LUCIDA：如何利用多因數策略構建強大的加密資產投資組合？

序言

在去年 6 月份，我設想了用多因數模型去擇幣的簡單構思。

相關閱讀：《LUCIDA：用多因數模型去選賽道、選幣種》

一年後，我們已經著手研發針對加密資產市場的多因數策略，並把整體的策略框架寫成系列的文章《用多因數策略構建強大的加密資產投資組合》。

本系列的大體框架如下（不排除微調的可能）：

一、多因數模型理論基礎

二、單因數構建

因數數據預處理

• 資料篩選
• 異常值處理：極值、錯誤值、空值
• 標準化
• 中性化：行業、市場、市值

因數有效性判斷

• 資訊比率IC、收益率、夏普比率、換手率

三、大類因數合成

因數共線性分析

正交消除因數共線性

經典加權方法→合成因數

• 等權、滾動IC加權、IC_IR 加權
• 合成因數的測試：收益率、分組收益率、因數值加權收益率、合成因數IC、分組換手率

其他加權方法（因數與收益率存在非線性關係）：機器學習、強化學習（由於加密貨幣行業的特殊性，不考慮）

四、風險組合優化

以下是第一篇**#理論基礎篇#**的正文內容。

一、“因子”是什麼

“因數”即技術分析中的“指標”、人工智慧機器學習的“特徵”，是決定加密貨幣收益率漲跌的原因。

我們團隊把加密貨幣領域常見的因數類型：基本面因數、鏈上因數、量價因數、衍生品因數、另類因數和宏觀因數。

挖掘和計算“因數”的最終目的是為了準確計算資產的預期收益率。

二、“因數”的計算

（1）多因數模型的推導

起源：單因數模型——CAPM

因數研究可追溯於 20 C 60 S，資本資產定價模型（Capital Asset Pricing Model， CAPM）問世，該模型量化了風險如何影響一個公司的資本成本從而影響預期收益率。 根據 CAPM 理論，單個資產的預期超額收益可由以下的一元線性模型決定：

! [LUCIDA：如何利用多因數策略構建強大的加密資產投資組合？] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-e38cb9eb2f-dd1a6f-cd5cc0.webp)

補充理解：

! [LUCIDA：如何利用多因數策略構建強大的加密資產投資組合？] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-63bf6cc37a-dd1a6f-cd5cc0.webp)

CAPM 模型是最簡單的線性因數模型，指出資產的超額收益只由市場**組合（市場因數）**的預期超額收益和資產對市場風險的暴露大小決定。 該模型為後續大量線性多因數定價模型的研究奠定基理論礫。

發展：多因數模型——APT

在 CAPM 基礎，人們發現不同資產的收益率受多個因數影響，套利定價理論（Arbitrage Pricing Theory， APT）問世，構建線性多因數模型：

! [LUCIDA：如何利用多因數策略構建強大的加密資產投資組合？] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-bc61d33569-dd1a6f-cd5cc0.webp)

成熟：多因子模型—. Alpha 收益 & Beta 收益

綜合考慮金融市場實際存在的定價誤差和APT模型，從時序角度上看，單個資產的預期收益率由以下的多元線性模型決定：

! [LUCIDA：如何利用多因數策略構建強大的加密資產投資組合？] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-0749cb5b78-dd1a6f-cd5cc0.webp)

多因數模型關注資產預期收益率在截面上的差異，本質是關於均值的模型，而預期收益率是收益率在時間序列上的平均。 基於（ 3） ，可推匯出截面角度的多元線性模型：

! [LUCIDA：如何利用多因數策略構建強大的加密資產投資組合？] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-270c008ed5-dd1a6f-cd5cc0.webp)

補充理解：

! [LUCIDA：如何利用多因數策略構建強大的加密資產投資組合？] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-20243968b4-dd1a6f-cd5cc0.webp)

結合統計學知識，該模型隱含三層假設：

! [LUCIDA：如何利用多因數策略構建強大的加密資產投資組合？] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-2627bd1b1d-dd1a6f-cd5cc0.webp)

! [LUCIDA：如何利用多因數策略構建強大的加密資產投資組合？] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-0fc7d2273e-dd1a6f-cd5cc0.webp)

（2）多因數模型的波動率

! [LUCIDA：如何利用多因數策略構建強大的加密資產投資組合？] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-bf2d3d3835-dd1a6f-cd5cc0.webp)

! [LUCIDA：如何利用多因數策略構建強大的加密資產投資組合？] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-82c8338bb5-dd1a6f-cd5cc0.webp)

公式 7

! [LUCIDA：如何利用多因數策略構建強大的加密資產投資組合？] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-d344bb03d4-dd1a6f-cd5cc0.webp)

! [LUCIDA：如何利用多因數策略構建強大的加密資產投資組合？] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-f227085e77-dd1a6f-cd5cc0.webp)

公式8

∧ 表示 K 個因數的因數收益率協方差矩陣（K×K）：

! [LUCIDA：如何利用多因數策略構建強大的加密資產投資組合？] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-629646026d-dd1a6f-cd5cc0.webp)

公式 9

由假設 3 ，不同資產間的特質收益率也不相關，可得Δ 矩陣為：

! [LUCIDA：如何利用多因數策略構建強大的加密資產投資組合？] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-427b676b5e-dd1a6f-cd5cc0.webp)

公式 10

關於 LUCIDA & FALCON

Lucida 是行業領先的量化對沖基金，在 2018 年 4 月進入 Crypto 市場，主要交易 CTA / 統計套利 / 期權波動率套利等策略，現管理規模 3000 萬美元。

Falcon 是新一代的Web3投資基礎設施，它基於多因數模型，幫助使用者“選”、“買”、“管”、“賣”加密資產。 Falcon 在 2022 年 6 月由 Lucida 所孵化。

更多內容可存取：