深度解析报告:《Risk Premia in the Bitcoin Market》
1. 元数据与概览
- 报告标题: Risk Premia in the Bitcoin Market
- 作者: Caio Almeida, Maria Grith, Ratmir Miftachov, Zijin Wang
- 发布时间: 未具体提及,论文内引用时间跨度覆盖2014-2023,数据截止至2022年12月
- 研究主题: 比特币市场的风险溢价(Bitcoin Premium, BP)及其波动率风险溢价(Variance Risk Premium, VRP),采用期权和实现收益数据,运用定价核(Pricing Kernel, PK)及无参数非参数统计方法分析
- 核心论点:
- 通过期权和实现收益的数据,估计比特币收益的风险溢价及相关定价核。
- 比特币的定价核呈现“W”形,在负收益区间陡峭。
- 比特币负收益对其综合风险溢价贡献约为33%,显著低于标普500指数中负收益贡献70%的情况。
- 运用创新的聚类算法分析风险中性密度,发现风险溢价随市场波动率状态分为高波动率(HV)和低波动率(LV)两种不同市场状态,且两者的风险溢价形态及敏感性存在明显差异。
- 低波动率下,投资者对波动率和下行风险更为敏感,表明市场风险偏好依赖不同时期波动率水平。
该报告在BTC风险溢价研究领域具有突破性贡献,这是首次通过期权价格系统研究比特币风险溢价结构及其时变性质 。
2. 逐节深度解读
2.1 引言与背景(第1至4页)
-
关键内容:
- 强调加密货币尤其是比特币在全球市场的重要性,市值达1.3万亿美元。
- 描述期权市场发展及其价值,用以推断隐藏在期权价格中的风险溢价信息。
- 提出研究动机,即传统资产风险溢价与加密市场的差异尚未系统揭示,本研究填补该空白。
- 采用非参数统计方法获取物理和风险中性概率测度(P与Q),通过比特币期权数据(来源Deribit)和收益率序列建立联合数据库。
- 应用新颖的两阶段聚类技术,从期权隐含的风险中性密度中辨识不同市场的风险溢价运行状态。
-
逻辑与支撑:
- 以BTC不支付股息、价格与宏观经济脱钩为基础,分析其独特风险溢价及价格驱动机制。
- 通过与传统资产对比,强调BTC绝对和相对风险溢价偏高,同时风险结构与标普500等传统资产存在显著不同。
- 先采用无条件风险溢价估计,再通过期权数据获得风险溢价的条件状态分析。
-
重要数据点:
- BTC 1个月收益溢价约66%/年,VRP高达7%-14%,远超S&P500约2%的VRP
- BTC年化夏普比率达0.84,显著高于S&P500的0.45左右
- BTC负收益贡献总风险溢价仅33%,远低于标普500的70%,显示投资者对负回报的担忧较低
2.2 相关文献综述(第5至6页)
-
核心内容:
- 包括三大文献分支:加密市场风险溢价研究、基于状态的风险溢价分解文献、条件风险溢价和定价核估计文献。
- 本文在加密货币领域中首次结合期权与收益数据,全面系统地揭示BTC风险溢价的无条件和条件结构。
- 文献对比中,强调本报告创新性应用无监督聚类方法客观划分市场状态,不依赖先验变量指定。
- 发现市场波动率是聚类驱动的主要因素,这区别于以往多依赖宏观变量或波动率指数分割的研究方式。
-
分析逻辑:
- 对比传统股市文献中PK和VRP的关系,推断BTCPK形态受波动率驱动的状态依赖性。
- 强调BTC在非传统市场和资产属性背景下的独特风险溢价性质。
2.3 数据描述(第7至9页)
-
数据源与处理:
- BTC现货价格(2014-2022)、Deribit交易的欧式看涨期权和看跌期权数据(2017-2022)。
- 过滤条件严苛,剔除价格低于10美金、隐含波动率缺失或异常、交易量不足等异常数据,得到约783万次交易共1301个交易日的高频数据。
- 期权合约以1BTC计价,价格以美金计,隐含波动率平均约82%,远高于标普期权的18%。
- 期权市场不断增长,2020年后每日平均合约交易提高476%
