本文研究价格与波动率均随系统年龄呈幂律变化时的连续时间Kelly最优配置。模型表明,当价格基准为P(t)=At^α、收益方差为σ²(t)=σ₀²t^-2γ时,Kelly配置满足K*(t)=(α/σ₀²)t^(2γ-1),仅当γ=1/2时具有严格时间不变性 。基于网络增长、参与者数量、流动性深度与波动率之间的条件性缩放假设,理论基准值γ=1/2得以推出 。Bitcoin历史日度数据显示,4至9年滚动窗口估计的波动率指数均值约为0.53,窗口间标准差约为0.03,整体与γ=1/2大致一致,但该波动反映模型对窗口的敏感性而非正式置信区间 。研究还指出,交易费用波动等额外的时间变动方差因子可能破坏Kelly配置的不变性 。
| 滚动窗口 | 报告明确披露的波动率指数γ_T | 解释 |
|---|---|---|
| 1年 | 0.458(图示约0.4576) | 短窗口估计 |
| 4年 | 0.524(图示约0.5240) | 包含约四年协议周期的基准窗口 |
| 4—9年 | 均值0.53;标准差约0.03 | 与γ=1/2大致一致,但属于窗口敏感性分析 |
我将按论文原有章节逐一拆解,并把模型、参数、表格和三组图形的含义与局限连接起来;对所有基于原文的判断在句末标注页码。# 一、报告元数据与整体概览
标题:《Asymptotic Invariance of Kelly Allocation Under Power-Law Asset Dynamics: Evidence from Bitcoin》(幂律资产动态下凯利配置的渐近不变性:来自比特币的证据)。
作者:I. J. Vera Marun。
机构:英国曼彻斯特大学物理与天文系。
日期:2026年9月22日。
研究对象:比特币长期价格、波动率与网络增长之间的幂律关系,以及这种非平稳动态对连续时间凯利配置的影响。
这篇文章不是传统券商格式的股票研究报告,因此没有“买入/持有/卖出”评级,也没有公司目标价、DCF估值或可比公司估值区间;其核心产出是一个理论配置条件、一个关于波动率衰减的标度假说,以及一项基于历史比特币价格的模型一致性检验。,
报告的中心论点可以概括为:如果资产价格的长期基准路径为 (P(t)=At^\alpha),而瞬时收益方差为 (\sigma^2(t)=\sigma_0^2t^{-2\gamma}),则在无风险利率为零时,连续时间凯利最优风险资产比例为:
[ K^*(t)=\frac{\alpha}{\sigma_0^2}t^{2\gamma-1}. ]
因此,只有当 (\gamma=1/2) 时,配置比例才与系统年龄无关;如果 (\gamma<1/2),配置比例随年龄下降,如果 (\gamma>1/2),配置比例随年龄上升。,
作者进一步提出,在比特币网络持续增长、有效参与者数量增加、市场流动性深度以次线性方式扩张、波动率与流动性平方根成反比的一组假设下,可以得到理论基准值 (\gamma=1/2)。历史数据中,4年至9年滚动窗口估计出的波动率指数均值约为0.53,窗口间标准差约为0.03,因而与0.5大致一致,但作者明确强调,这只是模型敏感性分析,不是正式置信区间,也不是对普适性定律的确定性证明。,
文章首先指出,传统均值—方差框架通常在给定投资期间内把预期收益和方差视为常数,但对于价格和波动率随资产年龄系统变化的资产,这种处理可能不合适。
比特币被选作案例,主要因为既有研究曾提出其长期价格、网络采用率和网络绝对年龄之间存在幂律关系,因此比特币不仅可以被看作一种金融资产,也可以被看作一个持续扩张的非平稳网络。
这里的“系统年龄”不是投资者持有比特币的时间,而是从比特币创世区块日期——2009年1月3日——开始计算的网络年龄。 这一区分很重要,因为本文研究的不是某个投资者的持有期效应,而是资产生态系统随着存在时间增加,其基准收益和风险参数如何变化。
文章特别区分了两类标度行为:
作者没有估计LPPLS模型,也没有试图识别具体泡沫阶段,而是把较短周期波动,包括近似四年一次的比特币供给周期,看作长期幂律指数估计中的扰动来源。
