着风险偏好极为保守）配置1%左右的比特币仍然是非常好的选择。

不过波动率容忍降至3.5%以下时，比特币由于较高的波动便无法被组合所采纳。

此外，在选定的测试期（2011-2019年）和目标波动率下，最优配置中不存在黄金，显示了不少人直觉观念里“低风险偏好的组合需要配置黄金”的经验未必正确。同样的最优组合中也不包含全球股票、全球债券，显示这两类资产的风险-收益比在过去9年间欠佳。

5.4 在给定预期回报下，找到最小波动率的组合
——比特币可以降低组合的风险

接下来，我们进行另一个回测，寻找在给定预期收益下的最小波动率投资组合，基于该类型配置的基金一般对未来的支出、赎回有着较为明确的预期，例如保险、固定收益类基金。

结果如下表所示。可以看出，如果我们想要获得约5-12%（较为合理的预期）的年化收益率，适当配置比特币可以降低投资组合的波动性。在所有给定的预期收益下，少量比特币的投资组合比只包含传统资产的“最优投资组合”具有更低的波动率，以及更小的回撤：

表格11：不同预期收益下，最优波动配置比例列表

图11：含BTC组合对比不含BTC组合，在给定目标收益的最优风险配置下的回撤和波动对比

乍一看，这是违反直觉的，因为比特币作为一种高度不稳定的资产，如何能够降低投资组合的波动性?

答案依旧在于，比特币的超高风险回报比的特点，它可以以非常低的配置比例增加投资组合回报率，我们可以籍此减少传统高风险资产的分配（如股票）然后相应地增加传统的低风险资产（如国债）的配置比例，使用债券的低波动性特性平抑整个投资组合的波动。

图12：最优投资组合风险分解

这就是为什么，我们从最优配置表上看到的，含比特币资产池下计算出的先锋债券市场指数ETF（Vanguard Total Bond Market IndexETF）的配置比例，比不含比特币的传统投资组合要高得多。

当然，当目标收益过高时，例如在提供的资产池下大于12.97%，传统资产无法满足目标收益，模拟投资组合将不得不在比特币上被动分配权重，结果的意义将非常有限。

最后需要注意的是，以上配置测试时根据固定历史窗口的数据进行的回测，在操作实务中，还可以根据指定的过往时间窗口进行滚动检验各资产的风险、回报特性，为优化投资组合资产权重带来更灵活的调整。

图13：美国寿险机构大类资产配置分布比例

来源：币安研究院、分布式资本， American Council of Life Insurers

这一配置思路有着极强的现实意义，图13可以看到数十年来美国险资对于股票的配置比例越来越高，意味着险资们为了换取收益正在承担越来越高的风险，然而当宏观风险爆发之际，大比例股票类资产可能对投资组合带来显著波动，未来少量比特币作为新型工具的加入或有望改善这一现象。

5.5 在组合配置时加入简单的择时策略

以上我们讨论了简单的静态配置组合思路。不过尽管均值-方差最优化模型优美而简洁，但所采用的假设条件亦被大大简化，可能不具备足够的灵活性满足现实中机构投资者的需要，所以在一定范围内对仓位进行动态配置调整，避免市场集中下滑时的波动，在不违反与投资者契约下主动追求收益最大化，被不少二级市场基金所推崇。

我们在本报告里使用两种简单的移动平均线策略择时策略，对比特币配置部分进行回测。

移动均线是通过平缓的收盘价均值来创建一个易于辨认的趋势指标，从而提高交易图表的清晰度。由于这些移动平均线依赖于过去的数据，因此被认定是滞后或趋势跟踪指标。尽管如此，这些移动平均线指标仍然可以有效地消除噪音，并帮助判断市场走向。

以下将测试两种移动均线策略的表现，一种为价格-均线突破策略，另一种为双均线策略，本质是一种简单的趋势跟踪策略。即当调整后的收盘价高于简单移动平均线（simple moving average）时，该模型将100%投资于BTC，而当调整后的收盘价低于移动平均线时，该模型将转换为现金，双均线策略也是同样原理，只是把收盘价替换成周期较短的一条均线。

