【獨家專欄】新幣沒有歷史數據可考，一定好危險？其實可以用這個方法量化（錢琛）

風險投資基金經驗告訴我，投資愈早期的企業，風險溢價（risk premium）愈高，因爲市場參與者數目較少，市場效率較低。放眼幣市，新幣也應該擁有相同的風險回報特性。不過，新幣往往欠缺歷史數據，可以如何利用數據做投資？

圖為兩款新幣（APE及GMT）的價格趨勢

這個問題，其實與投資新建樓盤相近。本來樓的交投已經有限，要取得足夠數據點已有一定困難，更遑論要取得毫無交易歷史的新樓盤數據去優化投資決定。事實上，市場有一套爲新樓盤訂價的方法，而把這套邏輯運用到新幣上，也能幫助獲利。

不少情況下，新樓盤的訂價方式都是多項線性迴歸模型（multiple linear regression, MLR），意思是價格其實受多種不同因子影響，因子改變，就會導致樓價改變。以下有一簡單例子：

樓價 = a*地段平均租金 + b*附近名校數 + c*交通覆蓋率 + d*人口密度 + 各種其他因素

使用現有的樓價以及其他因子的數據，就可以運行MLR，計算a/b/c/d等模型參數（parameters）。然後，新樓盤落成後，將新樓盤的地段平均租金、附近名校數、交通覆蓋率、人口密度等數字輸入到模型中，就能在沒有歷史數據的情況下，找出新樓盤合理值（fair value）。

同樣道理，如果想投資新幣，也能進行類似分析。

舉例，假如要炒Gaming幣，可以先把一籃子幣的數據輸入到以下的簡易MLR模型：

幣價 = a * NFT交投量 + b * 遊戲活躍用戶量 + 其他因素

這樣，就能計算出a和b。接著，把新幣的NFT交投量與遊戲活躍用戶量輸入模型，就能計算新幣的合理值。假如新幣現價太便宜，就可以做long；現價太高，則可以做short。

再簡單一點，也可以在一籃子幣中計算各幣的估值比率，然後long估值最低的幣，或short 估值最高的幣，或是兩隻leg同時進行。例如，在一籃子Gaming幣中，可以先計算各幣的市值活躍玩家數量比例（market-cap-to-active-player ratio，下稱MPR），然後long MPR最低的幣，或short MPR最高的幣，或同時做long short，執行市場中性策略。

由此可見，就算沒有歷史數據，也能量化地交易新發行的幣。

「計量策略選擇多，炒野前要諗清楚。」

＊文章獲 錢琛 授權獨家刊登。原標題為《如何量化炒新幣？》》。

免責聲明：本網刊載的所有投資意見，只可作參考用途。讀者在作出投資決定前理應審慎，並主動掌握市場最新狀況。若不幸招致任何損失，概與本網無關。而本集團旗下網站或社交平台的網誌內容及觀點，僅屬筆者個人意見，與本集團立場無關。本集團旗下網站對因上述人士張貼之資訊內容所帶來之損失或損害概不負責。