Tận dụng Hiệu suất Tương đối của Tài sản
Crypto là một lớp tài sản có độ biến động cao nơi mà lợi nhuận tổng thể của một danh mục đầu tư thường có tương quan cao với thị trường tổng thể dẫn dắt bởi biến động giá $BTC. Bản chất của thị trường này khiến cho các nhà đầu tư khó khăn trong việc xây dựng các danh mục đầu tư đa dạng có thể làm giảm tác động của biến động. Tuy nhiên, điều này cũng tạo ra cơ hội để kiếm lợi nhuận từ hiệu suất vượt trội tương đối trong một số khoảng thời gian nhất định. Khi các yếu tố xúc tác xuất hiện và tin tức diễn ra, thị trường bắt đầu định giá vào các kỳ vọng tương lai, khiến một số tài sản vượt trội trong khi những tài sản khác tụt lại phía sau. Đây là lý do tại sao giao dịch cặp có thể là một công cụ mạnh mẽ để chúng ta trích xuất giá trị từ những thiếu hiệu quả của một thị trường mới nổi như crypto.
Các chiến lược giao dịch cặp tập trung vào hiệu suất tương đối của các tài sản, và thường được thiết kế để tạo lợi nhuận bất kể điều kiện thị trường—dù là thị trường giảm, tăng, hay đi ngang—bằng cách khai thác sự khác biệt trong hành động giá giữa các tài sản được chọn. Các danh mục đầu tư sử dụng các chiến lược này thường được xây dựng thông qua các vị thế mua / bán trên hai hoặc nhiều tài sản, thường nhằm đạt được tính trung lập thị trường. Tuy nhiên, chúng cũng có thể được tinh chỉnh để phản ánh thiên kiến hướng thị trường của nhà đầu tư, điều này rất hiệu quả để tận dụng tin tức hoặc cái gọi là “giao dịch theo narrative”.
Hầu hết các chiến lược nhắm đến tính trung lập thị trường có thể được thực hiện thông qua các phương pháp hệ thống và thống kê dựa trêncác mô hình toán học để xác định và hành động trên các sai lệch giá tạm thời giữa các tài sản thường di chuyển đồng bộ. Ngoài ra, chúng cũng có thể được hướng dẫn bởi các yếu tố tùy ý hơn hoặc cơ bản, được gọi là “narratives trading”. Do đó, các danh mục đầu tư Long / Short được điều chỉnh để phản ánh quan điểm của nhà đầu tư về động lực thị trường dựa trên các chất xúc tác, xu hướng ngành, phát triển chủ đề, hoặc các sự kiện tin tức quan trọng.
Chuỗi báo cáo này sẽ bao quát các phương pháp luận khác nhau để xây dựng các danh mục đầu tư như vậy, bao gồm giao dịch cặp và chiến lược long-short. Để làm được điều đó, nó sẽ thảo luận về các mô hình cơ bản đằng sau tính trung lập thị trường, cơ chế xây dựng các danh mục đầu tư như vậy, và các ứng dụng thực tế của những chiến lược này trong crypto, được minh họa bằng các ví dụ và trường hợp sử dụng thực tế.
Các Điểm Chính
- Báo cáo nhấn mạnh giá trị của việc xây dựng danh mục đầu tư dài/ngắn (L/S) để khai thác sự khác biệt trong hiệu suất tài sản qua một khoảng thời gian. Những chiến lược này là các công cụ đa năng trong hộp công cụ của nhà đầu tư, có thể áp dụng với các mức độ phức tạp khác nhau dựa trên kinh nghiệm và kỹ năng của bạn.
- Việc ôn lại Mô hình Định giá Tài sản Vốn (CAPM) là quan trọng để thiết lập nền tảng lý thuyết cho các chiến lược L/S. Các khái niệm chính như beta và khái niệm về “market portfolio” là thiết yếu để hiểu động lực rủi ro và lợi nhuận.
- Sau khi kiểm tra động lực beta của các hợp đồng vĩnh cửu được chọn từ năm 2022 trở đi, có thể xác nhận sự kiện được ghi nhận rõ ràng rằng các token tiền điện tử thường thể hiện beta cao hơn so với danh mục thị trường, cho thấy độ biến động lớn hơn so với thị trường rộng lớn hơn và độ nhạy cảm cao đối với các thay đổi trong chế độ thị trường.
- Các chiến lược được các quỹ đầu cơ sử dụng trong tài chính truyền thống để đạt được các mức độ trung lập thị trường khác nhau cung cấp những insights quý giá có thể được áp dụng để xây dựng các danh mục L/S trong crypto. Các chiến lược này có mức độ phức tạp từ giao dịch cặp và arbitrage thống kê đến các cách tiếp cận được thúc đẩy bởi phân tích cơ bản hoặc tin tức.
- Việc tạo ra ba chiến lược L/S riêng biệt thể hiện cách các nhà đầu tư có thể thực hiện các chiến lược đầu tư dựa trên câu chuyện trong khi nhắm đến các mức độ tiếp xúc khác nhau với thị trường.
- Chiến lược L/S cung cấp một khung toàn diện cho phép các nhà đầu tư điều hướng bất kỳ điều kiện thị trường nào với độ chính xác được nâng cao. Những chiến lược này góp phần giảm rủi ro thị trường, đa dạng hóa hơn, và cải thiện lợi nhuận điều chỉnh theo rủi ro.
Nền tảng
Thị trường, với vô số biến số và bản chất không thể dự đoán, đòi hỏi một cách tiếp cận rộng rãi, đa diện để được hiểu một cách thực sự. Các thị trường tài chính vốn dĩ phức tạp, được đặc trưng bởi vô số yếu tố ảnh hưởng đến giá tài sản và biến động thị trường. Những yếu tố này bao gồm các chỉ số kinh tế, hiệu suất doanh nghiệp hoặc giao thức, sự kiện địa chính trị, chất xúc tác, và tâm lý nhà đầu tư, cùng với nhiều yếu tố khác.
Để điều hướng sự phức tạp này, các nhà đầu tư và nhà phân tích áp dụng một loạt các phương pháp, mỗi phương pháp có trọng tâm và giả định riêng của nó. Những phương pháp này được phân loại rộng rãi vào các hạng mục như phân tích kỹ thuật, phân tích cơ bản, phương pháp định lượng, và các phương pháp khác như phân tích cảm tính hoặc các luận điểm kinh tế vĩ mô.
Không có cách tiếp cận đơn lẻ nào cung cấp một phương thuốc chữa bách bệnh; mỗi cách đều có điểm mạnh và hạn chế của nó. Giống như lắp ráp một bức tranh ghép, việc hiểu thị trường đòi hỏi phải ghép nối các nhận định từ các khung phân tích khác nhau. Mỗi phương pháp này đóng góp một lăng kính khác nhau qua đó các nhà đầu tư có thể nhìn nhận thị trường, cung cấp một sự hiểu biết phong phú hơn, tinh tế hơn về các cơ hội và rủi ro đang diễn ra. Bất chấp sự đa dạng của các ý kiến và phương pháp—từ phân tích kỹ thuật đến các mô hình định giá cơ bản—mỗi cách đều cung cấp một góc nhìn một phần, nhấn mạnh sự phức tạp và không thể dự đoán của thị trường.
Điều này minh họa câu chuyện được mô tả trong cuốn sách “Pairs Trading: Quantitative Methods and Analysis” của Ganapathy Vidyamurthy, nơi sáu người mù chạm vào các phần khác nhau của một con voi, mỗi người đưa ra kết luận riêng biệt về hình dạng của nó. Mỗi cá nhân sẽ chạm vào các phần khác nhau của con voi và kết luận rằng nó giống như các vật thể dựa trên phần mà họ chạm phải (tường, ngọn giáo, rắn, cây, quạt, dây thừng) nhấn mạnh sự hiểu biết một phần của họ.
Hình 1: Sự hiểu biết một phần về cách thế giới vận hành.

