川海智库

报告概述

本报告聚焦于未清算衍生品市场中加密货币风险因素的初始保证金计算问题，旨在将加密货币风险纳入ISDA标准化初始保证金模型（SIMM）框架。研究基于12种主要加密货币（6种浮动和6种挂钩）的日度估值数据，以及Bloomberg Galaxy Crypto Index（BGCI）和S&P GSCI等指数，分析了加密货币风险类别与传统风险类别（如利率、外汇、商品等）的差异。报告建议将加密货币单独设为新的风险类别，并进一步细分为挂钩和浮动两个子类别，提出了基于SIMM现有方法论的风险权重校准方案，包括使用贪婪算法确定压力期、估计桶内和桶间相关性以及跨风险类别相关性。该研究为市场参与者提供了一种简单、稳健且行业可用的方法，以应对加密货币衍生品交易中的对手方风险。

报告的核心结论

加密货币应作为独立风险类别，而非归入商品等传统风险类别。

报告指出，加密货币的风险特征与传统商品显著不同，其压力期分布与商品指数S&P GSCI仅有少量重叠。将加密货币风险因子置于商品风险类别会导致delta风险权重被严重低估（如浮动加密货币在商品类别中仅58，在独立类别中升至132），因此有必要建立单独的加密货币风险类别。

挂钩与浮动加密货币需分别校准，采用不同的压力期和风险权重。

报告发现，挂钩（如USDT）和浮动（如BTC）加密货币的压力期分布差异很大，且风险权重差异显著（浮动加密货币delta风险权重大幅高于挂钩加密货币）。因此，建议在加密货币风险类别内设置两个子类别，并分别通过贪婪算法确定各自的压力期，以准确反映不同币种的风险水平。

加密货币与传统风险类别之间的跨风险类别相关性极低，接近零。

通过计算USDT和BGCI与利率、外汇、商品等六类传统风险因子的相关性，报告显示所有跨风险类别相关性参数均在2%至13%之间，且多数低于10%。这表明加密货币风险的分散化效果显著，但同时也意味着将其作为独立风险类别的必要性。

使用贪婪算法可更精准地确定加密货币的压力期，优于单一指数方法。

报告对比了基于BGCI指数与基于贪婪算法的压力期选择，发现贪婪算法能够针对挂钩和浮动加密货币分别识别出更恰当的压力期（如挂钩加密货币的压力期为2019-2020年），从而校准出更可靠的delta风险权重和桶内相关性，尤其适用于数据稀疏的加密货币市场。

报告回答的关键问题

加密货币初始保证金如何纳入SIMM模型？

报告建议在SIMM中新增加密货币产品类别和风险类别，将加密货币风险因子按挂钩与否分为两个子类别。通过分别校准各子类别的delta风险权重、桶内相关性、桶间相关性及跨风险类别相关性，并沿用SIMM的敏感性加权和相关性聚合方法，即可计算包含加密货币交易的净额结算的初始保证金。

挂钩与浮动加密货币的风险有何不同？

挂钩加密货币（稳定币）因与法定货币挂钩，波动性极低，其delta风险权重仅为1-2，压力期集中于2020年脱钩事件期间；而浮动加密货币波动极高，delta风险权重可达132，压力期集中在2017-2018年牛市高点。两者桶内相关性也有显著差异（浮动73%，挂钩20%），需分别校准。

加密货币与传统资产的相关性很低吗？

是的。报告以BGCI代表浮动加密货币、USDT代表挂钩加密货币，计算其与利率、外汇、商品、股票、信用等风险类别的相关性，结果均在2%至13%之间，且多数低于10%。这意味着加密货币可提供有效分散化，但需注意在极端市场条件下相关性可能升高。

为什么不能将加密货币直接归入商品风险类别？

直接归入商品风险类会导致加密货币风险权重被大幅低估，因为商品指数的压力期（如2008年金融危机）与加密货币的压力期（如2017年牛市、2020年3月）几乎没有重叠。例如，浮动加密货币在商品类别中权重仅58，在独立类别中升至132。此外，加密货币与商品的相关性也极低（约5%），不支持合并。

报告中的代表性数据

132 vs 58

浮动加密货币delta风险权重比较

SIMM 2.7+2412校准期，当浮动加密货币置于独立加密货币风险类别时，delta风险权重为132；若置于商品风险类别，则仅为58（基于BGCI方法校准）。说明将加密货币归入商品类别会严重低估风险。

2%-13%

加密货币与传统风险类别的跨风险类别相关性

2022-2024年最近期加额外压力期，以BGCI代表浮动加密货币、USDT代表挂钩加密货币，分别与六类传统风险因子计算Kendall转换Pearson相关性，所有结果均在2%至13%之间，表明加密货币与传统资产几乎不相关。

20% vs 73%

挂钩与浮动加密货币桶内相关性

2022-2024年最近期加各自额外压力期，采用贪婪算法分别校准压力期后，浮动加密货币桶内相关性为73%，挂钩加密货币桶内相关性为20%。挂钩币种间的低相关性说明其剩余波动多属 idiosyncratic。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 详细阐述了SIMM模型的结构，包括产品类别、风险类别、风险因子、delta/vega/曲率/基差相关性的计算框架，以及风险权重校准的完整数学公式。
  • 基于12种加密货币（BTC、ETH、XRP、BNB、DOGE、ADA及USDT、USDC、DAI、TUSD、USDP、GUSD）的日度价格数据进行描述性统计和波动性分析。
  • 对比了将加密货币风险因子放入商品风险类别与独立风险类别两种方案下的Delta风险权重校准结果，展示权重差异背后的理论依据（压力期分布不同）。
  • 提供了使用贪婪算法（Greedy Algorithm）分别确定挂钩和浮动加密货币压力期的详细步骤，包括R-score计算和季度选择过程。
  • 给出了加密货币风险类别内两个子类别的桶内相关性、桶间相关性以及跨风险类别相关性的完整估算结果，并讨论了不同指数（BGCI、USDT）对相关性的影响。
  • 包含多个图表，如加密货币市场集中度饼图（截至2025年8月）、各品种最波动季度对比图、USDT与S&P GSCI及股票指数散点图矩阵、BGCI与相关资产散点图矩阵等。
  • 提供了跨风险类别相关性校准的代表性工具表格（如利率用G4货币10年互换利率、外汇用主要货币对等），以及模拟实验验证Kendall相关系数转换的稳健性。
  • 讨论了将加密货币风险纳入SIMM后对初始保证金计算的影响，包括潜在的对冲效益（通过单独产品类别实现）以及模型简洁性与行业适用性的平衡。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告