加密貨幣的共同風險因子：超越股票的因子投資

因子投資進入加密貨幣領域

數十年來，股票因子投資遵循著一套成熟的方法論。Fama 和 French 發現了規模與價值因子，Carhart 加入了動量因子，Novy-Marx 則貢獻了獲利能力因子。到了 2010 年代，數百個因子已被記錄、測試，且在許多情況下被系統化投資經理所利用。然而，隨著加密貨幣市場從小眾實驗成長為市值達 2 兆美元的資產類別，一個根本性的問題浮現了：數位資產是否擁有自己獨特的風險因子，有別於傳統金融花了半個世紀所歸納的股票因子？

Liu, Tsyvinski, and Wu (2022) 在他們發表於《The Journal of Finance》的研究〈Common Risk Factors in Cryptocurrency〉中直接回應了這個問題。他們的答案令人矚目——且對任何配置資金於數位資產的投資者都具有重大意義。

核心發現

這篇論文的核心結論是：加密貨幣的報酬由三個加密貨幣特有的因子所驅動，這些因子與傳統股票因子截然不同。這三個因子——加密貨幣市場因子、加密貨幣規模因子和加密貨幣動量因子——合計可解釋超過 80% 的加密貨幣報酬橫截面變異。與此同時，標準的 Fama-French 股票因子（市場、規模、價值、獲利能力、投資）對加密貨幣報酬幾乎沒有任何解釋力。

這不是一個無關緊要的技術性差異。這意味著一位徹底了解股票因子曝險的投資者——能夠將股票投資組合分解為價值、動量、品質和規模傾斜——無法簡單地將該框架套用到加密貨幣上。加密貨幣在自己的因子結構下運行。

因子的建構方式

Liu、Tsyvinski 和 Wu 遵循 Fama 和 French 為股票所建立的方法論，並針對加密貨幣市場的獨特特性加以調整。

CMKT（加密貨幣市場因子）： 所有市值超過最低門檻的加密貨幣之市值加權報酬。這類似於股票市場因子（MKT-RF），代表持有加密貨幣曝險的整體報酬。加密貨幣市場因子的波動率遠高於股票市場——年化波動率超過 80%，而股票大約為 15-20%。

CSMB（加密貨幣規模因子）： 透過按市值對加密貨幣進行排序，並計算小型與大型加密貨幣投資組合之間的報酬差來建構。較小的加密貨幣往往表現優於較大的加密貨幣，呼應了 Banz（1981）和 Fama and French（1993）在股票中記錄的規模效應。然而，加密貨幣規模溢價的幅度要大得多——在研究樣本期間約為每月 3-5%——且可能反映了小型加密貨幣市場中更高的資訊不對稱和流動性限制。

CMOM（加密貨幣動量因子）： 透過根據過去一至四週的報酬對加密貨幣進行排序，並計算贏家與輸家之間的報酬差來建構。加密貨幣動量的運作時間尺度遠短於股票動量（後者通常使用 12 個月的形成期，並跳過 1 個月）。這反映了加密貨幣市場中更快的資訊擴散和更高的周轉率。

為何股票因子在加密貨幣中失效

這篇論文最重要的貢獻之一，是闡明了為何傳統股票因子無法解釋加密貨幣報酬。作者們針對加密貨幣報酬測試了標準的 Fama-French 五因子模型（市場、規模、價值、獲利能力、投資）和 Carhart 四因子模型（加入動量）。結果是明確的：當這些股票因子應用於加密貨幣投資組合時，沒有任何一個因子具有顯著的因子載荷。

若考慮每種資產類別的根本性質，這一解釋便相當直觀。像價值（HML）這樣的股票因子根植於會計基本面——帳面權益、盈餘、現金流。加密貨幣沒有帳面價值、沒有盈餘，也沒有傳統意義上的現金流。獲利能力因子（RMW）需要的收入和成本數據對大多數代幣來說根本不存在。即使是股票規模因子（SMB），雖然在概念上與加密貨幣規模因子相似，但運作的經濟機制不同——小型股票的超額表現與基本面驅動市場中的資訊不對稱和流動性不足有關，而小型加密貨幣的超額表現則可能反映了網路採用動態和投機性注意力流動。

這種獨立性對投資組合建構具有重要含義：將加密貨幣加入多元化的股票因子投資組合，並非僅僅增加相同的風險曝險，而是引入了真正不同的風險因子——這正是分散化效益的理論基礎。

網路效應：加密貨幣規模因子的獨特之處

加密貨幣規模因子值得特別關注，因為其經濟機制與股票規模因子有本質上的不同。在股票市場中，小型公司表現較佳（在它們確實如此時），部分原因是它們風險更高、流動性更差，且較少被分析師關注。在加密貨幣市場中，規模效應透過網路採用動態來運作。

獲得用戶採用和網路活動的小型加密貨幣，往往在從默默無聞走向被市場認識的過程中，經歷不成比例的價格上漲。這是一種冪律現象：根據 Metcalfe 定律，一個協議從 100 個用戶增長到 10,000 個用戶代表了 100 倍的網路價值增長，而一個大型協議從 1,000 萬用戶增長到 1,010 萬用戶則只是邊際成長。加密貨幣規模因子有效地捕捉了這種採用驅動的報酬，這在股票市場中並無對應物。

然而，這個機制也帶有警示。加密貨幣規模溢價集中於那些存活下來並獲得牽引力的小型代幣子集。許多小型加密貨幣完全失敗，歸零。規模因子的平均報酬掩蓋了一個高度偏斜的分布：少數巨額贏家抵消了大量的完全虧損。

