套利定价理论（APT）

什么是套利定价理论（APT）？

套利定价理论（APT）是一种金融模型，通过资产对多个系统性风险因子的敞口来解释其预期回报。

在加密货币领域，APT 可作为分析框架，用于思考不同数字资产为何会随着时间推移产生不同回报。

APT 由 Stephen A. Ross 在 1976 年发表的论文 The Arbitrage Theory of Capital Asset Pricing 中提出。

其核心观点是，对相同定价风险因子具有相似敞口的资产，应具有相似的预期回报。

如果两种资产对因子的敞口相同，但预期回报差异很大，套利压力应会推动价格回归更一致的关系。

简单来说，APT 认为，投资者承担无法轻易通过分散投资消除的系统性风险，应获得相应回报。

在加密领域，这些风险可能包括整体加密市场风险、流动性风险、利率敏感性、监管消息风险、波动性风险、稳定币风险、智能合约风险、网络活动风险和代币供应风险。

APT 不是一种交易机器人策略，也不同于在两个市场之间进行简单的价格套利。

它也不同于 Aptos Blockchain 使用的 APT 代币。

套利定价理论是一种用于理解预期回报、因子敞口和风险定价的模型。

APT 为何在加密领域很重要

APT 在加密领域很重要，因为不同数字资产对风险的反应并不相同。

Bitcoin、智能合约平台代币、DeFi 代币、稳定币、游戏代币、流动性质押代币和现实世界资产代币，可能会对同一市场事件作出不同反应。

利率上升对某些加密资产的影响可能大于其他资产。

流动性冲击对小市值代币的影响可能大于大市值代币。

安全漏洞可能直接影响某个协议，同时也可能降低整个板块的信心。

监管公告对具有某些设计特点的代币，影响可能大于对用途不同的代币。

APT 为分析师提供了一种将这些回报模式拆分为不同因子的方式。

APT 不会笼统地说某个代币有风险，而是会分析该代币对哪些风险敏感。

这对投资组合构建、风险管理、代币估值和业绩归因都有帮助。

它可以帮助用户判断加密投资组合是否真正分散，还是只是因为持有多种代币而看起来分散。

如果投资组合中的所有代币都对同一市场因子高度敏感，那么该投资组合仍可能高度集中于某一类风险。

套利定价理论的工作原理

APT 的出发点是，资产回报可以由多个共同风险因子解释。

共同因子是指同时影响多种资产的广泛力量。

在传统市场中，共同因子可能包括通货膨胀、利率、经济增长、信贷状况、市场回报和汇率变动。

在加密市场中，共同因子可能包括加密市场总回报、Bitcoin 市占率、区块链活动、流动性、资金费率、稳定币供应、宏观经济政策和监管冲击。

CFA Institute 多因子模型摘要说明，APT 将预期回报描述为资产对一组因子的风险敏感度的线性函数。

这意味着，可以通过考察资产对各因子的敏感程度，以及市场要求投资者承担这些因子风险时获得多少回报，来估算资产的预期回报。

对整体加密市场风险高度敏感的代币，其预期回报可能需要高于市场敏感度较低的代币。

对流动性压力高度敏感的代币，其预期回报也可能需要更高，因为投资者持有市场承压时可能难以卖出的资产，需要获得补偿。

该模型的基础观点是，错误定价的资产会产生类似套利的修正压力。

不过，在真实的加密市场中，市场摩擦可能延迟或削弱这种修正过程。

APT 的基本公式

一个简单的 APT 公式是：预期回报 = 无风险利率 + 因子敏感度 1 × 因子溢价 1 + 因子敏感度 2 × 因子溢价 2 + 因子敏感度 3 × 因子溢价 3。

