新冠疫情下，如何使用BTC和传统资产建立投资组合？-币圈快讯网

免责声明：本文旨在传递更多市场信息，不构成任何投资建议。文章仅代表作者观点，不代表火星财经官方立场。

小编：记得关注哦

来源：加密谷Live

原文标题：新冠疫情下，如何使用BTC和传统资产建立投资组合？

作者：Stephen Mathai-Davis 翻译：子铭

编者注：原标题为《新冠疫情下，该如何建立明智的投资组合？》

冠状病毒流行的传染效应损害了所有资产类别的估值

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。

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。