Crypto量化基金经理们是如何获取Alpha的？

LUCIDA & FALCON

0x5222

June 19th, 2024

本期AMA主题与嘉宾介绍

主题： Crypto量化基金经理们是如何获取Alpha的？

主持人

郑乃骞 @ZnQ_626

LUCIDA Founder
2019 Bgain数字资产交易联赛第一赛季混合策略组冠军；
2020 TokenInsight全球资产量化大赛，复合策略组四月亚军、五月冠军、赛季季军；
2021 TokenInsight x KuCoin全球资产量化大赛，复合策略组赛季季军；

嘉宾

Ruiqi @ShadowLabsorg

ShadowLabs创始人&DC Capital 投资总监
量化产品管理规模超3亿美元
多家交易所和知名项目的做市咨询顾问

Wizwu @wuxiaodong10

RIVENDELL CAPITAL 多因子&主观策略基金经理
计算机+ 金融复合背景
20M非传统crypto策略
主攻链上链下数据挖掘和中性多因子策略

基金经理的Alpha策略的框架是什么样子的？

郑乃骞@LUCIDA：

LUCIDA是一家多策略的对冲基金，我们通过开发各类低相关性的多样化策略，保证我们的业绩可以穿越牛熊。

我以自营资金举例，我们的收益目标是在牛市跑赢比特币的现货涨幅，所以我们会先对市场做一个宏观择时，即判断现在市场是不是处于熊市底部和牛市顶部，这样判断非常低频，大概是以年为单位的。

如果我们认为当前市场属于熊市底部，那么我们会把所有的资金都换成满仓比特币，并持有一整个牛市。在此基础上，我们会用CTA、多因子策略和统计套利策略等量化策略做收益的增强，这些策略也是牛市中Alpha的核心来源。同时我们会根据当前的市场环境，动态调整这些策略之间的资金配比，保证资金的利用率。

如果我们认为市场到了牛市顶部的区域，我们会把比特币全部清仓，再换成美元，以此度过熊市，并且在熊市也会用CTA、期权波动率套利等策略，让美元越来越多，直到下一个市场周期。

所以，所有Alpha的贡献包括两大类：一、牛熊的宏观择时判断，这也是我们核心的竞争力之一。二、量化策略的收益增强。比如比特币从一万涨到了五万，在一万精准抄底五万精准逃顶这是不现实的，那我们就会用量化策略做收益上的增强，保证我们能跑赢比特币的涨幅。

Wizwu:

提到Alpha策略，这与我们基金的资金属性有关。我们本身接了很多币圈的原生资金，全都是币，我们就不得不去被动地赚Alpha，它本质上就是一个指增策略，在这个指增里面，我们有多因子的策略，还有一些主观的策略。

作为机构，我们做主观交易需要考虑很多事情，包括持仓周期、小币的流动性等等，这些因素使得我们可选的标的就不太多，持仓多就容易分散，是跑不赢大盘的；持仓少了，又要和项目方投资方抢裤子，所以我们的框架就是啥都做。

举个例子，比如说我们发现了一个因子，不同的人有不同的思路去处理它，有中性的，有主观的，有量化的，这代表了不同的交易思路，所以说我这边就把主观和多因子都算到一起去了。因为Crypto市场没有这样的先例，所以说对我们来讲，既有股票市场中的因子策略，它是以数据驱动；也有价值类的，但是我们没有找到；也有一些期货，尤其是期货那种库存和供需关系的分析思路。所以说这一切都很依赖于我们对数据和交易线索的理解能力。

但我们没有币圈原生的一级基金的投研类部门，因为我们没有像他们那么多的资源和那么广的视野，我们就主打一个灵活跟数据驱动。所以说市场上不同的人赚不同的钱，这跟期货市场有点像，产业赚产业的钱，量化赚量化的钱，主观赚主观的钱，方法论不一样，最后赚的钱也不一样。

整体上来讲我们以币本位为主，币本位的话我们希望我们的策略要跑到夏普3-4的一个水平，年化收益要达到10%以上的水平，宏观择时会做的比较少或非常低频。以此为基础上，我们通过一些对市场的洞察得出因子，这些因子可以适用于各类策略，包括主观、多因子等等。

