加密货币市场高波动高收益，风险调整后表现与股票相当 [page::7][page::9]

• 比特币和整体加密市场的年化收益率及波动率均远超股票市场，平均周收益率超过1%，但夏普比率与股票市场相似。

- 后2020年比特币与股票最大回撤缩小，波动率趋缓，显示市场逐渐成熟。

加密货币与传统资产相关性仍低但后疫情时代显著上升 [page::8][page::10][page::9]

| 资产类别 | 2020年前相关性(%) | 2020年后相关性(%) |
|----------|------------------|------------------|
| 美股 | 2 | 37 |
| 企业债 | 4 | 13 |
| 大宗商品 | 3 | 27 |
| 黄金 | 6 | 18 |
| 美元指数 | -3 | -10 |
| 政府债 | 2 | 4 |

• 2020年后，与美股等传统资产相关度显著提升，通胀预期相关度达31%，体现加密资产风险对宏观变量的敏感性。

加密货币的组合多样化效应显著，最优资产配置建议3%-5.5%仓位 [page::11][page::12]

• 零售投资者在股债混合基础上增配3.1%加密资产，夏普比率提升至0.52。

- 机构投资者广义资产池中最优加密资产配置约5.5%，显著提升组合效率。

• 体现加密资产因其低相关性和高预期收益对资产配置的正面贡献。

加密货币收益可由少数“聪明贝塔”因子解释：市值、动量与价值因子 [page::13][page::14][page::16]

• CSIZE（市值）、CMOM（两周动量）、CVALUE（价格对新增地址比）构建的长短组合在全样本及后2020年均显著。

- 价值因子呈负收益趋势，动量因子表现积极，类似于传统股票的因子结构但周期更短。

• 其他诸如长周期动量、波动率等因子未表现出显著超额收益。

| 因子 | 5-1 组合月收益(全样本) | 5-1 组合月收益(后2020) |
|--------|---------------------|-----------------------|
| CSIZE | -2.3% | -0.9% |
| CMOM | +2.6% | +2.1% |
| CVALUE | +2.6% | -2.3%* |

加密货币价格具有频繁且大幅跳跃，风险管理需关注高阶矩 [page::18][page::19][page::20]

• 比特币和以太坊日跳跃事件概率达15%-40%，远超股票市场3%-10%。

- 跳跃贡献了12.8%比特币日收益方差，且跳跃风险为持续存在的“常见灾难”，非罕见事件。

• 这凸显传统基于连续过程的风险模型不足，需纳入跳跃与非线性高阶特征用于风险定价。

少数高阶因子与Kolmogorov-Arnold模型（KA因子）显著提升对收益截面的解释力 [page::21][page::23][page::25]

• C-4四因子模型解释约47.3%收益截面，添加KA非线性因子提升至72.3%。

- 前瞻性选择Fama-MacBeth方法（FS-FMB）选择CMOM^3、CMKT^2及CMKT×CSIZE三高阶因子，R2提升至70%。

• KA因子及FS-FMB为低维可解释替代黑盒神经网络模型的有效工具。

链上用户增长等区块链经济变量显著驱动币价，用户采纳度解释8%-10%收益变异 [page::24][page::26]

• 新增用户数等链上数据被证实对主要币种价格有即时且经济意义上的影响。

- 价格与链上用户增长呈正相关，且无明显公告前后价格漂移，反映市场有效吸收该信息。

市场效率偏低，跨交易所比特币汇价折价及溢价持续存在但市场可实现套利机会有限 [page::27][page::29][page::30]

• Bitcoin对标Kraken价格存在±2%折价和3.7%溢价区间，折价半衰期1.1周，反映市场分割与资本管制。

- “跨交易所套利”策略CARB表现极高回报率(68.5%/周)，但仅限资本控制松散区域，实际实现套利回报明显萎缩至约3.8%。

• 高溢价币种在“坏时”表现出更大风险，套利利润主要是风险补偿而非无风险套利。

加密货币永续合约融卷率衰退，融资费用收益锐减影响加密资产“收益率产品” [page::29][page::31][page::32]

• 从2020年到2025年，永续合约做空套利策略年化夏普比降至4.06，2025年转负。

- 融资率水平下降预示基于该机制的加密收益率产品潜在收益下降，影响其长期可持续性。

• 资金费率历史平均收益约8%，波动率较低，但未来盈利能力不可持续。

监管趋严，信息披露和会计标准逐步健全促使加密资产市场逐渐规范化 [page::32][page::33]

