（轉(zhuǎn)自：華安證券研究）

　　什么是穩(wěn)定幣，穩(wěn)定幣的運(yùn)行機(jī)制有何特點(diǎn)？

　　穩(wěn)定幣是一種以特定資產(chǎn)（如法幣、商品或加密資產(chǎn)）為價(jià)值錨定物的加密貨幣，旨在維持幣值相對穩(wěn)定（通常與美元1:1掛鉤）。由于比特幣波動(dòng)高、交易效率低，更適合作為“數(shù)字黃金”進(jìn)行價(jià)值存儲(chǔ)，而非作為日常支付工具。為填補(bǔ)比特幣支付缺陷，2014年Tether發(fā)行首個(gè)主流穩(wěn)定幣USDT，標(biāo)志著穩(wěn)定幣的誕生。其后 DeFi需求驅(qū)動(dòng)了穩(wěn)定幣的增長擴(kuò)張，在經(jīng)歷2022年算法穩(wěn)定幣UST崩盤、2023年硅谷銀行爆雷致USDC短暫脫錨后，美國啟動(dòng)《穩(wěn)定幣法案》討論，監(jiān)管開始介入。目前穩(wěn)定幣總市值突破 2500億美元，美元穩(wěn)定幣占比九成左右。

　　從運(yùn)行機(jī)制來看，穩(wěn)定幣并非獨(dú)立貨幣，而是鏈上法幣憑證。將美元、美債等現(xiàn)實(shí)資產(chǎn)代幣化，實(shí)現(xiàn)“鏈上映射”。穩(wěn)定幣通過智能合約將法幣或美債資產(chǎn)轉(zhuǎn)化為鏈上代幣，實(shí)現(xiàn)“1:1錨定”，穩(wěn)定幣的核心是“憑證化”而非“貨幣化”。另外，法幣抵押型穩(wěn)定幣（如USDT、USDC）由中心化機(jī)構(gòu)（如Tether、Circle）發(fā)行，具備高度中心化特征。雖然DAI、LUSD等加密資產(chǎn)抵押型穩(wěn)定幣實(shí)現(xiàn)了部分去中心化，但穩(wěn)定幣在設(shè)計(jì)上即面臨價(jià)格穩(wěn)定性、去中心化、資本效率的不可能三角，算法穩(wěn)定幣嘗試了去中心化設(shè)計(jì)但穩(wěn)定性變差，UST曾因死亡螺旋機(jī)制崩潰。故穩(wěn)定幣和傳統(tǒng)虛擬幣的去中心節(jié)點(diǎn)有本質(zhì)區(qū)別，而虛擬幣的貨幣價(jià)值本質(zhì)是去中心化，這就決定了穩(wěn)定幣注定無法成為“比特幣”，它的價(jià)值只能來源于其它方面，即為美元、美債等現(xiàn)實(shí)資產(chǎn)在鏈上提供增量的支付服務(wù)價(jià)值。而這也使得，穩(wěn)定幣與美元、美債等錨定資產(chǎn)在價(jià)值核心上深度綁定。

　　穩(wěn)定幣和錨定資產(chǎn)雖按1:1掛鉤發(fā)行，但轉(zhuǎn)換過程具備非對稱性，具備擴(kuò)充錨定資產(chǎn)流通盤子的功能。細(xì)看從法幣到穩(wěn)定幣的轉(zhuǎn)換過程，用戶在穩(wěn)定幣發(fā)行商平臺(tái)存入一單位法幣，對應(yīng)發(fā)行商在鏈上鑄造等值的穩(wěn)定幣，而返還穩(wěn)定幣時(shí)，法幣劃轉(zhuǎn)回用戶賬戶，回收的穩(wěn)定幣進(jìn)行銷毀。但無論是穩(wěn)定幣的鑄造還是銷毀，對應(yīng)到法幣，僅是在不同的銀行賬戶間轉(zhuǎn)換，并非凍結(jié)，法幣仍通過發(fā)行方銀行賬戶正常參與投資和流通。總結(jié)來說，當(dāng)穩(wěn)定幣供應(yīng)量不斷增長時(shí)，對應(yīng)錨定的法幣并未從世界上“暫停流通”，而僅僅是換了一個(gè)銀行賬戶繼續(xù)活躍在投資市場上。一方面，創(chuàng)造了信用擴(kuò)張，另一方面，由于目前發(fā)行方存儲(chǔ)錨定法幣的儲(chǔ)備賬戶主要投向美債，故穩(wěn)定幣的增長，直接對應(yīng)了美債配置力量的增長。

　　宏觀視角下，穩(wěn)定幣將對美債產(chǎn)生怎樣的影響？

　　穩(wěn)定幣為美元進(jìn)行功能增益，擴(kuò)張和強(qiáng)化美元需求，短期支撐匯率堅(jiān)挺，美債受益。在擴(kuò)張前期，“美元+穩(wěn)定幣”組合的鏈上交易優(yōu)勢或增加美元需求，但隨著穩(wěn)定幣多樣化，美元相對其它幣種的鏈上結(jié)算優(yōu)勢可能消退，長期風(fēng)險(xiǎn)或?qū)⒅饾u暴露。財(cái)政赤字貨幣化與穩(wěn)定幣規(guī)模膨脹可能透支信用，誘發(fā)匯率貶值。

　　但在長期，穩(wěn)定幣面臨影子銀行系統(tǒng)風(fēng)險(xiǎn)與杠桿風(fēng)險(xiǎn)擴(kuò)大的問題。穩(wěn)定幣與美元的非對稱化轉(zhuǎn)換，實(shí)質(zhì)是實(shí)現(xiàn)了“法幣流動(dòng)性增強(qiáng)”與“穩(wěn)定幣增量發(fā)行”的雙軌擴(kuò)張。貨幣總量來看，不增加M0，但擴(kuò)張M2。私營機(jī)構(gòu)掌控萬億級(jí)“影子貨幣”發(fā)行權(quán)仍有一定程度上的不可控風(fēng)險(xiǎn)。當(dāng)規(guī)模突破臨界點(diǎn)時(shí)，或可能將美國主權(quán)信用風(fēng)險(xiǎn)指數(shù)級(jí)放大至鏈上全球金融體系。此外，還面臨杠桿效應(yīng)對風(fēng)險(xiǎn)的進(jìn)一步放大。對于穩(wěn)定幣發(fā)行商，100美元儲(chǔ)備金購買美債后，美債可抵押融資再投資，形成鏈下再杠桿，Tether用美債回購協(xié)議加杠桿。而鏈上也會(huì)出現(xiàn)疊加效應(yīng)：穩(wěn)定幣流入DeFi后，可通過借貸協(xié)議反復(fù)質(zhì)押，進(jìn)一步放大信用規(guī)模。