因为我们的目标主要是降低风险，而不是频繁的投机，所以以下的回测将采用相对较长周期的均线构建策略。

首先，在2016年1月至2019年9月的历史期间，采用了3个月、6个月、9个月、1年作为均线周期，对比特币单一资产进行择时的回测结果，显示以180日作为均线周期得到的结果较为优秀——更高的收益率、更低的回撤、更低的波动。

表格 12：四种周期的单均线策略2016.1~2019.9回测结果（最优结果红色加粗显示）

图14：假设初始净值10000美元的BTC投资在不同策略下的净值变化

来源：币安研究院、分布式资本

其次，在2016年1月至2019年9月的历史期间，采用了30-60日、30-90日、30-180日、30-365日作为均线周期，对比特币单一资产进行择时的回测结果，依旧显示即便是如此简单的策略依旧能有效降低组合的波动，尤其是在规避大幅度回撤上作用明显。

此外，对比单均线策略，双均线策略过滤了更多单日价格的异常波动，使得调仓信号出现的次数大大低于单均线策略，实际调仓时所面临的交易成本和点差带来的损失也将相应减少。

表格 13：五种周期的双均线策略2016.1~2019.9回测结果（最优结果红色加粗显示）

图15：假设初始净值10000美元的BTC投资在不同策略下的净值变化

来源：币安研究院、分布式资本

二级市场能够作为择时信号的指标非常多，以上我们仅仅检验了趋势跟踪择时方法里的均线策略。此外，利用一些相对强弱指标如RIS, MACD，Beta系数等亦可以做动能择时，用市场舆情、交易量、乃至比特币网络中的如活跃地址、链上转账量等数据，都可以成为择时指标。

上述回测表明，尽管简单的择时策略未必能提高最终收益水平，但其有望进一步降低数字资产配置部分的净值波动，优化组合的风险-收益表现。

但需要注意的是，大多数情况下，基金管理人或其客户是因为长期看涨比特币/数字资产才在组合中对此进行配置，中短期趋势的交易不应该，也很难成为投资组合的主要收益来源，此外长期入场机会往往出现在市场下跌之际，作为机构投资人，更应该注意“左侧”的投资机会。

6. 资本利得之外的收益来源

上文里主要讨论的是投资数字资产的“资本利得”（capital gain）部分，也就是买入价和卖出价的价差。但实际上如果作为一个专业的资管机构，数字资产的投资收益还应包括“利息收入”及“再投资收入”。

所谓的“利息收入”此处指代持有数字货币期间可能接收到的潜在“无风险”收益，“再投资收入”指代将已持有的数字货币投入一些有风险的产品/平台所获得的收入。

其中无风险收入部分包括：

1. “空投”（airdrop）：项目方/社区为推广/活跃该网络，针对既有持币者进行的免费发放（但可能要求一些门槛或完成一些任务）。例如Tron网络为激励用户将USDT转移至其网络上，针对持有TRC20格式的USDT的用户进行了价值2000万美元的空投。

2. “分叉”（fork）：主链分叉时带来的新的“分叉币”。如持有BTC，在2017年~2018年就可收到数十种比特币的分叉币，尽管有价值的不多，但少数被市场认可的如BCH、BTD、BTG等在某些时刻可以带来相当可观的收益，包括BCH后续分叉出了BSV，意味着投资人不止可以获得“子代”币，如果持续持有甚至可以获得“孙代”币。

3. 主链质押（staking）：对于某些使用权益证明共识机制（PoS）的区块链网络，将token锁定再对应区块链的合约/地址中，参与链上治理或PoS挖矿活动，可能收到的奖励，这部分收入是无风险的。可以类比为货币产生利息的过程。