无风险利率是投资者在相同货币或经济环境中，通过风险极低的资产可以获得的回报。

因子敏感度表示资产对某一特定风险因子的反应强度。

因子溢价是投资者为承担某种风险因子的敞口而要求的额外回报。

例如，某种加密资产可能对整体加密市场回报高度敏感，对流动性状况则具有中等敏感度。

如果市场会为这些风险提供正向因子溢价，该资产的预期回报可能更高。

如果资产承担了高风险却没有明确回报，从 APT 角度看，它可能缺乏吸引力。

公式看起来简单，但选择合适的因子并不容易。

加密市场发展时间较短、变化迅速，同时受到链上和链下事件的影响。

因此，将 APT 应用于数字资产时，因子选择是最困难的环节之一。

系统性风险

系统性风险是指同时影响多种资产，且无法轻易通过分散投资消除的风险。

在加密领域，系统性风险可能包括整体市场抛售、宏观经济收紧、稳定币承压、重大监管变化、大型安全事件或流动性危机。

如果几乎所有加密资产都在整体市场崩盘期间下跌，这就属于系统性风险。

APT 关注系统性风险，因为投资者不应因容易通过分散投资消除的风险而获得补偿。

例如，某个小型协议存在漏洞的风险，如果不影响其他资产，可能主要是项目特有风险。

许多 DeFi 协议同时失去流动性的风险，则更接近系统性风险。

使用 APT 的加密投资者应区分哪些风险会影响整个市场，哪些风险只影响某个代币。

这一差别有助于区分具有风险溢价的风险与可规避的风险。

特质风险

特质风险是指属于某种资产、某个协议、某个团队或某种代币设计的风险。

例如，项目特定漏洞、产品发布失败、代币解锁问题、治理争端、桥接故障或糟糕的资金管理决策。

在 APT 中，充分分散的投资组合可以降低特质风险的重要性。

如果投资组合持有多种互不相关的资产，某个项目的特定故障可能不会主导整体结果。

不过，在加密领域，如果故障项目与更广泛的市场深度关联，特质风险有时会演变为系统性风险。

协议漏洞可能造成某种代币亏损，但如果许多其他协议依赖相同代码、桥接、预言机或抵押资产，恐慌情绪可能扩散。

因此，加密风险分析必须谨慎。

一些风险起初看似孤立，却可能因可组合性和杠杆而演变为市场范围的风险。

APT 与 CAPM

APT 经常与资本资产定价模型（CAPM）进行比较。

CAPM 通常使用一个主要因子——市场风险——来解释预期回报。

APT 则允许使用多个风险因子。

这让 APT 更适用于加密市场，因为数字资产可能同时受到多种力量影响。

一种代币可能同时对 Bitcoin 价格、网络活动、DeFi 流动性、稳定币资金流、利率、代币释放和监管压力敏感。

单因子模型可能会忽略这些差异。

APT 可以通过区分不同风险来源，提供更细致的分析。

但代价是复杂度更高。

CAPM 更容易解释和估算，而 APT 需要选择、衡量和测试多个因子。

APT 可能更贴近加密市场的实际情况，但也更难正确应用。

APT 与加密套利交易

套利定价理论不同于加密套利交易。

加密套利交易试图利用不同市场、区块链或流动性池之间的价格差获利。

APT 是一种关于资产如何根据因子风险定价的理论。

加密套利机器人可能会在某个地方低价买入代币，并在其他地方以更高价格卖出。

APT 分析师则可能研究某个代币的预期回报是否与其系统性风险因子敞口相匹配。

两个术语中都出现“套利”，是因为这两种概念都与价格一致性有关。

不过，两者的实际用途不同。

套利交易是一种执行策略。

套利定价理论是一种估值和风险模型。

混淆两者，可能会让用户误以为资产定价理论像短线交易系统一样运作。

APT 与加密因子模型

加密因子模型是将 APT 思路应用于数字资产的模型。

该模型尝试通过可衡量的风险因子解释代币回报。

一个基础的加密因子模型可能包括加密市场总回报、Bitcoin 回报、流动性、波动性、板块敞口、代币规模和动量。

更高级的模型可能还包括链上活动、Gas 费、活跃地址、总锁仓价值、开发者活动、稳定币供应、宏观利率和监管消息变量。

近期一项关于加密资产中异质性系统性与特质风险敞口的研究，探讨了不同类别的加密资产对市场层面和更广泛经济风险的敞口差异。

