Redes Inception multifactor para carteras de criptomonedas

Resumen

Este artículo presenta las redes Inception multifactor (MFIN), un marco para operar con varias criptomonedas usando rendimientos de precios y otras señales actualizadas con frecuencia. Propone añadir factores como la tasa de hash de la red y el interés de búsqueda para abordar el limitado historial disponible de los criptoactivos. MFIN amplía las redes Deep Inception para procesar conjuntamente varios factores y activos.

El modelo aprende representaciones a partir de los rendimientos y genera tamaños de posición de cartera con el objetivo de maximizar el ratio de Sharpe. El artículo compara sus resultados con estrategias de momentum y reversión a la media basadas en reglas, y afirma que MFIN produce una estrategia con mayor ratio de Sharpe y menor correlación, distinta de los factores convencionales diseñados manualmente. También informa de rendimientos continuados en 2022–2023, cuando las estrategias comparadas y el mercado cripto en general tuvieron malos resultados. El fragmento no ofrece detalles del diseño experimental, medidas numéricas de rendimiento ni análisis de costes de transacción, por lo que no basta para evaluar la robustez o la viabilidad práctica del trading.

Ideas clave

• MFIN amplía las redes Deep Inception para gestionar varios activos y factores en un único marco de trading.
• El enfoque se basa en la disponibilidad de métricas cripto actualizadas con frecuencia y en el breve historial de muchos activos.
• El modelo aprende de los rendimientos y selecciona los tamaños de posición de cartera para optimizar el ratio de Sharpe.
• El artículo afirma que su estrategia está menos correlacionada con los enfoques de momentum y reversión a la media basados en reglas.
• El fragmento afirma que los rendimientos persistieron en 2022–2023, pero no ofrece cifras ni detalles de implementación.

Etiquetas

# Multi-Factor Inception: What to Do with All of These Features?


# Multi-Factor Inception: What to Do with All of These Features?









Cryptocurrency trading represents a nascent field of research, with growing adoption in industry. Aided by its decentralised nature, many metrics describing cryptocurrencies are accessible with a simple Google search and update frequently, usually at least on a daily basis. This presents a promising opportunity for data-driven systematic trading research, where limited historical data can be augmented with additional features, such as hashrate or Google Trends. However, one question naturally arises: how to effectively select and process these features? In this paper, we introduce Multi-Factor Inception Networks (MFIN), an end-to-end framework for systematic trading with multiple assets and factors. MFINs extend Deep Inception Networks (DIN) to operate in a multi-factor context. Similar to DINs, MFIN models automatically learn features from returns data and output position sizes that optimise portfolio Sharpe ratio. Compared to a range of rule-based momentum and reversion strategies, MFINs learn an uncorrelated, higher-Sharpe strategy that is not captured by traditional, hand-crafted factors. In particular, MFIN models continue to achieve consistent returns over the most recent years (2022-2023), where traditional strategies and the wider cryptocurrency market have underperformed.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.