Nguồn: Giao dịch cặp, Phương pháp và Phân tích Định lượng
Sáu người mù muốn biết hình dạng của một con voi trông như thế nào, nhưng mỗi người trong số họ chỉ nhận thức được một khía cạnh của
con voi một mình. Mặc dù họ đúng theo cách riêng của mình, không ai trong số họ biết con voi toàn bộ thực sự trông như thế nào. Sự đa dạng này phản ánh khả năng của thị trường trong việc chứa đựng các hệ thống niềm tin khác nhau, đôi khi xung đột.
Mặc dù một số nhà đầu tư mua cổ phiếu dựa trên thông tin liên quan đến các công ty cụ thể, những người khác sử dụng các chiến lược nhằm kiếm lợi nhuận dựa trên sự hiểu biết về thị trường chứng khoán và hành vi chung của nó. Điều tương tự xảy ra trong crypto, nơi một số nhà đầu tư đặt nhiều trọng tâm vào phí và doanh thu trong khi những người khác thích giao dịch “narratives”. Dù sao đi nữa, pairs trading vẫn là một trong những chiến lược mạnh mẽ nhất mà các nhà đầu tư có thể sử dụng để tận dụng lợi thế nhằm kiếm lợi từ hiệu suất tài sản tương đối của hai hoặc nhiều tài sản.
Hiệu suất Tài sản Tương đối là gì
Các chiến lược được thiết kế để tận dụng hiệu suất tương đối của hai hoặc nhiều tài sản liên quan đến một sự kết hợp giữa vị thế long (mua) và vị thế short (bán). Một nhà đầu tư sẽ nắm giữ vị thế long đối với các tài sản mà họ tin là bị định giá thấp và có khả năng tăng giá trị, và vị thế short đối với các tài sản mà họ nhận thấy bị định giá cao và dự kiến sẽ giảm giá trị.
Đây là lý do tại sao đầu tư long/short (L/S) thường được gọi là double alpha strategy – thuật ngữ “alpha” được sử dụng ở đây để chỉ sự vượt trội của một khoản đầu tư. Trong đầu tư long/short, một alpha có thể đến từ phía long (tài sản bị định giá thấp tăng giá trị) và alpha còn lại có thể đến từ phía short (tài sản bị định giá cao giảm giá trị).
Một đặc tính đáng chú ý của đầu tư L/S là nhà đầu tư có thể phần nào sai lầm trong lựa chọn tài sản trên cơ sở tuyệt đối, nhưng vị thế vẫn có thể sinh lời, ngay cả khi cả vị thế long và short đều giảm hoặc tăng trên cơ sở tuyệt đối. Thực tế, điều quan trọng là chân long vượt trội hơn chân short trên cơ sở tương đối (hoặc ngược lại), nhằm lợi nhuận từ bất kỳ thay đổi nào trong chênh lệch giữa các vị thế này.
Hình 2: Một chiến lược giao dịch cho mọi điều kiện thị trường

Nguồn: Pear Protocol.
Một tính năng chính khác của các chiến lược L/S là khả năng của chúng trong việc giảm thiểu tổng thể tiếp xúc với thị trường (hay còn gọi là “trung lập thị trường”), cho phép các nhà đầu tư có thể sinh lời trong các điều kiện thị trường khác nhau—dù là giảm giá, tăng giá hay đi ngang. Tuy nhiên, cần lưu ý rằng không phải tất cả các chiến lược L/S đều trung lập thị trường. Sự linh hoạt này cho phép các nhà đầu tư điều chỉnh mức độ tiếp xúc của danh mục đầu tư với mức rủi ro thị trường mong muốn.
Để hiểu cách các chiến lược này hoạt động và sự khác biệt của chúng, cần thảo luận về một số thuật ngữ và khái niệm chính.
Hình 3: Một số thuật ngữ và khái niệm chính để hiểu các chiến lược L/S.

Nguồn: Revelo Intel.
Một điểm khởi đầu tốt là Mô hình Định giá Tài sản Vốn (CAPM). Mặc dù báo cáo này sẽ không đi sâu vào chi tiết về CAPM hoặc đánh giá tính thực tiễn của nó, nhưng nó giới thiệu những ý tưởng quan trọng như beta và market portfolio. Những khái niệm này đặc biệt có giá trị trong thực tế, đặc biệt khi khái niệm market neutrality đóng vai trò quan trọng trong tất cả các chiến lược L/S mà loạt báo cáo này sẽ khám phá.
Hiểu về Rủi ro và Lợi nhuận Đầu tư: Từ Cơ bản đến CAPM
Phân Rã Rủi Ro: Rủi Ro Hệ Thống vs Rủi Ro Phi Hệ Thống
Trong tài chính, rủi ro phát sinh từ sự lệch hướng của lợi nhuận thực tế so với lợi nhuận kỳ vọng và sự lệch hướng này có thể có vô số nguyên nhân, có thể được phân loại thành hai loại:
- Rủi ro hệ thống
- Rủi ro không hệ thống
Rủi ro hệ thống, còn được gọi là rủi ro không thể đa dạng hóa hoặc rủi ro thị trường, là rủi ro không thể tránh khỏi và vốn có trong toàn bộ thị trường. Nó không thể đa dạng hóa vì bao gồm các yếu tố rủi ro vốn có trong thị trường và ảnh hưởng đến toàn bộ thị trường. Các ví dụ về yếu tố cấu thành rủi ro hệ thống bao gồm lãi suất, lạm phát, chu kỳ kinh tế, bất ổn chính trị, và các thảm họa thiên nhiên lan rộng. Những sự kiện này ảnh hưởng đến toàn bộ thị trường, và không có cách nào tránh khỏi tác động của chúng. Tất cả các khoản đầu tư rủi ro đều chịu một số mức độ tiếp xúc với rủi ro này (rủi ro thị trường).
Rủi ro không hệ thống là rủi ro cục bộ hoặc giới hạn ở một tài sản hoặc ngành cụ thể mà không nhất thiết ảnh hưởng đến các tài sản bên ngoài lớp tài sản đó. Các ví dụ về rủi ro không hệ thống có thể bao gồm thất bại của một thử nghiệm thuốc, các phát hiện dầu lớn, hoặc tai nạn máy bay. Tất cả các sự kiện này sẽ ảnh hưởng trực tiếp đến các công ty tương ứng và có thể là các ngành, nhưng không có tác động đến các tài sản cách xa các ngành này. Nhà đầu tư có khả năng tránh rủi ro không hệ thống thông qua đa dạng hóa bằng cách hình thành một danh mục đầu tư gồm các tài sản không tương quan cao với nhau.
Nói chung, có thể phân tích rủi ro như sau:
Total variance = Systematic variance + Non-systematic variance
Hình 4: Phân rã rủi ro