　　穩(wěn)定幣和美債的動(dòng)態(tài)平衡在長期仍有脆弱性，穩(wěn)定幣的長期風(fēng)險(xiǎn)或?qū)鲗?dǎo)至美債，放大美債的風(fēng)險(xiǎn)波動(dòng)，或?qū)⒊蔀槊纻▋r(jià)體系中，一項(xiàng)長期固定的風(fēng)險(xiǎn)來源項(xiàng)。美債與穩(wěn)定幣形成的“共生關(guān)系”導(dǎo)致了，一旦美債評級(jí)下調(diào)或出現(xiàn)違約預(yù)期，可能觸發(fā)穩(wěn)定幣大規(guī)模脫錨。而反向來看，穩(wěn)定幣的擠兌也會(huì)引發(fā)美債的拋售，若穩(wěn)定幣遭遇信任危機(jī)，如脫錨事件，發(fā)行商需拋售美債兌付，推升短端收益率，形成“贖回→拋售→收益率飆升→進(jìn)一步贖回”的螺旋。

　　微觀視角下，各類穩(wěn)定幣具體如何支撐美債？

　　具體來看，穩(wěn)定幣分為支付型穩(wěn)定幣（非生息型）和收益型穩(wěn)定幣（生息型）兩大類。支付型穩(wěn)定幣代表項(xiàng)目分別為USDT（1567億美元）、USDC（618億美元），兩者合計(jì)占市場95%以上份額。收益型穩(wěn)定幣代表項(xiàng)目分別為Delta中性對沖型的Ethena USD、DeFi借貸型的Sky USD、RWA支持型的Ondo USD、混合收益型的Usual USD0++。

　　支付型穩(wěn)定幣體量超過95%，且儲(chǔ)備資產(chǎn)購買美債的比例高于60%。USDT在2025年5月的美債持倉規(guī)模接近1200億美元，占儲(chǔ)備資產(chǎn)比例約在80%左右，USDC在2025年6月的美債持倉規(guī)模約為500億美元左右，占儲(chǔ)備資產(chǎn)比例約為80%左右。

　　支付型穩(wěn)定幣規(guī)模占據(jù)市場主導(dǎo)地位的原因，除了其簡單易用的支付優(yōu)勢，還與其作為收益衍生品底層資產(chǎn)的潛在需求密切相關(guān)。用戶可將USDC存入Coinbase Wallet生成sUSDC，或通過交易所質(zhì)押USDT獲得sUSDT，實(shí)現(xiàn)年化約4%-125%的收益。故支付型穩(wěn)定幣的一部分持有量也來源于其衍生品的“隱性價(jià)值”，且此部分占比具備一定規(guī)模，以真實(shí)收益型穩(wěn)定幣SyrupUSDC為例，其底層完全錨定USDC儲(chǔ)備，市值達(dá)7.92億美元，在收益型穩(wěn)定幣中位列第三。

　　機(jī)構(gòu)用戶亦可通過抵押美債而非法幣的方式獲得穩(wěn)定幣，其通過賦能美債的鏈上交易屬性來在用戶端創(chuàng)造增量美債需求的增長，但本身亦包含一部分存量美債配置資金。機(jī)構(gòu)用戶可通過兩種方式實(shí)現(xiàn)美債抵押發(fā)行穩(wěn)定幣：1）直接抵押：機(jī)構(gòu)將持有的美國國債存入銀行或信托等合規(guī)托管機(jī)構(gòu)，并以此發(fā)行1:1錨定的穩(wěn)定幣。2）間接質(zhì)押：通過DeFi協(xié)議將美債代幣化，生成穩(wěn)定幣。直接抵押案例如京東JDH穩(wěn)定幣，其通過合規(guī)托管機(jī)構(gòu)存入美債，發(fā)行1:1錨定的穩(wěn)定幣，且用戶保留美債所有權(quán)。間接質(zhì)押案例如MakerDAO，支持將美國國債等現(xiàn)實(shí)世界資產(chǎn)作為抵押品，用戶存入美債后通過智能合約生成 DAI。對機(jī)構(gòu)客戶而言，可通過美債抵押生成穩(wěn)定幣，無需出售美債即可獲得流動(dòng)性，用于其他投資或支付需求，故能夠吸引傳統(tǒng)金融機(jī)構(gòu)使用。同時(shí)也為《GENIUS法案》下“非付息型穩(wěn)定幣”提供可能可行的模式：1）其符合條款“儲(chǔ)備資產(chǎn)必須與發(fā)行方運(yùn)營資金隔離，禁止再抵押”；2）由于其收益權(quán)本身歸屬客戶，不涉及發(fā)行平臺(tái)代為投資，并向用戶分配收益，故若收益不來自穩(wěn)定幣本身，而是通過其他協(xié)議分配，如用戶通過DeFi協(xié)議質(zhì)押美債獲得收益，或發(fā)行方以非穩(wěn)定幣形式返還美債利息，則可能不違反“穩(wěn)定幣不是投資合同，發(fā)行方可通過儲(chǔ)備資產(chǎn)獲利（如美債利息），但不可向用戶付息”的禁令。3）雖然法案要求儲(chǔ)備資產(chǎn)所有權(quán)必須歸屬發(fā)行方，但DAI、FRAX等去中心化穩(wěn)定幣不受直接約束，若用戶通過DAO或智能合約發(fā)行抵押型穩(wěn)定幣，且不涉及“許可發(fā)行方”，則資產(chǎn)所有權(quán)可保留在用戶錢包。故此渠道或成為未來穩(wěn)定幣一大穩(wěn)定增長點(diǎn)，若實(shí)際落地驗(yàn)證合規(guī)性，未來也能穩(wěn)定支持美債需求。   

　　收益型穩(wěn)定幣規(guī)模少于5%，但未來具備增長潛力。RWA型目前美債配置比例在80%-100%、DeFi策略型美債配置比例在0%-10%，混合型美債配置比例在30%-50%。據(jù)估算，收益型穩(wěn)定幣的美債持倉約為66億美元。未來對美債需求看，主流機(jī)構(gòu)預(yù)測2030年穩(wěn)定幣約達(dá) 1.4-3.7萬億美元，對美債持將或增至1.2億-2萬億美元。