这正是 APT 可以帮助梳理的问题。

加密资产并非都属于同一种风险类别。

不同资产组可能具有不同的风险敏感度。

APT 风格的模型可以帮助投资者更清楚地看到这些差异。

APT 中常见的加密因子

第一个常见的加密因子是整体加密市场风险。

该因子反映某种代币是否倾向于随整个数字资产市场一同涨跌。

第二个因子是对 Bitcoin 的敏感度。

由于 Bitcoin 往往是整个市场风险的信号，许多加密资产仍会显著受到 Bitcoin 价格走势影响。

第三个因子是流动性风险。

流动性不足的代币在市场承压时可能跌得更多，因为卖方无法在不影响价格的情况下退出。

第四个因子是波动性风险。

价格不稳定的资产可能需要更高的预期回报，因为投资者希望获得承担大幅波动的补偿。

第五个因子是监管风险。

代币可能会对政策变化、执法行动、信息披露或法律不确定性作出剧烈反应。

第六个因子是智能合约和安全风险。

与复杂协议关联的资产可能面临代码漏洞、预言机故障、桥接攻击或治理失误。

第七个因子是代币经济学风险。

代币供应解锁、通胀、释放、销毁机制和质押奖励都可能影响预期回报。

加密 APT 中的宏观因子

尽管加密货币运行在区块链网络上，宏观经济因素仍可能影响加密市场。

利率可能影响投资者对风险资产的偏好。

通胀预期可能影响市场对稀缺数字资产的叙事。

货币强弱可能影响全球对美元挂钩稳定币和风险资产的需求。

流动性状况可能影响流入或流出加密市场的资金规模。

关于货币政策与加密货币的研究回顾了相关证据，指出货币政策冲击可能影响加密货币价格和波动性。

在 APT 框架中，如果这些宏观力量系统性地影响多种加密资产，就可以将其纳入因子。

如果某个代币只有在流动性充裕时表现良好，它可能对全球流动性状况有很强的敞口。

利率上升时大幅下跌的代币，可能对货币政策收紧高度敏感。

这些敞口对投资组合构建很重要，因为它们可以显示加密仓位在宏观压力期间可能如何表现。

加密 APT 中的链上因子

链上因子是直接来自区块链活动的风险和价值信号。

例如，活跃地址数、交易数量、Gas 使用量、费用收入、质押参与度、验证者数量、总锁仓价值、桥接资金流、稳定币资金流和代币持有者集中度。

这些因子可能很有用，因为加密网络会生成一些传统资产并不总能提供的公开数据。

例如，智能合约平台代币可能对网络费用敏感，因为费用可以反映区块空间的真实需求。

DeFi 代币可能对总锁仓价值敏感，因为流动性会影响协议使用情况和手续费收入。

质押代币可能对验证者参与度敏感，因为质押会改变流通供应量和安全激励。

链上因子很有价值，但脱离背景使用时也可能造成误导。

交易数量增加可能来自真实用户、机器人、垃圾交易、激励活动或低成本操作。

APT 风格的加密分析应检验某个链上因子是否确实能解释回报，而不是直接假定它可以。

流动性因子

流动性是加密领域最重要的风险因子之一。

流动性良好的资产可以在不显著影响价格的情况下进行大额买卖。

流动性不足的资产可能存在较大的价差、较浅的订单簿、流动性稀薄的资金池和较高的滑点。

从 APT 的角度看，投资者可能会要求持有流动性不足的资产时获得更高的预期回报，因为在市场承压时退出可能需要付出高昂成本。

加密市场中的流动性可能迅速消失。

某种代币在市场平静时看起来流动性良好，但市场崩盘时可能很难卖出。

流动性风险也可能因链而异。

同一种资产在某条网络上可能流动性充足，在另一条网络上的流动性却很弱。

构建加密 APT 模型时，应使用交易量、市场深度、价差、滑点和链上资金池储备谨慎衡量流动性。

忽略流动性，可能会让某种实际上难以安全退出的代币看起来很有吸引力。

波动性因子

波动性衡量资产价格随时间变动的幅度。

与许多传统资产相比，加密资产往往具有较高的波动性。

美国 SEC 的加密资产投资者警示提醒，加密资产投资可能具有极高的波动性和投机性。

在 APT 框架中，如果投资者会要求补偿波动性风险，就可以将波动性作为风险因子处理。

不过，波动性本身并不意味着回报一定更高。

代币可能具有很高的波动性，但长期表现仍然不佳。