表格14：主要数字货币staking预估回报率

来源：币安研究院、分布式资本、stakingrewards.com

值得注意的是，如果以数字货币本身的数量作为估值本位（币本位），那么上述三种收入无疑能带来相关头寸的价值的稳健增加，不过若以法币或稳定币等购买力相对波动较小的计价单位做计量，则上述三种收入的价值会出现较大的不确定性，主要由于数字产本身的价格波动。

例如BTC分叉出的BCH，如果在分叉之初即抛售可得555美元/个，如果在最高点抛售可得4000美元/个，如果抛售在最低点仅能获得110美元/个。

接着，持有数字货币承担额外风险可获得的收入来源主要是质押借贷，可以细分为两种，风险程度也不同：

●     场内质押借贷（Lending for trading）：即数币出借人将资产质押进某一平台后，平台将其资产出借给该平台的用户，用户只能在该平台将其用于数字货币交易，无法提现。这一模式与A股里的融资融券、配资的模式是一致的。平台将有能力控制借入人的仓位，尽量避免出借人的本金受到损失。

●     场外质押借贷（Lending for OTC financing）：即数币出借人即数币出借人将资产质押进某一平台后，平台将其资产出借给该平台的用户或自用，用户可以将数字货币转移至任何钱包，包括出卖成法币。这些平台往往要求用户超额抵押，例如Dai要求最低抵押法币价值1.5美元以上的ETH才能借到1元的Dai。

表格15：主要数字货币在DeFi平台上的出借利率

来源：币安研究院、分布式资本、loanscan.io

为了获取此类收益，数字资产持有人，也就是出借人需要承担的风险可能包括：

可变利率的波动性：在大多数去中心化金融平台上，利率会根据协议供需机制波动，中心化借贷平台上则是人为制定。因此，它会带来与利率收益的不确定性相关的风险。

价格波动风险：不管在场内还是场外质押平台，如果抵押物的价格发生剧烈变化，可能导致平台无法及时将借款人的抵押物变现，导致出借人的资产受到损失，可以参考2015年A股股灾期间配资平台的“穿仓”现象。

智能合约风险：和大多数基于智能合约的去中心化金融协议一样，在智能合约的总体行为方面可能会存在风险。不过目前已出现某些保险平台，用户可针对如dYdX平台所特有的智能合同风险进行投保。

贷款的不确定性：某些平台无法做到立即匹配贷款，如果时间过长可能会导致负收益率。

久期错配风险：一些质押理财的产品是不能提前赎回的，可能出现久期错配的风险，如基金临近锁定期结束，但有大量数字资产锁定在质押产品中，此时有大型LP需退出。

平台作恶风险：平台挪用客户资产造成亏损，甚至跑路。

总的来说，上述提到的五种获取额外收益的渠道，在可接受的风险范围里，让数字资产头寸至少获得额外的年化 1%~10% 收益，对于整体投资组合的贡献不应该被忽略。但由于数字资产管理行业诞生的时间尚短，管理的精细度上还有较大的提升空间。

7.数字资产之门的正确打开方式

尽管中本聪在创造比特币的时候愿景是让比特币成为一个不受政府政策影响的独立货币，但今天的数字资产行业比任何时候都需要政府进行更加明确和积极的监管。

《Global Custodian》在对当前主流金融机构投资者调查时，在回答对数字资产最大的顾虑是什么的问题上，最多的人选择了监管政策的不明朗，排名第二的是托管等基础设施的不完善。

先来看托管，除了天然自带托管属性的数字货币交易所外，目前专门提供数字资产托管技术和解决方案的服务提供商已经多达数十家，最著名的如富达数字资产（Fidelity Digital Assets）、Coinbase Custody、Anchorage、Bakkt 等，亚洲也有类似Cobo、Invault、KeyShard、Keystore、Matrixport等，可以为客户提供数字资产的保管、权限管理、多重安全防护等托管服务。

