本研究以Geometric Brownian Motion (GBM) 为基准,通过MLE估计参数并用相关性Cholesky分解驱动的10,000次蒙特卡洛模拟计算1年期VaR,发现GBM在加密资产上严重低估风险:加密组合的VaR0.05约为16,044且终值低于初始100k的概率高达80.67%,而对应的股票组合VaR0.05约为$67,049且亏损概率为35.27%,由此证明Lognormal假设对加密资产不适用并需采用非高斯/跳跃等更复杂模型改进风险度量
| 组合类型 | VaR0.05(5% 分位) | 终值低于$100,000的概率 |
|---|---|---|
| Cryptocurrency (GBM) | $16,044 | 80.67% |
| Traditional Equity (GBM) | $67,049 | 35.27% |
元数据与概览(引言与报告概览)
逐节深度解读
图表与表格深度解读(逐一分析)
图表总体说明:报告展示了两组图(每组左侧为样本模拟路径,右侧为一年末组合价值直方图与VaR标记),并提供了对应的最优权重与起始价格信息,随后对分位数与“低于初始投资100k的概率”进行了量化比较。图及表均位于部分的图形与表格中。
图 1(传统股票组合 AAPL, TSLA, NVDA)图像引用:
图 2(加密货币组合 XRP, SOL, ADA)图像引用:
数值表(比较VaR与亏损概率)
估值/价格建模方法论分析(若适用)
风险因素评估(报告识别的风险与影响)
批判性视角与方法学细微之处(审慎视角)
结论性综合(综合要点与可操作见解)
附注:方法/估计局限的明确性
总结语:该报告以严谨的实现细节和充足的模拟规模(10,000路径、Δt=1/252、一年期)清楚且可复现地展示了在所选资产与样本期下GBM模型对加密组合风险估计的严重不足:高达80.67%的亏损概率与极低的5%分位残值直接证明了“对数正态假设在加密市场的失效”,从而为后续引入非高斯、跳跃与时变波动性模型提供了明确的经验动因与基线标准。作者同时指出若干建模与样本选择的限制并建议通过更广泛资产池、多期回测与更复杂风险模型来修正与扩展该基准研究。
2601.14272.pdf