淺談數字資產管理的現狀和發展

1.         概述

本文開篇簡要回顧了過去5年來加密基金的發展，並簡介了全球知名的幾家加密基金概況；其次著重分析了數字資產管理領域的量化交易策略、量化交易平臺類別和現狀、量化交易的風險和收益以及量化交易與人工交易對比；最後總結和展望了數字資產管理的現狀和發展趨勢。

2.         加密基金

加密基金也稱為區塊鏈基金或數字資產基金，資料表明2013年以來，尤其是2017年以來快速增長。2017年推出了近200個加密基金。相比之下，同時有大約700個對沖基金啟動。雖然佔新對沖基金發行量的14％可能看起來不多，但有資料表明加密基金佔對沖基金總資產不到0.1％。事實上，加密基金是對沖基金行業中增長最快的部分。

如上圖所示，2017年是新加密基金推出創記錄的一年，幾乎是過去5年加密基金數量的總和。進入2018年新推出加密基金數量持續創新高，加密基金行業迎來爆發期。但是受2018年持續一年多的熊市影響，2019年新推出加密基金數量有所放緩。現有的對沖基金將加密資產納入其投資組合。同樣，現有的風險投資公司將繼續增加區塊鏈投資，並啟動單獨的加密基金。潘多拉魔盒已經開啟，趨勢不可逆轉。

其中有名的頭部加密基金公司之一是灰度投資公司（Gray Scale Investments），由其母公司數字貨幣集團（Digital Currency Group）成立於2013年，是關於數字資產信託基金的投資公司。到目前已推出9支信託基金，投資的標的為：BTC、BCH、ETH、ETC、ZEN、XLM、LTC、XRP以及Zcash，其資產管理規模一度增長至35億美元。Gray Scale 的比特幣投資信託（Bitcoin Investment Trust，簡稱BIT）的份額GBTC定期發售，供應總量固定，投資者可以在OTCQX（美國櫃檯交易市場）交易其股份，股票程式碼為GBTC。構建BIT的目的在於獲取信託機構的比特幣併為之擔保，進而向投資者發行股份GBTC，初始定價1GBTC=0.1BTC，年管理費2%。

另外代表性的幾家面向合格投資者的加密基金的大體情況見上表，簡單介紹如下：

Blockchain Capital是傳統風投公司旗下的封閉式基金，這是最早進入區塊鏈市場的傳統風投公司之一。主要投資於Fintech和區塊鏈的初創公司，比如coinbase，Gem，wave，Tierion等。最少投資額是50萬USD，封閉期是5-7年，年費是2.5%，盈利費（success fee）是25%。

Pantera Capital是最早進入數字資產領域的傳統風投公司之一，2003年建立，2013年進入數字資產市場，主要做區塊鏈風投和數字資產交易，如0x、 auger、bitcoin等，是擁有數字資產量最大的機構之一。最低投資額5萬，年費3%，盈利費是30%。

SW Fund成立於2019年，註冊地香港，是通證化（Tokenized）的分散式自治基金，開放式基金，用通證和智慧合約部署實現投資者的利潤分配。

總之，隨著數字資產的興起，投資者對數字資產管理需求的增長，催生出了一大批加密基金，它們有部分來自於傳統對沖基金和風險投資機構，在基金種類、投資構成、管理費率、盈利費率和復投等要素設定方面充分借鑑了現有的對沖基金。從2016年1月至2019年1月份以來，在管理的數字資產（AUM）由1.9億美元快速增長至143.5億美元。加密基金已成為數字資產管理領域的主力軍。

3.         量化交易

3.1量化交易簡介

我想有不少的新手投資者不瞭解量化交易，這裡簡單的介紹下。量化交易是指以先進的數學模型替代人為的主觀判斷，利用計算機技術從龐大的歷史資料中海選能帶來超額收益的多種“大概率”事件以制定策略，極大地減少了投資者情緒波動的影響，避免在市場極度狂熱或悲觀的情況下做出非理性的投資決策。