Nguồn: Corporate Finance Institute.
Khi xây dựng một danh mục đầu tư, việc hiểu khái niệm tương quan và cách mà tương quan không hoàn hảo có thể đa dạng hóa rủi ro của danh mục đầu tư là rất quan trọng. Do đó, rủi ro của một tài sản được nắm giữ riêng lẻ có thể lớn hơn rủi ro của cùng tài sản đó khi nó là một phần của danh mục đầu tư.
Sự đa dạng hóa làm giảm đáng kể, hoặc trong một số trường hợp, hoàn toàn trung hòa rủi ro không hệ thống do hai yếu tố chính: (1) mỗi khoản đầu tư chỉ chiếm một phần nhỏ trong danh mục đầu tư đa dạng, và (2) các hành động cụ thể của công ty ảnh hưởng đến giá của các tài sản cá nhân có thể có tác động khác nhau (cả tích cực và tiêu cực) qua các kỳ khác nhau. Trong các danh mục đầu tư lớn, những rủi ro này có xu hướng bù trừ lẫn nhau, trung bình ra zero, do đó có tác động tối thiểu đến giá trị tổng thể của danh mục đầu tư. Ngược lại, các xu hướng rộng lớn trên thị trường thường ảnh hưởng đến hầu hết, nếu không phải tất cả, các khoản đầu tư theo cùng một hướng, mặc dù mức độ tác động có thể khác nhau giữa các tài sản. Mặc dù đa dạng hóa không loại bỏ rủi ro thị trường, việc phân bổ đầu tư qua các ngành khác nhau có thể giảm thiểu tác động của nó.
Ray Dalio, người sáng lập Bridgewater Associates, một trong những quỹ đầu tư phòng hộ lớn nhất thế giới, đã đề cập đến đa dạng hóa như là “Holy Grail of Investing” trong cuốn sách “Principles” của ông. Để minh họa khái niệm này, ông đã bao gồm biểu đồ sau và chia sẻ những nhận định của mình về nó:

Hình 5: Đa dạng hóa – Chén Thánh của Đầu tư.

Nguồn: 'Principles' của Ray Dalio.
Quan niệm rằng đa dạng hóa giảm mức độ rủi ro của nhà đầu tư được chấp nhận rộng rãi. Tuy nhiên, các mô hình rủi ro và lợi nhuận tài chính đi sâu hơn, gợi ý rằng nhà đầu tư biên, người ảnh hưởng đến việc định giá đầu tư, thường được đa dạng hóa tốt. Kết quả là, chỉ những rủi ro được nhận thức bởi nhà đầu tư như vậy mới được phản ánh trong giá thị trường. Khái niệm này dựa trên tiền đề rằng một nhà đầu tư không đa dạng hóa nhận thức rủi ro cao hơn trong một khoản đầu tư so với nhà đầu tư đa dạng hóa, chủ yếu vì các rủi ro không hệ thống ảnh hưởng đến người trước nhưng không ảnh hưởng đến người sau.
Dù vậy, hầu hết các mô hình rủi ro và lợi nhuận được phát triển trong đầu tư và tài chính đều đồng ý với hai bước đầu tiên của quá trình đo lường: (1) rủi ro xuất phát từ sự phân bố của lợi nhuận thực tế xung quanh lợi nhuận kỳ vọng, (2) rủi ro nên được đo lường từ góc nhìn của một nhà đầu tư biên được đa dạng hóa tốt. Tuy nhiên, các mô hình khác nhau ở cách đo lường rủi ro không thể đa dạng hóa hoặc rủi ro thị trường.
Các bốn mô hình cơ bản tiếp cận vấn đề đo lường rủi ro thị trường là Mô hình Định giá Tài sản Vốn (CAPM), Mô hình Định giá Arbitrage (APM), các mô hình đa yếu tố, và các mô hình hồi quy.
Mô hình Tạo Lợi nhuận
Một mô hình tạo lợi nhuận là một mô hình có thể cung cấp ước tính về lợi nhuận kỳ vọng của một tài sản với các tham số nhất định. Nếu rủi ro hệ thống là tham số liên quan duy nhất cho lợi nhuận, thì mô hình tạo lợi nhuận sẽ ước tính lợi nhuận kỳ vọng cho bất kỳ tài sản nào với mức độ rủi ro hệ thống.
Giống như bất kỳ mô hình nào, chất lượng của các ước tính về lợi nhuận kỳ vọng sẽ phụ thuộc vào chất lượng của các ước tính đầu vào và độ chính xác của mô hình. Hình thức tổng quát nhất của một mô hình tạo ra lợi nhuận là một multi-factor model.
Một multi-factor model cho phép xem xét hơn một biến số trong việc ước tính lợi nhuận và có thể được xây dựng bằng cách sử dụng các loại yếu tố khác nhau, chẳng hạn như macroeconomic, fundamental, và statistical factors.
Một mô hình tạo lợi nhuận chung như thế này được biểu diễn như sau:

Mô hình có k yếu tố,

Các hệ số, , được gọi là trọng số yếu tố hoặc tải trọng yếu tố liên quan đến mỗi yếu tố. Phía bên trái của mô hình có lợi nhuận vượt trội, hoặc lợi nhuận trên lãi suất không rủi ro. Phía bên phải cung cấp các yếu tố rủi ro sẽ tạo ra lợi nhuận hoặc phần bù yêu cầu để chấp nhận rủi ro đó. Yếu tố E(Rm) yếu tố được tách biệt khỏi các yếu tố khác vì nó đại diện cho lợi nhuận thị trường. Tất cả các mô hình đều chứa lợi nhuận trên danh mục đầu tư thị trường như một yếu tố chính.