加密貨幣中的動量：更快但更脆弱

相較於股票動量，加密貨幣動量在壓縮的時間尺度上運作。Jegadeesh and Titman（1993）記錄的股票動量效應使用 3-12 個月的形成期，而加密貨幣動量在 1-4 週的時間範圍內最為強勁。有幾個機制解釋了這種加速現象。

首先，加密貨幣市場全年無休地在全球交易所進行交易，沒有熔斷機制。資訊——以及市場情緒——持續不斷地被納入價格，壓縮了在股票市場中驅動動量的反應不足到過度反應的週期。

其次，加密貨幣市場以散戶為主的特性放大了注意力連鎖效應。當一個代幣開始在社群媒體上成為話題，散戶資金迅速湧入，產生短暫但劇烈的動量效應，類似於 Barber and Odean (2000) 在股票市場中記錄的行為模式，但時間線更為壓縮。

第三，也是最關鍵的一點，加密貨幣動量比股票動量更為脆弱。產生動量的壓縮時間尺度同樣會導致更劇烈的反轉。Daniel and Moskowitz (2016) 記錄了股票市場中的「動量崩潰」——在長期熊市之後突然發生的嚴重反轉。在加密貨幣市場中，這些反轉更頻繁且更難預警，使得加密貨幣動量策略在實務中更難以執行。

投資組合建構的實務意義

對於配置資金到加密貨幣的投資者而言，三因子框架提供了幾個具體的見解。

因子感知的資產配置。 投資者可以用因子的角度來思考自己的加密貨幣曝險，而非僅僅購買比特幣或市值前十大的幣種。以比特幣為主的投資組合本質上是一個 CMKT 押注，幾乎沒有規模或動量曝險。加入較小的替代幣引入了 CSMB 曝險，而根據近期表現進行主動再平衡則引入了 CMOM 曝險。了解自己所承受的因子曝險有助於設定合理的報酬預期和風險預算。

分散化效益評估。 加密貨幣因子獨立於股票因子的發現，為在多資產投資組合中納入加密貨幣提供了量化依據。然而，這種獨立性是有條件的：在極端的風險規避事件中，加密貨幣與股票市場之間的相關性會急劇上升，暫時降低分散化效益。論文中記錄的因子獨立性反映的是平均情況，而非危機情況。

再平衡頻率。 加密貨幣因子——特別是動量因子——較短的時間尺度表明，加密貨幣投資組合可能受益於比股票投資組合更頻繁的再平衡。每月再平衡在股票因子策略中是標準做法，但對加密貨幣來說可能太慢。每週再平衡能捕捉更多的動量溢價，但也會產生更高的交易成本。

限制與注意事項

在實務應用這些研究發現時，有幾項重要的限制應予考慮。

存活偏差。 加密貨幣市場經歷了數千次代幣下架、詐騙跑路和專案失敗。任何僅使用存活代幣的因子研究都會高估因子溢價。Liu、Tsyvinski 和 Wu 透過使用全面的資料庫來減輕這個問題，但相較於股票市場——上市公司在上市前和下市過程中都受到監管審查——這個問題在加密貨幣中更為嚴重。

交易成本。 加密貨幣規模因子和動量因子需要交易流動性較低的小型幣。在小型加密貨幣中，買賣價差、滑價和交易所費用可能相當可觀——通常每筆交易超過 50 個基點。論文中報告的毛因子溢價在考慮真實的交易成本後可能無法維持，特別是對於規模因子和頻繁的動量再平衡。

監管風險。 如果重大的監管行動改變了市場組成，加密貨幣的因子結構可能會發生重大變化。代幣下架、交易所限制或分類變更可能同時影響市場的整個區塊。

樣本期間較短。 加密貨幣市場存在約 15 年。學術研究的樣本期間天生就短於股票因子所擁有的數十年數據。2022 年記錄的因子結構是否會持續存在是一個開放性問題。McLean and Pontiff (2016) 指出已發表的股票異常現象在發表後會衰減；隨著更多資金瞄準加密貨幣因子，同樣的效應可能也會出現。

市場成熟化。 隨著加密貨幣市場逐漸機構化——包括現貨 ETF、受監管的期貨和機構託管的出現——因子結構可能會演變。機構參與往往會減少那些產生因子溢價的市場低效率。隨著中型代幣的流動性改善，規模溢價可能縮小；而隨著演算法交易者壓縮訊號期間，動量效應也可能減弱。

現有證據的總結

Liu、Tsyvinski 和 Wu 的框架代表了將資產定價方法論嚴謹地應用於加密貨幣市場的首次嘗試，並發表在該領域的頂級期刊上。他們發現的三個獨立的加密貨幣因子——市場、規模和動量——獨立於股票因子，為在多資產投資組合中思考加密貨幣曝險提供了結構化的方式。

關鍵的洞見不在於加密貨幣提供了傳統意義上的「alpha」，而在於它代表了對一組真正不同的系統性風險因子的曝險。這個區別很重要：alpha 在被發現和利用後會衰減，而因子溢價——如果它們反映了真正的經濟機制，如網路採用和資訊不對稱——則可能持續存在。

對從業者而言，這個訊息是微妙的。加密貨幣的因子結構確實存在且在統計上穩健，但實施它所面臨的挑戰是股票因子投資在數十年前就已解決的：可靠的數據、合理的交易成本、可承受的回撤，以及足夠長的追蹤記錄來區分訊號與雜訊。加密貨幣因子投資目前所處的階段，相當於 1990 年代初期的股票因子投資——已獲學術驗證但在實務上仍不成熟。