如何基于现代资产组合理论配置 BTC 与传统资产投资组合？

疫情危机下，引入比特币建立多资产投资组合。

原文标题：《新冠疫情下，该如何建立明智的投资组合？》
撰文：Stephen Mathai-Davis
翻译：子铭
编辑：Roy Wang

过去几周全球市场的暴跌迫使华尔街和主要基金经理重新考虑在当前市场环境下到底应该怎样实现资产的合理配置。在尝试回答这个问题时，我们不仅仅关注了基本相关性，还考虑了其他非线性的价格关系，以帮助我们更好地理解如何用 BTC 建立多资产投资组合。 我们正在研究由以下资产组成的投资组合，以了解在当前的抛售中，随着冠状病毒疫情的恶化，这些资产是如何移动的：

• SPDR S&P 500 ETF Trust (SPY)
• iShares Russell 2000 ETF (IWM)
• iShares MSCI EAFE ETF (EFA)
• iShares 20+ Year Treasury Bond ETF (TLT)
• iShares iBoxx High Yield Corporate Bond ETF (HYG)
• United States Oil Fund (USO)
• Bitcoin (BTC; BTC/USD$ Cross)
• Invesco DB US Dollar Index Bullish Fund (UUP)

我们发现，只需将投资组合的资产分配集中在 BTC、SPY、USO 和 TLT 上，就可以轻松构建多元化的投资组合。由于所有这些资产本质上都是美元敞口，因此在组合中添加 UUP 只会增加美元敞口。SPY 与 IWM 和 EFA 的关联度很高，这表明无论哪种 ETF 的增加都会增加我们对股票的潜在敞口（全球似乎高度相关！）而 TLT 与 HYG 之间有着明显的价格关系。

冠状病毒流行的传染效应损害了所有资产类别的估值

现代资产组合理论（MPT）与当今投资组合的构建

传统的投资组合构建方法是基于现代资产组合理论（MPT）的概念基础上的，该理论假定投资组合资产配置应围绕资产的波动性及与其他资产的相关性进行构建。波动率只是衡量资产的价格变化与平均预期变化之间的变化程度，而相关系数则衡量投资组合中不同资产的共同变动程度。

例如，如果您的投资组合有 3 只股票，即 Facebook （FB）、Apple （AAPL）和 Citigroup （C），而 FB （FB）和 Apple （AAPL）表现出很强的正相关性，那么 MPT 会说您应该持有更多的 Citigroup （C）以减轻 Facebook （FB）与 Apple （AAPL）之间的高度相关性（假设每只股票的波动性相似）。这种方法的最大问题是它是向后看的，这意味着它不考虑未来收益，而是「假定」过去的表现将表明「未来的表现」。最重要的是，简单的 MPT 方法倾向于低波动率的资产；由于它是向后看的，所以该方法「假定」过去的低波动性资产在将来将继续是低波动性资产。此外，简单的线性关系无法正确地解释资产在面对冲击的过程中如何聚集，例如我们目前正在经历的冠状病毒疫情，或者仅仅是简单的聚集。

相关数据表明 BTC 和股票之间存在高度的敏感性

一个简单的相关性分析表明，BTC 与 IWM 和 HYG 之间的「正」相关性迅速上升。值得注意的是，BTC 和 HYG 之间的相对偏移量最大，而 IWM 和 BTC 之间的相关性似乎最强。正相关关系意味着 BTC 价格正朝着与 IWM 和 HYG 指数相同的相对方向移动（当 BTC 上涨时，IWM 上涨，反之亦然）。值得注意的是，尽管投资组合中 BTC 与 USO （通常是石油和大宗商品的总代理）和 EFA （国际股票代理）之间的呈现出相关性，但组合中的其他资产之间的相关性与 BTC 的敏感度并没有因此发生变化。换句话说，虽然目标多资产投资组合中其他资产的敏感性或多或少保持不变时，BTC 似乎具有更高的敏感性。尽管 UUP 和 BTC 之间的相关性并未显着增加，但这里可能存在美元效应。美元对 BTC 的影响可能值得单独发表一篇文章。

包括 BTC 在内的 Q.ai 目标多元资产组合中资产的相关性分析 2020 年 2 月 20 日至 2020 年 3 月 20 日的价格变动

我们需要借助 AI 进一步分析

尽管相关性和波动性分析很有用，但我们不能单独认为只有它才有助于建立真正「稳健多元化」投资组合。MPT 的局限性在于它的分析纯粹是线性的，总的来说是向后看的，但实际上，市场不是线性的，而且过去的表现从来都不是预测未来收益的有用指标。因此，我们喜欢使用基于人工智能（AI）的聚类算法，以查看是否可以发现基本的相关性与波动性矩阵可能错过的更多有趣的非线性关系。

基于我们的分析，我们使用基本的近邻传播算法（Affinity Propagation）。该算法的易用性在于，尽管它是一个形心（centroid）算法，但它不需要像其他类似算法（例如 K-Means）那样估计类（cluster）的数量。我们正在寻找目标多资产投资组合中的不同资产如何「聚类（cluster）」。

除了 SPY、EFA 和 IWM 聚为一类之外，在过去的一个月中，我们的目标多资产投资组合中没有其他聚类的示例。正如预期的那样，我们看到 BTC 和 HYG 之间的关系强度在过去一个月中有所增加。以前，BTC 和 HYG 之间的关系最多只能描述为名义上的。图中显示 SPY，IWM 和 EFA 之间的关系相对较强，但有趣的是目标投资组合中的其他资产与 BTC 之间没有其他显着关系，这倒与我们的相关性分析存在重大差异。

Q.ai 目标多资产组合中包含 BTC 的资产聚类分析价格数据为 2020 年 2 月 20 日至 2020 年 3 月 20 日

以上分析意味着什么？如何使用 BTC 和传统资产建立投资组合？

基于我们对相关性以及目标投资组合集群中不同资产的分析，我们认为将大部分投资组合配置集中在 BTC、SPY、USO 和 TLT 上是最有意义的。由于 IWM 和 EFA 都与 SPY 具有高度相关性，在三者之间进行分配成为一种名义上的做法，不过相对于 USO 和 BTC、SPY 将提供更好的多样化。

来源链接：www.forbes.com