挖因子的过程中，我们喜欢搬运一些期货或者股票市场的因子来测，也会有自己的交易经验。

Ruiqi:

我们是一个纯量化纯自动化的团队，所以我们一开始设计Alpha的结构框架时就是遵循高度工程化和高度自动化的原则，所以非常多的依赖数据驱动和执行。我们内部把我们的Alpha框架分为执行的Alpha和预测的Alpha。

Crypto的交易所非常分散，投资工具也非常多。比如我要获取一个交易的风险敞口，我可以选择去交易期货或者现货，也可以选择去不同交易所交易。所以我们在执行层面上会比较不同市场的资金成本，比如期货现货的价格、基差、手续费、交易滑点、借贷成本等等。在综合比较不同的成本之后，我们就会尽可能选取成本最低的工具。在这部分，我们通过比较和选择我们能够做到差不多年化5%~20%水平，我们把这一类是作为执行的Alpha。

第二部分是预测的Alpha，预测Alpha主要是说不同级别、不同周期和不同标的上的预测，包括时序的和截面的。我们会根据预测去调整我们在不同标题的上面的一个风险暴露。

但是有一个比较特殊的情况，预测的Alpha在处理上会跟执行Alpha有一定的偶合。比如说我现在预测一个方向，但是我做的这个预测，可能只是解决了问题的20%，剩下的80%是来自于我究竟能不能把这个东西执行出来。这部分包括下单手法，成交概率分析，资金成本的条件概率等等，这些都是既有一定的执行因素，也有一定的预测的因素，大体上我们就是在这样一个体制下去完成我们的Alpha的突破。

当我们做业绩归因的时候，这两部分Alpha所贡献的比重也不同。比如刚刚提到执行的Alpha，大概我们的目标是跑赢Benchmark的5%~20%，所以这部分它就是相对比较确定，但是收益上限比较有限。预测类的Alpha就不太一样，比如我们偏高频的一些预测，它本身单笔的利润非常微薄，这里面又跟很多执行Alpha混到一起，但是对于一些中低频的预测，它在预测Alpha上的占比可能比较高。

你们对于Crypto的市场观是怎样的？你们认为Crypto是一个怎样的市场？

WizWu：

刚才也提到了，我们在不同的市场应该赚不同的钱，我们在期货上赚逻辑分析的钱，在Crypto上我们也一样。Crypto市场本身的特点是波动率高。比如U本位的收益，它的资金费率的收益在牛市的时候年化最少20%左右。那么我们赚钱的话就得围绕着这些特点去想我们是怎么赚这个钱。如果说我们是U进来，我们可能就先拿去跑套利。这个是套利类无风险的收益。

Crypto现在牛市，在Pendle上面的无风险收益率有百分之30% 40%。假设我们算一个最精确的索提诺比率，他最后减的就是预期的最低收益，减完之后，作为一个风险策略剩下的收益其实不多，所以这也是我们做币本位Alpha的一个原因。

我的市场观就是hot money，哪里有，哪里能赚钱，哪里逻辑清晰，就拿哪里赚。

今年Crypto市场的市场轮动节奏跟A股很像，最近五六年，A股每年都会有一个主线。比如最早他有碳中和，今年又是AI。但是在历史上，在我经历的跟复盘的币圈的牛熊里面，像有这种主线行情的，只有今年。今年一条AI一条Meme。在这之前币圈是没有主线的，真的是一个很枯燥的行情，这也是今年跟之前的一些区别。所以说今年在币圈你能抓到AI，能抓到Meme，你就能赚很多钱。

抓Crypto行业的热点和板块轮动规律的时候，动量本身是很最重要的一部分，除了数据，推特的舆情我们也会关注。但是如果标的很少的话，我们能关注到的数据还是标的自身的价值类的东西。

我们内部有一个工具，有点类似于Wind。我们做因子已经快两年了，我们会把市场、推特的舆情都存进来。但是我们并没有很关注板块，因为我们并不是这样抓板块轮动的，我们因子会选出来板块里面弹性比较好的币，去买这些资产。

Ruiqi:

