坐上比特币的过山车前，请先系好安全带 | DT×NYCDSA

虚拟币越来越多，但赚钱的还是那么几个

比特币白皮书于2008年发布，到今天已经有越来越多的虚拟货币出现。我希望通过这篇文章对加密货币进行一个综述，并为这个领域内的投资者提供一些初级的投资建议。在这里我们将尝试回答的问题包括：这些数字货币的相对重要性如何？过往几年的价格变化如何？在这段时间里投资策略发生了怎样的变化？

我使用了由Jvent上传到Kaggle的一份数据。其中包括1100多种加密货币过往5年的OHLC数据，即开盘价、最高价、最低价及收盘价数据。

我首先分析了持续增加货币种类。下图展示了被收录的币种持续增加的趋势。最近几个月（本文章发表于2017年10月）出现了一些波动，其中一个原因就是中国2017年9月4日对ICO（虚拟货币发行）的禁令。不过，总体上，全球虚拟货币的种类数量还是在增加的。

我们接着观察各种币种的市值分布，可以看到向小市值明显的的倾斜趋势。事实上，230种货币（占总数的20.37%）截至2017年9月28日没有任何市值，在网站上的对应数据栏显示为0。678种（60.05%）币种的市值低于100万美元。

下图展示了每种货币市值随时间的变化走势，其中只展示了最高市值的几种货币。

鉴于少数几种币种统治了整个交易市场，我们对各币种在总市值中的占比进行了分析。

下图可以看出去年的一个关键趋势：像以太坊(Ethereum)和瑞波币(Ripple)等新币种的崛起（两者各占全部市值的22%和5%），以及比特币在整个市场市值占比的下降（从90%降至50%）。

那么，既然了解了这些虚拟币的基本信息，下一步如何制定自己的投资策略呢？

为了更好地理解各种货币的市场表现，我模拟使用最基本的平均成本法投资策略（dollar averaging trading strategy）来进行观察。从有数据可查的5年前开始，每当某一种货币的日交易量超过一定值时（初始值为100000美元），我会买入1美元并永远持有。到2017年9月28日，模拟得到的投资组合构成如下：

很明显可以看出，6种货币占据了整个投资组合的50%（圆盘最右边的6个色块所代表的虚拟币）。占比最多的stratis币涨了20万倍。下一步需要做的是回头看看这些币种在最初最便宜价位时是否真的可以买入。这里需要用到历史交易数据。

这个投资组合的价值随时间变化的情况如上图。对600种货币的投资将带来3400美元的净收入，回报率高昂，但其实更多集中在过去一年。几乎所有长期投资策略在2017年都获得成功，我们的这一种最基本投资组合也不例外。

最终，我以每个货币的不同买入节点为变量，绘制出不同买入门槛下最终投资组合的收益变化的函数。当这个买入门槛下降时，投资收入以指数级的速度增长。这说明，如果我对每种货币都是“立刻购入”——比如当它的交易量达到1000美元我就买入——那么其中一些货币会经历井喷般增长，而我们的投资组合的回报也会在我们持有期间大涨。

同样的，这种交易有些理想化，我们也需要利用真实交易数据来检测这些货币是否能在这么低的交易量时买入。不过至少总会有那么一小批人在这些货币最初发行时就可以交易。

虚拟币有风险，入场须谨慎

此外，我还做了另外两张图。

第一张我研究了比特币是否在每月最初几天涨幅明显。最终数据并没有对这个结论提供足够支撑。当然，我的研究更多关注的是最近12个月的交易情况，因为前4年的交易活跃度较为有限。

第二个图，我对比了加密货币指数（按照最传统的市值比重构成）与比特币的回报率。理论上，比特币的上涨会促使持有其他币种的投资者卖出其他币种购入比特币。事实上我们看到，所有币种都在联动地变化。

尽管没有在本项目中涉及，但加密货币交易肯定蕴含着巨大的风险。包括：

• 科技的风险（比如黑客对交易进行攻击，并打击投资者信心）

• 新科技的出现带来的迭代，比如号称代替区块链的新算法hashgraph等

• 监管风险

• 缺少现金流等带来的基本价值基础

因为加密货币与比特币高度相关，一个加密货币投资者很难真正意义上让自己的货币投资组合多元化以对冲或分散风险。根据以上的简单分析，我建议在配置资金到加密货币时，最好谨慎些，投入规模不应太大。

（本文翻译自 Crypto Currencies as an investment vehicle ）

数据侠门派

Quetin Picard毕业于法国巴黎高等电信学校（Telecom ParisTech），主修电子工程，辅修计算机。Picard是一名获得纽约数据科学学院认证的数据科学家，他拥有软件工程、机器学习、大数据、统计学以及可视化等前沿工作经验。此前曾在埃森哲担任资深经理，负责零售业及农产品交易行业的转型业务等。

关于DT×NYCDSA

DT财经与纽约数据科学学院是战略合作伙伴。DT×NYCDSA 系合作开设的专栏系列。

关于纽约数据科学学院：

纽约数据科学学院（NYC Data Science Academy）成立于2014年，是美国行业领先的数据科学教学机构。学院提供最高质量的数据科学和数据工程培训，致力于推进全球数据科学和大数据应用进程、以及向企业界输送数据分析人才。

加入数据侠

数据侠计划是由第一财经旗下DT财经发起的数据社群，包含数据侠专栏、数据侠实验室系列活动和数据侠联盟，旨在聚集大数据领域精英，共同挖掘数据价值。申请入群请添加微信公号dtcaijing002并备注“数据社群”，合作请联系datahero@dtcj.com。

（了解更多有趣又有料的商业数据分析，欢迎关注DT财经微信公众号“DTcaijing”，下载“DT·一财”APP）