关键要点

• 本说明介绍了三个指标，一个是美元的领先宏观指标和两个加密货币衍生指标：均值回归看涨期权隐含波动率指数和代表加密货币估值的加密货币风险溢价

• 来自这些指标的最新消息是：

• 美国美元指数的峰值并未得到基本面的验证，这意味着融资条件可能还不足以让加密货币价格周期性触底

• 相对于标准普尔 500 指数，加密货币既不显得过分“丰富”也不“便宜”

• 在美国经济衰退和股市抛售的情况下，股票和加密货币风险溢价很可能会一起上涨，这可能会转化为加密货币价格进一步（也是最后一次？）下跌

介绍

持续的加密货币熊市以令人不安的事件为标志，至少可以说，从有缺陷的商业模式的曝光到彻头彻尾的欺诈计划的曝光。在本说明中，我们从特定事件回过头来看加密货币价格行为和宏观指标的发展。

我们的目标是确定加密衍生品市场和传统现货市场的系统模式。这些指标对当前的市场环境发出了什么信号？加密货币投资者如何确保他们不会只见树木不见森林？

在 A 部分，我们提出了美元 (USD) 的预测模型，因为美元代表了全球融资状况的及时指标，并且因为加密货币价格往往受益于美元疲软，反之亦然，在宏观环境中挣扎美元正在走强。

B 和 C 部分侧重于加密衍生品市场，并测试 BTC 和 ETH 期权价格对 BTC 和 ETH 现货价格的预测能力。B 部分考虑了看涨期权价差行为，C 部分介绍了“加密货币风险溢价”或“CRP”的概念。

A. 增长差异作为美元走强的预测指标

在我们撰写本文时，在中国“零疫情”退出后，美元兑主要发达市场货币开始下跌，尤其是日元等低收益货币，以及人民币兑人民币。

近期美元价格疲软的驱动因素之一似乎是未来债券市场对美联储利率峰值的定价。债券期货目前预测美联储政策利率将在 2023 年 5 月达到 4.84% 的峰值，并将在 2023 年下半年降息 40 个基点以上。诚然，美国 CPI 数据连续第二个月意外下行，这可以解释部分定价出于加息。

然而，降息或所谓的“美联储转向”只能发生在美国宏观经济严重疲软、实际增长大幅放缓的背景下。美联储主席鲍威尔一再表示，1) 紧缩不足的风险大于过度紧缩的风险，2) 劳动力市场过于紧张，需要重新平衡（见图 A.1）。这两项政策原则强化了美国实际增长疲软的必要条件，以便美联储验证债券市场目前的定价。因此，了解美国实际增长动态以评估未来美元价格走势非常重要。

图 A.1。工资增长和美联储的软目标

我们测试了美国和其他国家之间的相对增长变化及其对各自美元外汇交叉盘价格的预测能力。

为评估相对增长，我们按国家 / 地区衡量制造业采购经理人指数（制造业 PMI）的变化。在可能的情况下，我们会收集经济学家在 PMI 发布前的共识。在无法达成共识的情况下，我们转向快速调查，这是标准普尔全球在最终发布之前发布的 PMI 估计。如果无法获得预测或估计，我们将使用最终的 PMI 发布。

为什么使用制造业采购经理人指数作为国家间增长差异变化的代表？

• 时效性：作为调查，PMI 相对于工业生产等“硬指标”具有领先性

• 统一的方法：PMI 计算方法在各国是统一的

• 自相关：PMI 在一定时期内的下降往往会随着进一步下降而上升，反之亦然。这有助于价格预测

• Manufacturing PMI over Services PMI：我们使用 Manufacturing over Services PMI，因为它们在不同时间和不同国家 / 地区具有出色的数据可用性