- 风险无套利假设下,利率暂定为0(无资产能直接代表BTC无风险利率),基于BTC市场结构和数据特点的合理假设。
-
重要指标:
- 时间到期平均分别29天(call)和24天(put)。
- Moneyness跨越范围广,表示市场交易活跃且波动剧烈。
- 高隐含波动率及活跃的短期期权体现BTC市场风险特征 。
2.4 理论框架(第9-13页)
-
基本假设和变量定义:
- BTC价格服从无套利条件下的物理测度P和风险中性测度Q。
- 研究27天后收益率的分布。
- 定价核PK定义为风险中性密度对物理密度的比值,即PK(r)=q(r)/p(r)。
- BTC风险溢价定义为两个测度下均值差BP=μP−μQ,分解成不同回报状态。
-
风险溢价分解方法:
- 采用Beason和Schreindorfer (2022)的方法将风险溢价按收益状态分解。
- 进一步提出用VRP衡量波动率风险溢价:VRP=σQ2−σP2。
- 阐明U形PK与高VRP的关系,即凸起的PK指示投资者对极端收益的波动风险厌恶。
-
新颖性:
- 将密度聚类技术用于对风险中性密度函数的时间序列进行分群识别,揭示市场的波动率状态多样性及风险溢价行为的异质性 。
2.5 估计方法(第14-22页)
-
计算物理密度:
- 直接从BTC日收益构建经验概率密度函数(PDF),用多项式平滑刻画中部分布,用广义极值分布(GEV)拟合左右尾部。
-
计算风险中性密度:
- 通过对隐含波动率曲面进行局部多项式估计和平滑。
- 使用Gatheral (2004)的SVI模型拟合隐含波动率曲面,保证无套利约束。
- 黑-斯科尔斯二阶导数转换成风险中性密度。
- 用GEV方法对尾部风险中性密度增强拟合。
-
风险溢价估计:
- 由风险中性密度与物理密度计算PK函数及无条件风险溢价BP。
- 将样本根据密度特征聚类为高波动率(HV)和低波动率(LV)两大群组,分别估计局部风险溢价和VRP。
-
聚类方法:
- 应用中央对数比(CLR)转换,使得密度函数置于Hilbert空间的等距映射中。
- 计算欧氏距离矩阵,使用Ward层级聚类法分群,有较强的结果稳定性。
- 选取两群为最优分割,分别代表高波动率和低波动率状态。
- 通过逻辑回归验证波动率(方差指标)为聚类解释的最大变量(R2达69%),同时考虑均值、偏度、峰度等特征 。
2.6 实证结果(第23-28页)
-
概要结果:
- 无条件BP年化约66%,远高于传统资产。
- VRP同样较大,基于风险中性密度以及BVIX均验证了此结论。
- HV状态对应更高的风险和方差,但VRP却表现为低于LV状态,这反映了BTC风险溢价的非线性和复杂动态。
-
分解分析:
- 负收益(-60%至-20%)贡献了整体BP的约34%,正收益(20%至60%)贡献约48%。
- HV状态下,两端收益的风险溢价贡献大致均衡,体现传统资产风险偏好。
- LV状态下,正收益部分贡献更突出(62%),负收益贡献较低(约24%),PK函数在负收益区域陡峭,显示出在低波动时期投资者对损失的风险偏好更强。
- 高波动性状态中,阻力价格调整使得看涨期权更贵,看跌期权相对便宜,反映市场对极端收益的风险厌恶在波动性高时均衡。
- 低波动率时,投资者更倾向于利用看涨期权做多,风险厌恶更偏向对波动风险的保护。
-
市场波动率解释:
- 聚类后的市场状态对风险溢价的解释力强,波动率是决定市场风险溢价级别和结构的核心变量。
-
与标普500对比:
- BTC的风险溢价结构明显区别于标普500,后者负收益风险溢价占主导,而BTC更突出正收益的风险溢价贡献。
- 投资者对BTC的负收益保护需求低于大型传统股市,冲击风险分布更宽/更复杂。
-
夏普比率与市场表现:
- BTC的年化夏普比率高达0.84,超越传统股票,凸显了市场的高风险高回报特征 。
3. 图表深度解读
图1(第25页)
-
内容:
- 左列显示不同市场状态(整体、HV、LV)下BP分布随收益率的变化;