因此，APT 关注的是具有定价的系统性风险，而不是简单地认为风险越高回报就越高。

关键问题是，市场是否真的会补偿投资者承担某种波动性因子的风险。

对某些加密资产而言，高波动性可能反映增长的不确定性。

对另一些资产而言，高波动性可能反映流动性不足、投机、设计缺陷或需求不稳定。

监管风险因子

监管风险是指法律、执法行动、政策变化或政府限制影响加密资产价值的风险。

加密资产可能对监管消息敏感，因为法律地位会影响资产的可访问性、流动性、托管、信息披露和机构参与度。

如果多种资产以相似方式受到监管风险影响，APT 就可以将其视为一个因子。

有些代币可能因其分发模式、治理设计、收益特点、发行方关系或用途而面临更大的监管风险敞口。

另一些设计不同或运行时间更长的资产，受到的监管风险影响可能较小。

监管风险也会因国家或地区而异。

某个主要市场的政策变化可能影响全球流动性和市场情绪。

使用 APT 的投资者不应将所有监管风险视为相同。

关键是分析哪些加密资产对哪些类型的法律和政策事件最为敏感。

代币经济学风险因子

代币经济学描述加密代币的经济设计。

代币经济学包括供应量、释放、归属期、解锁、质押奖励、销毁、治理权、手续费捕获、资金库分配和激励计划。

在 APT 中，如果供应设计会影响多种代币的预期回报，代币经济学就可能成为一个因子。

即将大规模解锁的代币，如果新增供应进入市场，可能面临抛售压力。

如果需求没有增长，高释放量可能稀释代币持有者的权益。

能够有效捕获手续费的代币，其表现可能不同于没有明确价值流入机制的代币。

质押奖励也可能影响回报，因为它们会改变流通供应量和持有者激励。

代币经济学风险在加密领域尤其重要，因为许多资产没有传统现金流。

用户必须了解代币供需如何随时间相互作用。

智能合约风险因子

智能合约风险是指代码发生故障、行为异常或遭到利用的风险。

在加密领域，许多代币依赖智能合约、桥接或协议逻辑。

与借贷市场、衍生品平台、流动性质押系统、桥接或自动做市商相关的代币，可能面临合约故障风险。

在 APT 风格的模型中，智能合约风险可能难以衡量，但仍然值得关注。

使用复杂代码并锁定大量价值的板块，智能合约风险可能更高。

安全审计可以降低风险，但无法消除风险。

漏洞赏金计划、形式化验证、经过时间检验的代码和有限的升级权限，都有助于增强信心。

如果许多协议依赖相同的代码库、预言机、桥接或抵押品类型，智能合约风险也可能演变为系统性风险。

因此，安全风险是数字资产定价中的重要因子。

稳定币与流动性流动因子

稳定币在加密领域很重要，因为它们通常用作交易抵押品、结算资产和连接不同市场的流动性工具。

稳定币供应量变化可能反映市场流动性的变化。

稳定币大量流入可能支持买入能力。

大量流出可能意味着市场流动性减弱或市场转向避险。

稳定币承压可能同时影响多种加密资产，因为交易者和 DeFi 协议依赖稳定的结算资产。

如果稳定币供应、脱锚风险或流动性状况有助于解释回报，APT 就可以纳入与稳定币相关的因子。

例如，DeFi 代币可能对稳定币流动性敏感，因为借贷和交易活动往往依赖稳定币市场深度。

即使某项资产本身不是稳定币，影响整个市场的稳定币事件也可能波及该资产。

这是原生加密系统性风险因子的一个典型例子。

网络活动因子

网络活动可能影响区块链生态代币的价值。

网络活动可能包括交易、活跃地址、手续费、开发者部署、智能合约调用或应用使用情况。

真实使用量增长的区块链，可能拥有更强的手续费需求、更高的开发者兴趣和更好的生态增长前景。

不过，并非所有活动都同样有意义。

有些活动可能来自激励、机器人、垃圾交易、低价值转账或短期活动。

只有在网络活动能够持续解释回报时，APT 才应将其作为因子使用。

对于智能合约平台代币，手续费收入可能比原始交易数量更重要。

对于游戏代币，活跃用户可能比总锁仓价值更重要。

对于支付代币，结算量和重复使用情况可能比社交媒体关注度更重要。

优秀的因子建模会根据资产的经济作用匹配因子。

动量与市场情绪因子

动量是指近期表现较好的资产在一段时间内可能继续表现良好。

市场情绪是指市场氛围、关注度或风险偏好。