　　總量來看，主流金融機(jī)構(gòu)對穩(wěn)定幣的未來增長持樂觀態(tài)度，并普遍預(yù)期其將成為美債市場的重要配置力量。2025年所有種類穩(wěn)定幣持有美債突破1200億美元，成為美債第18大持有方。未來對美債需求看，主流機(jī)構(gòu)預(yù)測2030年穩(wěn)定幣可達(dá) 3.5-5萬億美元，年增長率15%-25%，對美債持倉從當(dāng)前2000-3000億美元增至8000億-1.5萬億美元，占比提升至20%-40%。其中摩根大通的預(yù)測偏保守，預(yù)測結(jié)果聚焦在 “付息禁令+流動(dòng)性短板” 的短期制約，而渣打預(yù)測結(jié)果則極度樂觀，強(qiáng)調(diào) “監(jiān)管開放+技術(shù)整合” 的長期紅利。機(jī)構(gòu)預(yù)測主要的分歧點(diǎn)在于對監(jiān)管和傳統(tǒng)金融機(jī)構(gòu)參與度的預(yù)期。

　　GENIUS法案預(yù)計(jì)將如何影響穩(wěn)定幣對美債的支撐？

　　法案“投向限制為美元資產(chǎn)”+“禁止向客戶付息”的組合，著力確保穩(wěn)定幣的增長量精準(zhǔn)對應(yīng)美債配置端的凈增長。穩(wěn)定幣發(fā)行過程中，從法幣向發(fā)行方賬戶移入的角度看，法案要求穩(wěn)定幣發(fā)行商必須持有100%高流動(dòng)性美元資產(chǎn)作為儲(chǔ)備，明確禁止非美元資產(chǎn)，高流動(dòng)性美元資產(chǎn)具體包含美元現(xiàn)金、剩余期限不超過93天的短期美國國債、銀行存款。盡管法案禁止向用戶付息，但并未禁止發(fā)行方通過儲(chǔ)備資產(chǎn)獲取收益，發(fā)行方持有的短期美國國債或存款利息收入仍可歸發(fā)行方所有。但由于銀行將穩(wěn)定幣發(fā)行方視為高風(fēng)險(xiǎn)客戶，常采取限制存款額度等措施，且法案允許的銀行存款必須是FDIC受保存款，保險(xiǎn)額度限制也迫使發(fā)行方只能將極小比例配置存款。另外，“儲(chǔ)備資產(chǎn)不得用于質(zhì)押融資、借貸、衍生品交易或任何高風(fēng)險(xiǎn)投資”的條款通過限制發(fā)行方其它收益來源的方式助推發(fā)行方追求收益的需求，在有限的資產(chǎn)選擇下，出于維持運(yùn)營的目的，發(fā)行方或不得不選擇配置短期美國國債為主。另一方面，從法幣從個(gè)人賬戶移出的角度看，立法者認(rèn)為，付息可能誘導(dǎo)儲(chǔ)戶將資金從傳統(tǒng)銀行轉(zhuǎn)移至風(fēng)險(xiǎn)更高的加密賬戶，削弱銀行信貸功能并引發(fā)系統(tǒng)性風(fēng)險(xiǎn)。且穩(wěn)定幣的無息化亦削弱了其作為配置資產(chǎn)相對美債的競爭力，能夠避免虹吸美債的配置資金。

　　同時(shí)，“禁止付息”也限制了穩(wěn)定幣的“影子銀行”風(fēng)險(xiǎn)，避免拖累美債崩盤。法案的“禁止付息”也是出于防止其演變?yōu)椤坝白鱼y行”的目的，防止其規(guī)避存款保險(xiǎn)與銀行資本充足率監(jiān)管，通過利率競爭引發(fā)系統(tǒng)性風(fēng)險(xiǎn)。

　　但是，生息被打擊亦可能影響穩(wěn)定幣原本的增長曲線：

　　USDT由于其投向票據(jù)等資產(chǎn)，不能滿足“儲(chǔ)備資產(chǎn)不得用于質(zhì)押融資、借貸、衍生品交易或任何高風(fēng)險(xiǎn)投資?！钡姆ò敢?，面臨退出美國市場或重組壓力。而USDT作為目前市占率最高的穩(wěn)定幣，或?qū)Ψ€(wěn)定幣對美債的配置力有下滑影響。

　　雖另一大支付型穩(wěn)定幣巨頭——USDC符合法案要求，但由于其衍生品sUSDC因付息機(jī)制和衍生品結(jié)構(gòu)完全不符合支付穩(wěn)定幣的法案要求，面臨全球合規(guī)圍剿。故sUSDC貢獻(xiàn)的、出于投資目的而持有USDC的份額將出現(xiàn)下滑，拖累USDC本幣的總量。

　　收益型穩(wěn)定幣不在法案合規(guī)范圍內(nèi)，雖然目前規(guī)模不足5%，影響力有限。但收益型穩(wěn)定幣未來增長潛力巨大，是構(gòu)筑未來穩(wěn)定幣總量增長的重要組成部分，若去除收益型穩(wěn)定幣，則目前針對穩(wěn)定幣的未來增長模型或要重新計(jì)算。

　　另外，穩(wěn)定幣的監(jiān)管化轉(zhuǎn)變亦或?qū)е庐?dāng)前部分穩(wěn)定幣的存量需求收縮。原本“挖礦→獲得比特幣→兌換成穩(wěn)定幣→兌換成美元”的模式是基于穩(wěn)定幣的弱監(jiān)管性產(chǎn)生的一類穩(wěn)定幣需求線。該條線由于隱匿性導(dǎo)致難以測算其具體貢獻(xiàn)的穩(wěn)定幣需求量級(jí)，穩(wěn)定幣監(jiān)管化轉(zhuǎn)變對此部分需求的沖擊具有不確定性。

　　故基于以上法案影響，未來穩(wěn)定幣增長趨勢可以從兩方面來看：

　　一方面，樂觀情境下監(jiān)管對生息型穩(wěn)定幣實(shí)際監(jiān)管力或有限，多數(shù)品種穩(wěn)定幣合規(guī)化可能會(huì)比較順利。

　　法案的實(shí)際監(jiān)管效力或低于預(yù)期。鏈上生息穩(wěn)定幣的生存空間或從公開轉(zhuǎn)向地下。一方面，完全去中心化協(xié)議的“監(jiān)管免疫”技術(shù)層面無法禁止，智能合約一旦部署便不可篡改。監(jiān)管或僅能警示“非合規(guī)產(chǎn)品無保護(hù)”，但無法阻止用戶通過VPN自托管錢包參與。

　　多數(shù)品種穩(wěn)定幣或能夠?qū)崿F(xiàn)合規(guī)化轉(zhuǎn)型，繼續(xù)保持增長趨勢。USDC的衍生品 sUSDC或可通過此方式轉(zhuǎn)型為證券化產(chǎn)品，將收益權(quán)拆分為證券型代幣，接受SEC注冊監(jiān)管，用戶通過持有代幣獲取美債利息。sUSDT或可通過退守離岸市場改造為“非生息質(zhì)押憑證”。USDT等原生代幣或可通過放棄付息功能實(shí)現(xiàn)合規(guī)，用戶通過合規(guī)DeFi協(xié)議質(zhì)押獲取收益，實(shí)現(xiàn)收益與支付分離。對于收益型穩(wěn)定幣，高盛、富達(dá)等資管巨頭可能發(fā)行 代幣化貨幣市場基金，替代現(xiàn)有DeFi收益協(xié)議。

