شبکه ارزهای دیجیتال برای تنوع‌بخشی و مومنتوم مقطعی

خلاصه

این پژوهش شبکه‌ای پویا از ارزهای دیجیتال می‌سازد که دو نوع پیوند دارد: پیش‌بینی‌پذیری متقاطع بازده و شباهت فناورانه. برای برآورد اجتماع‌ها با درنظرگرفتن هر دو منبع اطلاعات، از روش خوشه‌بندی طیفی پویای کمکیِ کوواریانس استفاده می‌کند. هدف شبکه، آشکارکردن نحوه انتشار احتمالی ریسک و بخش‌بندی بازار است.

سند گزارش می‌کند که تنوع‌بخشی میان اجتماع‌های برآوردشده متفاوت می‌تواند تنوع‌بخشی ریسک را بهبود دهد. همچنین سبد مومنتوم مقطعی رمزارز را توصیف می‌کند که بازده روزانه گزارش‌شده آن 1.08% است و می‌گوید تحلیل عامل‌های رفتاری بازده سبد را توضیح نداد. گزیده نمونه، هزینه‌ها، جزئیات اجرا یا آزمون‌های پایداری را مشخص نمی‌کند؛ بنابراین بازده ذکرشده به‌تنهایی برای ارزیابی عملکرد در دنیای واقعی کافی نیست.

ایده‌های کلیدی

• پیوندهای ارزهای دیجیتال بر پایه پیش‌بینی‌پذیری بازده و شباهت فناورانه برآورد می‌شوند.
• برای استنباط اجتماع‌های متغیر شبکه، از خوشه‌بندی طیفی پویای کمکیِ کوواریانس استفاده می‌شود.
• اجتماع‌ها برای درک انتشار ریسک و بخش‌بندی بازار مفید دانسته می‌شوند.
• پژوهش مزایای تنوع‌بخشی از نگهداری دارایی‌هایی در اجتماع‌های متفاوت را گزارش می‌کند.
• گزارش شده است که سبد مومنتوم مقطعی میان رمزارزها روزانه 1.08% بازده دارد و عامل‌های رفتاری بازده آن را توضیح نمی‌دهند.

برچسب‌ها

# 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.

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.