Gate 研究院：加密市場 Beta 的可預測性、對沖邊界與多因子重估

摘要

• 加密市场长期沿用传统金融中的 Beta 框架来解释系统性风险，但越来越多的研究显示，此框架在数字资产中面临明显的局限。

• 从市场结构来看，加密资产的收益是由高波动、跳跃事件、流动性分层、板块轮动、链上行为与宏观因子共同驱动，单一市场因子难以稳定刻画真实的風險暴露。

• 公开研究指出，历史 Beta 对未来 Beta 的解释力在加密市场中远弱于成熟股票市场，虽然最优化估计器能略微改善结果，但改善幅度有限。

• 在对冲方面，不同市场指数之间的表现差异极大，仅有少数资产能通过市场 Beta 对冲，在统计上达到更优的风险压缩效果。

• 因此，未来数字资产风险建模的重点，不应只是「把 Beta 估得更精准」，而应转向「重新定义市场因子」，并导入链上、情绪、宏观与结构性变量，形成多因子风险表征。

1. 引言

在传统金融领域，市场 Beta 是理解系统性风险的核心概念。它代表某项资产在多大程度上随着整体市场波动，并进一步影响资产定价、投资组合配置与对冲比例设计。对成熟股票市场而言，即使 Beta 会随时间漂移，其统计稳定性、指数定义方式与机构化交易环境，仍使该框架具备相当高的实用价值。

然而，数字资产市场的结构与传统股票市场有显著差异：资产生命周期更短、流动性断层更明显、尾部事件更频繁，市场叙事切换速度也远快于股票、外汇或期货市场。更关键的是，「市场本身究竟是什么」在加密领域并无统一答案。比特币能否代表市场？市值加权的宽基指数是否足够？链上活跃度、稳定币流入与风险偏好，是否在某些阶段比价格指数更为重要？这些问题决定了加密市场中的 Beta 并非一个天然稳定的统计量，而更像一个会随环境变化而重构的条件变量。

Härdle、Harvey 与 Reule 的研究指出，加密市场为金融研究提供了极为丰富的数据环境，但其机制与传统资产差异巨大，许多经典金融工具都需在此市场中重新验证。围绕可预测性、跳跃行为、市场微观结构与多源数据建模的新研究，也共同指向同一结论：数字资产的风险解释框架必须重新设计，不能简单地移植传统方法。

本文旨在回答三个核心问题：

• 加密市场中的 Beta 是否具有可预测性？

• Beta 是否能有效支持风险对冲？

• 若单因子 Beta 存在局限，未来的风险框架应如何重构？

2. 加密市场的系统性风险

传统市场中 Beta 框架之所以可行，前提是存在一个相对稳定、可交易、且能代表整体风险偏好的「市场组合」。然而在加密领域，系统性风险本身即具有分层结构，至少包含四个相互交织的来源。

• 第一层是价格层面的共同风险，例如风险偏好变化、宏观流动性收缩或广泛的风格转换。

• 第二层是市场微观结构风险，包括订单簿深度不足、跨交易所价差、清算链条放大以及流动性瞬间蒸发。

• 第三层是资产结构风险：不同代币的流通机制、解锁节奏、质押限制与用途差异，使其对「市场波动」的反应方式不尽相同。

• 第四层是链上与叙事风险：协议升级、治理事件、监管预期、稳定币铸造与销毁变化，以及社交媒体关注度，都会在短时间内改变收益分布。

这意味着，两个看似同属「加密资产」的标的，实际可能由完全不同的驱动因素主导。头部资产较容易表现出某种接近市场代理的特征，而中小市值代币则更易受个别事件与流动性冲击的影响。在此结构下，若以单一统一指数衡量所有资产的市场 Beta，势必会产生失真。

3. 加密市场中的 Beta

围绕加密资产风险解释的研究，并未简单得出「Beta 毫无意义」的结论。更准确的说法是：Beta 仍具信息价值，但其稳定性与可迁移性远低于传统市场。

Sila 以 515 个加密资产为样本，比较多种 Beta 估计方法，并在多个加密市场指数下测试一年期前瞻 Beta 的可预测性。研究发现，历史 Beta 对未来 Beta 的解释力远低于美国股票市场；标准 OLS 表现较弱，而斜率缩尾与贝叶斯收缩估计能带来一定改善，但无法从根本上改变「可预测性偏弱」的事实。

这项结论与高频研究中的市场跳跃证据相互呼应。Saef 的研究指出，数字资产市场中存在聚集于黑天鹅事件附近的高频跳跃，这些跳跃显著影响日收益的方向与幅度。换句话说，加密资产收益并非「市场缓慢波动」，而是频繁遭遇离散冲击。只要收益生成机制本身高度跳跃化，任何基于平滑历史共变关系估计出的 Beta，都更容易失真。

更进一步，Demosthenous 从预测建模角度提供了另一项重要证据：当模型同时纳入链上指标、情绪数据、传统市场指数与宏观变量时，其预测表现显著优于仅依赖单一数据源的框架。这意味着影响加密市场的驱动因素本质上就是多源的，单一 Beta 若想承担过多的解释任务，必然会面临结构性的不足。

从理论上讲，Beta 预测失灵通常来自三类原因：测量误差、因子定义偏差，以及关系本身的不稳定。在加密市场中，这三类问题几乎同时存在。在此背景下，改进估计器确实有帮助，例如缩尾方法可减轻极端值影响，贝叶斯收缩则能减少横截面噪声。然而，这些方法改善的是测量层面的问题，而非市场结构本身。只要资产收益的驱动因子在不同时间段发生重组，Beta 的预测精度就很难透过局部技术修补完全挽回。