　　另一方面，悲觀情景為生息型穩(wěn)定幣被打擊、且支付型穩(wěn)定幣規(guī)模增長受限。穩(wěn)定幣巨頭USDT的合規(guī)轉(zhuǎn)型或仍要時(shí)間，因?yàn)橛|及了根本商業(yè)模式的變更，不再能通過長期美債套利、高風(fēng)險(xiǎn)資產(chǎn)投資獲益。

　　綜合考慮各類因素，我們的觀點(diǎn)是：1）短期來看，法案落地后，出于市場對所持穩(wěn)定幣品種或不能滿足合規(guī)的預(yù)期，或帶來拋售風(fēng)險(xiǎn)，利空穩(wěn)定幣的短期增長。2）中期來看，各品種穩(wěn)定幣或陸續(xù)實(shí)現(xiàn)合規(guī)化轉(zhuǎn)型，且受益于行業(yè)在監(jiān)管下更規(guī)范，將有更多大型機(jī)構(gòu)參與進(jìn)一步支撐穩(wěn)定幣市場。鑒于USDC、USDT作為頭部支付型穩(wěn)定幣已成為短期美債的關(guān)鍵增量買家，且實(shí)際市場風(fēng)險(xiǎn)可控，故《GENIUS法案》將優(yōu)先保障此類‘功能純粹型’項(xiàng)目的合規(guī)路徑，或?yàn)槠涮峁┖弦?guī)緩沖，根據(jù)實(shí)際受沖擊情況，針對其相關(guān)衍生品的合規(guī)細(xì)則或也有調(diào)整完善的空間。3）長期來看，穩(wěn)定幣與法幣的雙軌擴(kuò)張格局仍有隱憂，需要嚴(yán)格限制在和全球經(jīng)濟(jì)增速相匹配的區(qū)間中，作為系統(tǒng)性風(fēng)險(xiǎn)源將長期被市場關(guān)注。

　　對于美債的影響而言，穩(wěn)定幣規(guī)模增長的風(fēng)險(xiǎn)在長端，長期限美債或在風(fēng)險(xiǎn)擔(dān)憂中承壓。而對于短期限美債，底層邏輯為穩(wěn)定幣的或有爆雷風(fēng)險(xiǎn)長于短端美債的期限，故對短端影響有限。短期限美債的短期風(fēng)險(xiǎn)或來源于法案落地導(dǎo)致穩(wěn)定幣業(yè)態(tài)短期內(nèi)產(chǎn)生結(jié)構(gòu)性震蕩，可能會(huì)有擾動(dòng)和拋壓，但后續(xù)隨著市場環(huán)境重新企穩(wěn)，市場恐慌情緒逐步消化及穩(wěn)定幣發(fā)行方完成儲(chǔ)備資產(chǎn)調(diào)倉后，短期限美債仍有回彈利好。

　　“

　　風(fēng)險(xiǎn)提示

　　監(jiān)管效力不確定性風(fēng)險(xiǎn)、國際局勢不確定性風(fēng)險(xiǎn)。

1

　　引言

　　金融市場的動(dòng)態(tài)變化受到各類內(nèi)外因素的影響，這種特性使得金融市場常被建模為復(fù)雜系統(tǒng)（見Mantegna, 1999; Tumminello等, 2005）。具體而言，基于相關(guān)性的金融網(wǎng)絡(luò)主要通過最小生成樹（MST）和平面極大過濾圖（如Aste等, 2010; Di Matteo等, 2010）進(jìn)行研究，應(yīng)用于風(fēng)險(xiǎn)管理與投資組合優(yōu)化領(lǐng)域（Mastromatteo等, 2012; Wang等, 2017）。其中，金融網(wǎng)絡(luò)中邊緣節(jié)點(diǎn)對構(gòu)建穩(wěn)健投資組合的重要性已被發(fā)現(xiàn)（Onnela等, 2003; Pozzi等, 2013），但既有研究僅考慮了均值-方差資產(chǎn)配置策略。

　　相關(guān)性矩陣的可靠性依賴統(tǒng)計(jì)估計(jì)方法。例如Pozzi等（2013）提出收縮相關(guān)性以計(jì)算穩(wěn)定的時(shí)序矩陣，而Yan和Zhao（2018）則建議采用高斯秩相關(guān)性捕捉資產(chǎn)收益的非線性關(guān)系。另一種思路是從矩陣中提取顯著相互作用：Plerou等（1999）發(fā)現(xiàn)經(jīng)驗(yàn)相關(guān)性矩陣的特征值與隨機(jī)矩陣?yán)碚撘恢?，但少?shù)最大特征值存在顯著偏離（Plerou等, 2002; Utsugi等, 2004），這些最大特征值被視為代表金融網(wǎng)絡(luò)核心動(dòng)態(tài)的全局運(yùn)動(dòng)（Marcenko和Pastur, 1967; Jiang等, 2014）?；赟ong等（2016）和Borghesi等（2007）的研究，文獻(xiàn)提出通過從全互相關(guān)矩陣（full cross-correlation）中減去全局運(yùn)動(dòng)（global motion）來構(gòu)建新型相關(guān)性矩陣。

　　從馬科維茨模型（Markowitz, 1968）到風(fēng)險(xiǎn)平價(jià)策略（Qian, 2011），傳統(tǒng)組合構(gòu)建過程缺乏金融市場的層次結(jié)構(gòu)。對此，De Prado（2016）提出的分層風(fēng)險(xiǎn)平價(jià)模型（hierarchical risk parity，HRP）優(yōu)于傳統(tǒng)風(fēng)險(xiǎn)最小化組合（De Prado, 2016; Burggraf, 2021）。但HRP要求完整的市場層次結(jié)構(gòu)，對海量投資管理造成負(fù)擔(dān)。為突破此限制，文獻(xiàn)提出基于相關(guān)性MST邊緣節(jié)點(diǎn)池的資產(chǎn)選擇HRP模型，采用全互相關(guān)（full cross-correlation，F(xiàn)C）和全局運(yùn)動(dòng)調(diào)整相關(guān)性（global motion subtracted correlation，GMSC）兩種矩陣。實(shí)證表明，這兩種矩陣均能保持或提升組合表現(xiàn)，但隨選定資產(chǎn)數(shù)量與市場條件呈現(xiàn)差異化特征。

