BTC 的收益率在二阶矩及时间聚合后的序列呈现出强自相关、长记忆和趋势持续性
1️⃣ |rₜ| —— 绝对收益的强自相关（Volatility Clustering）
① 统计上是什么
定义：
[
|r_t| = |\log P_t - \log P_{t-1}|
]
经验事实（BTC）：
- ACF(|rₜ|) 在 10–200 个 lag 仍显著
- 幂律衰减而非指数衰减
- Ljung–Box 强烈拒绝白噪声
这在美股也存在，但：
BTC 的衰减更慢、峰值更高、持续时间更长
② 为什么“绝对值”会暴露结构？
因为你做了两件事：
- 去掉了方向（sign）
- 只保留“冲击强度”
也就是说你在问：
“现在市场是不是处在一个‘剧烈运动状态’？”
而这个状态，在 BTC 中高度持续。
③ 微观机制（BTC 特有）
- 杠杆仓位 → 强平触发
- 做市商在波动放大时主动撤单
- 流动性 ↓ → 单笔成交影响 ↑
形成反馈环：
大波动
↓
流动性撤离
↓
更大波动
④ 交易层面的含义
| 可利用方式 | 说明 |
|---|---|
| 动态杠杆 | 高 |
| 波动突破 | 高 |
| 风险预警 | 状态识别而非方向预测 |
⚠️ 注意：
|rₜ| 的可预测性 ≠ 价格方向可预测
2️⃣ rₜ² —— 二阶矩的自相关（ARCH / GARCH）
① 统计本质
[
r_t = \sigma_t \varepsilon_t,\quad \varepsilon_t \sim iid
]
而：
[
\sigma_t^2 = \alpha_0 + \alpha_1 r_{t-1}^2 + \beta_1 \sigma_{t-1}^2
]
在 BTC 中：
- α₁ + β₁ ≈ 1 或略小于 1
- 接近 IGARCH
② 为什么 BTC 比美股“更 GARCH”？
| 维度 | 美股 | BTC |
|---|---|---|
| 做市资本 | 极深 | 有限 |
| 交易所风控 | 稳定 | 强制平仓 |
| 杠杆反馈 | 温和 | 剧烈 |
于是：
波动不是外生噪声，而是系统状态变量
③ 数学表现
- rₜ 本身 ≈ 白噪声
- rₜ² ≠ 白噪声
- 条件方差是慢变量
这是典型的：
非线性但可建模的随机过程
④ 交易含义
- VaR / ES 必须用条件波动
- 固定止损在 BTC 中极其危险
- 高频风控模型优于信号模型
3️⃣ Realized Volatility —— 长记忆（Long Memory）
① 定义
以 5min 为例：
[
RV_t = \sum_{i=1}^{N} r_{t,i}^2
]
经验结果（BTC）：
- Hurst 指数 H ≈ 0.7–0.85
- ACF 以幂律衰减：
[
\rho(k) \sim k^{2H-2}
]
② 什么是“长记忆”
区别：
| 类型 | 衰减 |
|---|---|
| 短记忆（ARMA） | 指数 |
| 长记忆（FIGARCH） | 幂律 |
BTC 的波动：
“很久以前的冲击，今天仍然有影响”
③ 为什么 BTC 会产生长记忆？
三个叠加源头：
- 多时间尺度交易者
- 高频做市
- 日内趋势
- 周期性杠杆资金
- 杠杆清算的异步释放
- 强平不是瞬时完成
- 分交易所、分时间段
- 24/7 连续交易
- 没有“夜间遗忘机制”
④ 实际意义
- 波动率不是“均值回复快变量”
- 长周期风险暴露必须建模
- 简单 GARCH 会低估尾部风险
4️⃣ 低频收益（周 / 月）—— 趋势与动量
① 统计事实
对 BTC：
- 周收益、月收益：
- Corr(rₜ, rₜ₋₁) > 0
- Momentum t-stat 显著
而美股：
- 日频 ≈ 0
- 月频略正，但远弱于 BTC
② 为什么“频率一降，结构就出来”？
因为你在做：
[
R_t^{(k)} = \sum_{i=1}^{k} r_{t-i}
]
这会：
- 平均掉高频噪声
- 保留状态变量（情绪 / 杠杆）
BTC 的状态变量：
- 不稳定
- 自我强化
- 均值回复慢
③ 市场机制（核心）
趋势出现
↓
追涨 / 加杠杆
↓
价格加速
↓
趋势强化
没有现金流锚、没有回购、没有价值投资者去“拉回来”。
④ 可交易结论
| 策略 | BTC | 美股 |
|---|---|---|
| CTA 趋势 | ⭐⭐⭐⭐ | ⭐⭐ |
| 均值回归 | ⭐ | ⭐⭐⭐ |
| 波动择时 | ⭐⭐⭐⭐ | ⭐⭐ |
六、总结
BTC 的收益率在一阶线性层面接近白噪声，但其二阶矩及时间聚合后的序列呈现出强自相关、长记忆和趋势持续性，使其在波动率建模与趋势策略上显著偏离传统股票市场。