我们认为Crypto是一个高度投机性的市场，主要由大量的持续交易和偶然的事件交易构成。这也是我们持续参与市场的理由。

相比其他的金融标的或市场，它的情绪性交易构成和事件交易构成更多。这就比较适合用量化的方式捕获，所以这也跟我们的交易优势比较一致。

发展到今天，市场的竞争有一些加剧，不管是在交易执行还是预测上，现在是百花齐放，百舸争流，但是仍然存在一些结构很高的机会。这些结构性交易机会的来源也仍然充斥着大量的情绪性和事件性存在。市场开始进行结构性的分化。

首先在市场的可预测性上，老资产上定价的有效性是进一步的提高的。具体到特征我们可以看到：以前一波趋势要发酵的话，它可能能够经历几个小时甚至一两天的时间，现在可能10分钟趋势就结束了，不同因子带来的这种巨大的误差会快速的修正。但是在新资产方面我们发现仍然是有很好的Alpha。

如果我们也参与一些Altcoin，会发现每个人的叙事里面都会出现一些新资产，不管是比赛，创业，还是新趋势上，你会发现之前用的那些因子在这些资产上面仍然有效。但是新的资产具有获取难度。比如你的技术实施、数据接入，还有交易模式的稳定性是有些欠缺的。

在Crypto市场不同因子的贡献度如何？这些因子的底层收益来源是什么？

Wizwu:

Crypto市场的特点就是资金费率高，即基差大，对于期货就可以把基差理解为月差。假设把他们理解为同一种东西，Crypto市场月差的波动是很大的，像套利类的特征就是围绕着这种东西建立起来的，以及另类的因子可能都是围绕着这套逻辑建立起来的。

另外因为市场波动大，分化中的一些币弹性很高，所以真正得到的钱还得靠择时。所以我们试了一下这种动量，发现中性的动量赚到头也就是牛市中比特币水平。如果不择时，便很难看到一个很好的超额收益。这也跟Crypto的交易机制有很多关系。

另外，我们交易所能提供的数据和一些场外数据跟传统市场相比也是有差异的。所以我们很多的超额收益是通过这些有特点的东西，以及那些在传统市场被玩烂的策略推出来的。

Ruiqi:

情绪类因子的代表之一是动量因子，本质上动量因子就是追涨杀跌。这种因子的利润主要来源于市场的过度反应。

例如，当散户看到某个币种上涨时，他们通常会认为这种上涨趋势会持续下去，于是纷纷跟进购买。此时，我们就可以推波助澜，从中获利。另外，还可以进行动量反转交易，基于对市场过度反应的判断，提前埋伏进行反转操作。这些交易的核心在于利用市场的过度反应来获取收益。

事件类因子的利润则主要来自于资产的重新定价，这需要一定的反应时间。例如，通过监控推特上的数据或者大行情的潜在数据，可以在事件发生后迅速反应。例如，当CPI数据发布时，比特币价格可能会出现剧烈波动。在这种情况下，迅速反应并进行交易就能够获得收益。

在高频交易视角里面，许多交易者对交易成本不敏感，导致他们在进行大额交易时，往往会在单一市场上进行全部交易。这种行为会对市场造成较大冲击，从而带来套利机会。流动性因子在高频市场中长期有效，是基金经理们获取Alpha的重要工具之一。

你们觉得相比于传统金融市场，如果我们想在Crypto市场获得一些Alpha，这个方法论的不同点在哪里？怎么才能在Crypto获取更多的Alpha？

郑乃骞@LUCIDA：

我这几年明显的感觉到可能人是Alpha最核心的一个要素。 Crypto行业尽管发展了很多，但相对于A股市场，Crypto行业的从业者，尤其是二级市场参与者的平均水平是有明显的代差的。

第二点是数据、这个市场的基础设施实在是太差了。几乎没有任意任何一家比较完备的数据供应商，像A股市场的万德、彭博等等这样。数据质量差，而且高度分散。拿到数据对很多团队来说都是一个很头疼的问题，但你没有数据谈何去建模呢？

我觉得如果机构在人才和数据这两方面相比同行有明显的的优势，会是很稳定的获取超额收益的来源。

Wizwu:

Crypto市场与传统金融市场相比，有几个显著特点：高波动性、小币种的高弹性以及浓厚的炒作情绪。要在Crypto市场获得Alpha，必须围绕这些特点去挖掘策略。

一个核心问题是Crypto市场的无风险套利收益太高。这对Crypto市场的价值因子来说是毁灭性的，因为目前能够带来稳定USDT分红的项目非常少，几乎没有。所以说当我们想去算价值，算PE，算市盈率，我们会发现无论怎么算，在U本位上都是远远不如套利收益的。因此，用传统金融市场中的价值因子来衡量Crypto市场的Alpha是不可行的。

在Crypto市场，我们需要关注的核心价值与传统市场不同。传统股票市场中，价值、市盈率等因子是核心，而在Crypto市场中，我们可能更多地看重市梦率，即对未来预期的乐观估计和为实现这些预期所衍生出来的一切。

一个具体的因子例子是价值类因子，比如说在Layer 2（L2）解决方案中的MATIC，持有10到100 U（USDT）的原生代币地址数量的变动，常常能指示出一些市场趋势。当一条公链即将迎来爆款应用或大规模采用时，这些小额持有者的增加通常是一个积极的信号，他跟市场舆情、价格往往是比较共振的，也是比较早的。像这种地址，它本质上代表了一个人，就是人多人少的问题。从这个因子刻画的角度来讲，你认为持有的balance在10~100美元的类型的地址，它更像是一个真实用户。

Ruiqi:

我总结了几个不同点：市场分散带来的信息不对称 Crypto市场的分散性导致了信息的不对称。非专业投资者很难了解市场情况，因此套利机会显得尤为明显。

追涨杀跌与市场波动与传统金融市场不同，Crypto市场的资产通常在多个区域性市场中交易。所以这种分散性使得追涨杀跌、疲于奔命的现象更为普遍，投资者频繁的切换注意力和非理性交易在Crypto市场中更加常见。市场操纵 Crypto市场中，市场操纵现象比传统市场更加普遍。

对于大部分普通投资者来说，很难利用这种现象进行交易或设计交易策略。但是，对于一些高频交易公司，他们能够比在传统市场中更大规模地进行市场操纵去获得Alpha。这种行为在传统市场中是违法的，做了要坐牢的事情。

Crypto市场的资管产品格局与传统金融市场的差异

郑乃骞@LUCIDA：

我发现80%以上的二级团队做都是那种很中性的套利策略，所以策略跟策略之间的同质化就非常严重。

从投入的角度来讲，策略本身的原理并不复杂，而且如果你做的偏比较低频的话，你在交易执行这块也不需要太多的精力，所以这就导致80%以上的产品全都在卷套利赛道，于是你再去做一些CTA或者期权、多因子的策略，相比于做这种统计套利，投入产出就显得尤为的不合适。包括做高频也是，然后你去转设备，优化你所有的交易细节，但你最终在管理规模上，相比于这种套利还有明显的偏差。所以你们未来会觉得套利这种产品未来会成为整个市场的主流吗？

Wizwu:

不仅仅是Crypto市场，在传统金融市场中，债券类交易也是一个大头。不同级别的债券交易额也并不低，所以套利类交易会一直存在。只要能在某种半合规的前提下操作，Crypto市场的套利收益至少可以达到传统市场的两倍至六倍，这为套利交易提供了非常高的容量和收益空间，因此这种情况会持续存在。

至于其他的策略，比如CTA类的策略，也是一个大容量的选择。这类策略被市场真正认可可能需要等到套利收益降下来之后，那时候再看我们这种策略的夏普率，就会变得非常的好看。现在套利收益是以U本位计算的，拜现在交易所的统一账户所赐，我们也可以通过币本位来跑类似的策略。所以我们现在的方向是用U去跑套利，用币来跑风险，这是一个最佳的分配方式。

Ruiqi:

我基本上跟Wiz观点比较一致。

首先，市场高度分散，以及存在所谓的资金进场障碍，这些问题在未来两三年内可能都很难解决。因此，在可见的两三年内，套利的空间仍然会持续存在。即便套利空间有所降低，套利类的交易量和资金容量依然会是市场的大头。