对于每个国家 / 地区的 PMI，我们将高于 50 的数据测量为正数，例如 +51 = 1 点，将低于 50 的数字测量为负数，例如 48 = -2。这遵循 PMI 的方法，其中低于 50 的数据表示收缩活动，高于 50 的数据表示扩展活动。然后我们衡量跨国差异：例如，如果澳大利亚在 M 月扩张 1 点而美国收缩 2 点，我们的指标将显示 +1-(-2)=3 点有利于 AUDUSD。

我们在 PMI 可用性允许的最大时间样本上测试指标。此统计测试的稳健性得到以下支持：多个时间段的测试，多个国家和货币的测试，以及没有阈值优化，例如我们仅使用最新的月度 PMI。

以下是简单测试结果的总结：使用 PMI 指标购买 / 中和某种货币是否会比同期持有该货币产生更好的风险调整（返回到最大回撤）结果的时间。

我们发现：

• 大多数 PMI 指标，作为投资于超重 / 中性外汇策略的输入，比简单的买入并持有策略产生更好的结果（见图 A.2）。PMI 指标对于捕捉两国之间的长期增长差异特别有用（见图 A.3 至 A.8）

• 采取闪光或经济学家的估计提供比使用实际 PMI 作为输入更好的性能

• 对于美元的近似值，我们发现使用美元 ISM 共识与加权欧元和英镑 PMI 之间的简单差异产生最好的历史表现（欧元美元和英镑美元占 DXY 篮子的约 70%，见图 A.3 和 A.4) 预测 DXY

• PMI 指标在用于预测新兴市场货币时表现较差：USDCNY（见图 A.9 和 A.10），尤其是 USDKRW、USDINR 和 USDMXN

图 A.2。结果总结：使用 PMI 进行货币投资

图 A.3。PMI 指标（英镑和欧元的最终预测 - 美国 ISM 预测）vs DXY

图 A.4。策略回报指数（英镑和欧元的最终预测 - 美国 ISM 预测）对比美元指数，指数 = 1，2005 年 4 月

图 A.5。PMI 指标（美元 ISM 实际最终 PMI - SEK 实际最终 PMI）对比 USDSEK

图 A.6。策略回报指数（美元 ISM 实际最终 PMI - SEK 实际最终 PMI）对比 USDSEK，指数 = 1，2005 年 6 月

图 A.7。PMI 指标（澳元实际最终值 - 美元实际最终值）对比澳元兑美元

图 A.8。策略回报指数（澳元实际最终值 - 美元实际最终值）对比澳元兑美元，指数 = 1，2019 年 12 月

图 A.9。PMI 指标（美元 ISM 实际最终 PMI - CNY NBS 实际最终 PMI）对比 USDCNY

图 A.10。策略回报指数（美元 ISM 实际最终 PMI - CNY NBS 实际最终 PMI）对比 USDCNY，指数 = 1，2005 年 10 月

最后，经过测试的 PMI 指标并未验证 DXY 是否见顶。因此，现在呼吁向更宽松的全球金融环境过渡可能还为时过早，因此加密资产触底的基本情况可能还不存在。

B. 战术加密投资的看涨期权价差

我们将注意力从宏观指标转向衍生品市场，以评估加密期权投资者是否已经在这个熊市中“投降”。为了解决这个问题，我们计算了 BTC 和 ETH 的看涨期权与看跌期权的未平仓利率加权隐含波动率或“CPIV”（看涨 - 看跌隐含波动率）。

关于股票 CPIV 和股票价格之间关系的文献好坏参半，一些研究认为，在散户投资者主导的市场中，CPIV 往往是反向的，例如 CPIV 越高，标的股票的预期回报越低，但 CPIV 是在由“专业”投资者主导的市场中引领基础价格（参见 Doran、James 和 Fodor、Andy 和 Jiang、Danling，Call-Put Implied Volatility Spreads and Option Returns（2013 年 6 月 21 日）。

对于我们的加密货币 CPIV 研究，我们使用通过 Tardis 和 Nansen-Query 来自 Deribit 的 BTC 和 ETH 看跌期权和看涨期权的历史隐含波动率。