加密市场可能对动量和市场情绪高度敏感，因为许多参与者会围绕市场叙事、流动性周期和社交关注度进行交易。

在 APT 风格的加密分析中，动量和市场情绪可能表现为统计因子或行为因子。

资本轮动至某个板块时，代币可能上涨，即使基本面没有变化。

市场情绪转而看空某个类别时，代币也可能大幅下跌。

这些因子可能有用，但应谨慎处理。

动量可能迅速反转。

市场情绪可能难以衡量。

过度依赖情绪的模型，可能在某一种市场环境中有效，却在另一种环境中失效。

APT 如何帮助构建加密投资组合

APT 可以帮助用户了解投资组合实际承担了哪些风险，从而辅助构建加密投资组合。

一个持有 10 种代币的投资组合看起来可能已经分散。

如果这 10 种代币都高度暴露于同一个加密市场因子，那么投资组合的分散程度可能并不高。

APT 风格的模型可以估算投资组合中有多少风险来自市场风险、流动性风险、DeFi 风险、智能合约风险、宏观风险或板块风险。

这有助于投资者避免隐藏的集中风险。

例如，投资组合可能持有多种 DeFi 代币、一种流动性质押代币和一种智能合约平台代币。

虽然代币名称不同，但整个投资组合仍可能高度暴露于同一个 DeFi 流动性周期。

APT 也可以帮助比较看似无关的资产。

如果两种资产具有相似的因子敞口，同时持有它们所能降低的风险可能低于预期。

如果两种资产的因子敞口不同，将它们组合起来可能改善分散效果。

APT 如何帮助进行业绩归因

业绩归因是指解释投资组合为何增值或贬值。

APT 可以帮助区分市场波动、因子敞口和资产特定事件所造成的影响。

例如，整体市场下跌时，加密投资组合可能会贬值。

APT 可以估算损失中有多少来自整体市场 Beta，又有多少来自流动性风险、板块敞口或代币特定问题。

这很有用，因为并非所有亏损都代表相同情况。

在市场避险期间，整体市场敞口导致的亏损可能是可以预期的。

代币选择不当导致的亏损则可能需要采取不同的应对方式。

意外的监管敞口导致亏损，可能表明投资者没有认识到某种风险。

业绩归因有助于用户从结果中吸取经验，而不是只对价格变化作出情绪化反应。

APT 如何帮助代币估值

APT 可以通过估算投资者持有某种代币时要求的回报，辅助代币估值。

如果某种代币高度暴露于风险因子，投资者可能会要求更高的预期回报。

更高的必要回报率可能降低未来现金流、手续费收益权或代币用途收益的公允价值。

如果某种代币对系统性风险的敞口较低，投资者可能会接受较低的预期回报。

这对具有实际价值流入的代币很重要，例如可以捕获手续费、提供质押收益或享有协议收入权益的代币。

对于没有明确现金流的代币，这一点同样重要，因为投资者仍会对风险、稀缺性、用途和需求进行定价。

仅凭 APT 无法得出完美的代币估值。

它提供了一种思考风险调整后预期回报的方式。

某种代币在简单价格走势图上可能看起来便宜，但经过因子风险调整后，估值可能偏高。

某种代币可能看起来平平无奇，但如果其相对于风险敞口的回报较强，也可能具有吸引力。

APT 在加密市场中的局限性

APT 在加密市场中存在重要局限。

第一项局限是因子选择。

如果使用了错误的因子，任何模型都难以有效运作。

第二项局限是历史数据不稳定。

加密市场变化迅速，过去的因子关系未来可能不再成立。

第三项局限是数据质量。

部分加密数据存在噪声、不完整、被操纵、跨链重复或受到激励机制扭曲等问题。

第四项局限是市场摩擦。

高额费用、流动性不足、提现延迟、桥接风险和交易限制可能妨碍套利迅速修正错误定价。

第五项局限是非线性。

加密市场在平静时期对某种因子的反应可能较温和，在压力时期却可能剧烈变化。

第六项局限是尾部风险。

漏洞攻击、脱锚、监管冲击和治理失误可能造成突发亏损，而普通因子模型可能无法捕捉这些情况。

APT 虽然有用，但不应被视为完整的风险管理系统。

无套利假设

APT 依赖无套利这一观点。

无套利是指，如果两种资产具有相同的风险敞口，就不应在没有合理原因的情况下提供不同的预期回报。

如果某种资产相对于其因子敞口明显被低估，投资者可以买入该资产，同时卖出或避开被高估的替代资产。

