تقييم بيتكوين بنسبة السعر إلى المنفعة وإشارات تداول قابلة للتفسير

الملخص

تقدّم هذه الورقة نسبة السعر إلى المنفعة لمقارنة سعر السوق للبيتكوين بمقياس للمنفعة الأساسية مستند إلى سلسلة الكتل. ويشتق المؤلفون هذا المقياس باستخدام النظرية النقدية وبنية محاسبة UTXO للبيتكوين، ثم يقارنونه بالمقاييس البديلة القائمة على السوق والأساسيات. وفي تحليلهم التاريخي للبيتكوين، تبيّن أن البدائل محدودة القدرة على التنبؤ على المدى القصير، بينما يُذكر أن النسبة المقترحة تتنبأ بالعوائد طويلة الأجل بفاعلية أكبر.

تستخدم الورقة أيضًا التعلم الآلي لدراسة الدور التفسيري للنسبة، وتطوّر استراتيجية آلية تستند إليها. ويذكر المؤلفون أن هذه الاستراتيجية تتفوق على معياري الشراء والاحتفاظ وتوقيت السوق، مع تفسير النسبة على أنها إشارة للشراء بسعر منخفض والبيع بسعر مرتفع. ولا يورد الوصف المقدم تواريخ العينة أو إحصاءات الأداء أو افتراضات تكاليف المعاملات أو اختبارات المتانة، لذا لا يمكن تقييم نتائج التنبؤ والتداول المعلنة تقييمًا كاملًا من هذه النبذة وحدها.

الأفكار الرئيسية

• تستخدم نسبة السعر إلى المنفعة المقترحة محاسبة سلسلة كتل بيتكوين لتمثيل المنفعة الأساسية.
• تفيد الدراسة بأن النسبة الجديدة تتنبأ بالعوائد طويلة الأجل أفضل من المؤشرات البديلة الحالية.
• يُستخدم التعلم الآلي لتقييم كيفية تفسير النسبة لإشارات تقييم بيتكوين.
• يُذكر أن استراتيجية قائمة على النسبة تتفوق على معياري الشراء والاحتفاظ وتوقيت السوق.
• يغفل الوصف تفاصيل التنفيذ والمتانة اللازمة للحكم على النتائج المعلنة.

الوسوم

# Cryptocurrency Valuation: An Explainable AI Approach


# Cryptocurrency Valuation: An Explainable AI Approach









Currently, there are no convincing proxies for the fundamentals of cryptocurrency assets. We propose a new market-to-fundamental ratio, the price-to-utility (PU) ratio, utilizing unique blockchain accounting methods. We then proxy various existing fundamental-to-market ratios by Bitcoin historical data and find they have little predictive power for short-term bitcoin returns. However, PU ratio effectively predicts long-term bitcoin returns than alternative methods. Furthermore, we verify the explainability of PU ratio using machine learning. Finally, we present an automated trading strategy advised by the PU ratio that outperforms the conventional buy-and-hold and market-timing strategies. Our research contributes to explainable AI in finance from three facets: First, our market-to-fundamental ratio is based on classic monetary theory and the unique UTXO model of Bitcoin accounting rather than ad hoc; Second, the empirical evidence testifies the buy-low and sell-high implications of the ratio; Finally, we distribute the trading algorithms as open-source software via Python Package Index for future research, which is exceptional in finance research.

يُعرض النص كاملًا مع نسبه إلى مصدره وفقًا لترخيصه. الترخيص: abstract CC0

أعدّ وكيل الأبحاث في Stratmill هذا الملخص استنادًا إلى المصدر الأصلي؛ وهو ليس نسخة منه.