3.2量化交易策略簡介

這節結合量化和幣圈特點，著重介紹了幣圈量化交易常用的一些交易策略。有些量化交易需要分析和回測歷史資料不斷的從歷史中挖掘有望在未來重複的歷史規律並且加以利用。有些量化交易需要藉助分析師制定的策略，透過實時執行策略獲利，而無須藉助歷史資料。量化交易策略是需要不斷迭代和最佳化的，如果認為可以一勞永逸，那就是失敗的開始。

3.2.1網格交易策略

網格交易策略是目前幣圈量化交易平臺使用最多的策略之一。網格交易法，適用於震盪市，就是低買高賣。具體做法是把資金分成n份，單筆交易固定金額，先初始建倉，再設定一個百分比或者價差以確定網格寬度，比如5%，幣價跌5%就買入一份，漲5%就賣出一份，如此反覆買賣。

上述網格交易策略需要藉助分析師制定引數，而無須藉助歷史資料。分析師設定好網格上沿、網格下沿、網格中樞、網格寬度和單筆交易額，然後自動執行網格計劃完成反覆低買高賣獲取利潤。

某些量化平臺，在網格交易策略設定過程中，支援資金的不等分，比如每下跌一個網格，單筆交易額增加一定比例，例如10%，從而延伸成馬丁策略。

3.2.2套利策略

  a搬磚套利

在幣圈，搬磚套利也是量化交易平臺使用最多的策略之一。這是一種本身套利風險就很低的低風險套利。軟體捕捉同一幣種在不同交易平臺的價差，在價格低的平臺買入，在價格高的平臺賣出，賺取差價。

b期現和跨期套利

在幣圈，同一交易平臺的某一個交易標的的現貨和期貨以及該標的的當周、次周和季度合約之間會存在價差。期現套利就是利用現貨和期貨的價差，在期貨和現貨中進行反向操作，賺取差價。同樣的跨期套利就是利用不同合約之間的價差，在合約中進行反向操作，賺取差價。

 c統計套利（跨幣種套利）

統計套利是利用資產價格的歷史統計規律進行的套利，是一種風險套利，其風險在於這種歷史統計規律在未來一段時間內是否繼續存在。

統計套利的主要思路是先找出相關性最好的若干對投資品種，例如BTC和ETH正相關性強。當BTC和ETH價差偏離到一定程度時開始建倉，買進被相對低估的品種、賣空被相對高估的品種，等價差迴歸均衡後獲利了結。

如下圖所示，近期一個典型的例項就是從2019年4月2日至5月12日，BTC累計上漲了66.4%，而ETH僅上漲了31.5%，根據ETH/BTC的歷史表現，ETH被嚴重低估。所以5月12日ETH開始補漲行情，透過統計套利分析，能夠很好地抓取這部分利潤。

上述策略除了統計套利需要回測歷史資料外，其它策略都不需要歷史資料來分析。在是否需要人工干預方面，網格交易策略需要軟體使用者具備交易經驗去人工設定引數。期現和跨期套利也需要人工操盤團隊來設定引數來最佳化交易策略。

除了上述幣圈常用的量化交易策略，量化交易策略還包括CTA策略、阿爾法策略、高頻交易和演算法交易等等，由於這些策略目前在幣圈不常見，不詳細介紹，感興趣投資者不妨百度延伸閱讀。

3.3採用量化交易的平臺

隨著數字資產興起，數字資產管理需求巨大。除了上文提及的加密基金已成為數字資產管理領域的主力軍，管理著數百億元數字資產。2018年初以來量化交易開始在區塊鏈數字資產管理領域興起，今年已經層出不窮，據不完全統計，目前已經有數百家量化平臺。作者隨機挑選幾家分析。

上表是最早出現的數字資產管理平臺的代表，因為無交易策略引擎驅動，或者宣稱的量化策略不公開不透明，我們將其歸為純資產管理平臺。其中前兩家平臺都推出了自己的固定收益類產品，類似傳統的P2P理財，產品月息高達6%-12%，平均月息9%左右，資產採用託管方式，託管至平臺。其餘幾家平臺採用APIkey匯入資產，使用者的資產由自己掌控，但是並沒有理財和量化等資產管理功能，這些產品逐漸被下表所示的量化平臺所取代。