2

　　方法

　　2.1 相關(guān)性矩陣與全局運(yùn)動(dòng)

　　2.2 基于最小生成樹邊緣節(jié)點(diǎn)的分層風(fēng)險(xiǎn)平價(jià)

　　可以利用距離度量 D 將相關(guān)矩陣映射到一個(gè)度量空間，其中距離度量 D 的表達(dá)式為：

　　這里r_ij是完全互相關(guān)矩陣（FC）或減去全局運(yùn)動(dòng)后的相關(guān)矩陣（GMSC）中的元素?；诰嚯x計(jì)算得到的最小生成樹（MST）是一種生成樹，其所有資產(chǎn)之間的距離之和最小。需注意，此處采用克魯斯卡爾（Kruskal）算法來計(jì)算最小生成樹（Kruskal，1956）。

　　分層風(fēng)險(xiǎn)平價(jià)（HRP）利用層次聚類算法（HAC）將市場結(jié)構(gòu)納入資產(chǎn)配置考量。有趣的是，采用單鏈接準(zhǔn)則的最小生成樹與層次聚類算法在本質(zhì)上是相同的（Mantegna 和 Stanley，1999；Marti 等，2021），該算法的具體描述見圖表2（Müllner，2011；Berthold 和 H?ppner，2016）。因此，可將分層風(fēng)險(xiǎn)平價(jià)資產(chǎn)配置與基于最小生成樹的證券選擇策略整合為一個(gè)單一的投資組合策略。由于用于生成最小生成樹的完全互相關(guān)矩陣和減去全局運(yùn)動(dòng)后的相關(guān)矩陣會(huì)隨時(shí)間變化，本研究提出的投資組合策略在每次再平衡時(shí)都會(huì)重新納入金融市場的新層次結(jié)構(gòu)。

　　在完成層次聚類算法的樹狀聚類后，會(huì)進(jìn)行準(zhǔn)對角化處理。將未標(biāo)準(zhǔn)化的對數(shù)收益率協(xié)方差矩陣重新排列，使相似資產(chǎn)彼此靠近，而相異資產(chǎn)彼此遠(yuǎn)離。單鏈接層次聚類算法會(huì)生成一個(gè) (N?1)×4 的矩陣，其中鏈接矩陣的每一行可能包含聚類或構(gòu)成元素。從矩陣的最后一行開始，遞歸地將行中的聚類替換為其構(gòu)成元素，直到?jīng)]有聚類剩余為止。最后，根據(jù)單鏈接層次聚類值的順序?qū)υ紖f(xié)方差矩陣的行和列進(jìn)行排序。

　　隨后，利用 De Prado（2016）提出的遞歸二分法來計(jì)算投資組合權(quán)重，具體描述見圖表3。具體而言，遞歸二分法從最終的聚類開始。注意，所有資產(chǎn)的初始權(quán)重均設(shè)為 1。通過向下遍歷樹結(jié)構(gòu)，將包含所有資產(chǎn)的聚類拆分為兩個(gè)子聚類。拆分過程會(huì)按比例將上層聚類的投資列表分為兩個(gè)列表。然后，計(jì)算每個(gè)聚類的方差，作為每個(gè)子聚類逆方差分配投資組合的方差。根據(jù)每個(gè)聚合方差，計(jì)算拆分因子，并利用該因子重新調(diào)整每個(gè)子集的資產(chǎn)配置比例。

　　為了減少投資組合中的資產(chǎn)數(shù)量，文獻(xiàn)采用 Pozzi 等（2008，2013）提出的改進(jìn)混合邊緣度量方法來選擇資產(chǎn)?；旌隙攘恐翟礁?，節(jié)點(diǎn)越處于邊緣位置。因此，文獻(xiàn)可以選擇混合度量值最高的κ個(gè)最外圍邊緣資產(chǎn)。

　　投資組合管理的最后一步是對所選資產(chǎn)的分層風(fēng)險(xiǎn)平價(jià)權(quán)重進(jìn)行重新調(diào)整。目標(biāo)是生成最終保持金融市場整個(gè)層次結(jié)構(gòu)特征的分層風(fēng)險(xiǎn)平價(jià)權(quán)重。因此，將每個(gè)所選資產(chǎn)的權(quán)重除以所有所選資產(chǎn)權(quán)重的總和。最后，使用證券選擇策略為完全互相關(guān)矩陣和減去全局運(yùn)動(dòng)后的相關(guān)矩陣構(gòu)建分層風(fēng)險(xiǎn)平價(jià)投資組合，整體流程可概括為圖表4所示。

3

　　實(shí)證結(jié)果

　　3.1 數(shù)據(jù)與回測設(shè)置

　　文獻(xiàn)采用2000年7月至2021年8月期間標(biāo)普500指數(shù)成分股的每日收盤價(jià)數(shù)據(jù)（共5320個(gè)觀測值），并使用120天的滾動(dòng)窗口來估計(jì)相關(guān)性矩陣。因此，在每次再平衡時(shí)，文獻(xiàn)僅考慮那些至少有120個(gè)對數(shù)收益率的資產(chǎn)。投資組合在每月的第一個(gè)交易日進(jìn)行再平衡。因此，回測的第一天是2001年1月2日，并持續(xù)推進(jìn)至2021年8月31日。標(biāo)普500指數(shù)中的資產(chǎn)數(shù)量從2001年1月的497只開始，到2021年8月增至504只。文獻(xiàn)評估了所提出的投資組合策略在κ={5,10,20,30,50,100,200,300} 不同取值下的表現(xiàn)，并將其與標(biāo)普500指數(shù)以及使用全部資產(chǎn)的分層風(fēng)險(xiǎn)平價(jià)（HRP）策略的表現(xiàn)進(jìn)行了對比。

　　3.2 相關(guān)矩陣與最小生成樹

　　圖表5展示了2021年8月1日完全互相關(guān)（FC）矩陣特征值的概率密度函數(shù)。部分FC矩陣的特征值顯著超出了馬爾琴科-帕斯圖爾（Marchenko–Pastur）分布的上限。此外，藍(lán)色條形圖代表的是通過打亂各資產(chǎn)時(shí)間序列的對數(shù)收益率后估計(jì)得到的替代相關(guān)矩陣的特征值分布（Pan和Sinha，2007）。文獻(xiàn)確認(rèn)，替代相關(guān)矩陣的所有特征值均未超過隨機(jī)矩陣特征值的理論上限。