这种处理意味着:报告并不是在断言比特币价格本身始终严格遵循一条直线型幂律,而是在寻找一个长期平均意义上的平滑波动率趋势。因而,图中大量周期性偏离并不会直接否定文章的模型,但会影响指数估计的稳定性。
该章节并未声称从比特币网络微观结构中唯一推导出波动率指数,而是明确给出一组条件性假设,用于说明 (\gamma=1/2) 如何可能出现。,
其逻辑链条可以还原为:
[ N(t)\propto t^\eta, ]
其中 (N(t)) 表示累计网络规模,(\eta>1),作者引用的基准经验值约为 (\eta=3)。
随后,单位时间新增市场参与者数量被假设与累计网络规模的增长率成正比,因此:
[ N_{\text{active}}(t)\propto \frac{dN}{dt}\propto t^{\eta-1}. ]
这一步是建模假设,而不是经验证实的恒等式,因为累计钱包数、新增活跃用户、交易账户和订单簿参与者并不是同一个统计对象。
接下来,市场有效流动性深度被假设为活跃参与者数量的次线性函数:
[ L(t)\propto N_{\text{active}}(t)^\delta,\qquad \delta>0. ]
“次线性”意味着参与者增加一倍时,市场深度增加但不到一倍;作者认为市场微观结构和价格冲击研究可以为这种形式提供动机,但并不能唯一确定比特币长期尺度上的 (\delta)。
最后,收益波动率被假设与有效流动性深度的平方根倒数成正比:
[ \sigma(t)\propto L(t)^{-1/2}. ]
将上述关系合并,可得:
[ \sigma(t)\propto t^{-\delta(\eta-1)/2}, ]
所以:
[ \gamma=\frac{\delta(\eta-1)}{2}. ]
当 (\eta=3)、(\delta=1/2) 时:
[ \gamma=\frac{(1/2)(3-1)}{2}=\frac12. ]
因此,(\gamma=1/2)并非直接由数据“发现”,而是由网络规模指数和流动性响应指数共同决定的条件性基准预测。,
该机制的直观解释是:随着网络参与者数量扩大,市场有效深度增加,单笔交易或局部订单失衡对价格的冲击被更大的流动性池吸收,因而收益波动率下降。
不过,作者也谨慎指出,这种“平均化效应”只是启发式解释,真正的定量结果依赖明确的指数假设,而非由“网络增长必然降低波动率”这一宽泛判断自动推出。
该部分最大的理论价值在于建立了从网络增长到凯利配置不变性的中间桥梁;其最大限制则是每一个中间环节都可能被替代。例如,活跃参与者未必等于钱包数量增长率,流动性深度也未必长期服从固定次线性指数,波动率与流动性的平方根关系也可能随市场制度变化。
作者考虑单一风险资产和一个无风险资产,资产价格局部服从连续时间随机微分方程,其中 (\mu(t)) 是瞬时算术收益率,(\sigma(t)) 是瞬时收益波动率,(W(t)) 是标准维纳过程。
长期基准价格设为:
[ P(t)=At^\alpha. ]
对价格取对数或计算比例增长率可得到基准算术收益率:
[ \mu(t)=\frac{1}{P(t)}\frac{dP(t)}{dt}=\frac{\alpha}{t}. ]
这里的 (\alpha) 是价格长期幂律指数,而不是凯利配置比例;它决定基准预期收益随系统年龄以 (1/t) 的速度下降。
作者特意区分了算术收益漂移和对数价格漂移,因为在伊藤过程中,(\ln S(t)) 的漂移会包含 (-\sigma^2(t)/2) 的伊藤修正项。 这说明报告的凯利公式使用的是预期算术超额收益与方差的比值,而不是简单把对数价格趋势当成收益漂移。
方差过程设为:
[ \sigma^2(t)=\sigma_0^2t^{-2\gamma}. ]
其中 (\sigma_0^2) 是在归一化年龄 (t=1) 时的方差尺度,(\gamma) 控制波动率随系统年龄衰减的速度。
在无风险利率 (r(t)=0) 时,连续时间、无约束、对数效用投资者的最优风险资产比例为:
[ K^*(t)=\frac{\mu(t)-r(t)}{\sigma^2(t)}. ]