上表是今年非常流行的量化平臺的典型代表，有明確的或者由使用者自行設定引數或者由平臺方統一人工干預引數設定的量化策略，使用者資產由自己掌控，因其策略公開透明，相比而言更加可信、風險更低、更具有市場潛力。

此外，去年以來幣圈出現了大量的策略不公開不透明，借用量化名義的理財錢包，以量化之名，行圈錢之實，2019年以來出現了跑路潮，微信搜尋“數字錢包跑路、Token錢包跑路”，疑似跑路的有EOS生態錢包、DOGX和波點錢包，已跑路的有angeltoken和最近的Token store、MGC token、Sum token等，建議投資者對固定收益理財類錢包產品保持警惕，遠離高息誘惑，遠離帶模式和多級分銷的高風險錢包。

3.4量化交易的風險

1、歷史資料的完整性。行情資料不完整可能導致模型與行情資料不匹配，回測資料不足，使得模型的推演精度大大降低。

2、量化交易把金融市場當作一個穩態結構，然後從歷史資料中挖掘規律。但是金融市場歸根到底是人的市場，而人性是不可預測的，黑天鵝事件也是有可能發生的。行情資料自身風格轉換，可能導致模型失效，如交易流動、價格波動幅度、價格波動頻率等，而這一點是目前量化交易難以克服的。

3、網路中斷、軟硬體故障也可能對量化交易產生影響，比如著名的光大烏龍指事件就是由交易員和軟體模型失效共同造成。

4、同質模型產生競爭交易現象導致的風險，並導致量化交易利潤空間大大降低的風險。

5、個人投資者的APIkey資訊洩露導致的對賭交易風險，具體表現為APIkey上傳至中心化伺服器或者儲存在本地電腦，有洩露隱患，不法分子一旦竊取交易許可權，就可以採用對沖對賭方式，將受害人交易所資產“搬空”。

為規避或減小量化交易存在的潛在風險，可採取的策略有：保證歷史資料的完整性，線上調整模型引數，線上選擇模型型別，風險線上監測和規避等。

3.5量化交易與人工交易對比分析

量化交易在幣圈興起，不少投資者開始涉足並學習量化交易，量化交易能取代人腦，實現躺贏嗎？隨著我們對量化的分析和理解，作者對比了量化和人工交易優劣，給大家的認知提供參考。

表1 量化交易與人工交易的對比分析

由此我們可總結出：一方面，量化交易在資料探勘和科學執行決策方面有有優勢；但另一方面，量化交易也有自身的侷限，尤其是在應對突然的規律變化時，會面臨更大的風險。量化交易和人工干預相結合，也許才是更好的選擇。交易依然是以人為本量化為輔的綜合反映人性的博弈。

3.6量化交易收益

從某量化交易超級聯賽（第二屆，比賽時間2019.5.20-2019.8.20）獲悉的量化交易收益情況如下圖所示：

上圖反映了幣圈148家量化交易策略的總體盈利能力，盈利情況不容樂觀，執行一個月以來，當日和當週盈利率持續為負。

如上圖所示，47家量化團隊，執行將近1個月後，收益率負的23家，收益率為0-5%的14家，收益率為5-10%的5家，剩下幾家10%以上的如上圖所示。

據外匯行業不完全統計，優秀的外匯EA和AI量化交易的月均收益率為5%、8%和12%幾個層次。對比可見目前幣圈的量化交易收益率整體低於外匯行業，不容樂觀。

4.         總結和展望

綜上所述，數字資產管理領域目前依然處於起步階段，業務形態比較單一，以加密基金為主，以量化交易為輔，此外在量化交易工具基礎上產生了不少的錢包理財平臺和量化交易平臺。現階段幣圈量化交易遠不能取代人工交易；幣圈的量化交易管理的數字資產額度遠不如加密基金，遠沒達到大規模採用階段；策略不公開不透明、以固定收益為主的資產管理類產品將逐漸不被投資者所認可，進而逐漸被市場所淘汰；目前幣圈的量化交易收益率整體低於外匯行業，不容樂觀；加密基金與量化交易工具相結合，綜合運用人工策略和量化策略各自的優勢管理數字資產是數字資產管理領域的趨勢所向。