　　圖表6展示了2021年8月1日的FC矩陣、全局運(yùn)動(dòng)相關(guān)（GMC）矩陣和減去全局運(yùn)動(dòng)后的相關(guān)（GMSC）矩陣。圖3(a)中經(jīng)過準(zhǔn)對角化處理的FC矩陣顯示，在對角線上有許多顯著的簇（以藍(lán)色方塊表示）。圖3(b)中的GMC矩陣揭示了全局運(yùn)動(dòng)情況，右上角顯示的是引領(lǐng)市場的資產(chǎn)。圖3(c)中的GMSC矩陣則顯示出較少的簇和較低的相關(guān)性。因此，GMSC矩陣強(qiáng)調(diào)了那些收益率對市場條件變化不太敏感的資產(chǎn)的重要性。隨后，文獻(xiàn)對GMSC矩陣也進(jìn)行了準(zhǔn)對角化處理，結(jié)果如圖3(d)所示。

　　文獻(xiàn)進(jìn)一步利用圖表7中的最小生成樹（MST）樣本配置來分析金融市場的結(jié)構(gòu)以及所選邊緣資產(chǎn)的情況。圖表7的 (a)–(d)和(e)–(h)分別展示了2021年8月1日，對于10個(gè)、30個(gè)、50個(gè)和100個(gè)所選邊緣資產(chǎn)，F(xiàn)C矩陣和GMSC矩陣的MST。

　　FC矩陣的MST呈現(xiàn)出輻射狀的層次結(jié)構(gòu)，其中連接度最高的資產(chǎn)位于中心。而GMSC矩陣的MST則相對分散，去除了最中心的資產(chǎn)（其價(jià)格動(dòng)態(tài)預(yù)計(jì)會(huì)引領(lǐng)金融市場），從而提供了更為細(xì)分的層次結(jié)構(gòu)。此外，對于不同的κ值，F(xiàn)C矩陣（紅色）和GMSC矩陣（藍(lán)色）中選出的所有邊緣資產(chǎn)都遠(yuǎn)離MST的中心，且連接較少。同時(shí)被選中的資產(chǎn)數(shù)量較少（黃色）則表明了FC矩陣和GMSC矩陣在證券選擇上的差異。

　　3.3 投資組合業(yè)績

　　在回測期間，針對不同數(shù)量的資產(chǎn)（κ={5,10,20,30,50,100,200,300}），評估了基于完全互相關(guān)（FC）矩陣（FC-HRP）和減去全局運(yùn)動(dòng)后的相關(guān)（GMSC）矩陣（GMSC-HRP）的分層風(fēng)險(xiǎn)平價(jià)投資組合的表現(xiàn)，并與基準(zhǔn)進(jìn)行了對比。需注意，使用全部資產(chǎn)的FC-HRP是De Prado（2016）中提出的HRP模型。回測過程中考慮了10個(gè)基點(diǎn)的交易成本，并剔除了標(biāo)普500指數(shù)中不再符合條件的資產(chǎn)。

　　首先，從圖表8的累計(jì)投資組合對數(shù)收益率來看，除了使用較小κ值的GMSC-HRP外，F(xiàn)C-HRP和GMSC-HRP的表現(xiàn)均優(yōu)于標(biāo)普500指數(shù)。此外，使用全部資產(chǎn)的FC-HRP和GMSC-HRP并非累計(jì)對數(shù)收益率最高的投資組合，這表明所提出的證券選擇方法是有效的。

　　體而言，F(xiàn)C-HRP和GMSC-HRP的累計(jì)對數(shù)收益率趨勢與標(biāo)普500指數(shù)幾乎相同。不過，隨著κ值的減小，這種趨勢的相似性逐漸減弱。即便趨勢相似，F(xiàn)C-HRP和GMSC-HRP的投資組合表現(xiàn)仍高于基準(zhǔn)，這表明采用證券選擇的FC-HRP和GMSC-HRP是智能貝塔策略，它們利用金融市場結(jié)構(gòu)中的邊緣資產(chǎn)作為因子，旨在提高收益并降低風(fēng)險(xiǎn)。

　　圖表9詳細(xì)總結(jié)了投資組合的表現(xiàn)。在所有資產(chǎn)都被選中的情況下，F(xiàn)C-HRP和GMSC-HRP在大多數(shù)業(yè)績指標(biāo)上均優(yōu)于標(biāo)普500指數(shù)。除了使用5種資產(chǎn)的情況外，使用證券選擇的FC-HRP在所有κ值下均獲得了比使用全部資產(chǎn)更高的年化復(fù)合收益率（C/R）。

　　類似地，除了使用5種和10種資產(chǎn)的情況外，使用證券選擇的GMSC-HRP在所有κ值下均產(chǎn)生了比使用全部資產(chǎn)和標(biāo)普500指數(shù)更高的C/R。盡管資產(chǎn)數(shù)量分別減少到了100種和200種，但FC-HRP和GMSC-HRP仍表現(xiàn)出比標(biāo)普500指數(shù)更小的波動(dòng)性，即標(biāo)準(zhǔn)差（S/D）和下行偏差（D/D）更小。在50≤κ≤300的范圍內(nèi)，F(xiàn)C-HRP以及κ=50,200,300時(shí)的GMSC-HRP顯示出比使用全部資產(chǎn)更小的最大回撤（MDD）。

　　有趣的是，采用證券選擇的FC-HRP和GMSC-HRP在比使用全部資產(chǎn)和標(biāo)普500指數(shù)時(shí)表現(xiàn)出更高的收益和相當(dāng)?shù)牟▌?dòng)性。這一推斷得到了風(fēng)險(xiǎn)調(diào)整后收益指標(biāo)的支持：夏普比率（SH/R）、索提諾比率（SO/R）和卡爾馬比率（CA/R）。從SH/R和SO/R的角度來看，κ=50時(shí)的GMSC-HRP是最優(yōu)策略。大多數(shù)采用證券選擇的FC-HRP和GMSC-HRP在SH/R和SO/R上均高于使用全部資產(chǎn)和標(biāo)普500指數(shù)的情況。對于CA/R，除了κ=5的情況外，F(xiàn)C-HRP在所有κ值下均優(yōu)于基準(zhǔn)；而GMSC-HRP在30≤κ≤300和20≤κ≤300的范圍內(nèi)分別優(yōu)于使用全部資產(chǎn)和標(biāo)普500指數(shù)的情況。因此，F(xiàn)C-HRP和GMSC-HRP的表現(xiàn)優(yōu)于標(biāo)普500指數(shù)，且基于最小生成樹邊緣資產(chǎn)的證券選擇能夠提升HRP模型的性能。