这种交易压力应会缩小错误定价。

在加密领域，这一过程可能不如传统理论所假设的那样有效。

手续费、流动性限制、钱包风险、链上拥堵、桥接延迟、托管问题和法律不确定性都可能使套利变得困难。

因此，加密市场中的错误定价可能比简单理论预期持续更长时间。

APT 仍可作为有用的参考，但现实市场并不总会立即调整。

用户应记住，无套利是一项建模假设，而不是保证。

APT 与 DeFi

APT 对 DeFi 可能很有用，因为 DeFi 代币往往具有多种风险敞口。

DeFi 代币可能取决于协议收入、流动性、预言机质量、抵押品质量、治理决策、激励释放和智能合约安全性。

它也可能对整体加密市场回报和稳定币流动性敏感。

APT 风格的模型可以帮助区分这些风险。

例如，借贷协议代币可能对借款需求和抵押品强平风险敏感。

去中心化交易协议代币可能对交易量和流动性提供者的行为敏感。

流动性质押代币可能对质押奖励、验证者表现和赎回流动性敏感。

了解这些因子敞口，有助于用户避免把所有 DeFi 代币视为相同资产。

DeFi 提供了许多机会，但其风险来源可能复杂且相互关联。

APT 与稳定币

APT 也可以用于分析稳定币相关资产，尽管稳定币旨在维持价值稳定。

稳定币可能面临储备质量、发行方风险、流动性需求、利率、赎回规则和监管压力等敞口。

稳定币收益产品可能受到借贷需求、托管安排、短期利率和协议风险的影响。

稳定币在正常时期可能价格波动较小，但在市场承压时仍可能面临较高的尾部风险。

因此，对稳定币进行因子建模，与对波动性较大的治理代币进行建模并不相同。

稳定币的预期回报可能较低，但风险可能集中于罕见事件。

APT 可以帮助识别哪些稳定币相关风险得到了补偿，哪些没有。

用户不应认为价格稳定就代表没有风险。

APT 与加密指数

加密指数将多种资产组合成类似投资组合的产品或基准。

APT 可以帮助分析哪些因子推动指数表现。

大型加密资产指数可能主要反映整体市场风险和对 Bitcoin 的敏感度。

DeFi 指数可能反映流动性、协议收入、智能合约风险和治理风险。

游戏板块指数可能反映用户增长、代币释放以及市场对消费类加密资产的风险偏好。

指数可以降低单一代币风险，但无法消除系统性因子风险。

APT 可以帮助用户判断指数是实现了真正的风险因子分散，还是只分散了代币名称。

这一差别很重要，因为整体市场承压时，许多加密代币可能同时下跌。

良好的指数方法应说明板块敞口、权重规则、流动性筛选和再平衡规则。

APT 与风险溢价

风险溢价是投资者为承担某种风险而要求的额外回报。

在 APT 中，每个具有定价的因子都有各自的风险溢价。

如果流动性风险已经被市场定价，投资者会要求持有流动性不足的代币时获得额外回报。

如果监管风险已经被市场定价，投资者会要求持有面临法律不确定性的资产时获得额外回报。

如果波动性风险已经被市场定价，投资者会要求持有高度暴露于市场动荡的资产时获得额外回报。

并非所有风险都有正向溢价。

有些风险可能无法获得补偿，因为它们可以通过分散投资消除，或者市场并不会为其提供回报。

这对加密投资者来说是一个关键要点。

如果风险没有带来更高的预期回报，承担更多风险并不一定明智。

APT 可以帮助用户判断某种风险是否会获得回报，还是只会带来危险。

APT 与分散投资

分散投资是指将敞口分布于不同资产、板块、策略和风险因子。

APT 通过关注因子敞口而非代币数量，提升了分散投资分析的效果。

如果一个投资组合中的许多代币都依赖同一个市场周期，它仍可能缺乏良好的分散效果。

如果资产的因子敞口各不相同，即使投资组合中的资产较少，也可能实现更好的分散。

例如，一种代币可能对智能合约平台的使用情况敏感，另一种可能对稳定币流动性敏感，还有一种可能对质押需求敏感。

组合不同的因子敞口可能降低整体投资组合风险。

不过，市场承压时，资产之间的相关性可能会上升。

平静时期看起来不同的资产，在危机期间也可能一同下跌。

APT 可以提供帮助，但用户仍应在极端情况下对投资组合进行压力测试。

APT 与风险管理