Xác định Thị trường: vai trò của các chỉ số proxy
Về lý thuyết, “thị trường” bao gồm tất cả các tài sản rủi ro hoặc bất cứ thứ gì có giá trị, bao gồm cổ phiếu, trái phiếu, bất động sản, và thậm chí là vốn con người. Lý tưởng nhất, nó sẽ bao gồm càng nhiều tài sản càng tốt, nhưng việc tích hợp mọi tài sản rủi ro vào một danh mục đầu tư là không thực tế. Hơn nữa, không phải tất cả các tài sản đều có thể giao dịch, và không phải mọi tài sản có thể giao dịch đều phù hợp cho đầu tư.
Vì tính thực tiễn và tiện lợi, định nghĩa về “market” thường cụ thể hơn nhiều. Một chỉ số thị trường chứng khoán địa phương hoặc khu vực thường đóng vai trò là một đại diện do khối lượng giao dịch cao và khả năng hiển thị đối với các nhà đầu tư địa phương. Ví dụ, ở Hoa Kỳ, Chỉ số S&P 500 thường được sử dụng để đại diện cho thị trường. Chỉ số này bao gồm 500 công ty hàng đầu và phản ánh khoảng 80% vốn hóa thị trường có sẵn ở Mỹ, với mỗi công ty được trọng số theo vốn hóa thị trường của nó so với tổng số. Trong crypto, hầu hết các nhà đầu tư thường sử dụng $BTC làm tiêu chuẩn.
Mô hình Định giá Tài sản Vốn (CAPM)
Hình thức đơn giản nhất của một mô hình tạo ra lợi nhuận là một mô hình tuyến tính một yếu tố, còn được gọi là một single-index model or Capital Asset Pricing Model (CAPM), trong đó chỉ xem xét một yếu tố.
CAPM là một mô hình rủi ro và lợi nhuận đơn giản đã được sử dụng lâu hơn so với các mô hình khác và vẫn là tiêu chuẩn trong hầu hết các phân tích thực tế. Giống như bất kỳ mô hình nào, CAPM có những hạn chế của nó và không phải lúc nào cũng hiệu quả trong việc mô hình hóa chính xác lợi nhuận tài sản. Tuy nhiên, nó cung cấp một khung đơn giản cho phép chúng ta ước tính lợi nhuận và đánh giá hiệu suất. Trong khi các mô hình mới hơn đưa ra các cách tiếp cận thay thế cho CAPM, chúng không phải lúc nào cũng vượt trội hơn trong mọi tình huống hoặc nhất quán thực tế cho các ứng dụng thực tế.
Tác động mà mô hình đã tạo ra trong lĩnh vực tài chính được thể hiện rõ ràng qua việc sử dụng phổ biến từ beta. Cùng với ý tưởng về beta, CAPM cũng giúp chính thức hóa khái niệm về một market portfolio. Market portfolio theo thuật ngữ CAPM là một danh mục đầu tư các tài sản hoạt động như một proxy for the market.
Mô hình cung cấp một mối quan hệ tuyến tính giữa lợi nhuận kỳ vọng-beta, chính xác xác định lợi nhuận kỳ vọng dựa trên beta của một tài sản. Bằng cách này, nó chuyển từ rủi ro tổng thể sang rủi ro hệ thống, yếu tố quyết định chính của lợi nhuận kỳ vọng. Vì vậy, CAPM khẳng định rằng lợi nhuận kỳ vọng của các tài sản chỉ thay đổi theo rủi ro hệ thống của chúng, được đo lường bằng beta, được đo lường so với một market portfolio:

Trong đó là lợi nhuận kỳ vọng của tài sản i (biến), là tỷ lệ không rủi ro (hằng số), là lợi nhuận kỳ vọng của danh mục đầu tư thị trường (biến, nguồn rủi ro thị trường), và là yếu tố rủi ro hệ thống của tài sản i (hằng số).




Nếu chúng ta chuyển từ lợi nhuận kỳ vọng sang lợi nhuận thực tế, lợi nhuận của một tài sản trong khuôn khổ CAPM có thể được tách thành hai thành phần. Một là thành phần thị trường hoặc hệ thống, và thành phần còn lại là thành phần dư thừa hoặc không hệ thống. Công thức thể hiện mối quan hệ đạt được sự tách biệt lợi nhuận này được đưa ra như sau:

Đâylà lợi nhuận phần dư của tài sản i (biến, ngẫu nhiên không thể dự đoán có trung bình bằng không, nguồn gốc của rủi ro không hệ thống).

Beta: Đo lường Rủi ro Thị trường
Rủi ro hệ thống có thể được đo lường bằng cách sử dụng beta:

Như đã thể hiện ở trên, beta là một thước đo của độ nhạy cảm của lợi nhuận của một tài sản đối với thị trường tổng thể và được tính toán như là hiệp phương sai của lợi nhuận trên tài sản i và lợi nhuận trên thị trường chia cho phương sai của lợi nhuận thị trường. Nói cách khác, beta nắm bắt rủi ro hệ thống của một tài sản, hoặc phần rủi ro của một tài sản không thể loại bỏ bằng đa dạng hóa.
Nói một cách đơn giản, giá trị beta dương cho thấy lợi nhuận của một tài sản di chuyển theo cùng hướng với thị trường, trong khi giá trị beta âm cho thấy lợi nhuận của một tài sản di chuyển theo hướng ngược lại với thị trường. Ví dụ, nếu beta của một tài sản là 2, thì sự tăng đột ngột 1% trong giá của danh mục thị trường được mong đợi sẽ gây ra sự tăng 2% trong giá của tài sản đó.
Vì hiệp phương sai của danh mục thị trường với chính nó là phương sai của nó, beta của danh mục thị trường—và mở rộng ra, tài sản trung bình trong đó, là 1. Các tài sản rủi ro hơn mức trung bình sẽ có beta vượt quá 1, và các tài sản an toàn hơn mức trung bình sẽ có beta thấp hơn 1. Tài sản không rủi ro sẽ có beta bằng không. Beta bằng không cho thấy lợi nhuận của tài sản không có mối tương quan với các biến động trên thị trường. Để tham khảo, hầu hết các cổ phiếu có xu hướng tương quan cao với thị trường và, kết quả là, việc tìm thấy các tài sản có beta âm liên tục do tác động rộng lớn của thị trường đối với tất cả các tài sản là bất thường.
Cuối cùng, cũng có thể phân tích tổng phương sai của một tài sản thành phương sai hệ thống và phương sai không hệ thống bằng cách sử dụng phương trình phương sai CAPM:

Trong đó là phương sai tổng của tài sản i, là phương sai hệ thống của tài sản i, và là phương sai không hệ thống của tài sản i.