　　此外，文獻(xiàn)在證券選擇方面對FC-HRP和GMSC-HRP進(jìn)行了比較。首先，在κ=5,10,20的情況下，F(xiàn)C-HRP在年化復(fù)合收益率（C/R）、風(fēng)險(xiǎn)調(diào)整后收益和盈利年份（P/Y）方面均優(yōu)于GMSC-HRP。然而，GMSC-HRP在標(biāo)準(zhǔn)差（S/D）、下行偏差（D/D）和最大回撤（MDD）方面表現(xiàn)出更低的風(fēng)險(xiǎn)。當(dāng)30≤κ≤300時(shí)，GMSC-HRP在C/R和風(fēng)險(xiǎn)調(diào)整后收益方面優(yōu)于FC-HRP，但兩者的盈利年份（P/Y）和最大回撤（MDD）相當(dāng)。

　　月度換手率均值（M/TO）和標(biāo)準(zhǔn)差（SD/TO）按照Gu等人（2020）所述的方法進(jìn)行計(jì)算。如果投資組合中的所有資產(chǎn)在再平衡時(shí)都被替換，則M/TO的值為2；如果沒有資產(chǎn)被替換，則值為0。需要注意的是，較高的換手率意味著較高的交易成本。FC-HRP的M/TO較小，但GMSC-HRP的SD/TO較小。

　　綜上所述，F(xiàn)C-HRP適合資本有限且資產(chǎn)數(shù)量適中的個(gè)人投資者，而GMSC-HRP則適合考慮大規(guī)模資本和豐富資產(chǎn)進(jìn)行投資組合管理的機(jī)構(gòu)投資者。

　　文獻(xiàn)還進(jìn)一步研究了不同子時(shí)期的投資組合表現(xiàn)，這些子期間包括幾個(gè)牛市、震蕩市和熊市。整個(gè)研究期間被劃分為五個(gè)子時(shí)期：2001年1月至2006年12月的震蕩市、2007年1月至2009年12月的次貸危機(jī)、2010年1月至2019年12月的危機(jī)后長期牛市、2020年1月至2020年4月的COVID-19疫情危機(jī)，以及2020年5月至2021年8月的疫情后牛市。投資組合表現(xiàn)總結(jié)在圖表10中。

　　在第一個(gè)子時(shí)期（震蕩市），使用全部資產(chǎn)的兩個(gè)投資組合在所有績效指標(biāo)上均優(yōu)于標(biāo)普500指數(shù)。即使資產(chǎn)數(shù)量減少到50種，兩個(gè)投資組合的表現(xiàn)也高于標(biāo)普500指數(shù)。這表明基于最小生成樹邊緣資產(chǎn)的證券選擇在震蕩市中是有效的。特別是，5≤κ≤100時(shí)的FC-HRP和κ=50,100,200時(shí)的GMSC-HRP記錄了比使用全部資產(chǎn)的各自HRP更高的C/R。當(dāng)50≤κ≤300時(shí)，兩個(gè)投資組合的風(fēng)險(xiǎn)均低于標(biāo)普500指數(shù)。對于大多數(shù)κ值，F(xiàn)C-HRP的夏普比率（SH/R）高于使用全部資產(chǎn)和標(biāo)普500指數(shù)的情況，而GMSC-HRP則未能超越使用全部資產(chǎn)的情況。具體來說，當(dāng)κ≤30時(shí)，F(xiàn)C-HRP優(yōu)于GMSC-HRP，這與整個(gè)研究期間的表現(xiàn)一致。

　　在第二個(gè)子時(shí)期（次貸危機(jī)），使用全部資產(chǎn)的FC-HRP和GMSC-HRP均未能超越標(biāo)普500指數(shù)。然而，采用證券選擇的兩個(gè)投資組合在投資組合風(fēng)險(xiǎn)方面均優(yōu)于標(biāo)普500指數(shù)。對于C/R，GMSC-HRP在所有κ值下均優(yōu)于標(biāo)普500指數(shù)，而FC-HRP僅在κ=100時(shí)優(yōu)于標(biāo)普500指數(shù)。本質(zhì)上，所提出的證券選擇在次貸危機(jī)期間改善了投資組合表現(xiàn)，其中基于GMSC的最小生成樹表現(xiàn)出比FC更高的性能。

　　在第三個(gè)子時(shí)期（金融危機(jī)后的牛市），使用全部資產(chǎn)的兩個(gè)投資組合在所有績效指標(biāo)上均優(yōu)于標(biāo)普500指數(shù)，除了C/R方面，而采用證券選擇的兩個(gè)投資組合甚至在C/R方面也優(yōu)于標(biāo)普500指數(shù)。此外，在風(fēng)險(xiǎn)相對較低的情況下，對于大多數(shù)κ值，F(xiàn)C-HRP和GMSC-HRP在SH/R方面均優(yōu)于標(biāo)普500指數(shù)。與使用全部資產(chǎn)相比，具有較小κ值的兩個(gè)投資組合在SH/R和卡爾馬比率（CA/R）方面均有所改善。特別是，κ=20時(shí)的FC-HRP的SH/R顯著高于兩個(gè)基準(zhǔn)。綜上所述，在牛市中，基于FC-HRP的證券選擇比基于GMSC-HRP的證券選擇更有效，且在較低的κ值下可以預(yù)期更好的表現(xiàn)。

　　在第四個(gè)子時(shí)期（COVID-19疫情危機(jī)期間的熊市），使用全部資產(chǎn)和采用證券選擇的兩個(gè)投資組合在所有績效指標(biāo)上均未能超越標(biāo)普500指數(shù)。在C/R和MDD方面，GMSC-HRP在所有κ值下均優(yōu)于FC-HRP。此外，除了κ=200外，GMSC-HRP的S/D在所有κ值下均小于FC-HRP。與第二個(gè)子期間一樣，GMSC在熊市中比FC更有效。

　　在最后一個(gè)子時(shí)期（疫情后牛市），使用全部資產(chǎn)的兩個(gè)投資組合在S/D和MDD方面均低于標(biāo)普500指數(shù)。κ=10,20,30,50,100時(shí)的FC-HRP同時(shí)顯示出比標(biāo)普500指數(shù)和使用全部資產(chǎn)更高的C/R。GMSC-HRP的C/R低于標(biāo)普500指數(shù)，但對于κ=20,50,100,200,300的證券選擇則改善了C/R。此外，在較小的κ值下，F(xiàn)C-HRP在SH/R和CA/R方面顯著優(yōu)于兩個(gè)基準(zhǔn)。綜上所述，通過證券選擇，兩個(gè)投資組合均實(shí)現(xiàn)了比使用全部資產(chǎn)更好的表現(xiàn)。此外，與第三個(gè)子期間的結(jié)果一致，在牛市中，F(xiàn)C比GMSC更能改善投資組合表現(xiàn)。