- 右列显示对应的风险中性密度(q^)、物理密度(p^)及定价核(PK)曲线。
-
数据解读:
- 整体样本中,收益在[-0.6, -0.2]和[0.2, 0.6]区间分别贡献了约34%和48%的风险溢价。
- HV状态中,负收益贡献上升到约41%,正收益贡献缩减到39%,定价核显示负收益区域陡峭,表明灾难性损失风险在高波动率期间更受关注。
- LV状态中,正收益对BP贡献显著增加至62%,负收益贡献下降,定价核在负收益区更陡峭体现出低波动时投资者风险厌恶加剧。
- PK函数在所有状态均呈U型,正收益区部分存在价格风险溢价下降趋势,相关于VRP的正值。
-
与文本关联:
- 该图直观呈现风险溢价在不同波动率状态下的结构差异,体现投资者基于市场状态不同偏好和风险定价的动态调整。
-
局限性及备注:
- 图内极端收益区间影响权重较高,尾部估计依赖GEV拟合,可能对极端风险溢价估算产生偏差
表2(第24页)
-
内容:
- Panel A报告无条件和条件(HV、LV)下的BTC风险溢价BP;
- Panel B涵盖基于Q密度及BVIX的波动风险溢价VRP估计。
-
数据解读:
- 无条件BP约66%,HV状态偏高至73%,LV状态偏低55%左右;
- VRP表现复杂,无论基于密度还是BVIX,LV状态VRP均明显高于HV状态(如基于BVIX,LV为17%,HV为12%);
- 方差指标在HV状态下显著提高,显示市场波动集聚效应;
- ANOVA统计检验确认条件估计与整体显著不同。
-
关联文本:
- 表示BTC风险溢价与波动状态强烈关联,VRP与波动状态关系复杂,说明BTC风险体系非线性、时变且异质
图B4 & B5(第52页)
-
图B4内容: BP的下界随时间变化,对比了Martin (2017)和Chabi-Yo and Loudis (2020)方法,说明BP约稳定在60%-70%间。同时展示VRP随时间变化,多数情况下BVIX平方高于实现方差,表现出正VRP,显示投资者愿为波动风险支付溢价。
-
图B5内容: BTC指数价格及其BVIX平方和实际实现方差随时间的动态,表明2020年3-4月间波动急剧上升,实际波动率超过BVIX,VRP出现异常波动,反映市场极端事件对风险溢价的显著影响。
-
解读: 这两幅图强烈体现了BTC风险溢价的时间动态与市场事件的高度相关性,尤以疫情爆发期为代表,展现风险溢价和波动性的非平稳特征
4. 估值分析
此报告主要是对风险溢价的估计,不直接涉及资产的市场价格估值,而是通过期权市场得出的风险中性和物理测度概率密度,间接推断投资者的风险定价行为。估值方法核心为:
- 基于期权价格反演风险中性密度Q通过无套利条件及加权二阶衍生关系获取风险中性概率分布。
- 运用经验数据估计物理密度P,与风险中性密度最为本风险溢价计算基础,计算期望收益之差即为风险溢价。
- 定价核PK作为两密度比值,阐明不同收益水平下的风险价格。
- 波动率聚类揭示估计的风险溢价随市场状态的非平稳变化。
整体估值依据非参数和半非参数统计估计技术,避免对特定分布假设依赖,提高灵活性与适用性。核心假设包括:短期无风险利率为零、风险中性测度及物理测度具有可微概率密度函数,且数据过滤保障了价格和收益的合理性 。
5. 风险因素评估
-
市场波动率状态转换风险:由于BTC市场的波动状态可聚类成高低两种,突变或状态转换可能导致风险溢价的显著变动,进而影响定价和投资策略表现。
-
极端收益风险:BTC存在正负收益的极端风险,尤其在高波动状态下负收益显著贡献风险溢价,意味着极端事件风险不可忽视。
-
模型假设风险:假设无套利、零利率、及统计方法估计的稳定性均为潜在风险来源,特别是尾部基础数据不足导致的尾风险估计不确定。
-
市场流动性风险:尽管覆盖了大规模期权交易,BTC市场相较传统市场仍新且波动剧烈,流动性不足可能加剧价格偏离与估计误差。
报告通过分别估计基于风险中性密度和BVIX的VRP,提供了对风险不同来源的交叉验证,部分缓解模型设定风险。但未明显提出专门风控策略 , .