Vì rủi ro không hệ thống là bằng không đối với các danh mục đầu tư được đa dạng hóa tốt, chẳng hạn như danh mục thị trường, rủi ro tổng thể của danh mục thị trường và các danh mục tương tự khác là chỉ rủi ro hệ thống, mà là

Đường Thị trường Chứng khoán
Security Market Line là một biểu diễn đồ họa của CAPM. Như đã hiển thị trước đó, beta của thị trường là 1 và thị trường kiếm được lợi nhuận kỳ vọng là Sử dụng đường này, có thể tính toán lợi nhuận kỳ vọng của một tài sản. Độ dốc của đường bằng


Hình 6: Đường Thị trường Chứng khoán

Nguồn: CFA Institute.
Lợi nhuận và Beta trong Bối cảnh của một Danh mục Đầu tư
Trong bối cảnh của một danh mục đầu tư gồm n tài sản, lợi nhuận của danh mục đầu tư được đưa ra bởi CAPM có thể được tính toán một cách dễ dàng như sau:

nơi mà beta của danh mục là tổng có trọng số của các beta của các tài sản thành phần và được cho bởi:

Suy nghĩ cuối cùng
Kết luận, để sử dụng mô hình CAPM, cần ba đầu vào. Đầu tiên, một “tài sản không rủi ro” (lưu ý rằng rủi ro thực sự không bao giờ có thể bị loại bỏ hoàn toàn, chỉ có thể được chuyển đổi) mà nhà đầu tư biết chắc chắn lợi nhuận kỳ vọng cho khoảng thời gian của phân tích. Thứ hai, phần bù rủi ro, là phần bù mà nhà đầu tư đòi hỏi khi đầu tư vào danh mục thị trường thay vì đầu tư vào tài sản không rủi ro. Phần bù thường được ước tính bằng cách sử dụng dữ liệu lịch sử về lợi nhuận của các tài sản rủi ro và lợi nhuận không rủi ro. Thứ ba, beta, được tính bằng hiệp phương sai của tài sản chia cho phương sai của danh mục thị trường. Nó cũng có thể được thu được trực tiếp bằng cách hồi quy lợi nhuận quá khứ của tài sản so với lợi nhuận quá khứ của danh mục thị trường (thường là chỉ số chứng khoán); độ dốc của hồi quy là beta (xem hình dưới đây).
Hình 7: Lợi nhuận cổ phiếu Apple so với lợi nhuận của S&P 500 giúp minh họa beta của Apple như độ dốc của đường hồi quy của nó.

Nguồn: Investopedia.
Nói chung, các mô hình rủi ro và lợi nhuận khác nhau được dựa trên nguyên tắc rằng chỉ rủi ro liên quan đến thị trường được bù đắp. Các mô hình này tính toán lợi nhuận kỳ vọng dựa trên các chỉ số định lượng loại rủi ro này. Trong số này, CAPM dựa trên nhiều giả định nhất nhưng cung cấp cách tiếp cận đơn giản nhất, sử dụng chỉ một yếu tố để đo lường và ước tính rủi ro.
Động lực Beta trong Crypto
Để cung cấp một số ngữ cảnh về mức beta trong crypto, dữ liệu lịch sử từ Binance Perpetuals đã được sử dụng, có từ tháng 3 năm 2022. Dữ liệu này bao gồm các tokens đã được giao dịch tích cực kể từ thời điểm đó.
Giá trị beta rolling được tính toán qua một cửa sổ 60 ngày cho mỗi token trong số này. Là một proxy cho thị trường, một danh mục đầu tư có trọng số bằng nhau của $BTC và $ETH được sử dụng, vì hai token này chiếm khoảng 70% vốn hóa thị trường tổng thể.
Hình dưới đây trình bày trung bình rolling, cùng với phân vị thứ 10 và 90 của beta cho vũ trụ token này. Đáng chú ý, có một đỉnh điểm trong beta trung bình (vượt quá 1.5) xung quanh tháng 5 năm 2022, trong giữa thị trường gấu crypto. Sau giai đoạn này, beta trung bình giảm và cuối cùng ổn định quanh 1.0.
Hình 8: Beta 60 ngày di động (trung bình, phân vị thứ 10 và 90) từ tập con Binance Perps

Nguồn: Dữ liệu giá lịch sử của Binance, Revelo Intel.
Để hiểu thêm về động lực beta, hình dưới đây hiển thị một hàm mật độ xác suất ước tính phân phối của các giá trị beta trung bình trên toàn bộ vũ trụ token được sử dụng cho phân tích này.
Các đỉnh trên đường cong mật độ, là những giá trị beta được quan sát thường xuyên nhất, xảy ra tại 1.15, 0.9, và 1.65, theo thứ tự giảm dần về mức độ phổ biến. Những điểm dữ liệu này xác nhận sự kiện đã được ghi nhận rõ ràng rằng các token tiền điện tử thường thể hiện beta cao hơn so với danh mục đầu tư thị trường, cho thấy mức độ biến động lớn hơn so với thị trường rộng lớn hơn. Cuối cùng, sự biến đổi này trong giá trị beta nhấn mạnh cách mà beta của các token tiền điện tử là nhạy cảm với sự thay đổi trong điều kiện thị trường, phản ánh hồ sơ rủi ro dao động của chúng qua các chế độ thị trường khác nhau.
Hình 9: Phân bố mật độ beta trung bình của tập con Binance Perps từ mar-22 đến may-24

Nguồn: Dữ liệu giá lịch sử của Binance, Revelo Intel.
Triển vọng Ngành về Tính Trung lập Thị trường: Các Cách Tiếp cận Đa dạng trong Chiến lược Long/Short.
Tổng quan
Các thuật ngữ như long-short, market neutral và dollar neutral investing được sử dụng thường xuyên và thường bị hiểu lầm là đồng nghĩa. Tuy nhiên, những chiến lược này có thể khác biệt đáng kể. Có thể một danh mục đầu tư vừa là long-short vừa dollar neutral trong khi vẫn sở hữu beta khác không so với thị trường. Điều này cho thấy có một thành phần thị trường ảnh hưởng đến lợi nhuận của danh mục đầu tư, nghĩa là nó không thực sự market neutral.
Để giải quyết những sự khác biệt này, chúng tôi sẽ sử dụng các thuật ngữ và phân loại từ tài chính truyền thống. Cụ thể, chúng tôi sẽ khám phá các chiến lược khác nhau được sử dụng bởi các quỹ đầu cơ và cố gắng làm rõ sự khác biệt của chúng.
Trong tài chính truyền thống, các chiến lược L/S thường được sử dụng bởi các quỹ đầu cơ và được phân loại dưới chiến lược “Equity Hedge” (EH). Một loạt các quy trình đầu tư đa dạng có thể được áp dụng để đưa ra quyết định đầu tư, bao gồm cả các kỹ thuật định lượng và cơ bản; các chiến lược có thể được đa dạng hóa rộng rãi hoặc tập trung hẹp vào các lĩnh vực cụ thể và có thể dao động rộng về mức độ tiếp xúc ròng, đòn bẩy sử dụng, thời gian nắm giữ, nồng độ vốn hóa thị trường và phạm vi định giá của các danh mục đầu tư điển hình.
Nói chung, các chiến lược này so với các chiến lược chỉ mua dài hạn có xu hướng giảm rủi ro tổng thể của danh mục đầu tư (biến động) và được thiết kế để nhắm đến lợi nhuận độc lập với hướng đi của thị trường. Điều này mở rộng bộ cơ hội cho việc tạo ra lợi nhuận, cho phép các nhà đầu tư thể hiện một loạt các quan điểm tích cực rộng hơn (tích cực, ít tích cực hơn hoặc tiêu cực) trên mỗi cổ phiếu trong vũ trụ đầu tư.
Figure 10: Đầu tư Trung lập Thị trường Mở rộng Bộ Cơ hội Đầu tư

