Kryptowährungsnetzwerke für Diversifikation und marktübergreifendes Momentum

Zusammenfassung

Diese Studie erstellt ein zeitvariables Netzwerk von Kryptowährungen anhand zweier Informationsarten: der wechselseitigen Vorhersagbarkeit von Renditen und technologischer Ähnlichkeit. Sie nutzt ein dynamisches, kovariatenunterstütztes spektrales Clustering, um Gruppen oder Gemeinschaften zu schätzen, während sich das Netzwerk verändert. Die Analyse beschreibt diese Gemeinschaften als hilfreich, um zu verstehen, wie sich Risiken ausbreiten und wie der Markt segmentiert sein könnte.

Die Autoren berichten, dass Portfolios mit Kryptowährungen aus verschiedenen Gemeinschaften eine bessere Risikodiversifikation erreichen können. Außerdem berichten sie für ein marktübergreifendes Momentum-Portfolio aus Kryptowährungen eine Rendite von 1.08% pro Tag und geben an, dass eine Analyse von Verhaltensfaktoren das Ergebnis nicht erklärt. Die Beschreibung nennt weder den Stichprobenzeitraum noch die Vermögenswerte, den Portfolioaufbau, Handelskosten oder die Unsicherheit der Renditeschätzung. Diese Lücken erschweren die Beurteilung, ob die berichtete Performance anhalten oder nach Umsetzungskosten erreichbar sein könnte.

Kernaussagen

• Das Netzwerk gruppiert Kryptowährungen anhand der wechselseitigen Vorhersagbarkeit von Renditen und technologischer Ähnlichkeit.
• Ein dynamisches spektrales Clustering schätzt Gemeinschaften, während sich das Netzwerk verändert.
• Die Autoren vermuten, dass Diversifikation über Gemeinschaften hinweg die Risikodiversifikation verbessern kann.
• Für ein marktübergreifendes Krypto-Momentum-Portfolio wird eine tägliche Rendite von 1.08% berichtet.
• Die Analyse von Verhaltensfaktoren wird als Beleg dafür angeführt, dass diese Mechanismen die berichteten Renditen nicht erklären.

Schlagwörter

# 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.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.