• 美国FASB发布ASU 2023-08准则，明确加密资产的公允价值会计核算。

- 2025年GENIUS法案出台，提升稳定币监管透明度，禁止误导性背书。

• 市场对披露和透明度要求提高，信息中介机构如分析师、审计师参与加剧，增强投资者信心。

报告详尽分析 — 《Cryptocurrency as an Investable Asset Class: Coming of Age》

1. 元数据与报告概览

• 报告标题：《Cryptocurrency as an Investable Asset Class: Coming of Age》

- 作者：Nicola Borri, Yukun Liu, Aleh Tsyvinski, Xi Wu

• 发布机构：未明确指示，但引用大量学术论文与国家级研究机构（如NBER）相关文献，推测为学术产出。

- 发布日期：2025年10月

• 研究主题：加密货币作为一种资产类别的成熟与实证资产定价分析

核心论点与评级
本报告通过整理和归纳现有的实证研究，提出密码资产已进入“成熟期”，具备成为投资资产类别的特性。报告通过十条核心“事实”总结加密货币市场的关键特征，强调其与传统资产市场间的相似性，例如风险调整后的表现及因子结构的简洁性，同时也凸显了其独特特征，如频繁跳跃和区块链链上信息对价格的推动作用。整体立场认为加密货币正迈向正统资产类别的行列，但仍需更多监管、数据与理论支持。

2. 逐节深度解读

2.1 引言与背景 (1-3页)

• 关键论点

报告声明加密货币虽起步晚（始于2008年中本聪的比特币白皮书），但市场与研究已经达到一个成熟阶段，足以形成一组核心经验事实用于理论建构和实证分析。加密货币兼具传统货币经济学与区块链技术的新特质，对经典货币理论提出了更新视角。

• 作者推理

回顾经典货币文献（如Tobin, Friedman等），强调区块链公有账本的创新在于“公共记忆”供应和基于代币的治理。这一结构使得加密货币市场的研究能够从资产定价的角度出发，借鉴传统金融理论并创新扩展。

• 重要数据和文献引用

引用大量近几年加密货币相关金融文献，涵盖市场结构、法规、交易成本、数字资产估值与风险等多个领域，显示研究广泛且多元[page::1,2,3]。

2.2 数据描述 (4-5页)

• 关键信息

数据覆盖2013年底至2025年9月6日，共统计约16,468个活跃币种和9.5百万条数据，剔除稳定币和包裹币，避免生存偏差及无效数据。市场指数按市值加权计算，收益数据转换为周收益，涵盖传统风险指标计算与资金费率数据等。
Bitcoin和Ether为主，占市场总市值的70%以上，市场总值最高触及近4万亿美元。

• 意义阐释

数据选取广泛且细致，确保研究在统计上的代表性与全面性，尤其剔除生存偏差和异常点保证分析严谨，增强结论的可信度[page::4,5]。

2.3 十大核心事实 (6页及后续章节)

Fact 1: 高收益、高波动，但夏普比率与股票市场相近 (7页)

• 数据与论证

加密市场的平均周收益超过1%，远高于股市的0.27%；波动率也大幅高于股票市场，但两者的夏普比率（风险调整收益）相当，约在0.11-0.14区间，表明加密资产相较传统资产并不失衡。
最大回撤数据显示加密币风险敞口较大，但后2020年波动性趋缓，与股票市场波动趋势相反。

• 解读

高风险对应高收益，整体风险调整表现健康，支持加密货币作为资产的投资价值认定[page::7,9]。

Fact 2: 加密货币与传统资产低相关，但与股票相关性显著上升 (8-10页)

• 数据及表格

报告指出加密资产与传统资产（债券、金属等）先前相关性低，尤其是2020年前几乎无显著相关，但自2020年起与美股的相关性跃升至0.37，商品及黄金等传统避险资产也显示出了显著正相关。美元指数显著负相关。

• 意义

相关性的上升反映加密资产逐渐融合进传统金融生态，投资者需关注新的市场联动性风险。加密货币作为对抗低效货币及通胀的交易手段的初衷仍有所体现（与预期通胀的正相关性）[page::8,9,10]。

Fact 3: 加密货币的投资组合多样化效益明显 (11-12页)

• 论点与数据

通过Black-Litterman模型重新估计后，建议零售投资者在资产配置中加入约3.1%的加密货币，机构投资者可达5.5%。这一配置带来夏普比率的理论提升，且即使在相关性上升后，理论最优分配仍保持显著比例。
示例中，2019年每户投资$3500，持有至2025年可推算至约$52000。