Nguồn: BlackRock.com
Các chiến lược EH có thể được phân tích chi tiết hơn thành bảy chiến lược phụ riêng biệt, mỗi chiến lược có đặc điểm độc đáo riêng. Tuy nhiên, cho mục đích thảo luận của chúng tôi, chúng tôi sẽ phân loại chúng thành hai loại chính dựa trên mức độ trung lập thị trường mà chúng tìm cách đạt được.
Cơ bản / Định lượng Hướngchiến lược sử dụng phân tích kỹ thuật và cơ bản hoặc các kỹ thuật định lượng tinh vi để xác định các công ty bị định giá thấp và định giá cao, cũng như để hiểu các mối quan hệ giữa các chứng khoán khác nhau. Tùy thuộc vào hướng thị trường dự kiến và giai đoạn chu kỳ thị trường, các quỹ đầu cơ điều chỉnh mức độ tiếp xúc mua ròng hoặc bán ròng của họ. Phương pháp này tìm cách kiếm lợi từ xu hướng và chu kỳ thị trường / ngành bằng cách điều chỉnh mức độ tiếp xúc tương ứng.
Do đó, các quỹ này thường có mức độ tiếp xúc net long hoặc net short, tùy thuộc vào tập hợp các cơ hội có sẵn và triển vọng của người quản lý đối với hướng đi ngắn hạn của thị trường tổng thể. Trong cả hai trường hợp, hiệu suất danh mục đầu tư của họ trở nên phụ thuộc vào các chuyển động thị trường theo hướng.
Để giảm thiểu hậu quả của việc lựa chọn cổ phiếu sai lầm có thể xảy ra, các nhà quản lý L/S equity đa dạng hóa danh mục đầu tư của họ, cả ở phía long và phía short.
Mặt khác, Equity Market Neutral strategies involve using quantitative (technical) and/or fundamental analysis to distinguish between undervalued and overvalued equity securities. The goal is to maintain a market risk-neutral net position, striving for a portfolio beta close to zero. These strategies aim to profit from the movements of individual securities while neutralizing broader market risk.
When discussing market-neutral strategies, we often refer to approaches such as statistical arbitrage and pairs trading.
Statistical arbitrage đề cập đến một loạt các chiến lược và cách tiếp cận đầu tư rộng lớn được đặc trưng bởi một số yếu tố chính. Thứ nhất, các tín hiệu giao dịch là systematic và rule-based, thay vì bị ảnh hưởng bởi fundamental analyses. Thứ hai, portfolio duy trì vị thế market-neutral hoặc beta-neutral. Thứ ba, việc tạo ra excess returns chủ yếu dựa trên statistical methods. Mục tiêu là đặt nhiều bets, mỗi cái có positive expected return, tận dụng diversification qua các stocks khác nhau để tạo ra một chiến lược đầu tư low-volatility vẫn uncorrelated với các chuyển động thị trường rộng lớn hơn. Thời gian nắm giữ này có thể thay đổi rộng rãi, từ vài giây đến vài ngày, tuần, hoặc thậm chí các khoảng thời gian dài hơn.
Pairs-trading được giả định rộng rãi là “tổ tiên” của statistical arbitrage và theo dõi hai chứng khoán có tương quan lịch sử. Khi sự tương quan của chúng yếu đi (ví dụ như khi một cổ phiếu tăng trong khi cổ phiếu khác giảm) chiến lược bao gồm việc bán khống cổ phiếu vượt trội và mua cổ phiếu kém hiệu suất, đặt cược vào sự hội tụ của chênh lệch của chúng. Sự phân kỳ này có thể xuất phát từ biến động thị trường tạm thời, các lệnh đáng kể, hoặc tin tức có tác động đến các công ty. Việc giao dịch các nhóm cổ phiếu chống lại các nhóm cổ phiếu khác là một phần mở rộng tự nhiên của pairs-trading và nó được gọi là “generalized pairs-trading”.
Hình 11: Một ví dụ cho thấy hai chuỗi giá của hai tài sản mà chuỗi giá của chúng di chuyển cùng nhau qua một khoảng thời gian lịch sử xác định. Kỳ vọng là sau khi phân kỳ, giá của các công cụ được chọn sẽ quay trở lại các mức đã quan sát trước đó.

