SHA:風險平價模型：投資者必看模型

風險平價模型

在傳統市場里，風險平價模型（Risk Parity）試圖通過將資金分配到更廣泛的類別，如股票、政府債券、信貸相關證券和通脹對沖（包括實物資產、商品、房地產和通脹保值債券）等，來均衡風險，同時通過金融杠桿作用實現收益最大化。據Bridgewater Associates的首席投資官Bob Prince的說法，傳統風險平價投資組合的定義參數是不相關的資產、低股票風險和被動管理。

關于投資，有一條廣為人知的投資理念是不要把所有的雞蛋放在一個籃子里。那么，如果有人建議你把90%以上的雞蛋放在一個籃子里，你會認為這樣就足夠分散投資了嗎？可是很多傳統的60%的股票和40%的債券的平衡投資組合的人都是這樣做的，盡管60/40的投資組合并不能提供真正的風險分散。

Fetch.ai：官方Discord遭入侵，提醒用戶注意釣魚網站風險:8月13日消息，據官方公告，Fetch.ai 表示其官方 Discord 頻道遭入侵，攻擊者通過一個名為\"Atari_buzz1kLL\"管理員賬戶未經授權地訪問了 Fetch.ai 的 Discord 服務器，Fetch.ai 官方提醒用戶不要點擊 Discord 的任何鏈接，且目前沒有 FET 代幣的空投活動。[2023/8/13 16:23:47]

來源：

https://en.wikipedia.org/wiki/Risk_parity

觀點：中國的法律環境中基于公鏈的數字藏品有四大潛在風險:3月26日消息，數字藏品的全球趨勢與中國創新的直播中，星圖比特創始人張炯在《國產公鏈數字藏品的合規發展》主題分享中稱，基于公鏈的數字藏品有三個優勢，用戶對數字藏品的真實處置權、真實可交割及透明真實感。而基于聯盟鏈的數字藏品有兩大優勢，包括容易獲得政府監管部門的理解，更容易形成企業與企業之間合作的信任。目前，中國的法律合規環境中公鏈數字藏品有一些潛在風險。第一，如何讓國內用戶在沒有數字貨幣的前提下，通過人民幣購買數字藏品NFT。第二，用戶用人民幣購買數字藏品后，可能再賣成數字貨幣，因而數字藏品需要完成與數字貨幣的切割，否則可能淪為OTC渠道。第三，人為操作會造成數字藏品市場波動帶給普通用戶的經濟風險。第四，數字資產的托管問題。此外，張炯認為，基于聯盟鏈的數字藏品存在停止運營的風險等。（8btc）[2022/3/26 14:19:31]

為什么會這樣呢，因為“蛋”(風險)的大小是不一樣的。股票的風險是債券的9倍左右。假設股票和債券收益率有每年的標準差分別為15%和5%。那么，從方差來看，股票的風險是債券的9倍。假設我們將6個股票 "蛋 "和4個債券 "蛋 "分別放在兩個籃子里。股票的風險對總體風險的貢獻是93%。

動態 | 美國SEC計劃通過承包商運營一個比特幣和以太坊節點以監控風險:據Trustnodes 7月30日消息，美國SEC計劃通過承包商運營一個比特幣節點和一個以太坊節點。對于為什么需要運行自己的節點，SEC沒有給出任何具體的理由，只是說它會支持其監控風險、改進遵從性，并告知委員會關于數字資產的政策。同時SEC特別指出應該從托管節點獲取所有區塊鏈數據，而不是將這些數據作為輔助源提供(例如，通過區塊鏈瀏覽器)。因此，SEC可能會尋找一家分析公司，來外包SEC的區塊鏈監控和合規調查。此外，SEC還可能尋求運營BCH，XLM，ZEC，EOS，NEO和XRP Ledger等區塊鏈節點。[2019/7/31]

雖然我們的雞蛋比喻可能看起來很簡單，但它與實際情況相差不遠。例如，從1983年到2004年，羅素1000指數的超額收益率年化波動率為15.1%，雷曼綜合債券指數的年化波動率為4.6%，而兩者之間的相關性為0.2。由此可見，60/40的投資組合在資本配置上可能看起來是平衡的，但從風險配置的角度來看，它是高度集中的。

分析 | 慢霧預警：ADX合約設計疑似存在“后門”風險:安全公司慢霧發布安全預警稱，ADX合約設計疑似存在“后門”風險。具體細節為：在合約中grantVestedTokens方法寫了轉賬是否可以允許被revoke ，可以在grants這個mapping中或者tokenGrant中查到用戶生成的這個TokenGrant到底允不允許revoke, 如果是允許revoke則要慎重，用戶可以通過revokeTokenGrant撤回，這樣holder就會受到損失，代幣可能會回到原本用戶的余額上或者 轉到0xdead, 這取決于burnsOnRevoke的值。

ADX項目業務設計比較特殊，如果在對接交易所的話，沒有說明對接的方式，以及一些特殊方法的調用和判斷，會造成交易所損失，請交易所注意對接時候相關細節處理。[2019/5/10]

模型的計算

事實上風險平價的實際推導過程蘊含著不同資產的長期表現與復雜的數學求解，它基于一個長期觀察的假設，即大類資產的Sharpe Ratio (單位風險的收益) 是接近一致的。如股票、債券、黃金及其他大宗商品1971-2009年的Sharpe Ratio都在0.3左右。Bitcoin的5年滾動Sharpe ratio為1.25——從這個角度來看看未來數字貨幣興許將迎來更低的收益或更高的風險。

來源：Messari

風險平價的本質實際是假設各類資產的Sharpe Ratio長期趨于一致去尋找投資組合的長期Sharpe Ratio的最大化。我們不妨看一個最簡單的例子，假設兩個資產的Sharpe Ratio分別是S1與S2,他們的波動率分別是σ1與σ2，他們的相關性為ρ。兩種資產的風險貢獻分別為RC1與RC2，投資策略組合的Sharpe Ratio為SR。

來源：Newbloc 資產組合的Sharpe Ratio及其導數

通過對資產組合的Sharpe Ratio(藍色)，及其導數(紅色)分析和運算可知在當前的假設下兩種資產的資金配比分別為以下比例時產生的Sharpe Ratio是最大的。

在數字貨幣市場中的實踐

Newbloc, 基于AI的量化交易系統，通過機器學習，挖掘市場特征，通過歷史和實時數據訓練交易決策引擎構建了包括因子、套利、對沖、趨勢四大類幾十種子策略。基于Newbloc資管團隊在傳統金融市場中的風險平價模型的研究，我們將其運用在復合類策略的構建與優化之中，旨在獲得最大的單位風險收益。以下是子策略自2019年1月1日以來的表現。可以看到從單策略長期的表現來看最好的Sharpe Ratio是2.61, 最好的最大回撤為16%。通過平價模型優化的策略組合年化為132%，最大回撤可以控制在10%以內。

來源：Newbloc

文 / New Bloc CIO 馬潔

Tags：SHAARPRATIORATSharesChainarpa幣創始人SiriNatural Language GenerationBRAT

比特幣行情