• 解释

表明加密货币具备显著的资产配置价值，尽管存在流动性、监管等现实考量，此比例在大类资产配置中具有实际参考价值。

• 局限性

模型依赖历史数据且假设稳定，未考虑实际交易限制，为理论理想值[page::11,12]。

Fact 4: “Smart Beta”策略解释加密货币收益断面 (13-17页)

• 内容

建立以市值（CSIZE）、动量（CMOM，近2周收益）、价值（CVALUE，价格/新增地址数）为核心的因子模型（C-3及C-4模型），能有效解释加密货币收益的横截面。
后2020年样本仍保持良好解释力，体现策略的稳定性和适用性。
与此同时，一些传统的因子如长周期动量、波动率等不显著。

• 技术解释

类似于股票市场的Fama-French 3-4因子模型，但与股票书面价值因子无直接类似，使用链上地址数据完成价值因子代理，体现加密市场的独特信息结构。

• 表格深读

表2显示各因子五分位组合收益及长短组合收益均在统计上显著，特别是动量为正，规模和价值因子为负，符合资产定价理论。

• 意义

加密市场的预期收益可用极简模型解释，证明其市场结构及价格形成中的系统性规律，提供资产定价理论的坚实基础[page::13~17,16表2,17表3]。

Fact 5: 价格跳跃频繁且重要，灾难性事件常态化 (18-20页)

• 数据与指标

利用5分钟高频数据计算跳跃比例（Barndorff-Nielsen & Shephard方法），发现比特币和以太坊日常发生重大跳跃概率远超传统股市（2020年前40% vs 股票5%，后期仍约15-20%），跳跃贡献了约13%的波动，远高于股票市场。

• 结论

与经典金融理论中价格连续性假设显著不同，加密资产“极端事件”普遍存在，风险管理和资产定价必须纳入跳跃及高阶矩因素。

• 表格说明

表4呈现不同分位数的跳跃占比，显示跳跃强度和频率随时间小幅下降，但整体依旧远高于股票[page::18~20,20表4]。

Fact 6: 高阶因子与解析性方法优于黑箱机器学习 (21-25页)

• 技术阐述

以Kolmogorov-Arnold理论为基础，Borri等人提出了一种可解释性强的高阶因子选择方法（FS-FMB），与加密市场常用的C-4因子模型结合，可捕获25%以上收益横截面波动，表现优于简单因子模型且机制透明，避免了机器学习黑箱问题。

• 方法细节

FS-FMB逐步选择因子及其二三阶交互项（如动量三次方等），解释能力大幅提升至达70%的横截面R²，且模型截距不显著，表明模型有效。

• 表格说明

表5展示C-1、C-4模型对比，及引入KA高阶因子和FS-FMB选择的因子集提升横截面解释力效果。

• 实务意义

相关模型不仅用于拟合更准确，同样为加密货币资产定价提供理论支持基础和实际决策辅助，强调“少而精”的解释特性优于深度黑箱模型[page::21~25,25表5]。

Fact 7: 链上经济活动显著影响价格 (24-26页)

• 论点

区块链作为公开、动态记账网络，允许实时追踪用户增长等链上指标。数据显示新增用户数可解释约8%的加密货币收益变动，对主要币种贡献超10%。

• 信息吸收机制

链上信息对价格的反应速度快，公布当周即反应充分，无明显预期性或滞后效应，体现市场对链上数据吸收有效。

• 衍生因子

价值因子CVALUE即是价格与新增地址比率的反向指标，链上用户活动成为驱动价格的关键“经济因子”。

• 经济学意义

体现网络效应（Metcalfe定律）对资产估值的基础性作用，也反映了加密货币独特的“内生价值”指标[page::24~26]。

Fact 8: 市场仍存在显著效率缺失，经典分割与套利限制 (26-29页)

• 问题

跨交易所存在比特币价格折价和溢价，10和90百分位波动约为-2%至4%，价格偏差高且持续，半衰期约一周。

• 投资策略

针对这种“套利”机会构建CARB策略，按偏差组合换仓，虽然跨全样本收益极高（68.5%周收益）但大多数不可执行，限制在实质可用于交易的主流市场和货币对后，策略收益降至4%左右，且反映实际风险溢价。