Nguồn: Hudson and Thames.
Vị thế mua và bán được cân bằng định kỳ để duy trì tính trung lập thị trường mọi lúc, sao cho toàn bộ lợi nhuận của danh mục đầu tư được lấy thuần túy từ việc lựa chọn cổ phiếu và không còn từ điều kiện thị trường. Thực tế, khi được thực hiện đúng cách, nó mang lại lời hứa về lợi nhuận tuyệt đối thực sự (the alpha) mà không phải chịu độ nhạy cảm với thị trường (the beta).
Tuy nhiên, đáng chú ý là thuật ngữ “market neutral” đã phát triển thành một thuật ngữ rộng hơn, bao gồm nhiều cách tiếp cận đầu tư khác nhau với các mức độ rủi ro và tính trung lập khác nhau, như chúng ta sẽ thảo luận bên dưới.
Dollar Neutrality
Để trung lập đô la, chúng ta cần có các khoản đầu tư đô la bằng nhau vào vị thế dài và vị thế ngắn, ví dụ $100k dài và $100k ngắn. Tiếp theo, chúng ta cũng sẽ cần tái cân bằng vị thế dài và vị thế ngắn của mình một cách định kỳ để duy trì trung lập đô la. Thực tế, nếu chúng ta đúng trong việc lựa chọn tài sản, vị thế dài sẽ tăng giá trong khi vị thế ngắn sẽ giảm kích thước, đẩy danh mục đầu tư hướng tới thiên vị dài ròng.
Trung lập đô la rất hấp dẫn vì sự đơn giản của nó. Nó có lợi ích lớn là có thể xác minh trực tiếp, vì giá trị ban đầu của các khoản đầu tư là có thể quan sát được. Tuy nhiên, như sẽ thảo luận sau, nó không đủ để làm cho một danh mục đầu tư trung lập thị trường.
Tính Trung Lập Beta
Một định nghĩa dựa trên rủi ro phổ biến của tính trung lập thị trường dựa trên beta: một danh mục đầu tư được cho là trung lập thị trường nếu nó tạo ra lợi nhuận không tương quan với lợi nhuận trên một chỉ số thị trường nào đó.
Vì beta được tính từ hệ số tương quan, một tương quan bằng không ngụ ý beta bằng không. Như đã dự đoán trong các phần trước, độ biến động của một tài sản (hoặc một danh mục tài sản) có thể được phân tích thành thành phần hệ thống (rủi ro thị trường) và thành phần không hệ thống (rủi ro cụ thể). Thành phần hệ thống phụ thuộc vào độ biến động của thị trường cũng như vào mức độ tiếp xúc rủi ro thị trường, được đo lường bởi hệ số beta. Thành phần không hệ thống độc lập với thị trường và thường được đa dạng hóa tại mức độ danh mục đầu tư.
Beta của một danh mục cổ phiếu là trung bình có trọng số của các beta của các cổ phiếu thành phần của nó. Do đó, việc trung lập đô la không nhất thiết đảm bảo rằng danh mục sẽ không nhạy cảm với lợi nhuận thị trường, tức là sẽ có beta bằng không. Tất cả phụ thuộc vào beta của vị thế mua và vị thế bán khống. Ví dụ, nếu beta của vị thế mua là 1.4 và beta của vị thế bán khống là 0.7, việc phân bổ đô la bằng nhau giữa hai vị thế sẽ có beta ròng là 0.35 = (50%) × (1.4) − (50%) × (0.7). Beta dương này cho thấy rủi ro thị trường của danh mục trung lập đô la của chúng ta không phải là không, và thực tế nó có mối tương quan dương với thị trường cổ phiếu.
Để làm cho danh mục đầu tư của chúng ta thực sự beta-neutral, chúng ta cần kích thước các vị thế long và short một cách phù hợp. Trong ví dụ của chúng ta, với tỷ lệ của hai beta (1.4 so với 0.7), chúng ta sẽ cần nhân đôi kích thước của vị thế short so với vị thế long. Đó là, cho mỗi dollar trong vị thế long, chúng ta sẽ cần có hai dollar trong vị thế short. Trong trường hợp này, beta sẽ chính xác là zero, có nghĩa là rủi ro hệ thống của danh mục đầu tư đã được trung hòa.
Tiến tới, nếu vị thế long của chúng ta tăng giá trị và vị thế short giảm giá trị, chúng ta vẫn cần điều chỉnh kích thước các vị thế của mình một cách định kỳ để tránh sự trôi dạt về phía beta dương.
Suy Nghĩ Cuối Cùng
Tóm lại, các chiến lược L/S được áp dụng thông qua nhiều phương pháp và kỹ thuật khác nhau. Mục tiêu chính của chúng là xây dựng một danh mục đầu tư gồm các vị thế long và short giúp tinh chỉnh mức độ tiếp xúc mong muốn với thị trường, từ thiên vị hướng đến trung lập thị trường.
Những chiến lược này hấp dẫn nhà đầu tư vì nhiều lý do như sau:
- Giảm rủi ro thị trường: bằng cách xây dựng một danh mục đầu tư có (gần như) beta-neutral, nhà đầu tư có thể giảm tiếp xúc với rủi ro thị trường, làm cho danh mục đầu tư ít biến động hơn so với thị trường.
- Tăng cường đa dạng hóa: một danh mục đầu tư beta-neutral thường liên quan đến việc đầu tư vào một hỗn hợp các tài sản với các mức beta khác nhau. Điều này có thể dẫn đến tăng cường đa dạng hóa, giúp giảm rủi ro tổng thể của danh mục đầu tư.
- Cải thiện lợi nhuận điều chỉnh theo rủi ro: bằng cách cân bằng beta của danh mục đầu tư, nhà đầu tư có thể đạt được lợi nhuận điều chỉnh theo rủi ro tốt hơn. Điều này có nghĩa là lợi nhuận đạt được bởi danh mục đầu tư cao hơn so với mức độ rủi ro phải chịu.
- Tiềm năng tạo ra alpha: bằng cách quản lý tích cực mức độ tiếp xúc beta của danh mục đầu tư, các nhà đầu tư có thể tạo ra alpha, hoặc lợi nhuận vượt trội so với một benchmark. Điều này có thể đạt được thông qua việc lựa chọn chứng khoán có kỹ năng và/hoặc định thời gian thị trường, dẫn đến hiệu suất vượt trội so với thị trường rộng lớn hơn bất kể hướng đi của nó.
Hình 12: Đặc điểm của các chiến lược Long/Short theo các mức độ trung lập thị trường khác nhau

Nguồn: MorganStanley.com
Trong bối cảnh tiền điện tử (một loại tài sản biến động đáng kể), việc sử dụng các chiến lược này có thể mang lại lợi ích đáng kể. Các nhà đầu tư có thể thể hiện quan điểm và chiến lược của mình theo nhiều cách đa dạng, chẳng hạn như giao dịch cặp, giao dịch dựa trên câu chuyện, luân phiên ngành, và giao dịch dựa trên sự kiện tin tức.
Trường hợp sử dụng: Ba Danh mục Đầu tư Dài/Ngắn cho Giao dịch Dựa trên Câu chuyện
Trong phần này, chúng ta thảo luận về ứng dụng của ba chiến lược L/S đơn giản trong thị trường tiền điện tử, tập trung vào hiệu suất và động lực rủi ro của các danh mục đầu tư với các mục tiêu tiếp xúc thị trường khác nhau.
Phân tích tập trung vào việc xây dựng ba danh mục đầu tư riêng biệt liên quan đến FETUSDT (ngành AI) và ETHUSDT. Mục tiêu là để điều tra những cách mà các chiến lược khác nhau có thể đã khai thác câu chuyện AI bằng cách mua dài $FET trong khi đồng thời bán khống $ETH trong khi sử dụng các mức độ trung lập thị trường khác nhau.
Hình 13: Tận dụng hiệu suất tương đối của câu chuyện AI (FET/ETH)

Nguồn: TradingView.
Ba danh mục đầu tư được thiết kế với các mục tiêu khác nhau:
- Danh mục đầu tư 1: nhắm đến beta = 0
- Danh mục 2: tiếp xúc trung lập đô la
- Danh mục đầu tư 3: nhắm đến beta = 0.5
Các danh mục đầu tư này được xây dựng với các đặc điểm và giả định sau:
- Beta: beta trượt được tính toán qua một khoảng thời gian 60 ngày.
- Rebalancing: việc tái cân bằng hàng ngày được thực hiện để điều chỉnh trọng số danh mục đầu tư theo các thông số rủi ro được định nghĩa trước và để duy trì mức tiếp xúc thị trường dự định.
- Đòn bẩy: đòn bẩy tối đa là 1.
- Khoảng thời gian phân tích: các danh mục đầu tư được đánh giá từ tháng 10 năm 2023 đến tháng 5 năm 2024, ghi nhận các biến động và xu hướng thị trường đáng kể liên quan đến lĩnh vực AI.
Trường hợp sử dụng này nhấn mạnh tính hữu ích chiến lược của các danh mục đầu tư L/S trong việc quản lý exposure và risk trong các thị trường cryptocurrency biến động. Bằng cách áp dụng các mục tiêu beta khác nhau hoặc cách tiếp cận dollar-neutral, các nhà đầu tư có thể tinh chỉnh exposure thị trường và mức độ risk theo khẩu vị risk và triển vọng thị trường của họ.
Hình dưới đây minh họa sự khác biệt về hiệu suất giữa ba danh mục đầu tư. Từ phần phụ ‘Portfolio Betas’, rõ ràng là các danh mục đầu tư được thiết kế để nhắm đến các beta cụ thể duy trì hiệu quả các mức tiếp xúc dự định của chúng. Tuy nhiên, như được minh họa trong phần “Dollar Neutrality”, danh mục đầu tư trung lập về đô la thể hiện các beta biến đổi (đường màu xanh lá), cho thấy một thiên vị dài hướng trung bình, điều này ảnh hưởng tinh tế đến hiệu suất tổng thể của nó và đặt nó giữa danh mục đầu tư trung lập beta (đường màu xanh dương) và danh mục đầu tư nhắm đến beta 0.5 (đường màu đỏ).
Hình 14: Giao dịch narrative AI (FET/ETH) – So sánh ba danh mục L/S