6. 审慎视角与细微差别
-
假设的谨慎性:零利率和成本假设虽方便计算但忽略了潜在的资金成本和交易摩擦,影响中长期风险溢价准确度。
-
非参数方法优劣:非参数估计提升灵活性,但可能对数据噪声较敏感,尤其尾部拟合对BEV模型依赖较高,可能存在尾部风险低估或高估。
-
聚类方法选择:聚类结果高度依赖距离度量和CLR转换,其他转换及算法可能产生不同划分,聚类主要基于波动率,忽略更细粒度的市场情绪或微结构影响。
-
风险溢价解读:BP和VRP非对称且与传统资产显著不同,且BTC波动率高导致风险偏好估计可能存在混淆,尤其在极端事件发生期间。
-
内部一致性:报告中多处强调BTC与传统金融市场差异,且揭示多组冲突的风险溢价模式,暗示BTC市场本身高度异质和非标准,需谨慎推广。
7. 结论性综合
本报告通过全面的数据整合与创新的非参数统计及聚类方法,系统揭示了比特币市场风险溢价的动态特征:
-
高风险溢价和高VRP特征:比特币年化风险溢价(约66%)和波动率风险溢价均显著高于传统资产,反映其市场波动剧烈且投资者风险厌恶显著。
-
风险溢价分布不对称: 与标普500主要由负收益驱动风险溢价不同,比特币风险溢价的正收益贡献更为显著,尤其在低波动状态下。
-
波动率状态驱动分群: 利用期权隐含风险中性密度的多维聚类,识别两种截然不同的波动率状态,分别对应不同的风险溢价形态和投资者风险偏好,反映BTC市场时变复杂风险特性。
-
定价核形态:均呈U型,并在低波动率状态下负收益区陡峭,表明投资者在低波动期更敏感于亏损风险,市场风险溢价结构灵活响应经济和市场环境变化。
-
实证结果对模型挑战: 目前主流宏观-金融模型(习惯偏好、长期风险、罕见灾难模型)难以解释比特币的风险溢价结构及其正收益溢价,这为未来模型发展指明了重要方向。
-
方法学贡献: 引入先进的概率密度函数转换和聚类技术,为期权市场风险溢价研究提供了新范式,适用于其他新兴或传统资产市场。
综合来看,该报告极具参考价值,不仅系统量化了比特币风险溢价的独特结构,也创新性地提出了基于市场内生波动率状态的风险溢价辨识框架,拓展了金融资产定价理论的边界 .
参考关键表格与图示链接展示
-
图1:比特币风险溢价与定价核分布(整体,HV,LV)
-
图B4:风险溢价下界与VRP时间序列
-
图B5:BTC指数价格、BVIX²及实现波动率时间序列
-
表2:比特币风险溢价及波动率风险溢价估计
(摘要如正文23-24页分析)
综上,报告从数据、方法、实证和理论四个维度全面剖析比特币市场风险溢价,提供了深入且严谨的分析视角,结果对学界和实务均有重要启示。