عوامل بازده رمزارزها و آربیتراژ آماری مقطعی
خلاصه
این پژوهش مدل‌های عاملی را برای مقطع بازده روزانه رمزارزها و دیگر دارایی‌های دیجیتال، با استفاده از داده‌های بازار صرافی‌ها، بررسی می‌کند. عاملی پیشرو را شناسایی می‌کند که به نظر می‌رسد سهم زیادی در بازده دارایی‌های رمزارزی دارد. سند همچنین مواد پشتیبان برای دریافت داده، محاسبه عوامل ریسک و اجرای بک‌تست‌های خارج از نمونه را شرح می‌دهد.
نویسندگان پیشنهاد می‌کنند که آربیتراژ آماری مقطعی در دارایی‌های رمزارزی ممکن است امکان‌پذیر باشد، مشروط بر اجرای کارآمد و امکان فروش استقراضی. خلاصه نام عامل، نحوه ساخت آن یا سنجه‌های بک‌تست را بیان نمی‌کند و مشخص نمی‌سازد که آیا این فرصت پس از هزینه‌ها و اصطکاک‌های بازار باقی می‌ماند یا خیر. بنابراین دلالت عملی آن، سرنخی برای پژوهش است، نه شواهدی از راهبردی آماده اجرا.
ایده‌های کلیدی
- این پژوهش بازده روزانه مجموعه گسترده‌ای از دارایی‌های رمزارزی معامله‌شده در صرافی‌ها را مدل‌سازی می‌کند.
- پژوهش عاملی پیشرو مرتبط با بازده مقطعی دارایی‌های رمزارزی شناسایی می‌کند.
- بک‌تست خارج از نمونه بخشی از رویکرد تجربی پژوهش است.
- آربیتراژ آماری احتمالی به اجرای کارآمد و دسترسی به فروش استقراضی وابسته است.
برچسب‌ها
متن کامل
# Cryptoasset Factor Models # Cryptoasset Factor Models We propose factor models for the cross-section of daily cryptoasset returns and provide source code for data downloads, computing risk factors and backtesting them out-of-sample. In "cryptoassets" we include all cryptocurrencies and a host of various other digital assets (coins and tokens) for which exchange market data is available. Based on our empirical analysis, we identify the leading factor that appears to strongly contribute into daily cryptoasset returns. Our results suggest that cross-sectional statistical arbitrage trading may be possible for cryptoassets subject to efficient executions and shorting.
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.