• 风险因素

价差高的交易对在市场“坏时”表现更差，体现这些非一致价格体现了市场风险，不是无风险套利机会。

• 实务案例

FTX和Alameda的倒闭说明市场效率问题带来的风险影响。

• 意义

这一事实强调市场尚未完全有效，限制主要来自市场分割、资本控制及交易摩擦，明晰非无风险套利的本质[page::26~29,29表6]。

Fact 9: 永续期货和融资费率获利能力变化 (29-32页)

• 背景

永续期货作为加密金融的核心衍生品占比极高，反映加密融资市场的主要工具。

• 策略表现

做空永续期货，做多现货的“Carry”策略在2020-2025年间夏普约6.45，2014年以来的收益依赖于稳定的正融资费率。

• 趋势变化

自2024年起，Carry策略夏普降至4+，2025年转负，显示融资费率溢价大幅收缩。

• 影响

该变化预示基于永续期货构建的“收益产品”（如Ethena）的经济性面临挑战，融资费率不可持续的风险提醒投资者谨慎。

• 图表解读

图2显示策略与现货累计收益变动，截至2025年Carry策略表现明显放缓与衰减[page::29~32,32图2]。

Fact 10: 法规、信息披露推动市场成熟 (32-33页)

• 现状

加密市场信息不对称依然普遍，但披露和监管逐步完善。美国FASB发布关于加密资产的会计准则，推动行业采用公允价值计量。
公开公司需披露加密持仓，项目方越来越多采用白皮书、社交媒体信息披露，分析师、审计员介入加强信息质量。

• 立法动态

2025年7月生效的GENIUS法案代表美国首个全面稳定币联邦监管框架，要求资产储备透明，禁止误导宣传。

• 市场反馈

投资者对透明度的要求促使市场反复强化管控，披露标准与传统资产趋同，有助提升投资者信心及资产类别发展。

• 经济学视角

贴合信息经济学经典理论，强调监管和中介机构的出现是解决信息不对称及市场失灵问题的必要步骤[page::32~33]。

2.4 附加讨论（34-35页）

• 零售投资者行为显著异于传统资产，表现出趋势追逐、集中投资、高换手率，社会互动和情绪影响明显。

- NFT市场表现更为分散，偏好驱动明显，存在行为偏差。

• 加密货币的“黑暗面”包括与非法活动关联、价格操纵、芯片恐怖袭击预告等，多项工作正在深入揭示其社会风险。

2.5 结论（36页）

• 16年发展后，加密货币已具备与传统资产同质的研究框架和市场规模。

- 市场展示出风险调整后表现与传统市场相似，同时兼具频繁跳跃和依赖区块链信息的独特特征。

• 资产类别逐渐成熟，但仍缺乏完善的数据、法律法规和监督机制，发展潜力仍存。

3. 图表深度解读

3.1 图1（第6页）

• 描述

（a）显示比特币与整体币市场的累计收益表现。从2013年底投入1美元，比特币估值增长至约160美元，整体市场约80美元。
（b）显示市场总市值及前五大币种市值占比，最大头部币为比特币（近58%），以太坊次之（约12%），整体市值峰值近4000亿美元。

• 解读

比特币领导市场收益跑赢整体，加密市场市值增长迅猛反映投资者兴趣与市场规模的爆发式扩张，且集中度高，后续影响力明显。

• 联系文本

图示数据支持Fact 1关于高收益与波动的描述，以及后续针对个别币种重要性的讨论。

3.2 表1（第9页）

• 描述

包含全样本、前2020年及后2020年三期间，Coin market、Coin 100、Bitcoin和传统股票市场的收益统计（均值、波动、夏普比率、偏度等）以及各类资产间相关性。

• 解读

确认加密资产较高的收益和波动，季节性和样本分割表明后期波动略有下降但收益保持稳健。相关性数据显示加密市场与传统市场逐步融合，特别是股票市场显著相关性自2020年后跃升。

• 联系文本

这些数据为Fact 1和Fact 2奠定实证基础。

3.3 表2 & 表3（16-17页）

• 描述

表2展示基于市值、动量、价值的五分位组合收益及长短组合，表3则展示典型无显著收益的“非智能”因子。

• 解读

主因子显示在整个样本以及后2020年子样本均表现出统计显著的收益差异，而其他多种因子（长动量、波动等）未产生稳健收益，印证了核心因子的解释能力和模型简洁性。

3.4 表4（20页）

• 描述

比特币、以太坊与美国股票市场跳跃概率、次数及跳跃贡献波动分位数对比。

• 解读

加密市场跳跃概率显著高于股票市场，且即使后疫情时期略有降低，仍远高于传统市场。跳跃在风险定价中不可忽视。

3.5 表5（25页）

• 描述

比较不同资产定价模型的拟合优度，包括传统因子(C-1,C-4)、引入Kolmogorov-Arnold(KA)因子和前向选择Fama-MacBeth高阶因子模型。