为了创建我们的 CPIV 加密指标，我们过滤掉空买价，并按到期范围（0-10 天、11-40 天、40-90 天、91 天 +）和行使价范围对看涨 - 看跌未平仓合约权重 ivol 数据进行分组。

我们决定不寻找固定的均值回归阈值：我们的数据涵盖 2021 年 1 月至 2022 年 11 月，或加密货币牛市和熊市的结束。我们假设衍生品市场必然会在未来的周期中发展，因此改为测试进入和退出阈值的滚动百分位数。

查看三个月尾随第 90 个百分点的进入门槛（例如，当相应的 CPIV 低于进入门槛时买入标的 BTC）和三个月尾随第 10 个百分点的退出门槛（例如，当相应的 CPIV 超过进入门槛时，中和标的 BTC 退出阈值），我们发现测试的 11 个指标中有 9 个（执行范围和到期范围的 CPIV 组合）在总回报和最大回撤方面优于买入并持有策略，其中有 4 个显着优于大盘（见图 B. 9，和 B.1-B.6）。

在三个月或六个月内测试第 90 个（第 90 个百分位数）或第 95 个进入阈值以及等于第 10 个或第 5 个百分位数的退出阈值不会显着影响结果，这在评估此方法的稳健性时令人鼓舞方法。

然而，该策略对 ETH 期权并不适用：在 11 种变体中，只有一种胜过买入并持有 ETH 现货策略（见图 B.7 和 B.8）。

图 B.1。BTC 期权 11-40 天到期，5% OTM：看涨期权隐含波动率 (CPIV) 和 3m 滚动第 90 和第 10 个阈值

图 B.2。BTC 期权 11-40 天到期，5% OTM：CPIV 叠加策略与 BTC 买入并持有

图 B.3。BTC 期权 41-90 天到期，40%+OTM：CPIV 和 3m- 滚动第 90 和第 10 个阈值

图 B.4。BTC 期权 41-90 天到期，40%+ OTM：CPIV 叠加策略与 BTC 买入并持有

图 B.5。BTC 期权 91d+ 到期，40%+ OTM：CPIV 和 3m-rolling 90th 和 10th

图 B.6。BTC 期权 91d+ 到期，40%+ OTM：CPIV 叠加策略与 BTC 买入并持有

图 B.7。ETH 期权 91d+ 到期，40%+ OTM：CPIV 和 3m-rolling 90th 和 10th

图 B.8。ETH 期权 91d+ 到期，40%+OTM：CPIV 叠加策略与 BTC 买入并持有

图 B.9。风险回报统计概览：CPIV 叠加策略与 BTC 买入并持有

与链上流量相比，衍生品投资者的行为如何？我们用 Nansen Smart Money 稳定币风险偏好指标（见图 B.10 和 B.11）对标表现最好的 CPIV 指标（BTC CPIV，41-90 天到期 40% 价外）。

图 B.10。Nansen Smart Money 稳定币指标和进入 / 退出门槛

图 B.11。策略 + Nansen Smart Money 稳定币指标 vs BTC 买入并持有

我们观察到：

• CPIV 指标比稳定币指标产生更频繁的风险偏好 / 风险规避信号

• 这两个指标都标志着从 2021 年 11 月开始的数月 BTC 价格回落

• 稳定币指标早在 2022 年 5 月就恢复了风险偏好，而 CPIV 指标截至 2022 年 11 月 20 日仍在闪烁战术“避险”

C. 加密货币风险溢价或基于衍生品的加密货币估值模型

在本节中，我们概念化并计算了加密风险溢价的第一个版本，即“加密风险溢价”或“CRP”。投资者为补偿持有“风险资产”而要求的风险溢价或超额回报与投资者对这些资产的基本价值的感知有关。

迄今为止，一直缺乏令人满意的加密估值模型。通过计算 BTC 和 ETH 的风险溢价，我们试图估计投资者对这两种资产的感知价值，例如投资者对这些资产需要多少溢价补偿。我们研究了这种溢价在 2021 年 1 月至 2022 年 11 月的时间样本中是如何演变的，以及它与股票投资者要求的风险溢价有何关系。

