الانتقال إلى المحتوى
جميع مستندات المكتبة

شبكات العملات المشفرة للتنويع والزخم المقطعي

مقال arXiv papers · المؤلف: Li Guo et al.

الملخص

تبني الدراسة شبكة متغيرة للعملات المشفرة باستخدام نوعين من الروابط: قابلية التنبؤ المتبادل بالعوائد والتشابه التقني. وتطبق أسلوب التجميع الطيفي الديناميكي المدعوم بالمتغيرات المساعدة لتقدير المجموعات مع مراعاة مصدري المعلومات. وتهدف الشبكة إلى كشف كيفية انتشار المخاطر ومواضع تجزؤ السوق.

يفيد المستند بأن التنويع عبر المجموعات المقدرة المختلفة قد يحسن تنويع المخاطر. ويصف أيضًا محفظة زخم مقطعي للعملات المشفرة بعائد يومي مذكور قدره 1.08%، ويذكر أن تحليل العوامل السلوكية لم يفسر عوائد المحفظة. ولا يحدد المقتطف العينة أو التكاليف أو تفاصيل التنفيذ أو اختبارات المتانة، لذا فإن العائد المذكور وحده لا يكفي لتقييم الأداء في الواقع.

الأفكار الرئيسية

  • تُقدّر روابط العملات المشفرة من قابلية التنبؤ بالعوائد والتشابه التقني.
  • يُستخدم التجميع الطيفي الديناميكي المدعوم بالمتغيرات المساعدة لاستنتاج مجموعات الشبكة المتغيرة.
  • تُعرض المجموعات بوصفها مفيدة لفهم انتشار المخاطر وتجزؤ السوق.
  • تذكر الدراسة فوائد للتنويع من حيازة أصول تنتمي إلى مجموعات مختلفة.
  • يُذكر أن محفظة زخم مقطعي بين العملات المشفرة تحقق عائدًا يوميًا قدره 1.08%، من دون أن تفسر العوامل السلوكية عوائدها.

الوسوم

النص الكامل
# A Time-Varying Network for Cryptocurrencies


# A Time-Varying Network for Cryptocurrencies









Cryptocurrencies return cross-predictability and technological similarity yield information on risk propagation and market segmentation. To investigate these effects, we build a time-varying network for cryptocurrencies, based on the evolution of return cross-predictability and technological similarities. We develop a dynamic covariate-assisted spectral clustering method to consistently estimate the latent community structure of cryptocurrencies network that accounts for both sets of information. We demonstrate that investors can achieve better risk diversification by investing in cryptocurrencies from different communities. A cross-sectional portfolio that implements an inter-crypto momentum trading strategy earns a 1.08% daily return. By dissecting the portfolio returns on behavioral factors, we confirm that our results are not driven by behavioral mechanisms.

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.