我們以市值前10的數字貨幣從2017年11月30日到2018年5月21日在 coinmarketcap 上面每天凌晨0點的價格資料為例,用來測試Markowitz投資組合理論的風險分散效果。
2、資料處理
將利用價格資料計算日收益率
利用日收益率資料計算各幣種的方差和夏普比率
計算各幣種收益率的協方差和相關係數
3、 數學建模
根據Markowitz投資組合理論的基本原理,把10個幣種當做成分建立投資組合,對組合中的每一個成分賦予一定權重,總權重為1,就能夠分散風險,在固定所能承受的風險下,追求最大的報酬;或在固定的預期報酬下,追求最低的風險。在這裡,我們用日收益的標準差衡量風險,用夏普比率衡量風險分散的效果,即:
我們採用隨機模擬的方式,在①每個成分的權重都大於0,②各成分的權重和為1的約束條件下,隨機調整投資組合中各成分的權重,然後分別計算出標準差,收益和夏普比率,並繪製出散點圖。當嘗試次數足夠多的時候,就能在散點圖中看到投資組合的有效邊界和最優投資組合,在這裡,我們選擇嘗試50萬次就夠了。
透過50萬次隨機嘗試繪製出的散點圖,橫軸代表標準差,縱軸代表期望收益,夏普比率的大小由散點顏色的深淺來表示。從圖中我們可以看到,位置越靠近下圖的左上方區域,夏普比率越大,即風險分散的效果越好。這些處於左上方的點構成了投資組合的有效邊界:也就是在給定標準差的情況下,收益率最大的投資組合的集合。
然後就可以繪製出投資組合的有效邊界,並且找出夏普比率最大的投資組合,用紅色五角星標記出來。
隨後就可以連線原點(因為我們假定無風險收益Rf為0)和紅色五角星標記出的點,繪製出資本市場線,即沿著投資組合的有效邊界,由風險資產和無風險資產構成的投資組合。
將有效邊界,最優投資組合和其它單一幣種的期望收益,標準差繪製在一張圖上,以對比風險分散的效果。從圖中可以看到,可以透過建立投資組合的方式提高夏普比率,提高投資效率。
5、結論
透過上面的測試,我們可以看到,投資組合理論的應用可以減少投資的相關性,分散非系統風險,並改善投資效果。關於傳統金融理論在數字貨幣投資中的應用,可供選擇和學習的模型還有很多,值得探究的領域也是俯拾即是。本文只是將傳統金融領域的經典模型應用到數字貨幣上的簡單探索,以後還會對更復雜的理論模型進行探索,謝謝大家的閱讀。
參考文獻:
【1】Zvi Bodie, Investments 10th edition
【2】Jonathan Berk, Peter DeMarzo, Corporate Finance 3th edition
【3】Harry Markowitz, Portfolio Selection
【4】Wes McKinney, Python for Data Analysis