我们再次使用 Tardis 在 Nansen-Query 上转发的 Deribit 历史期权数据，这次考虑 BTC、ETH 和 SOL 的看涨期权和看跌期权的日内买价和卖价（时间样本对于后者，我们不对其进行统计研究，而是提供一个简单的可视化）。

我们采用了 Ian Martin 在其题为“市场预期回报率是多少？”的论文中开发的方法。发表于 2015 年 4 月。该论文通过将股票风险溢价 (ERP) 与隐含波动率衡量指标 SVIX 联系起来，对股票风险溢价 (ERP) 进行了估计。使用隐含波动率比更基本的计算（如股票的收益收益率或股息收益率预测）的优势在于数据的及时性，以及估计未来收益率或其他输入所需的假设量最少。

根据加密期权价格计算 SVIX 估计值以得出“加密风险溢价”或 CRP 具有相同的优势。另外，如上所述，迄今为止，事实证明很难为加密货币生成稳健的“基本面估值”模型。

将 SVIX 方法从股票导入加密货币的注意事项是，它隐含地假设一种资产类别的隐含波动率与另一种资产类别的隐含波动率非常相似。加密衍生品市场还很年轻，还没有像股票期权市场那样得到深入研究。因此，在分析 CRP 估计值时保持开放的心态是合适的。我们还将在本说明的后面比较 CRP 和 ERP 动态。

不过，将股票和加密货币估值模型结合在一起的一个理由是，这两种资产价格之间的相关性越来越大，尤其是自 2021 年以来（见图 C.1）。有人可能会争辩说，股票和加密资产价格会一起变动，尤其是在风险资产抛售期间。

图 C.1。BTC & SP500 与 ETH & S&P 500 之间的 52 周滚动相关性

为了计算加密货币的 SVIX，我们使用日内中间期权价格作为图 C.2 所示公式的输入。图 C.3 中绘制了时间 t 处 SVIX 估计值的可视化表示。每个每日 SVIX 估计对应于曲线下的图形区域，以每日频率刷新。

图 C.2。SVIX 公式

图 C.3。SVIX 视觉表示：曲线下面积的每日估计，曲线代表按期权行使价（x 轴）的期权中间价（y 轴）

图 C.4 使用到期时间为 30 天、90 天和 180 天的期权按标的（BTC、ETH、SOL）绘制了加密货币 CRP 的图表。一些观察：

• CRP，无论基础类型或到期时间如何，似乎都在一起移动

• 随着时间的推移，SOL CRP > ETH CRP > BTC CRP。这是有道理的，因为它遵循在已实现波动率中观察到的风险等级

• SVIX/CRP 线往往会在选定的时间点飙升，然后在较长时期内回归到更稳定的水平（见图 C.5 和 C.6）

• 2021 年 1 月和 2021 年 5 月发生了两次显着的 CRP 激增（后者恰逢中国宣布采取措施打击国内加密货币挖矿和交易的时间线）

图 C.4。使用 30d / 90d / 180d 期权为 BTC、ETH、SOL 计算的 SVIX 或加密货币风险溢价 (CRP)

图 C.5。使用 30d / 90d / 180d 选项的 BTC 的 SVIX 或 CRP

图 C.6。使用 30d / 90d / 180d 选项的 ETH 的 SVIX 或 CRP

图 C.7。180 天 BTC 期权的 SVIX 或 CRP 与标的 BTC/ 美元现货价格反转

图 C.8。180 天 ETH 期权的 SVIX 或 CRP 与标的 ETH/USD 现货价格反转

图 C.7 和 C.8 表明，当 CRP 较低且跳跃时，基础加密货币价格往往会下降，而当 CRP 较高且下降时，则往往会上涨。

为了验证这一观察结果，我们计算了 CRP 达到历史最高百分位和最低百分位后的加密货币现货表现。2021 年 1 月至 2021 年 11 月，或一半的时间样本，用于测试样本内的各种百分位数阈值。