APT 可以帮助发现隐藏敞口，从而支持风险管理。

交易者可能以为自己押注的是某种代币，但实际仓位可能是押注流动性、杠杆或板块情绪。

长期投资者可能以为自己持有的加密资产已经分散，但 APT 可能显示，投资组合的大部分都依赖同一个整体因子。

风险管理者可以根据因子敞口设定仓位限额。

他们也可以利用因子模型对投资组合进行压力测试。

例如，他们可以估算整体加密市场风险大幅下降、流动性枯竭或监管风险上升时可能发生的情况。

这并不能完美预测未来。

但它有助于用户为合理的情境做好准备。

良好的风险管理并非准确知道未来会发生什么。

而是要在意外发生时仍能继续应对。

APT 与错误定价

APT 可以帮助识别加密资产中可能存在的错误定价。

如果两种资产的因子敞口非常相似，但预期回报差异很大，其中一种资产可能存在错误定价。

例如，两种 DeFi 代币可能具有相似的流动性、收入敞口、智能合约风险和市场敏感度。

如果其中一种代币的预期回报明显较低，却没有明确原因，分析师可能会调查它是否被低估，或是否存在隐藏风险。

不过，加密资产的错误定价很难确认。

某种代币看起来便宜，可能是因为市场预期未来会发生解锁、治理问题、漏洞风险或使用量下降。

另一种代币看起来昂贵，可能是因为它拥有更强的社区信任、更好的流动性或更好的未来增长预期。

APT 有助于梳理比较，但仍需要作出判断。

模型可以提出问题，但不能代替研究。

面向新手的 APT

即使没有高深的数学知识，新手也可以通过理解风险构成要素来认识 APT。

加密资产的回报就像由多种风险要素构成的一份配方。

其中一种要素可能是整体加密市场风险。

另一种要素可能是流动性风险。

另一种要素可能是代币经济学风险。

还有一种要素可能是智能合约风险。

APT 关注的是资产包含多少此类要素，以及投资者承担每种要素风险时要求获得多少回报。

与只问某个代币会涨还是会跌相比，这种方法更有用。

它能让用户思考代币为何可能带来回报，以及为了获得这些回报需要承担哪些风险。

对新手来说，主要启示是：较高的预期回报通常伴随着对风险因子的敞口。

目标是了解哪些风险值得承担，哪些风险应当避开。

对 APT 的常见误解

一种常见误解是，APT 可以保证盈利。

APT 不能保证盈利，因为它是一种模型，而不是交易信号或收益产品。

另一种误解是，APT 等同于套利交易。

APT 关注预期回报和因子定价，而套利交易关注执行价格差。

第三种误解是，APT 可以自动识别正确的因子。

分析师必须谨慎地选择、测试和更新因子。

第四种误解是，APT 可以消除加密风险。

APT 有助于解释风险敞口，但无法消除波动性、智能合约风险、流动性风险或市场崩盘风险。

第五种误解是，因子越多，模型就一定越好。

因子过多可能导致模型过度拟合历史数据，在实际市场中失效。

第六种误解是，APT 可以完美适用于加密市场。

加密市场存在摩擦、历史较短、极端事件和不断变化的结构，这些因素都可能限制任何模型的效果。

将 APT 应用于加密市场的最佳实践

用户应从少量清晰、易于解释的因子开始。

应选择具有经济意义的因子，而不只是选择最符合历史数据的因子。

应检验不同市场时期的因子关系是否保持稳定。

应区分整体市场风险、板块特定风险和代币特定风险。

由于流动性和波动性风险在加密领域尤为重要，应将其纳入分析。

应审查代币经济学，因为释放和解锁可能显著影响回报。

应考虑链上数据，但不要盲目相信活动指标。

市场结构发生变化时，应更新模型。

应将 APT 与安全研究、法律研究、治理审查和协议分析结合起来。

应将模型输出视为参考信息之一，而不是最终结论。

对零售用户的局限

零售用户可能会觉得 APT 难以应用，因为它需要数据、数学分析和判断能力。

良好的因子模型需要可靠的价格历史、流动性数据、宏观数据、链上数据和统计检验。

许多零售用户无法获得干净的数据或专业工具。

即使数据质量良好，模型也可能出错。

升级、黑客攻击、代币解锁、治理投票或市场机制变化后，加密资产的表现可能迅速改变。

因此，零售用户不应只依赖 APT 作出投资决策。