4

　　結(jié)論

　　文獻(xiàn)提出了基于兩種不同相關(guān)矩陣（完全互相關(guān)矩陣FC和減去全局運(yùn)動(dòng)后的相關(guān)矩陣GMSC）的最小生成樹驅(qū)動(dòng)證券選擇方法的分層風(fēng)險(xiǎn)平價(jià)（HRP）模型。即便所選資產(chǎn)數(shù)量減少，所提出的投資組合仍能超越基準(zhǔn)，這表明了邊緣資產(chǎn)選擇方法的有效性。此外，文獻(xiàn)發(fā)現(xiàn)，在危機(jī)后的牛市中，選擇較少資產(chǎn)的FC-HRP在彌補(bǔ)投資組合損失方面表現(xiàn)更優(yōu)；而在金融危機(jī)期間，選擇較多資產(chǎn)的GMSC-HRP則能夠最小化投資組合損失。因此，文獻(xiàn)預(yù)計(jì)所提出的HRP模型在實(shí)際投資組合管理中將對個(gè)人投資者和機(jī)構(gòu)投資者大有裨益。

　　文獻(xiàn)來源：

　　核心內(nèi)容摘選自Younghwan Cho, Jae Wook Song在Finance Research Letters上的論文《Hierarchical risk parity using security selection based on peripheral  assets of correlation-based minimum spanning trees》。

　?。?）宏觀環(huán)境風(fēng)險(xiǎn)。公司的主營業(yè)務(wù)為軟床、床墊、沙發(fā)等軟體家具及配套家居產(chǎn)品的研發(fā)、設(shè)計(jì)、生產(chǎn)和銷售，產(chǎn)品定位中高端，屬耐用消費(fèi)品。公司產(chǎn)品的市場銷售受經(jīng)濟(jì)形勢和宏觀調(diào)控、房地產(chǎn)市場景氣度、居民可支配收入、消費(fèi)理念及消費(fèi)水平等因素的影響較大。如果全球經(jīng)濟(jì)出現(xiàn)重大波動(dòng)，國內(nèi)外宏觀經(jīng)濟(jì)或消費(fèi)需求增長不及預(yù)期，消費(fèi)降級(jí)趨勢延續(xù)，房地產(chǎn)行業(yè)持續(xù)下行，則公司所處的軟體家具行業(yè)市場增長也將隨之減速，從而對公司產(chǎn)品銷售造成影響。若公司不能采取有效措施應(yīng)對，公司經(jīng)營可能面臨業(yè)績波動(dòng)的風(fēng)險(xiǎn)。

　?。?）主要原材料價(jià)格波動(dòng)風(fēng)險(xiǎn)。公司直接材料占主營業(yè)務(wù)成本的比例為 54.68%，占比較高，其中主要原材料為面料、海綿、皮料、鋼線、乳膠和 3D 棉等，占原材料的 60%左右。上述主要原材料的價(jià)格受其行業(yè)競爭狀況、國際貿(mào)易往來、供需變化等多方面因素影響。 若未來以上因素發(fā)生變化，相關(guān)主要原材料市場價(jià)格存在大幅波動(dòng)的可能，如果公司不能采取有效應(yīng)對措施，公司的經(jīng)營業(yè)績將受到不利影響。

　?。?）市場競爭加劇風(fēng)險(xiǎn)。隨著健康睡眠理念不斷深入人心，國內(nèi)消費(fèi)者對中、高端軟床產(chǎn)品的接受程度越來越高，吸引國內(nèi)外眾多競爭對手加大對軟床市場的投入和布局，市場競爭程度有所加劇。若公司在未來的市場競爭過程中，不能有效保持品牌及服務(wù)美譽(yù)度、不能持續(xù)保持產(chǎn)品競爭力及產(chǎn)品質(zhì)量優(yōu)勢、不能持續(xù)獲取主流KA商場門店區(qū)位優(yōu)勢、不能有效構(gòu)建電商平臺(tái)、社交媒體、直播銷售等線上銷售渠道等，將削弱公司的市場占有率，或?qū)镜慕?jīng)營業(yè)績的增長造成不利影響。

　?。?）品牌運(yùn)營與管理風(fēng)險(xiǎn)。作為國內(nèi)知名的床墊品牌之一，“慕思”產(chǎn)品設(shè)計(jì)、質(zhì)量和售后服務(wù)獲得了眾多消費(fèi)者的認(rèn)同。雖然公司較高的品牌知名度可以提升產(chǎn)品附加值，但品牌知名度的建立和維護(hù)需要持續(xù)較高成本的投入和可靠的產(chǎn)品質(zhì)量作為支撐，隨著公司經(jīng)營規(guī)模不斷擴(kuò)大，品牌運(yùn)營與管理的工作難度日益增加，公司可能存在因品牌宣傳推廣定位偏差、品牌代言人行為失當(dāng)?shù)纫鹭?fù)面報(bào)道，以及宣傳文案表述不當(dāng)而引發(fā)品牌輿情等風(fēng)險(xiǎn)。同時(shí)，公司所在行業(yè)內(nèi)存在不規(guī)范使用商標(biāo)、碰瓷知名商標(biāo)等損害誠信經(jīng)營企業(yè)正當(dāng)利益的情形，公司產(chǎn)品或商標(biāo)等知識(shí)產(chǎn)權(quán)存在被惡意競爭對手模仿甚至仿冒可能，該等仿冒偽劣產(chǎn)品將嚴(yán)重沖擊消費(fèi)者對公司產(chǎn)品質(zhì)量的信賴或?qū)頋撛谥R(shí)產(chǎn)權(quán)糾紛。上述風(fēng)險(xiǎn)因素可能直接影響公司的品牌形象和品牌美譽(yù)度，進(jìn)而對公司經(jīng)營帶來不利影響。

　　（5）經(jīng)銷商管理風(fēng)險(xiǎn)。經(jīng)銷及其專賣店模式是公司最主要的銷售方式。經(jīng)銷商專賣店銷售模式有利于公司借助經(jīng)銷商的區(qū)域資源優(yōu)勢拓展 營銷網(wǎng)絡(luò)與服務(wù)網(wǎng)絡(luò)，為消費(fèi)者提供更好的產(chǎn)品體驗(yàn)，并對各級(jí)市場進(jìn)行有效滲透、提高產(chǎn)品的市場占有率，截至2024年末，公司通過經(jīng)銷渠道開拓線下專賣店約 5,400 個(gè)。公司由于經(jīng)銷商及其門店數(shù)量眾多，地域分布較為分散，客觀上增加了公司對經(jīng)銷商及其門店的管理難度。若個(gè)別經(jīng)銷商未按照公司經(jīng)銷商管理辦法及經(jīng)銷協(xié)議約定進(jìn)行銷售、業(yè)務(wù)宣傳、品牌管理，則將可能對公司的品牌和聲譽(yù)帶來不利影響。