Nguồn: Dữ liệu giá lịch sử của Binance, Revelo Intel.
Như dự đoán, Portfolio 1 (beta = 0) thể hiện mức biến động thấp nhất, cho thấy hiệu quả của nó trong việc giảm thiểu rủi ro thị trường. Tiếp theo là Portfolio 2 (dollar-neutral portfolio), vốn thể hiện mức biến động trung bình do beta biến đổi của nó. Cuối cùng, Portfolio 3 (beta = 0.5), vốn nhắm đến việc duy trì beta cao hơn, cho thấy mức biến động lớn nhất trong số ba portfolio.
Nhìn lại, việc chỉ tập trung vào vị thế mua dài hạn trong $FET sẽ dẫn đến lợi nhuận cao hơn, hưởng lợi từ câu chuyện tăng giá AI trong suốt kỳ phân tích. Tuy nhiên, chiến lược này cũng dẫn đến biến động cao hơn đáng kể và gần như nhân đôi mức sụt giảm, minh họa rõ ràng sự đánh đổi vốn có giữa rủi ro và lợi nhuận.
Hình 15: Danh mục L/S so với chỉ số hiệu suất FETUSDT

Nguồn: dữ liệu giá lịch sử của Binance, Revelo Intel.
Kết luận
Báo cáo này đã khám phá khái niệm về hiệu suất tài sản tương đối, nhấn mạnh việc xây dựng các danh mục đầu tư L/S để tận dụng sự khác biệt về hiệu suất giữa các tài sản. Chúng tôi bắt đầu bằng việc ôn lại các khái niệm cơ bản thông qua Mô hình Định giá Tài sản Vốn (CAPM), bao gồm beta và danh mục đầu tư thị trường, những yếu tố rất quan trọng trong việc phát triển các chiến lược L/S.
Chúng tôi cũng đã thảo luận về các chiến lược khác nhau mà các quỹ đầu cơ sử dụng để tạo ra các danh mục đầu tư L/S với các mức độ trung lập thị trường khác nhau. Dựa trên kinh nghiệm tài chính truyền thống, các chiến lược này minh họa các cách tiếp cận khác nhau đối với sự tham gia thị trường.
Hơn nữa, chúng tôi đã trình bày một trường hợp sử dụng thực tế trong các thị trường tiền điện tử, phân tích động lực của betas trung bình từ năm 2022 đến nay cho một lựa chọn các perpetual contracts. Ngoài ra, chúng tôi đã phát triển ba chiến lược L/S đơn giản minh họa cách một chiến lược giao dịch dựa trên narrative cơ bản có thể được thực hiện.
Tổng thể, các chiến lược L/S cung cấp một khung vững chắc để điều hướng các thị trường crypto biến động dưới bất kỳ điều kiện nào. Các chiến lược này cho phép các nhà đầu tư điều chỉnh cách tiếp cận của họ từ các góc độ kỹ thuật/thống kê đến các yếu tố cơ bản hơn và các góc nhìn giao dịch theo câu chuyện/ngành, mang lại nhiều lợi thế như giảm rủi ro thị trường, tăng cường đa dạng hóa, cải thiện lợi nhuận điều chỉnh theo rủi ro, và tiềm năng tạo ra alpha. Các chiến lược L/S là các công cụ linh hoạt trong hộp công cụ của nhà đầu tư, có thể áp dụng với các mức độ phức tạp khác nhau, như chúng tôi sẽ tiếp tục khám phá trong các báo cáo sắp tới trong loạt báo cáo này.
Tài liệu tham khảo
- Avellaneda M., Lee J.H., (2008) Statistical Arbitrage in the U.S. Equities Market, SSRN. Có sẵn trực tuyến tại: ssrn.com
- Bernstein P.L., Damodaran A., (1998) Investment Management. Wiley. Có sẵn trực tuyến tại: wiley.com
- CFA Institute, (2015) Corporate Finance and Portfolio Management. Wiley.
- CFA Institute, (2015) Phái sinh và Đầu tư Thay thế. Wiley.
- Dalio R., (2017) Nguyên tắc: Cuộc sống và Công việc. Avid Reader Press / Simon & Schuster. Có sẵn tại: amazon.com
- Equity Long-Short, (2012) BarclayHedge.com. Có sẵn trực tuyến tại: barclayhedge.com
- Ganapathy V., (2011) Pairs Trading: Quantitative Methods and Analysis. Wiley Finance. Có sẵn trực tuyến tại: wiley.com
- HFR Hedge Fund Strategy Classification System. Có sẵn trực tuyến tại: hfr.com
- Lhabitant F.-S., (2006) Handbook of hedge funds. Wiley Finance. Có sẵn trực tuyến tại: wiley.com
- Đầu tư trung lập thị trường trong một chế độ mới, (2023). BlackRock. Có sẵn trực tuyến tại: blackrock.com
- Stampfel E., (2023) Chiến lược Cổ phiếu Dài Ngắn: “Phòng ngừa” Các Mức Cược Của Bạn. Có sẵn trực tuyến tại morganstanley.com.
- Phòng thí nghiệm Arbitrage Thống kê. Hudson and Thames, Có sẵn trực tuyến tại: hudson-and-thames
- Mô hình Định giá: Phân tích cổ phiếu Apple với CAPM, (2022). Có sẵn trực tuyến tại: Investopedia.com
- Tại sao giao dịch cặp, nếu tôi chỉ có thể giga long?, (2024). Có sẵn trực tuyến tại: Pear Protocol
Thông tin tiết lộ
Revelo Intel đang tham gia vào một mối quan hệ thương mại với Pear Protocol như một phần của sáng kiến giáo dục và báo cáo này được ủy quyền như một phần của sự tham gia đó.
Các thành viên của đội ngũ Revelo Intel, bao gồm những người trực tiếp tham gia vào phân tích trên, có thể sở hữu vị thế trong các token được thảo luận.
Nội dung này được cung cấp chỉ nhằm mục đích giáo dục và không cấu thành lời khuyên tài chính hoặc đầu tư. Bạn nên tự nghiên cứu và chỉ đầu tư những gì bạn có thể chấp nhận mất. Revelo Intel là một nền tảng nghiên cứu và không phải là cố vấn đầu tư hoặc tài chính.