不过，零售用户仍可简单运用其基本思路。

可以思考某种代币面临哪些整体风险。

可以思考这些风险是否能获得回报。

还可以思考自己的投资组合是否隐藏着对某个风险因子的集中敞口。

相关加密术语

套利是指利用资产或市场之间的价格差进行交易。

因子模型是指通过共同风险因子解释资产回报的模型。

系统性风险是指无法轻易通过分散投资消除的市场整体风险。

特质风险是指资产特有、可能通过分散投资降低的风险。

风险溢价是投资者为承担某种风险而要求的额外回报。

Beta 是衡量资产对某个因子反应强度的指标。

流动性风险是指无法在不造成大幅价格影响的情况下迅速卖出资产的风险。

代币经济学是指加密代币的经济设计。

波动性是指价格随时间变动的程度。

CAPM 是资本资产定价模型，主要根据市场风险这一单一因子为资产定价。

常见问题

套利定价理论是什么意思？

套利定价理论是一种金融模型，通过资产对多个系统性风险因子的敞口来解释预期回报。

APT 是什么的缩写？

在金融领域，APT 是 Arbitrage Pricing Theory（套利定价理论）的缩写；但在加密领域中，APT 根据语境也可能代表其他含义。

套利定价理论与加密套利相同吗？

不同。套利定价理论是一种资产定价模型，而加密套利是一种试图从价格差中获利的交易策略。

APT 如何应用于加密领域？

APT 通过市场风险、流动性、波动性、代币经济学、监管风险和链上活动等因子，对加密代币回报进行建模。

APT 中的因子是什么？

因子是同时影响多种资产的广泛风险或回报驱动因素。

常见的加密 APT 因子有哪些？

常见的加密 APT 因子包括整体市场风险、对 Bitcoin 的敏感度、流动性、波动性、监管风险、智能合约风险、代币经济学和网络活动。

APT 能保证准确预测加密资产回报吗？

不能。因子关系可能发生变化，而且加密市场波动性很高，因此 APT 无法保证准确预测回报。

APT 对加密资产来说比 CAPM 更好吗？

由于 APT 可以纳入多个风险因子，因此可能比 CAPM 更灵活；但也更难准确估算。

APT 能帮助分散加密投资组合吗？

可以。APT 可以帮助判断投资组合是依据真实风险因子进行分散，还是只分散了代币名称。

APT 在加密领域最大的弱点是什么？

最大的弱点是在发展时间短、变化迅速且数据分散的市场中，难以选择可靠的因子。

APT 对 DeFi 代币有用吗？

有用。APT 可以帮助分析 DeFi 代币，将市场风险、流动性风险、智能合约风险、协议收入敞口和代币经济学风险区分开来。

新手应该使用 APT 进行加密投资吗？

新手可以将 APT 作为思考框架，但不应只依赖它作出投资决策。

总结

套利定价理论（APT）是一种通过多个系统性风险因子解释资产预期回报的模型。

APT 对加密货币很有用，因为数字资产受到多种相互交叠的风险影响，而不是只受单一市场因子影响。

加密代币可能对整体市场走势、Bitcoin 价格、流动性、波动性、监管、智能合约风险、代币经济学、稳定币资金流、网络活动和宏观经济状况敏感。

APT 可以帮助用户分析代币承担了哪些风险，以及市场是否可能为这些风险提供回报。

它还能帮助投资者了解投资组合是否真正分散，还是主要暴露于同一个隐藏因子。

这一理论不同于加密套利交易。

它也不同于其他加密语境中使用的 APT 代币。

套利定价理论关注估值、因子敞口和风险调整后的预期回报。

它的主要优势是灵活，因为可以同时纳入多个风险因子。

它的主要弱点是模型高度依赖正确选择因子和使用可靠数据。

加密市场发展时间短、波动性高、市场分散，并且受到快速变化的技术和监管环境影响，因此应用 APT 更加困难。

因此，应将 APT 视为分析框架，而不是完美的预测工具。

完善的加密分析应将 APT 与链上研究、代币经济学审查、安全分析、治理审查、流动性分析和市场判断结合起来。

对加密领域的学习者来说，关键在于，回报不会凭空出现。

回报通常与投资者选择承担的风险相关。

APT 有助于揭示这些风险，让用户在评估代币、投资组合和市场机会时作出更明智的决定。