Kryptowährungsnetzwerke für Diversifikation und Querschnittsmomentum

Zusammenfassung

Die Studie erstellt ein dynamisches Netzwerk von Kryptowährungen mit zwei Arten von Verbindungen: der wechselseitigen Vorhersagbarkeit von Renditen und technologischer Ähnlichkeit. Um beide Informationsquellen zu berücksichtigen und Gemeinschaften zu schätzen, verwendet sie ein dynamisches spektrales Clustering mit Kovariaten. Das Netzwerk soll zeigen, wie sich Risiken ausbreiten können und wo der Markt segmentiert ist.

Dem Dokument zufolge kann die Diversifikation über verschiedene geschätzte Gemeinschaften die Risikostreuung verbessern. Außerdem beschreibt es ein marktübergreifendes Krypto-Momentum-Portfolio mit einer angegebenen Tagesrendite von 1.08% und berichtet, dass eine Analyse von Verhaltensfaktoren die Portfoliorenditen nicht erklärte. Der Auszug nennt weder Stichprobe noch Kosten, Umsetzungsdetails oder Robustheitsprüfungen. Die angegebene Rendite allein reicht daher nicht aus, um die Leistung in der Praxis zu beurteilen.

Kernaussagen

• Verbindungen zwischen Kryptowährungen werden anhand von Renditevorhersagbarkeit und technologischer Ähnlichkeit geschätzt.
• Dynamisches spektrales Clustering mit Kovariaten ermittelt sich verändernde Netzwerkgruppen.
• Die Gruppen sollen helfen, Risikoausbreitung und Marktsegmentierung zu verstehen.
• Die Studie berichtet Diversifikationsvorteile durch Anlagen in verschiedenen Gruppen.
• Für ein querschnittliches Krypto-Momentum-Portfolio wird eine Tagesrendite von 1.08% angegeben; Verhaltensfaktoren erklären die Renditen nicht.

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.