رفتن به محتوا
همه اسناد کتابخانه

پیروی تطبیقی از روند و تخصیص سبد در بازار ارز دیجیتال

مقاله arXiv papers · نویسنده: Duc Bui et al.

خلاصه

AdaptiveTrend یک استراتژی نظام‌مند ارز دیجیتال است که سیگنال‌های روند در بازه‌های شش‌ساعته را با به‌روزرسانی ماهانه سبد ترکیب می‌کند. این استراتژی از حد ضررهای متحرکِ تعدیل‌شده با نوسان استفاده می‌کند، دارایی‌ها را با نسبت شارپ متحرک و فیلترهای ارزش بازار انتخاب می‌کند و سرمایه را به‌طور نامتقارن میان موقعیت‌های خرید و فروش تخصیص می‌دهد. نویسندگان سوگیری به موقعیت خرید را با روند صعودی تاریخی بازار توجیه می‌کنند و سامانه را راهی برای تطبیق میزان مواجهه با تغییر نوسان و عملکرد دارایی‌ها می‌دانند.

این سند نتایج بک‌تست خارج از نمونه را برای بیش از 150 جفت ارز دیجیتال طی 36 ماه از 2022 تا 2024 گزارش می‌کند. نسبت شارپ سالانه‌شده 2.41، حداکثر افت سرمایه -12.7% و نسبت کالمر 3.18 اعلام شده و گفته می‌شود استراتژی از معیارهای مومنتوم سری زمانی و خرید و نگهداری با وزن برابر بهتر عمل کرده است. تحلیل حساسیت پارامترها، مدل‌سازی هزینه معاملات و تحلیل رژیم بازار نیز گزارش شده‌اند. این‌ها ادعاهایی مبتنی بر بک‌تست هستند؛ گزیده جزئیات پیاده‌سازی، داده‌های مبنا یا بازتولید مستقل را ارائه نمی‌کند، بنابراین عملکرد در معامله زنده و استحکام نتایج نامطمئن می‌ماند.

ایده‌های کلیدی

  • این چارچوب سیگنال‌های پیروی از روند شش‌ساعته را با ساخت ماهانه سبد ترکیب می‌کند.
  • حد ضررهای متحرک با رژیم‌های نوسان درون‌روزی تطبیق می‌یابند.
  • انتخاب دارایی بر نسبت‌های شارپ متحرک و فیلترهای ارزش بازار تکیه دارد.
  • سرمایه به‌طور نامتقارن میان موقعیت‌های خرید و فروش تخصیص می‌یابد.
  • بک‌تست خارج از نمونه گزارش‌شده شامل تحلیل هزینه معاملات و رژیم بازار است، اما نتیجه‌ای درباره عملکرد زنده اثبات نمی‌کند.

برچسب‌ها

متن کامل
# Systematic Trend-Following with Adaptive Portfolio Construction: Enhancing Risk-Adjusted Alpha in Cryptocurrency Markets


# Systematic Trend-Following with Adaptive Portfolio Construction: Enhancing Risk-Adjusted Alpha in Cryptocurrency Markets









Cryptocurrency markets exhibit pronounced momentum effects and regime-dependent volatility, presenting both opportunities and challenges for systematic trading strategies. We propose AdaptiveTrend, a multi-component algorithmic trading framework that integrates high-frequency trend-following on 6-hour intervals with monthly adaptive portfolio construction and asymmetric long-short capital allocation. Our framework introduces three key innovations: (1) a dynamic trailing stop mechanism calibrated to intra-day volatility regimes, (2) a rolling Sharpe-ratio-based asset selection procedure with market-capitalization-aware filtering, and (3) a theoretically motivated asymmetric 70/30 long-short allocation scheme grounded in the empirical positive drift of crypto markets. Through extensive out-of-sample backtesting across 150+ cryptocurrency pairs over a 36-month evaluation window (2022-2024), AdaptiveTrend achieves an annualized Sharpe ratio of 2.41, a maximum drawdown of -12.7%, and a Calmar ratio of 3.18, significantly outperforming benchmark trend-following strategies (TSMOM, time-series momentum) and equal-weighted buy-and-hold portfolios. We further conduct rigorous robustness analyses including parameter sensitivity, transaction cost modeling, and regime-conditional performance decomposition, demonstrating the strategy's resilience across bull, bear, and sideways market conditions.

با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0

این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.