当 CRP 超过“高”阈值时，该策略投资于标的资产，这里是 BTC，而当 CRP 超过“低”阈值时，该策略投资于标的资产，这里是 BTC。样本内选择了 75% 的“高”CRP 百分位数阈值和 25% 的“低”阈值，并在样本外提供了良好的结果（见图 C.9）。

图 C.9。CRP 30d 的样本内、样本外和全样本测试：根据 CRP 的百分位数投资标的资产的后续业绩回报

图 C.10。CRP 其他变体的全样本结果，以及每个 CRP 百分位数的后续回报

我们最终回到我们的跨资产观点并问：CRP（加密货币风险溢价）和 ERP（股票风险溢价）随着时间的推移如何比较？

图 C.11、C.12、C.13 和 C.14 表明：

• 标准普尔 500 指数风险溢价自 2021 年 1 月以来一直稳步上升

• 相比之下，BTC 和 ETH 各自的 CRP 在 2021 年都不稳定，但在 2022 年变得更加区间波动，即使在 2022 年 5 月的 UST 崩盘和蔓延期间也是如此

• 因此，CRP 和 ERP 之间的比率不稳定，BTC 相对于标准普尔 500 指数在 ~4 和 ~30 之间波动，ETH 在 ~6 和 ~60 之间波动，中值分别接近 ~12 和 ~20（2021 年 1 月之间）和 2022 年 11 月）

• CRP 和 ERP 之间的比率接近截至 2022 年 11 月 20 日（我们的最后一个数据点）时间样本的低点，BTC 与标准普尔 500 指数为 7，ETH 与标准普尔 500 指数为 12。这往往表明要求的相对溢价对加密货币和股票的投资已经下降

• 缩小到更长的时间样本并考虑图 C.15 中 BTC 与标准普尔 500 指数的已实现波动率比率，我们观察到该比率也在 2 和 20 之间振荡，中位数为 5，非常接近 CRP / ERP 我们样本中的中位数，也接近最新的 CRP / ERP 比率

• BTC 与标准普尔 500 指数之间的实际波动率在 5 左右波动，中间时期出现大幅跳跃，例如 2017 年末至 2021 年 1 月、2020 年 2 月（大流行性抛售）和 2021 年 5 月至 11 月（最近的熊市开始） )

图 C.11。BTC 加密货币风险溢价与标准普尔 500 股票风险溢价

图 C.12。ETH CRP 与标准普尔 500 ERP

图 C.13。比率（BTC CRP / S&P 500 ERP）和（ETH CRP / S&P 500 ERP）

图 C.14。比率（BTC/S&P 500 实现 52 周滚动波动）和（ETH/S&P 500 实现 52 周滚动波动）

总结这一跨资产分析，加密货币风险溢价与股票风险溢价之间的关系似乎在 2021 年不稳定之后在 2022 年“正常化”。这对未来的加密货币价格意味着什么？

如果我们回顾标准普尔 500 指数 ERP 的长期历史（自 1990 年代以来），我们会发现 ERP 目前相对较高（高于其第 75 个历史百分位，见图 C.15），这意味着股票投资者正在询问获得历史上更高的溢价。然而，我们估计标准普尔 500 指数的最新 ERP 约为 8-9%，与之前衰退市场崩溃期间达到的水平相比相形见绌：ERP 在 2020 年和 2008 年超过 20%，然后急剧逆转。

图 C.15。基于期权定价的标准普尔 500 股票风险溢价 (ERP)

因此，我们推测如果美国经济衰退和美国股票抛售（鉴于美联储决心在更长时间内维持紧缩融资条件，我们对 2023 年的主要设想），ERP 可能会走高，反之，CRP 或加密货币风险溢价也可能会上涨。因此，在融资条件变得对股票和加密资产更有利之前，加密价格可能会在这个周期中经历进一步（也是“最后”？）下跌。