作者|Stephen Mathai-Davis
冠狀病毒流行的傳染效應損害了所有資產類別的估值過去幾周全球市場的暴跌迫使華爾街和主要基金經理重新考慮在當前市場環境下到底應該怎樣實現資產的合理配置。在嘗試回答這個問題時，我們不僅僅關注了基本相關性，還考慮了其他非線性的價格關係，以幫助我們更好地理解如何用BTC建立多資產投資組合。我們正在研究由以下資產組成的投資組合，以瞭解在當前的拋售中，隨著冠狀病毒疫情的惡化，這些資產是如何移動的：
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)我們發現，只需將投資組合的資產分配集中在BTC，SPY，USO和TLT上，就可以輕鬆構建多元化的投資組合。由於所有這些資產本質上都是美元敞口，因此在組合中新增UUP只會增加美元敞口。SPY與IWM和EFA的關聯度很高，這表明無論哪種ETF的增加都會增加我們對股票的潛在敞口（全球似乎高度相關！）而TLT與HYG之間有著明顯的價格關係。
現代資產組合理論（MPT）與當今投資組合的構建傳統的投資組合構建方法是基於現代資產組合理論（MPT）的概念基礎上的，該理論假定投資組合資產配置應圍繞資產的波動性及與其他資產的相關性進行構建。波動率只是衡量資產的價格變化與平均預期變化之間的變化程度，而相關係數則衡量投資組合中不同資產的共同變動程度。例如，如果您的投資組合有3只股票，即Facebook（FB），Apple（AAPL）和Citigroup（C），而FB（FB）和Apple（AAPL）表現出很強的正相關性，那麼MPT會說您應該持有更多的Citigroup （C）以減輕Facebook（FB）與Apple（AAPL）之間的高度相關性（假設每隻股票的波動性相似）。這種方法的最大問題是它是向後看的，這意味著它不考慮未來收益，而是“假定”過去的表現將表明“未來的表現”。最重要的是，簡單的MPT方法傾向於低波動率的資產；由於它是向後看的，所以該方法“假定”過去的低波動性資產在將來將繼續是低波動性資產。此外，簡單的線性關係無法正確地解釋資產在面對衝擊的過程中如何聚集，例如我們目前正在經歷的冠狀病毒疫情，或者僅僅是簡單的聚集。
相關資料表明BTC和股票之間存在高度的敏感性
一個簡單的相關性分析表明，BTC與IWM和HYG之間的“正”相關性迅速上升。值得注意的是，BTC和HYG之間的相對偏移量最大，而IWM和BTC之間的相關性似乎最強。正相關關係意味著BTC價格正朝著與IWM和HYG指數相同的相對方向移動（當BTC上漲時，IWM上漲，反之亦然）。值得注意的是，儘管投資組合中BTC與USO（通常是石油和大宗商品的總代理）和EFA（國際股票代理）之間的呈現出相關性，但組合中的其他資產之間的相關性與BTC的敏感度並沒有因此發生變化。換句話說，雖然目標多資產投資組合中其他資產的敏感性或多或少保持不變時，BTC似乎具有更高的敏感性。儘管UUP和BTC之間的相關性並未顯著增加，但這裡可能存在美元效應。美元對BTC的影響可能值得單獨發表一篇文章。
包括BTC在內的Q.ai目標多元資產組合中資產的相關性分析2020年2月20日至2020年3月20日的價格變動
我們需要藉助AI進一步分析儘管相關性和波動性分析很有用，但我們不能單獨認為只有它才有助於建立真正“穩健多元化”投資組合。MPT的侷限性在於它的分析純粹是線性的，總的來說是向後看的，但實際上，市場不是線性的，而且過去的表現從來都不是預測未來收益的有用指標。因此，我們喜歡使用基於人工智慧（AI）的聚類演算法，以檢視是否可以發現基本的相關性與波動性矩陣可能錯過的更多有趣的非線性關係。基於我們的分析，我們使用基本的近鄰傳播演算法（Affinity Propagation）。該演算法的易用性在於，儘管它是一個形心（centroid）演算法，但它不需要像其他類似演算法（例如K-Means）那樣估計類（cluster）的數量。我們正在尋找目標多資產投資組合中的不同資產如何“聚類（cluster）”。除了SPY，EFA和IWM聚為一類之外，在過去的一個月中，我們的目標多資產投資組合中沒有其他聚類的示例。正如預期的那樣，我們看到BTC和HYG之間的關係強度在過去一個月中有所增加。以前，BTC和HYG之間的關係最多隻能描述為名義上的。圖中顯示SPY，IWM和EFA之間的關係相對較強，但有趣的是目標投資組合中的其他資產與BTC之間沒有其他顯著關係，這倒與我們的相關性分析存在重大差異。
Q.ai目標多資產組合中包含BTC的資產聚類分析價格資料為2020年2月20日至2020年3月20日
以上分析意味著什麼？如何使用BTC和傳統資產建立投資組合？基於我們對相關性以及目標投資組合叢集中不同資產的分析，我們認為將大部分投資組合配置集中在BTC，SPY，USO和TLT上是最有意義的。由於IWM和EFA都與SPY具有高度相關性，在三者之間進行分配成為一種名義上的做法，不過相對於USO和BTC，SPY將提供更好的多樣化。
Stephen Mathai-Davis 作者子銘 翻譯
Roy Wang 編輯
內容僅供參考 不作為投資建議 風險自擔
版權所有 未經允許 嚴禁轉載
