Réseaux Inception multifactoriels pour la négociation de portefeuilles de cryptomonnaies

Résumé

Cet article présente les réseaux Multi-Factor Inception Networks (MFIN), un cadre de trading de plusieurs cryptomonnaies à partir des rendements de prix et d’autres signaux fréquemment actualisés. Il motive l’ajout de facteurs comme le hashrate du réseau et l’intérêt de recherche afin de pallier l’historique limité des actifs crypto. MFIN étend les réseaux Deep Inception pour traiter ensemble plusieurs facteurs et actifs.

Le modèle apprend des représentations à partir des rendements et produit des tailles de positions de portefeuille dans le but de maximiser le ratio de Sharpe. L’article compare ses résultats à ceux de stratégies de momentum et de retour à la moyenne fondées sur des règles ; il indique que MFIN produit une stratégie au ratio de Sharpe plus élevé, moins corrélée et différente des facteurs classiques conçus manuellement. Il rapporte également des rendements persistants en 2022–2023, alors que les stratégies comparées et le marché crypto dans son ensemble ont connu de mauvaises performances. L’extrait ne fournit ni dispositif expérimental détaillé, ni mesures chiffrées de performance, ni analyse des coûts de transaction ; il ne suffit donc pas à évaluer la robustesse ou la faisabilité du trading en pratique.

Idées clés

• MFIN étend les réseaux Deep Inception pour traiter plusieurs actifs et facteurs dans un même cadre de trading.
• L’approche est motivée par la disponibilité de mesures crypto fréquemment actualisées et par l’historique court de nombreux actifs.
• Le modèle apprend à partir des rendements et choisit les tailles des positions du portefeuille pour optimiser le ratio de Sharpe.
• L’article indique que sa stratégie est moins corrélée aux approches de momentum et de retour à la moyenne fondées sur des règles.
• L’extrait affirme que les rendements se sont maintenus en 2022–2023, sans fournir de chiffres ni de détails de mise en œuvre.

Étiquettes

# 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.

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.