简单解释：为什么因子（Factor）对加密货币很重要

Artemis Factor 研究背后的核心术语概念和词汇表指南。

Factor（因子） 投资是一种系统性的方法，用于识别哪些资产可能跑赢或跑输市场……以及为什么。这份初学者指南以通俗易懂的语言阐述了我们在加密 Factor 研究中使用的关键概念和指标。如果你刚接触 Factor 投资，请先阅读本指南以打下基础，然后再深入研究报告。如果你已经熟悉基础知识，可以将其作为我们报告的配套阅读材料：从研究开始，当你希望深入了解某个特定术语时再回到这里。

什么是 Factor？

Factor 是一种可衡量的特征，有助于解释为什么某些 Token 表现优异，而另一些则表现不佳。在传统金融中，最著名的 Factor 包括规模（小型公司长期倾向于跑赢大型公司）和价值（廉价股票倾向于跑赢昂贵股票）。同样的逻辑也适用于加密领域：具有某些链上特征的 Token，例如不断增长的用户群、强劲的费用收入和价格动量，其表现往往与不具备这些特征的 Token 不同。

当我们提到“Factor 模型”时，我们指的是一个系统性框架，它根据这些特征对 Token 进行排序，并衡量这些特征是否真的能预测收益。目标不是挑选一个赢家，而是识别整个市场中可重复的模式，并最小化 Token 特有的风险。

什么是多空策略？

多空策略（Long-Short Strategy）同时买入你对其有信心的资产，并卖出你认为会下跌的资产。在我们的 Factor 模型中，当我们“做多”（long）时，我们会买入在给定 Factor 上得分最高的 Token（例如估值最便宜的）。另一方面，当我们“做空”（short）时，我们会卖出得分最低的 Token（例如最昂贵的）。Factor 的收益是做多和做空表现之间的差异。

这很重要，因为即使整个市场都在下跌，该策略也能赚钱。如果所有资产都下跌，但你的多头头寸下跌10%，而你的空头头寸下跌30%，你仍然盈利20%。在我们的加密 Factor 模型中，市场在2026年2月下跌了23%，但五个 Factor 中仍有三个实现了正收益，因为它们的空头部分跌幅大于多头部分。

什么是市场中性？

市场中性策略（Market-Neutral Strategy）旨在使其收益不依赖于加密货币整体的涨跌。如果你做多100美元的 Token 并做空100美元的 Token，你对市场的净敞口大致为零。你的盈亏（P&L）来自赢家和输家之间的价差，而不是来自市场的方向（市场方向通常由比特币代表，因为它拥有非常大的相对市值）。

我们通过衡量市场贝塔（market beta）来测试这一点，市场贝塔是指 Factor 的收益与市场同步变动的程度。接近零的贝塔意味着该 Factor 真正独立于市场方向。我们的链上基本面 Factor 的贝塔为+0.05，R平方（R-squared）为0.6%，这意味着其收益波动中只有不到1%可以由加密货币的涨跌来解释。

术语：表现指标

以下术语用于相互比较 Factor 和策略，或与市场比较，以确定它们的表现如何。这些解释侧重于每个指标的直观理解和含义，而不是公式计算。

累计收益与年化收益

累计收益（Cumulative return）是从开始到结束的总收益，而年化收益（Annualized return）则将其压缩为考虑了复利的年化率。累计收益显示了总结果，而年化收益则更容易比较不同时间跨度的策略（如果两个策略的年化收益相同，运行时间更长的策略将拥有更大的累计收益）。

夏普比率

衡量每单位风险的收益，计算方法是年化收益减去无风险利率，再除以年化波动率（收益的标准差）。夏普比率（Sharpe）为1.0意味着你每承担一单位风险就获得了一单位收益，较高的夏普比率被认为是更好的。通常，高于1.5的夏普比率被认为是非常强劲的。

索提诺比率

衡量每单位风险的收益，类似于夏普比率，但只惩罚下行波动性。其背后的逻辑是，投资者不介意大额收益带来的上行波动，而更关心下行波动（大额损失）。通过只在分母中计算负收益，索提诺比率（Sortino）为具有不对称收益分布的策略提供了更清晰的风险调整后表现图景。索提诺比率高于夏普比率的策略表明该策略的波动性偏向上行，这通常比反向情况更有利。