• 解读

表明加入非线性高阶因子和KA因子显著提升模型解释力，且模型截距不显著，理论结构良好。

3.6 表6（29页）

• 描述

展示全市场与开放市场交易对的“加密套利”策略收益及统计显著性。

• 解读

加密货币市场存在过大的明显套利机会，但在实务限制条件下套利收益衰减为合理水平，突出市场摩擦与风险溢价，并验证了Fact 8的核心结论。

3.7 图2（32页）

• 描述

图示“加密期货Carry交易”与“现货做多”的对数累积收益，时间范围2020年至2025年。

• 解读

Carry策略在近年来收益明显降温，甚至折返负值，反映融资费率的市场变动与策略可持续性风险。

4. 估值分析

本报告侧重于资产类别的实证特征总结，未出现传统DCF或市盈率估值方法。重点在于因子模型的建立和高阶统计方法的应用，实现对加密货币收益及风险跨截面变异的解释。

5. 风险因素评估

• 价格大跳跃风险：高频跳跃导致极端价格波动，风险难以用传统线性模型捕捉；

- 市场效率低下与套利限制：跨市场价格分歧虽多，但执行成本和管制限制限制套利空间，相关风险难以消除；

• 监管不确定性和法律框架缺失：信息不对称及监管空白加剧潜在风险，推动市场成熟需完善监管环境；

- 融资费率和永续合约风控风险：市场收益结构变化，特别是资产品质下降，影响基于衍生品的收益产品可持续性。

报告对风险均有详实解释，缺乏明确的缓释策略但提供理论框架辅助识别风险来源[page::18,26,29,32]。

6. 审慎视角与细微差别

• 报告强调对加密市场的成熟赞扬同时指出目前数据局限、市场摩擦与政策缺陷，保持审慎。

- 风险调整收益较高被证明为历史特征，未来无法确保持续，投资组合优化结果依赖于未来稳定的相关性结构。

• 因子模型虽优于机器学习“黑箱”，但依赖历史统计特征，未来因市场结构变化可能失准。

- 媒介引用大量前沿研究，显示作者对学术动态敏感，但对因果及机制的进一步理论验证需求明确。

7. 结论性综合

这份报告系统总结了加密货币市场的十大实证事实，通过详尽的数据分析和资产定价模型展示了加密货币作为资产类别的成熟迹象。核心发现包括：

• 加密货币展现极高的收益与波动水平，风险调整表现（夏普比率）与传统股票市场大致相当。

- 市场表现出较低但快速上升的与传统资产相关性，尤其与股票相关增加使其成为资产配置中重要但复杂的部分。

• 通过Black-Litterman模型得出理论上的投资组合中加密分配比例合理且具有提升组合效率的作用。

- 加密资产收益横截面由少数因子（市值、动量、价值因子）主导，且高阶因子对解释能力贡献突出，机器学习虽表现力强，但传统建模和因子选择能有效简化且揭示经济机理。

• 加密市场存在频繁且显著的价格跳跃，体现高阶风险特征，有别于传统资产的价格连续性，风险管理更加复杂。

- 区块链链上用户行为是价格驱动的重要组成，链上指标（新增地址数）具备实证预测能力。

• 虽存在明显套利机会，但因市场摩擦和监管导致“无风险套利”无法实现，价格偏差体现风险补偿。

- 永续期货市场融资费率收益近年出现大幅压缩，表明加密金融产品盈利模式面临挑战。

• 监管建设和信息披露提升透明度，逐步消解信息不对称，推动市场健康成长。

此外，报告还关注零售投资者行为、NFT市场和加密货币的潜在非法用途，揭示市场生态与监管面临的现实挑战。

结合报告内图表数据，整体立场明确：加密货币已非早期“炒作”工具，而是新兴的可研究、可投资资产类别，尽管充满独特风险与挑战，依然透漏出向规范化、成熟市场转型的强烈趋势。[page::0~37]

---

总结：本报告为加密货币提供了详实且权威的资产定价视角分析，结合大规模数据及多视角因子模型，在阐述当前市场特征的同时，为未来研究与投资实践提供实用框架。其对市场成熟、风险与监管的综合评估为相关领域学者和投资专业人士提供重要参考，具有较强的学术价值和实践指导意义。

报告