但基础设施技术不是最核心的问题，核心问题在于监管层面没有受监管的托管机构存在，换句话说，大部分国家和地区没有颁发任何一个数字资产托管牌照对服务提供方进行准入和监管；很多国家或地区甚至也并未把数字资产视作为一种金融资产，或至少是定性不明，以至于更谈不上对托管服务进行监管。回到最后，托管等基础设施问题还是政策监管问题。目前，主流国家中只有瑞士刚刚颁发了数字资产银行的牌照，将数字资产托管作为银行业务的一部分而进行监管。

相应地，就数字资产有关的交易或其他业务而言，大部分国家和地区也并未要求当事方必须寻求有资质地托管机构进行托管。

以美国为例，1940年，美国颁布了《1940投资公司法》，明确规定基金必须将其证券和类似投资‘合规的托管人’保管，包括具有一定资质的商业银行，全国证券交易所的成员等。目前美国证券存托与清算公司（DTCC）负责几乎全美国的股票交易、公司和政府债券、抵押支持证券、货币市场工具和场外交易（OTC）衍生品等的托管和清算业务。

而对于数字资产的托管业务，SEC（美国证监会）和FINRA（美国金管局）在2019年7月份的声明中强调，目前还没有找到一种方案可以让数字资产托管满足SEC《投资者保护条例》的要求。原因在于SEC和FINRA认为仅仅持有私钥不能代表对资产拥有法律意义上的所有权，而顶多只是代表一种实际控制能力（非法律意义上的权利）。持有私钥拷贝的人可以不经过托管商的允许提走数字资产，这一客观事实是数字资产的根本技术特性之一，但也让数字资产因此无法满足作为可投资资产的监管要求。

问题的症结在于比特币创立之初所倡导的“谁持有私钥谁就拥有资产”，也就是加密朋克们所引以为豪的“资产绝对意义上私有化，银行和政府无法处置”。这种“能力即权利”的极客理念与现代财产法律体系并不兼容，尤其是与金融监管的原则存在根本性冲突。

不过对机构投资者本身的监管规则而言，香港证监会也于2019年10月4日公布了《适用于管理投资于虚拟资产的投资组合的持牌法团的标准条款及条件》，也让有意愿为客户管理数字资产配置的管理机构可以按例遵循。

对于机构投资者来说，数字资产头寸配置方法除了自身保管、三方托管外，还有一些间接参与的方法：

表格16 机构投资者间接投资数字资产方法

（1）参与数字货币的挖矿生态：“挖矿”此处狭义指参与比特币和其他采用工作量证明共识机制的数字资产新增货币发行的过程，如果把比特币的发行过程看作印钞，那么“挖矿”就是投入印钞机、电力和人工印钞的过程。（具体比特币产生过程这里不再详述，可参阅相关文档。）

机构投资者参与的方式主要包括直接投资矿机生产企业和购买矿机（算力）两种。

●    投资矿机企业：由于矿机生产商在挖矿产业链中具有核心地位，其掌握矿机的定价权，而矿机的效能又是决定挖矿成本的最重要组成部分。因此矿机生产商在数字货币挖矿产业链中攫取了大部分利润。几大矿机生产商如比特大陆、嘉楠耘智等此前均向港交所递交过招股说明书，但由于业绩受数字货币行情影响波动较大，因此在寻求美国等市场上市机会。对于机构投资者来说，投资数字货币矿机生产商更接近传统股权投资，同时可以享受到数字货币行情上涨带来的收益。此外，矿机生产商也在探索其芯片业务在AI等领域的应用，一定程度上有利于平滑币价波动对业绩的影响。

●    投资挖矿设备/矿场（即购买算力）：机构直接购买矿机、或者间接购买算力的过程本质上相当于付出一定量的固定成本，将购买数字货币的成本前置为固定资产的投入，如果投入时机得当，则能够以相对市价更低的成本获得数字货币。