更一般地,如果超额收益为 (at^{-p}),方差为 (bt^{-q}),则:
[ K^*(t)=\frac{a}{b}t^{q-p}. ]
因此,凯利配置与时间无关的必要且充分条件是:
[ p=q. ]
这就是报告所谓的“指数匹配”原则:预期收益和方差必须以相同的时间幂次衰减,二者的比值才不会随系统年龄变化。
对于本文的比特币幂律模型,收益的衰减指数为 (p=1),方差的衰减指数为 (q=2\gamma),于是:
[ K^*(t)=\frac{\alpha}{\sigma_0^2}t^{2\gamma-1}. ]
由此得到三个区域:
这一结论的关键点是,配置不变性并不要求价格指数 (\alpha) 取某个特定数值;(\alpha)只影响配置的绝对水平,而是否随时间变化由(\gamma)决定。
报告明确称该配置是理想化的无约束对数效用结果,不包含杠杆限制、仓位上限、交易成本、参数不确定性、跳跃、回撤约束和估计风险。
因此,如果估计得到 (K^>1),它代表模型建议持有超过100%的风险资产敞口,即隐含杠杆,而不是现实投资者必然能够或应当采取的仓位。作者也明确要求把数值型 (K^) 理解为模型基准配置,而非投资建议。
历史比特币日收盘价来自CoinGecko,数据按时间排序,并以2009年1月3日为系统年龄起点;创世后的第一年观测被排除在价格对数回归之外。
对于数据源中缺失的日历日期,作者插入日期并使用此前最近可得的收盘价,这会在缺失日期产生零收益。 这种处理能够保持日历连续,但可能人为降低短期收益波动,特别是在缺失日集中出现或缺失并非随机时。
价格幂律回归得到:
[ \alpha=5.185\pm0.023,\qquad R^2=0.9126. ]
其中不确定性是原生OLS标准误,并未处理残差序列相关、结构变化或幂律模型设定错误。
(\alpha\approx5.185)意味着拟合的长期价格趋势对系统年龄具有很高的幂次弹性;但不能把它解释为比特币未来每年将获得固定收益,因为对应的比例增长率仍为 (\alpha/t),会随系统年龄下降。
作者使用1年至12年的滚动窗口计算年化实现波动率,再对实现方差和系统年龄进行幂律回归。,
滚动窗口之间高度重叠,因此相邻的实现方差观察值并不独立;原生OLS标准误会低估包含序列相关后的整体不确定性。
作者没有把不同窗口得到的 (\gamma_T) 看作独立样本,而是把它们看作同一价格历史在不同时间粗粒度下的模型敏感性结果。
表一报告了窗口长度 (T=1,\ldots,12)年时的实现方差幂律回归结果,模型形式为:
[ \ln \sigma_T^2(t)=\ln \sigma_{0,T}^2-2\gamma_T\ln t+\varepsilon_{\sigma,T}(t). ]
表格同时报告原生OLS标准误和形成初始滚动窗口后剩余的系统年龄跨度。
报告明确披露的关键数值包括:
这些数值呈现出两个重要事实。第一,4年至9年的估计大体围绕理论基准0.5,支持“与基准值相容”的温和结论。第二,结果对滚动窗口并不完全不敏感,1年窗口低于0.5,而更长窗口尤其是接近12年的窗口会出现明显上升。
当窗口变长时,剩余可用于回归的系统年龄跨度变短,且波动率序列被更强地平滑,因此长期窗口的更高 (R^2) 和更小OLS标准误不能简单解释为统计精度提高。 平滑本身会减少残差,重叠程度增加又会降低有效独立观测数,二者方向相反但不能通过普通OLS标准误妥善处理。
作者选择4年至9年作为诊断范围,是因为该范围覆盖大致四年的比特币协议周期,同时还能保留超过四年的回归跨度,但作者强调这不是唯一正确或最优的窗口选择。
表一中方差截距也会随窗口长度系统变化,这意味着 (\sigma_{0,T}^2) 并不是一个完全稳定的结构性常数,而是受到时间平滑和窗口设定影响的校准参数。
图一在双对数坐标上展示历史比特币收盘价和拟合的幂律趋势,绿色曲线为实际价格,黑色虚线为OLS拟合线,拟合指数为 (\alpha=5.1853),(R^2=0.9126)。
