该因子模型识别了回报的关键模式和驱动因素，并通过借鉴与股票和债券类似的技术，提供了有价值的见解以支持明智的决策。

Kraken 的 CF Benchmarks (CFB)引入了全面的分析框架，帮助投资者更好地了解加密货币投资组合的构建、优化和风险管理。

为什么你应该关心加密因素?

适用于新资产类别的熟悉模型

长期以来，投资者在传统市场中依赖基于因子的方法来理解收益的潜在驱动因素并管理风险。随着人们对加密货币的兴趣日益浓厚，CFB 已将这些方法应用于数字资产，为分析和驾驭这一新兴市场提供了一个框架。

揭穿随机性的神话

这项研究的一项重要成果是，它打破了加密货币收益遵循随机游走的迷思——加密货币收益本质上是随机的，因此难以预测。这项研究提供了令人信服的证据，表明加密货币收益受到一系列可识别的风险驱动因素(即因子)的影响，其重要性与传统股票市场模型中使用的因素相当。

独特资产类别的独特投入

加密货币缺乏现金流或收益等传统估值指标，因此难以应用传统的投资方法。CFB 的模型则结合了独特的加密货币特定数据，例如链上活动，以捕捉此类资产的现实情况。价值和增长等因素利用链上数据，突显了加密货币的独特特征，并将其确立为一个独立、成熟的资产类别。

加密货币投资的实用框架

该模型使投资者能够构建和优化投资组合，有效地管理风险并探索在加密货币市场开发新金融产品的机会。

什么是因子模型?它为什么重要?

因子模型识别影响投资回报的共同特征(因素)。这些可能包括：

市场趋势：整体加密货币市场表现如何

规模：特定资产的总市值

价值：交易费等指标与锁定资产的总价值的比较

动量：加密货币的价格最近是上涨还是下跌

增长：使用情况或活动的趋势，例如活跃用户数量的增长

风险敏感度：资产对市场低迷的反应程度

流动性：在没有大的价格变化的情况下，资产交易的难易程度

通过了解这些因素，投资者可以做出更明智的决策，并更清楚地了解推动加密货币价格上涨的因素。

CF Benchmarks 是如何创建他们的模型的?

数据收集：他们使用了来自加密货币交易所、区块链网络和其他来源的可靠数据。他们的研究重点关注排名前 50 位的加密货币(不包括Tether 等稳定币)，以确保可复制性。

分析：他们研究了不同因素(例如规模、动量、价值等)如何影响加密货币回报。

验证：该模型经过了广泛的回溯测试，证明这些因素具有风险溢价并有助于解释加密货币价格的变化。

研究要点

加密因素发挥作用：市场、规模和价值等因素对于理解加密货币与理解股票和债券一样有用，揭穿了数字资产遵循随机游走的神话。

加密货币是一种全新且独特的资产类别：使用链上指标等独特数据凸显了加密货币作为独立资产类别的地位。

我们的因素模型是一个能够产生实际效益的框架：该模型支持投资组合的构建和优化、风险管理以及创新金融产品的开发。

为什么这对投资者很重要

加密货币市场看似难以预测，但 CF Benchmarks 的因子模型却能打破这种混乱局面。这项研究借鉴了传统金融领域行之有效的方法，并将其应用于加密货币市场，为投资者提供了一种全新的途径，让他们能够自信而清晰地投资数字资产。

这是使加密投资成为多元化投资组合的主流组成部分并让每个人都能更轻松地进行投资的一步。

版权说明：本文章来源于网络信息 ，不作为本网站提供的投资理财建议或其他任何类型的建议。 投资有风险，入市须谨慎。