直接参与挖矿的成本取决于购买矿机的价格、电费、运维成本等因素，收益也与数字货币价格紧密相关，一旦数字货币价格低于固定成本支出则面临关停的风险。  在但对于机构投资者的好处是，会计处理上或许可以简化成设备投资或服务购买，而不是划入金融资产科目。

（2）投资数字货币衍生品：机构投资者可以选择在合规的期货交易所进行交易，如CME、Bakkt；或者通过投资信托基金（如Grayscale、First Block）持有现货。对合规的期货合约（CME、Bakkt的合规期货产品）、信托基金等进行投资，缺点是目前的合规期货合约都有期限限制。

(3) 投资公开市场产品：合规的交易所公开上市基金（如数字货币的ETP目前在瑞士、瑞典都已有公开上市产品）、合规注册的私募类加密数字货币基金。

(4) 股权投资：有不少的区块链项目存在股权上的公司架构，如数字资产交易所、技术服务方等，股权投资基金可以通过投资区块链项目而获得未来公司发行数字资产的收益权，此类方式已被不少传统股权投资基金所采用。

总结

数字资产尽管没有被广泛认可的估值方法，但其价值捕获是清晰可见甚至可以计算的。以比特币为代表的数字资产波动率极大，但统计数据显示其收益率分布极度正偏且尖峰，意味着其拥有较长的“右尾”和相对较高的极端正收益概率，这同样意味着比特币的拥有非常良好的风险补偿，叠加与传统金融资产较低的相关性，对于构建长期投资组合来说，是颇为有价值且稀缺的标的。

尤其在全球经济和货币政策联动性增强的今天，传统投资组合的系统性风险头寸本质上趋同，而加密数字资产有望成为分散投资的极佳的工具。不过鉴于比特币特殊的统计特性，如果投资组合的目标只追求简单的波动率最小或收益最大，亦或是最大的收益-风险比（例如夏普比率），只能带来“非黑即白”（0或100%配置）的结果。

但是，如果基于能够承受的最大波动或预期的回报目标作为限制条件，那么比特币的最优配置是可以被计算出来的。核心逻辑是用低比例比特币替代大比例高波动性的股票，让比特币成为超额收益的来源，籍此增加低波动性债券配置，优化整个组合的收益-风险比。

此外，持有数字资产的投资收益还包括“利息收入”及“再投资收入”，有些资产能提供的相关收益超过10%，是资本利得之外的可观收益途径，但这一点似乎尚未普遍被市场参与者们重视。

需要注意的是，交易滑点、税赋、托管仓储成本并未在本报告中详细讨论，但对于大型投资者来说，这些是无法回避的问题，可能在很大程度上影响资管产品的设计和实际收益率。此外，用历史波动和收益率作为预测模型的输入项在部分人看来存在较大争议，但鉴于持币人数可能只有3~4千万 vs 全球70亿人，就比特币来说甚至都处在非常早期的阶段，所以对未来的收益和波动特性做过于保守的假设亦难言合理。

参考资料

1.《国盛区块链深度 | 枯水期临近，比特币挖矿全产业链解析》2019-09-02

2.SEC,FINRA, "Joint Staff Statement on Broker-Dealer Custody of DigitalAsset Securities" ，2019年7月

3.“InvestingLike the Harvard and Yale Endowment Funds” Michael W. Azlen, Ilan Zermati，2017 三季度

4.“TRONINCENTIVE PLAN REWARDS EARLIER USDT TRON ADOPTERS”,Tron Foundation, 2019年4月2日

5.《适用于管理投资于虚拟资产的投资组合的持牌法团的条款及条件》，香港证券及期货事务监察委员会，2019年10月4日

6.“Mining”,Bitcoin wiki

7.”Numberof Blockchain wallet users globally 2016-2019“， M.Szmigiera, 2019年10月7日

8.AreBitcoin Bubbles Predictable? Combining a Generalized Metcalfe’s Law and theLPPLS Model Spencer Wheatley March, 2018

—-

编译者/作者：区块律动BlockBeat

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。