怎么如何利用參與并投資區塊鏈資產賺錢？

3.檢驗比特幣的收益率的統計特性

——在決定如何投資之前，需要先了解數字資產收益率的統計學特性

3.1 跨資產相關性檢驗——“特立獨行”

為保證長期收益率的穩健性，資產管理機構的組合配置往往是多種多樣的，從跨資產相關性的角度，在下面的圖2和表3中看到，無論是在長周期還是短周期內，比特幣的回報與主流大類資產的相關性極低（相關性絕對值最低，意味著既無明顯正相關也無明顯負相關），我們選取的參照物包括美國股市、全球股市、美國債券、國際債券、黃金、美國房地產、國際房地產、自然資源。

事實上，由于全球經濟活動的一體化和國際間金融活動相互滲透、相互影響，大類資產的聯動已經變得異常迅速和緊密，類似比特幣這種“特立獨行”的資產實際上相當稀缺，意味著比特幣可以在分散傳統金融市場里的系統性風險上發揮積極作用。

表格 3: 跨資產2011-2019 周度 / 月度 收益率相關性矩陣

來源：幣安研究院、分布式資本、彭博

3.2 波動性檢驗——2014年以后波動率有了顯著下降

誠然，從直覺上感知，比特幣是一種波動性較大的資產，但這并不意味著傳統資產的波動性一定都小于比特幣。

從下圖中可以看出，傳統資產和比特幣的年化波動率比較。比特幣的波動性接近天然氣，甚至一度低于一些新興市場的股票和貨幣。

事實上，自2014年以來，比特幣的波動性中值顯著下降，降低了比特幣配置的風險。

圖2: 比特幣和天然氣年化波動率走勢

圖3：比特幣和多資產年化波動率對比

來源：幣安研究院、分布式資本

3.3 收益率分布特性——尖峰、肥尾、正偏

在表格4里，我們選取了幾種大類資產的歷史日均收益率進行統計特性描述，樣本采自2011年1月1日至2019年4月26日。

可以明顯看出，比特幣的收益率不服從正態分布，呈現正偏態、肥尾、尖峰的特征，這些特征也與股票市場相似，但比起股票市場“夸張”的多。

表格 4: 多資產2011.1.1~2019.4.26 每收益率統計特性

其中“Skewness”也就是“偏度”代表日收益均值與中值的偏離程度，數字越大，獲得正回報的概率就越高。比特幣收益率的偏度極高，顯示了其收益率分布的不對稱性。理論上，比特幣這樣極度正偏的資產應該受到投資者青睞。

此外，“Kurtosis峰度”也體現了比特幣的收益率處于“肥尾尖峰”狀態，峰度遠遠大于3(高達488)，意味著尾部較“正態分布”更厚，這意味著我們經歷“異常收益”的幾率更高。

投資者通常會避開尖峰肥尾的股票，因為高波動性意味著相對于平均回報水平，投資者遭遇尾部風險的可能性要高得多。

需要注意的是，偏度和我們前面提到的所謂尖峰肥尾的特征，都是與偏度為0，峰度為0的“正態分布”相比較的。通常在進行實證分析時，假設收益率數據為正態分布，便于建模和分析。但實際上很少有資產的收益率符合正態分布，尤其我們現在討論的比特幣。

忽略了正態分布假設下的尾部風險導致長期資本管理公司(LTCM)倒閉，所以認識到肥尾象對數字資產市場的風險控制也具有重要意義。

然而，由于金融市場的尾部風險是“雙向的”，例如在牛市中，峰度越高，股票獲得極高回報的可能性就越大，反之，在熊市中，發生極端虧損的可能性也會增加。這可能導致投資者在不同時期對峰度的偏好不一致。

因此，好消息是，盡管比特幣有很高的峰度，但收益率是正偏的，即“肥尾”也更多出現在正收益區間，如圖3所示，比特幣的歷史收益率分布顯示盡管其可能出現“大跌”的的概率高于股市，但其可能出現“大漲”的概率更高，而且漲幅不低。

美國知名數字貨幣分析機構Fundstrate創始人Tom Lee也曾對比特幣的這些統計特性做出過類似的描述，措辭更為通俗——在任何給定的年份中，比特幣價格的絕大部分收益僅出現在十個最大交易日中，如果錯過這短暫的時間，收益率將是負數。

圖4：比特幣收益與美國和中國股市的收益率分布

來源：幣安研究院、分布式資本

3.4 尖峰肥尾特性的來源及注意點

埃德加?彼得斯(EdgarPeters, 1991)認為，不同投資者對市場信息的反應是不同的，盡管信息多是線性到達市場的，但對信息的理解不同和投資時點的不同都會導致對信息產生不一樣的反應，因此某刻價格并不能反應出全部的信息，價格的變動也不是獨立的，收益率也將更多地表現出“尖峰”和“肥尾”。

換句話說，如果市場上的信息是線性到達每個“理性人”，但投資者在趨勢確定之前忽略了它，然后以累積的方式對所有被忽略的信息做出反應，這也可能導致回報的尖峰肥尾分布。或者另外一種情況是，如果影響市場的信息分布是“尖峰”的，那么證券收益也將傾向于這樣分布，比如來自監管層的利空可能是扎堆出現，而不是線性出現的。

無論如何，前文里的統計數據顯示加密貨幣市場的信息流動似乎更不順暢，且投資者的反應可能比傳統市場參與者更慢，這符合我們對加密貨幣市場投資人結構的推測。所以在投資數字資產的時候，等待“利空出盡”或“利好兌現”的時間周期可能要比傳統資產更長，even-driven型投資人的交易行為需要相應的做出改變。

圖5：投資者結構比較——數字資產市場(估算)vs.股票市場（數據截止2019年1月）

數據來源：幣安研究院, Cryptofundresearch.com, Bloomberg

此外，尖峰肥尾現象使得大量的信息定價被留在尾部，“平庸”的事件權重變小。因此，在資產配置中，尤其在波動容忍度低的投資組合中，我們應該比傳統市場更關注肥尾風險的擾動，以及可能帶來的潛在久期錯配的風險。