视觉上,绿色价格曲线总体向上,但围绕黑色趋势线出现显著且多次的偏离:早期快速上涨后回落,中期出现剧烈峰值和长时间调整,后期仍存在大幅周期波动。图形说明长期幂律趋势能够抓住价格的总体尺度变化,却不能解释每一轮泡沫、崩溃和横向调整。
图一支持作者把幂律视为“基准价格轨迹”而不是精确预测路径的处理方式,因为实际价格与拟合线之间存在明显的周期性、制度性和非幂律成分。
同时,(R^2=0.9126)只能说明在对数价格回归样本内,幂律趋势解释了较高比例的对数价格变异,不能证明幂律是唯一正确的生成机制。报告自身也指出,残差序列相关、结构变化、有限样本效应以及其他厚尾分布都可能影响幂律识别。
图二上图展示1年滚动窗口,下图展示4年滚动窗口;紫色曲线是重叠滚动窗口计算的年化实现方差,黑色虚线是幂律方差拟合,灰色区域是根据原生OLS斜率和截距标准误移动得到的参数敏感性包络。
1年窗口曲线波动非常明显,既有早期较高水平,也有中段的剧烈上冲,后期则明显降至较低区域;对应拟合指数约为 (\gamma=0.4576),低于0.5。 这意味着在1年窗口校准下,方差衰减速度略慢于理论不变性所要求的 (1/t) 方差衰减,故凯利比例应随年龄缓慢下降。
4年窗口曲线更加平滑,局部尖峰被平均化,拟合指数约为 (\gamma=0.5240),略高于0.5。 这意味着4年窗口下方差衰减略快于 (1/t),模型推导出的凯利比例应随年龄缓慢上升。
两幅图共同说明,窗口选择不仅改变噪声水平,也会改变估计的幂律斜率。灰色包络不能理解为严格的置信区间或预测区间,因为它没有纳入斜率—截距协方差以及滚动序列的序列相关性。
从数据展示角度看,4年窗口更接近作者关注的协议周期,也更能突出长期趋势;但其平滑性也可能使幂律拟合看起来比实际更稳定,因此不能仅凭下图比上图“更平滑”就判定4年结果统计上更可靠。
图三分别展示1年和4年窗口校准下的模型隐含夏普比率与无约束凯利比例。红线为模型隐含夏普比率,蓝线为凯利比例,水平线为窗口特定的参考校准值。
在1年窗口图中,红色夏普比率随系统年龄明显下降,蓝色凯利比例也呈轻微下降趋势;这与 (\gamma=0.4576<0.5) 一致。4年窗口图中,红色夏普比率同样下降,但蓝色凯利比例呈轻微上升,符合 (\gamma=0.5240>0.5) 的理论方向。,
这种结果揭示了一个细节:即使 (\gamma) 只偏离0.5几个百分点,理论上“恒定”的凯利比例也会产生方向明确但幅度较小的长期漂移。报告因此强调,与其只看 (dK^*/dt) 在极限上的变化,不如直接比较两个年龄之间的配置变化。
图中还显示,模型隐含凯利比例的绝对水平可能高于100%,尤其是在1年窗口的参考校准中出现了约1.37的窗口参考值;这在数学上表示约137%的风险资产敞口,已经涉及杠杆含义。 但该数值高度依赖方差截距、年化方式、样本区间和窗口长度,作者明确不把它视为无偏配置或投资建议。,
因此,图三的主要信息不是“比特币应该配置多少”,而是:在同一理论框架下,波动率指数略低于或高于0.5,会分别导致凯利配置缓慢下降或上升。
报告随后考虑更一般的方差过程:
[ \sigma^2(t)=\sigma_0^2t^{-2\gamma}g(t), ]
其中 (g(t)>0) 是额外的时间依赖风险因子。
此时无风险利率仍为零、预期收益仍为 (\alpha/t),凯利比例变为:
[ K^*(t)=\frac{\alpha}{\sigma_0^2}\frac{t^{2\gamma-1}}{g(t)}. ]
即使基础部分满足 (\gamma=1/2),只要 (g(t)) 随时间变化,配置也不再严格不变;只有当 (g(t)) 为常数时,精确时间不变性才能恢复。
作者以交易费收入的相对离散程度为例,定义费用相对离散度,并假设它通过一个响应参数 (\xi) 影响有效方差。 这一设定并非由历史价格数据估计出来,而是一个说明性情景,用来证明额外风险源的存在足以破坏凯利不变性。
该情景的经济含义是:交易费收入的波动可能与矿工激励、网络安全、市场流动性或参与者行为有关,进而改变资产收益的有效风险水平;但报告同时承认,要验证这种机制,必须建立费用收入、网络安全、流动性和收益方差之间的独立实证模型。
