加密资产因子模型

然而，我们必须利用现有资源。2.4回归和结果因此，我们对上述各时期及其子时期以及表1至表18中所述的负荷βiAs（如上所述计算）进行每日收益率Ris回归。表1至表10包括各种DHLV和dvol值的int（截距）、cap（大小）、mom（动量）、hlv（日内波动率）和vol（成交量）。从这些表中可以看出，dvol>1的平均每日美元交易量是APOR预测因子。对于dvol=1（即前一天的美元成交量），结果好坏参半，肯定不会令人震惊。虽然前一天的交易量可能会增加价值，但作为一个额外的过滤器（例如，当定义交易信号时），它可能会比单独的因素更有效。表11和表12不包括vol，只包括int、cap、mom和hlv，似乎支持这一结论。此外，hlv在dhlv的选择上似乎相当稳定。mom系数在所有时期都以较大幅度领先（见表11和表12）。对于基于129和66加密资产（见上文）的较小宇宙，cap和hlv因素似乎在第一年（即从2018年8月18日开始的时间，因此这是最近的一年）以外的其他年份都运行良好。然而，在362加密资产（见上文）的基础上，这些因素在同一时期对更大宇宙的作用要好得多，其中包含了上述较小的宇宙。因此，最可能的解释似乎是，这是由于这些较小宇宙的横截面样本很小。此外，hlvfactor似乎是cap、mom和hlv中最弱的。

然而，删除HLV会影响结果（见表13），删除截距也会影响结果（见表14）。考虑到mom因素有多强，也可以自然地查看前一天的Momenta，即mom1、mom2。（如上所述）。表事实上，2个加密资产在第二年和第三年（回顾过去）的价格明显“人为”过时，因此必须将其从相应的回归中排除（见下文）。截距在不同时期和宇宙中具有可变的t统计量，包括改变其符号。然而，这并不奇怪，因为截距起到了“市场贝塔”的作用，一般来说，市场贝塔值可能会有很大的变化，股票和其他资产也是如此。15和16表明mom1确实是一个很好的预测因子。超出MOM1（见表17，其中还包括mom2、mom3和mom4）的结果并不令人意外，因为动量的任何影响预计会随时间衰减。请注意，动量的回归系数为负值，这表明上述加密资产回报存在实质性的均值回归效应。包括上面定义的汇总变量mnbl似乎不会增加值（见表18）。2.5“健全性检查”考虑到较小宇宙在最近1年内cap和hlv表现的“缺陷”（见上文），至少可以获得一个官方的视觉确认，即在此期间这些宇宙没有发生任何完全“奇怪”的事情。

这里要做的一件简单的事情是查看基于上述362、129和66个加密资产世界构建的“市场指数”的表现。因此，我们可以构建以下指数（除其他无数指数外）：Icaps=γcapNXi=1Cis（18）Iprcs=γprcNXi=1ePCis（19）。这里，Icapsis是一个针对N个加密资产的市值加权指数，而归一化系数γcap是固定的，因此Icaps等于1，表示与Icapsis构建时间段内最早日期对应的SCOR值。价格加权指数Iprcsis的构造与此类似，但价格指数是通过调整分割从收盘价PCIs中获得的。在我们的情况下，我们只需调整上述Xaurum分割。结果如图1至图6所示。除了图1中价格加权指数的飙升外，最近1年期间和上述较小的市场指数似乎没有什么“特殊”之处。然而，这一增长是由于一种称为42币的单一加密资产，其价格很高，市值很小。顺便提一下，这是一个很好的例子，说明了为什么价格加权指数可能会产生误导。3结论性意见尽管加密资产极其普遍，但横断面可用数据的数量仍然有限，因为对于大多数加密资产来说，这还远远不够。加密资产来来往往，许多硬币和代币在发行后不久就消失了，许多被视为骗局，目的是迅速筹集资金，并用毫无戒心或不知情的投资者的资金进行运作。尽管比特币已经存在了9年多，但这仍然是一个非常年轻的领域，因此[Kakushadze，2015年]对2000、3000甚至4000个股票报价人进行的5年前的分析对于处于发展初期的加密资产来说是不可能的。

根据其生存率，并假设整个油田不会因监管或其他（不太可预见的）问题而消失，收集此类数据可能还需要5-10年的时间。只有时间能证明一切。尽管如此，我们还是很高兴地看到【Kakushadze，2015】中讨论的股票的3个短期因素，即cap（规模）、mom（动量）和hlv（日内波动率）也适用于加密资产。vol（volume）似乎没有为加密资产增值（至少超过前一天的volume），这一事实并不一定令人惊讶，因为volume不是定向的。事实上，就其本身而言，它也不是一个很好的股票预测指标，只有在与其他因素相结合时才起作用。为什么vol没有增加加密资产的价值，一个可能的解释是，考虑到（与股票）费用结构和执行非常不同，vol如何很好地描述加密资产市场的实际流动性并不明显。因此，量化和查看加密资产和股票（与交易量相关）之间差异的一种方法是比较它们各自的横截面比率，例如，20天的日均美元交易量与市值，后者是日均“营业额”的衡量标准。对于截至2018年8月18日的362 cryptoasset universe（见上文），该比率的横截面总结如下：Min=2.00×10-10，第一个四分位数=6.87×10-7，中值=3.03×10-6，平均值=3.16×10-5,3四分位数=1.44×10-5，最大值=2.71×10-3、对于股票，对于截至2010年8月31日（随机选择的日期）的500只市值最高的股票，该摘要显示：Min=1.05×10-5，第一个四分位数=6.09×10-3，中值=8.57×10-3，平均值=1.05×10-2，第三个四分位数=1.25×10-2，最大值=1.08×10-1.