为了比较不同 Beta 估计方式在加密市场中的表现，既有研究采用了多种经典估计方法。本文涉及的估计方法包括：

• OLS（Ordinary Least Squares）：传统线性回归方法，直接利用历史收益估计 Beta，是最常见的基准模型。

• Vasicek：基于贝叶斯收缩（Bayesian Shrinkage）的 Beta 估计方法，透过结合历史估计值与市场整体信息，降低样本噪声，提升稳定性。

• BSW（Blume–Scholes–Williams）：考虑市场价格非同歩交易（non-synchronous trading）对 Beta 造成的偏误，并进行修正，适用于流动性不足的市场。

• BWSH：在 BSW 基础上进一步强化的稳健修正方法，用于降低极端收益与市场微观结构噪声带来的影响。

上图比较了不同加密市场指数（BMDMI、SCI、CRIX、CCMIX）与不同 Beta 估计方法在稳定性与未来预测能力上的表现。整体而言，BMDMI 对应的结果大多分布于较高稳定性与较高预测性的区域，而传统 BOLSH 估计方法的表现整体较弱。研究结果表明，市场指数的建构方式与 Beta 估计方法都会影响预测效果，但即使采用更佳的指数与更稳健的估计器，其改进幅度仍然有限。这进一步证明，加密市场 Beta 的预测困难并非单纯来自统计估计误差，而更多反映了市场结构碎片化、风险因子多元化以及收益关系动态变化等结构性特征。

4. 对冲的边界

如果 Beta 难以稳定预测，最直接的实务问题便是：用它来做对冲是否仍然值得？从交易角度来看，市场 Beta 对冲的思路相当直观：在持有某资产多头部位的同时，利用市场指数或市场代理建立空头部位，尽量压缩系统性波动，只保留相对价值或个体 Alpha。

然而，加密市场的现实远比这个框架复杂。首先，许多资产并不存在足够稳定的市场联动性，因此对冲之后未必能显著降低变异数。其次，不同指数能否代表「真实市场风险」本身就有差异。再者，资产收益中很大一部分可能来自特质性风险、流动性风险或叙事风险，这些成分并不会因为做空市场指数而自动消失。

不同指数之间的对冲效果存在明显差异。研究以 Beta 对冲后的投资组合风险是否显著低于直接持有现货（未对冲组合）作为评估标准，统计各市场指数下满足此条件的资产占比。结果显示，在 BMDMI 与 SCI 指数框架下，分别约有 17.3% 与 16.2% 的资产能通过市场 Beta 对冲达到统计上的风险改善；而在 CRIX 与 CCMIX 下，该比例仅为 8.2% 与 6.1%。

进一步观察，即便在表现较佳的指数框架下，真正能实现统计上更优风险压缩的资产比例仍然偏低。这表示市场 Beta 对冲在加密市场中的适用范围有限，更像一种「选择性有效」的工具，而非可普遍复制的通用解决方案。

5. 多因子重估

将上述研究结论回归行业实务，可以得到三个层面的启示。

• 对量化团队而言：Beta 不应再被视为预设稳定的基础输入，而应被看作需要滚动检验的状态变量。研究者在建构中性策略、产业轮动模型或风格暴露监控时，应同步追踪指数定义变化、流动性状态与市场事件窗口，而非仅根据固定历史窗口回归得出一个长期有效的 Beta。

• 对交易平台而言：若平台希望推出更成熟的风控与策略工具，重点不应仅止于提供一个「宽基指数」，而应建构多层次的市場画像能力。举例来说，平台可同时提供价格市场指数、流动性市场指数、链上活跃度指数、稳定币资金面指数与情绪热度指数，让策略研究者根据不同问题选择对应的因子，而非被迫将一切压缩进单一市场 Beta。

• 对机构投资者而言：机构若继续沿用传统市场的「指数空头 + 资产多头」对冲框架，需重新评估哪些资产真正具备可对冲性。头部资产与高流动性板块较可能被市场因子解释，而长尾资产则更可能呈现以个别事件为主导的收益结构。对这类资产套用 Beta 对冲，可能只会增加交易成本，却无法显著降低净风险。

6. 结论

综合现有公开研究，加密市场中的 Beta 并未失去意义，但其稳定、通用与可复制的程度远不及传统金融市场。市场指数定义不统一、收益跳跃频繁、流动性分层明显，以及链上与叙事因素的持续干扰，共同削弱了历史 Beta 对未来 Beta 的解释力，也限制了基于市场 Beta 的对冲策略在整个市场中的适用范围。

对研究人员与机构而言，这项现实意味着两个方向必须同步推进：一是持续提升 Beta 估计方法的稳健性；二是更为重要地重建数字资产的市场因子体系。未来真正具备竞争力的风险管理框架，很可能不是「更精确的单一 Beta」，而是能够将价格、流动性、链上行为、情绪与宏观环境统一映射至同一风险语言中的多因子模型。

参考文献：

• Arxiv, https://arxiv.org/abs/2506.21246
• Arxiv, https://arxiv.org/abs/2007.14702
• MarketVector, https://www.marketvector.com/indexes/custom/crescent-crypto-market

Gate 研究院 是一个全面的区块链与加密货币研究平台，为读者提供深度内容，包括技术分析、趋势洞察、市场回顾、行业研究、趋势预测与宏观经济政策分析。
免责声明 加密货币市场投资涉及高风险，建议用户在做出任何投资决策前，应进行独立研究并充分了解所购买资产与产品的性质。 Gate 对此类投资决策所造成的任何损失或损害不承担任何责任。