第一,价格幂律回归是样本内描述性校准,而不是样本外预测检验。 高 (R^2)不能排除结构断裂、周期性泡沫或其他函数形式。
第二,缺失日期被以前一日价格填充,可能制造零收益;报告指出应报告受影响观测数量,并检验删除这些日期后的稳健性,但所给文本没有提供完整的影响数量或删除后的结果。
第三,滚动方差高度重叠,使原生OLS标准误不足以代表完整不确定性。 报告提供了窗口敏感性分析,但没有给出能够处理重叠、序列相关和异方差的正式置信区间。
第四,4年至9年的均值0.53和标准差0.03不是独立估计的统计分布,因此不能被解释为“(\gamma)以某个置信水平落在某区间内”。
价格基准轨迹、网络规模指数、活跃参与者增长、流动性次线性指数和波动率—流动性关系都带有明确假设性质。,
凯利模型还假设预期收益可以由确定性的 (\alpha/t) 表示,但现实中的预期收益存在估计误差、制度变化和风险溢价不稳定问题。
模型没有考虑交易成本、杠杆约束、跳跃风险、回撤限制、参数不确定性和估计风险,而这些因素对实际凯利配置尤其重要。
报告采取的主要缓解方式包括比较不同滚动窗口、区分模型敏感性与正式统计不确定性、对灰色图形包络进行免责声明,并把交易费机制明确限定为说明性情景。, ,
但报告没有提供风险因素发生概率,也没有系统实施缺失日期删除、替代数据源、稳健标准误、样本外检验或结构断点检验。因此,其结论适合作为理论和经验一致性检查,不宜被解释为可直接执行的资产配置策略。
首先,文章结论整体上较为审慎,但“历史估计与0.5大致一致”仍然依赖窗口区间选择;4年至9年的区间因为包含约四年周期且保留较长样本而被选中,这一选择具有合理动机,但并不能排除一定程度的诊断性筛选。
其次,价格指数估计非常稳定地给出约5.185的点估计,但波动率指数对窗口长度较敏感,这说明价格长期趋势和风险长期趋势的统计稳定性并不相同。,
再次,(\gamma\approx0.53)并不等于精确不变。因为当 (\gamma=0.53)时,凯利比例仍按 (t^{0.06})变化,只是变化速度较慢;因此,“近似一致”与“严格时间不变”必须区分。
最后,文章的标题强调“渐近不变性”,但实证部分并没有证明比特币在无限远期或所有未来制度环境下会保持 (\gamma=1/2),而只是显示在若干历史窗口中估计值接近该基准。,
这篇论文建立了一个清晰的理论链条:幂律价格 (P(t)=At^\alpha)带来约为 (\alpha/t)的基准收益率,幂律方差 (\sigma^2(t)=\sigma_0^2t^{-2\gamma})决定风险衰减速度,二者代入连续时间凯利公式后得到 (K^*(t)\propto t^{2\gamma-1})。因此,(\gamma=1/2)是凯利配置严格不随系统年龄变化的充要条件。
网络标度部分提供了一个可能的微观解释:若网络规模以 (t^3)增长,活跃参与者随网络增长率扩张,流动性对参与者数量呈平方根型次线性增长,波动率与流动性平方根倒数相关,则可得到 (\sigma(t)\propto t^{-1/2})。但这一结果是条件性推导,而非已经被直接数据验证的网络定律。,
图一显示,比特币价格确实可以用一条长期上升的幂律趋势进行描述,但实际价格存在显著泡沫、周期和制度性偏离;表一和图二显示,波动率指数约为0.46至0.52的窗口结果并存,4年至9年均值约0.53,说明与0.5相容但对时间粗粒化敏感;图三进一步把这种微小指数偏差转化为凯利比例的缓慢下降或上升。, , ,
报告的总体立场不是给出比特币买卖建议,而是提出一个可检验的条件:只有当预期收益和方差的时间衰减指数匹配,且不存在额外的时间依赖风险因子时,年龄不变的对数最优配置才可能成立。, 对比特币而言,历史数据提供了“接近该条件”的初步证据,但考虑到窗口重叠、数据填充、结构变化、模型假设和未估计的交易费风险,最终结论应限定为理论上成立、历史样本部分支持、仍需网络活动和市场流动性数据进一步验证的研究性判断。,
2609.22612.pdf