加密貨幣的資產定價

張思怡

韓瀚

劉穎格

加密貨幣已逐步成為金融科技的熱門研究領域。本文介紹的論文《加密貨幣的風險和收益》（Risks and Returns of Cryptocurrency）從實證資產定價的視角對加密貨幣進行全面分析，論文《加密貨幣中的常見風險因素》（Common Risk Factors in Cryptocurrency）對加密貨幣的回報進行了橫截面分析。

近年來，加密貨幣的市場規模大幅增長，在2021年最高峰時曾達到3萬億美元，加密貨幣價格的高增長性使得加密貨幣迅速吸引了全球不少投資者和創新者的目光，也引發了學術界的關注。加密貨幣作為一種去中心化的資產，有著很多與傳統資產類似的功能，而且加密貨幣的技術底層架構——區塊鏈，可以與元宇宙、Web3.0等概念結合，未來想象空間巨大。因此，考慮到加密貨幣的內在金融屬性以及技術本身的潛力，研究加密貨幣的風險和定價對于當前金融體系十分重要。

然而，加密貨幣市場具有很強的周期性和波動性。市場上最主流的加密貨幣——比特幣，其價格在2021年11月達到67000美元的峰值，然后在2022年7月價格最低回落至20000美元以下，在短短幾個月內損失了近70%的市值，這無疑不僅對投資者，而且對使用這些加密貨幣作為交易工具公司來說，都是令人擔憂的。因此，我們產生了以下問題：加密貨幣市場是否遵循某種模式？如果是的話，影響加密貨幣定價的各種風險因素是什么？有可能預測未來的加密貨幣價格嗎？

加密貨幣在時間序列中的估值研究

羅切斯特大學金融學助理教授劉昱坤（Yukun L i u）與耶魯大學經濟學教授阿萊·齊文斯基（Aleh Tsyvinski）在他們于2021年6月發表在《金融研究評論》（The Review of FinancialStudies）的論文《加密貨幣的風險和收益》（Risks and Returns of Cryptocurrency）中，從實證資產定價的視角對加密貨幣進行全面分析，在對現有文獻中的加密貨幣理論模型分析基礎上，提出了該資產類別的資產定價研究方法。

該論文研究了影響加密貨幣回報的潛在驅動因子和預測因子。具體而言，該論文分析了網絡因子、生產力因子、動量因子、投資者注意力和估值比率對加密貨幣回報的影響程度。該論文基于康奈爾大學教授叢林等人的論文《通證經濟：動態采用和估值》（Tokenomics: Dynamic adoption and valuation）中的關于區塊鏈平臺的定價模型，探討了網絡因子和生產力因子對加密貨幣收益率的驅動作用。該論文使用比特幣錢包用戶數、活躍的比特幣地址、比特幣交易量和比特幣支付量來度量網絡因子，使用電費和芯片計算成本來度量生產力因子，并使用比特幣市場收益率分別對這兩個因子進行回歸，發現網絡因子顯著而生產力因子不顯著。

在加密貨幣回報預測性因子的研究方面，學術界存在一些爭議。一些論文認為，加密貨幣價格的演變應該遵從鞅過程，因此回報是不可預測的（Schilling和Uhlig，2019）。另一些論文則認為，在加密貨幣動態估值模型中，加密貨幣回報可能以動量、投資者注意力和加密貨幣估值比率來預測，這與普通股票預測因子十分類似（Cong、Li和Wang，2021；Sockin和Xiong，2019）。在動量因子方面，論文《加密貨幣的風險和收益》使用未來1至8周的加密貨幣市場累計收益率對當前加密貨幣市場收益率進行回歸，發現這兩個變量間有正的強相關關系。例如，當前比特幣市場收益率增加一個標準差，能使得下周比特幣收益率增加3.30%。在投資者注意力因子方面，論文《加密貨幣的風險和收益》使用谷歌比特幣搜索量來度量投資者注意力，并使用未來加密貨幣累計收益率對其回歸，也發現二者之間存在正的強相關關系。例如，谷歌比特幣搜索量每增加一個標準差，將會導致一周后加密貨幣市場累計收益率增加約3%，兩周后增加約5%。類似地，論文《加密貨幣的風險和收益》還檢驗了加密貨幣估值比率（基本面對市場比率）的回報可預測性，該論文使用長期歷史業績指標、用戶市場占比、地址市場占比、交易市場占比和支付市場占比來度量加密貨幣的基本面價值，并使用未來加密貨幣累計收益率對其進行回歸分析。結果發現，盡管系數估計值始終為負，但以上基本面對市場比率都不能顯著預測未來累積加密貨幣市場回報。

加密貨幣回報的橫截面分析

規模和動量溢價是資產定價中研究最多的領域之一。傳統的資產定價研究和新興的加密貨幣研究都提出了理論解釋來解釋規模和動量現象。劉昱坤、阿萊·齊文斯基和加州大學伯克利分校助理教授吳茜（2022）對加密貨幣回報進行了橫截面分析。他們試圖回答，股票回報的橫截面中市場認為重要的特征是否也可以應用于加密貨幣市場。在2022年2月發表在《金融雜志》（Journal of Finance）的論文《加密貨幣中的常見風險因素》（Common Risk Factors in Cryptocurrency）中，劉昱坤、阿萊·齊文斯基和吳茜構建了24類特征來描述加密貨幣的特征（這些特征大致可以分為四組：規模、動量、交易量和波動性），并分析這24個特征在預測加密市場投資回報的表現。該論文發現，24個特征中的10個具有統計顯著性，即市值、價格、最高價格、過去一周的回報、過去二周的回報、過去第三周的回報、過去第四周的回報、第四周初到過去第一周初的回報、價格成交量、價格成交量的標準差。接下來，他們開始研究是否有少數特征可以取代加密貨幣回報橫截面的這10個特征，也可以預測加密貨幣橫截面的回報。作者發現加密貨幣市場因素的三因素模型：加密貨幣市場因子（CMKT），即計算加密貨幣的加權回報，加密貨幣市值因子（CSMB），以及加密貨幣動量因子（CMOM），解釋了所有9種成功套期保值策略的超額收益。

結語

加密貨幣作為一個新興市場，正在吸引著大量學者的廣泛關注，已逐步成為金融科技的熱門研究領域。很多傳統金融領域適用的理論模型可以在加密貨幣市場中進行檢驗、創新和重塑，特別是對于資產定價領域理論模型的創新研究更是如此。在本文介紹的第一篇論文中，作者們開創性地提出了加密貨幣在總時間序列中的資產定價研究方法，并驗證了是網絡因子而不是生產力因子驅動了加密貨幣的回報，是動量和投資者注意力而不是估值比率能夠預測加密貨幣的回報。在第二篇論文中，作者們使用由加密貨幣市場、規模和動量因子構建的三因子模型成功地為加密貨幣市場中的異常回報定價。

加密貨幣市場當前還處于早期階段，市場狀態相對不發達、不成熟，甚至是可能存在大量投機和欺詐行為，這意味著在這一階段進行資產定價研究的樣本和結果可能是有偏的。但是，在加密貨幣市場進行實證研究仍然是具有深遠意義的，因為這些研究結果可能同樣會適用于未來可能出現的新的資產類別。換言之，當前進行實證研究的意義可能并不僅局限于加密貨幣市場。