但到那时，套利可能不会以资产管理产品的形式存在。更多的是由高频量化团队自营，主要是高频团队自己直接把利润吃掉，不再有额外的利润分配给市场，大概会是这样的情况。对于一些资产管理项目来说，它们会退而求其次，提供调整后的风险收益比，性价比还算OK的，比如统计套利、CTA策略。在未来两三年后，可能会开始有这样的土壤出现。

郑乃骞@LUCIDA：

Crypto资管产品的架构，相比于A股也有很大的一个不同，因为我观察到A股现在最主流的产品就是做指增，无论是对标300还是500还是1000这种宽基指数，基于指增的这种产品应该是最好卖的。大部分指增的底层都是靠多因子模型去实现的。

但我发现这种产品在Crypto市场几乎是没有的，我知道的在开发多因子策略的团队，可能只有少于10%。为什么开发多因子策略的团队占比会这么少？

Wizwu:

原因是市场上USDT的收益实在是太高了，比如我在PENDLE上，我自己几乎全部去买上面的USDT。在这种情况下，我都不会选择自己的策略。因为当我的策略减去30%的风险再除以波动时，它的表现甚至不如传统期货市场的夏普比率等指标。

所以，我认为在市场无风险收益如此高的情况下，大家会自然地选择无风险收益。按照这种方式计算，衡量策略标准的比例要减去一个无风险收益。我们用这个市场真正的无风险收益（年化30%）去算的时候，一切都变得徒劳无功，不管怎么计算都没有意义。

我们的多因子策略变得更加分散了。最初设计时，我们确实是按照A股或者传统期货的中性多因子策略来设计的。但后来会逐渐分散，也变得非常多样性，并且加入了更多主观的因素。我觉得核心原因在于：这个市场的回撤周期很短，变化也非常快。在这种情况下，实施多因子类的策略存在一些框架上的问题。我们不能只看最近两年的行情来证明某个因子是长期有效的。

在传统市场中，我们可能会挖掘一个因子，不仅要在A股测试，还要在美股测试。如果在美股有效了20年，在A股有效了5年，我们才能说这是一个有效的因子，并且可以用于大资金的操作。但是在Crypto市场，使用这种因子做一个中性策略很难有这样的验证机会。可能只能用一两年的回测周期来看一看，这在框架上是不太合理的。

Ruiqi:

我的感受可能有所不同，这也取决于我们对这个框架的理解。

我观察到的是，在主流币上进行时序交易的人更多，比如在比特币和以太坊上做趋势交易的比较多。但如果说是在100个标的上做趋势交易，这种团队很少。做时序交易的多，但做截面交易的少，这是我观察到的现象。

如果要归因的话，我认为主要有以下几个原因：

首先，数据长度问题。大部分资产可能只经历了一个周期，没有更长的数据来验证和回测。

其次，即便是经历了多个周期的资产，比如EOS，它在17、18年之后就变得不活跃，很难再被选入标的池。Crypto市场中类似的标的很多，能走完几个Circle并保持活跃度和流动性的资产很少，基本上只有比特币和以太坊。其他如Solana，也是沉寂了很长时间，最近才开始活跃。

第三，相对而言，时序因子的有效性在实操中可能比截面因子的有效性更显著。其底层逻辑是对情绪化动量的反应长期存在，我们可以很好地用传统的趋势交易框架来策划。而截面的相对强弱因子不稳定，原因在于很多标的本身就不稳定。它们不像传统商品或股票，经历了多个牛市和熊市周期，相对强弱的对比比较稳定。在Crypto市场中，这一波的标的可能在下一波就消失了，根本无法验证其相对强弱的对比是否存在。

你们认为衡量Crypto资产价值的尺度是什么？Crypto资产的价值何在？

Ruiqi:

从目前的状况来看，Crypto市场的价值等同于注意力。也就是说，现在是一个注意力驱动的市场。无论项目的底层逻辑是什么，只要能够获得注意力，就能获得价值。这可能与Wiz提到的市场动量有一定的相似之处，但我觉得并不完全一样。简单来说，这更像是一种博眼球经济的产物。从长远来看，我们期待并且很多从业人员和VC也在努力促成一个方向，即未来的价值尽可能体现于实际应用和生态系统的竞争力。但至少在当前，市场的状态并不完全是这样。