底线是，在相对基础上（即基于平均每日“营业额”），加密资产的交易量远不及股票，因此，交易量不是加密资产的良好预测指标也就不足为奇了。动量作为加密资产回报的一个主要因素，这一事实意味着在短期内，市场具有强烈的均值回复（横截面）。这反过来意味着，如果一个人可以做空一个大截面的加密资产，并在短期内进行成本效益交易，那么他可能能够按照类似的股票策略，将一个截面美元中性均值回归统计套利策略与加密资产进行交易——也许很快会有一天。R源代码：下载和回归在本附录中，我们给出了统计计算的R项目，https://www.r-project.org/)下载cryptoasset数据的源代码和正文中讨论的运行因子回归。代码简单明了，自我解释。第一个函数是加密函数。data（），下载名称，因此，随着本票据的定稿，加密资产市场在2018年9月5日再次崩盘，据报道，高盛（Goldman Sachs）暂停了其acryptocurrency交易台的计划【Campbell和Chaparro，2018年】。另请参见图7。所有加密资产在任何给定时间的符号、市值和各种其他数据https://coinmarketcap.com并将上述数据输出到fi-lecrypto中。帽子txt。除其他外，在标有URL的列中，此文件包含在上使用的字符串https://coinmarketcap.com用于历史数据下载，与符号（或名称）不同。事实上，奇怪的是，有时两个不同的加密资产具有相同的符号，因此符号不是唯一的差异。

函数crypto。data（）在内部调用三个辅助函数shared。收到网页（），已共享。作语法分析html（）和共享。写表（）。这些辅助功能在【Kakushadze和Yu，2017年】（可免费下载）中给出，名称为sec。收到网页（），秒。作语法分析html（），秒。写表（）。第二个函数是crypto。历史记录。prc（日期）（也使用上述3个辅助功能）下载文件crypto中所有加密资产的数据。帽子txt。可能有一些名称的数据不正确，这些名称会被跳过，并且会从文件加密的第11列（标记为URL）中找到相应的字段。帽子txtare以文件加密方式编写。令人不快的txt。其余名称的历史数据写入directoryCryptoHistData中以制表符分隔的文本文件（每个名称一个文件）。函数crypto的唯一输入日期（格式为yyyymmdd）。历史记录。prc（日期）对应于下载数据的日期。这可以修改，例如，包括下载历史数据的特定回溯日期。按原样，此函数将下载所有可用的(onhttps://coinmarketcap.com)历史数据以日期开始并在时间内返回（因此回溯依赖于名称）。第三个函数是crypto。中华人民共和国。files（）按数据类型（close、open、high、low、volume、market cap）聚合CryptoHistData目录中各个文件中存储的数据。它读取文件加密。令人不快的txt跳过其中的名称，并生成以制表符分隔的文本文件，其中包含N行和d列，其中N是除加密名称外的所有名称的数目。令人不快的txt，d是在加密中有名字数据的天数。帽子txt，这是最古老的加密资产比特币（crypto.cap.txt中的名称按市值排名，而比特币是最大的）。

这些文件为cr.prc。txt（收盘价），cr.open。txt（开盘价），cr.high。txt（高价），cr.low。txt（低价）、cr.vol.txt（dollarvolume）和cr.cap。txt（市值）。该函数还生成两个单列文本文件cr.name。txt（加密资产的名称与所有其他文件的顺序相同）和cr.mnbl。txt（如果名称可输入，则为1，否则为0）。所有缺失数据（包括所有带“？”的字段）已填充NAs。第四个也是最后一个函数加密。prc（）读取上述汇总数据文件，构建内部称为av（平均每日美元交易量）、规模（市值）、mom（动量）及其延迟变化mom1至MOM4、hlv（日内波动率）以及mnbl（可变现虚拟）和runsregressions的因子负荷，其中包括int（截距），用于计算基于回归系数时间序列的年化t统计量。crypto的输入。prc（）是天数（通过应用上述非NA数据和非零体积过滤器筛选加密资产领域时使用的选择期长度，该期间进一步“填充”-见下文），back（跳过期的长度，即在回望期之前的选择期中跳过多少天），回望期（回望期的长度，在此期间进行回归）、d.r（额外的“填充”添加到选择期加上一天，因此可以从样本中计算移动平均值；我们取d.r=20）、d.v（与第2节中定义的dvolde相同）和d.i（与第2节中定义的DHLV相同）。

因此，例如，在表9中，我们有天数=3×365（因此，当d.r=20时，“填充”选择期包含1116=3×365+20+1天）、回溯=365和回溯=365。因此，通过跳过最近的365天，从时间序列中的第366天开始，并在时间上回溯（即，在3年时间序列中的第2年，回顾过去），回归运行365天。