تحسين متوسط التباين لمحافظ العملات المشفرة مع مراعاة المشاعر

الملخص

تقترح الورقة طريقة ديناميكية للمحافظ الاستثمارية من العملات المشفرة تجمع بين الإشارات الفنية ومشاعر الأخبار. وتستخدم مؤشر القوة النسبية لفترة 14 يومًا والمتوسط المتحرك البسيط لتمثيل الزخم، بينما تحلل VADER مشاعر الأخبار ويُستخدم Google Gemini للتحقق. وتُغذي الإشارات المجمعة تقديرات العائد المتوقع ضمن إطار تحسين متوسط التباين المقيد.

تشير اختبارات تاريخية على عدة عملات مشفرة إلى تفوقها على استراتيجية زخم واستراتيجية شراء وبيع على المكشوف لبيتكوين ومحفظة موزعة بالتساوي من حيث العوائد المعدلة بالمخاطر والنمو التراكمي. وتشير المقارنات بين المناهج القائمة على المشاعر وحدها أو المؤشرات الفنية وحدها أو الجمع بينهما إلى أن إضافة المشاعر قد تحسن الاتساق. وتذكر الورقة أيضًا حدوث تراجعات كبيرة خلال فترات ضغوط السوق، وتحدد إدارة المخاطر كحاجة لم تُحل. ولا يقدم الوصف أرقامًا دقيقة للأداء أو افتراضات تكاليف المعاملات أو قيود المحفظة أو تفاصيل توقيت البيانات، لذلك لا يمكن تقييم المكاسب المزعومة ومتانتها بصورة مستقلة من هذا الملخص.

الأفكار الرئيسية

• تجمع الاستراتيجية إشارات RSI وSMA مع المشاعر المستخلصة من أخبار العملات المشفرة.
• تنتج VADER إشارات المشاعر، ثم يجري التحقق منها باستخدام نموذج لغوي كبير.
• تغذي الإشارات العوائد المتوقعة في أداة تحسين محفظة مقيدة لمتوسط التباين.
• يتفوق الاختبار التاريخي المذكور على عدة معايير مقارنة، ويشير إلى مكاسب أكثر اتساقًا عند الجمع بين أنواع الإشارات.
• تشير التراجعات الكبيرة أثناء ضغوط السوق إلى الحاجة إلى ضوابط إضافية للمخاطر.

الوسوم

# Sentiment-Aware Mean-Variance Portfolio Optimization for Cryptocurrencies


# Sentiment-Aware Mean-Variance Portfolio Optimization for Cryptocurrencies









Cryptocurrency markets are highly volatile and influenced by both price trends and market sentiment, making effective portfolio management challenging. This paper proposes a dynamic cryptocurrency portfolio strategy that integrates technical indicators and sentiment analysis to enhance investment decision-making. Market momentum is captured using the 14-day Relative Strength Index (RSI) and Simple Moving Average (SMA), while sentiment signals are extracted from news articles with VADER and further validated using the Google Gemini large language model. These signals are incorporated into expected return estimates and used in a constrained mean-variance optimization framework. Backtesting across multiple cryptocurrencies shows that the integrated approach outperforms traditional benchmarks, including momentum strategy, Bitcoin Long-Short strategy, and an equal-weighted portfolio, achieving stronger risk-adjusted returns and more consistent cumulative growth. Furthermore, comparing the sentiment-only and technical-only strategies shows that incorporating sentiment information alongside technical indicators can lead to more consistent performance gains. However, the strategies exhibit substantial drawdowns that coincide with known periods of market stress, indicating that additional risk-management components are required to improve stability.

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.