最大回撤

策略历史上从峰值到谷底的最大跌幅。它有助于回答“最坏情况如何？”这个问题，可以帮助投资者很好地了解在最坏情况下会发生什么以及他们正在承担多少风险。

卡尔玛比率

将收益除以最大回撤的绝对值，以告诉你每单位最坏情况损失的收益是多少。卡尔玛比率（Calmar）高于1.0意味着你（年化）收益多于你在一次回撤中损失的任何金额。

Alpha

是无法用市场敞口解释的收益部分。在将我们的 Factor 与市场进行回归分析后，剩余的收益（Alpha）告诉你该策略自身创造的价值。统计学上显著的Alpha（通过 t 统计量和 p 值衡量）意味着超额表现不太可能是运气。通常，投资者会用Alpha来描述相对于市场的可靠优势。

贝塔（市场贝塔）

衡量 Factor 收益对市场变动的敏感度。贝塔为1.0意味着策略与市场同步变动（如果市场上涨10%，Factor 也会上涨10%）。贝塔为0意味着完全没有关系，并且是“市场中性”。

R平方（R²）

衡量一个 Factor 的收益波动有多少能被市场解释。它范围从0%到100%。R平方（R-squared）为0%意味着市场无法解释 Factor 的任何变动——其收益完全由其他因素驱动。R平方为100%意味着 Factor 只是在跟踪市场。对于市场中性Factor策略，你希望R平方尽可能低，因为其核心目标是产生独立于加密货币涨跌的收益。

相关系数

衡量两个收益在-1到+1的范围内同步变动的紧密程度。相关系数（Correlation）为+1意味着它们完全同步变动，0意味着没有关系，-1意味着它们完全反向变动。低相关系数使策略作为投资组合分散器具有价值，因为增加不相关的收益可以降低整体投资组合风险。

术语：方法论

以下术语出现在我们的方法论部分。你不需要理解它们也能阅读结果，但如果你想深入了解信号是如何构建的，它们会有帮助。

重新平衡频率

投资组合重新平衡的频率。更频繁的重新平衡可以更快地捕捉信号，但会累积更高的交易成本；而不频繁的重新平衡则成本更低，但存在持有过时头寸的风险。我们发现每周重新平衡是折衷方案，而不是每天（太短）或每月/每季度（太长）。

Z-score 和等级归一化

Z-score 衡量一个值与平均值的距离，以标准差表示。等级归一化（Rank normalization）首先将 Token 从最差到最好进行排序，然后将这些等级转换为 Z-score。我们使用基于等级的 Z-score 而不是原始 Z-score，因为加密数据存在可能扭曲原始 Z-score 的极端异常值。

温莎化

将极端值限制在指定的百分位数，以限制异常值的影响。例如，我们在第1和第99百分位数处进行温莎化（Winsorization），这意味着任何低于第1百分位数的值都设置为第1百分位数，任何高于第99百分位数的值也同样设置。这可以防止单个值对综合得分产生不成比例的影响，同时又不完全删除异常值。

如何阅读 Factor 报告

在查看我们的月度更新或 Factor 介绍时，最重要的是检查：多空Factor是否独立于市场产生了正收益？哪些 Factor 表现良好，哪些表现不佳？每个 Factor 中的赢家和输家在基本面上是否合理？

Factor 框架并非旨在预测加密货币的涨跌。它是关于识别哪些资产将相互之间跑赢或跑输，无论市场方向如何。这就是它作为投资组合工具而非方向性押注的价值所在。

接下来去哪里

本指南涵盖了词汇；我们的研究涵盖了应用。如果你想看到这些概念的实际应用，请从两篇文章开始：我们的 加密 Factor 模型分析 详细阐述了市场、规模、价值、动量和增长 Factor 是如何构建和回测的，而我们的 链上基本面 Factor 模型 展示了我们如何从链上数据构建了一个独立的策略，并在四年内实现了21.73的夏普比率。两者都可在我们的研究页面和 Substack 上获取。

我们所有 Factor 研究背后的数据，包括费用、收入、每日活跃用户、市值等，都可在 Artemis Terminal 中直接获取。如果你希望不仅仅是阅读报告，而是开始构建自己的 Factor 筛选器、探索 Token 基本面或测试自己的想法，那么 Terminal 是一个很好的起点。你还可以通过 Artemis Sheets 将相同数据导入电子表格，或通过我们的 API 以编程方式访问它。

• 原文链接： x.com/artemis/status/203...
• 登链社区 AI 助手，为大家转译优秀英文文章，如有翻译不通的地方，还请包涵～