Valoração de Bitcoin por preço-utilidade e sinais de trading explicáveis

Resumo

Este artigo apresenta uma razão entre preço e utilidade destinada a comparar o preço de mercado do Bitcoin com uma medida de utilidade fundamental baseada em blockchain. Os autores derivam a medida usando teoria monetária e a estrutura contábil UTXO do Bitcoin e, em seguida, comparam-na com indicadores existentes de mercado em relação aos fundamentos. Na análise histórica do Bitcoin, as alternativas têm pouco poder preditivo no curto prazo, enquanto, segundo o relato, a razão proposta prevê retornos de longo prazo com mais eficácia.

O artigo também aplica aprendizado de máquina para examinar o papel explicativo da razão e desenvolve uma estratégia automatizada guiada por ela. Os autores relatam que essa estratégia supera referências de compra e manutenção e de timing de mercado, interpretando a razão como um sinal de comprar barato e vender caro. A descrição fornecida não informa as datas da amostra, estatísticas de desempenho, hipóteses sobre custos de transação ou testes de robustez; portanto, não é possível avaliar plenamente os resultados preditivos e de trading apenas com este resumo.

Ideias principais

• A razão preço-utilidade proposta usa a contabilidade da blockchain do Bitcoin para representar a utilidade fundamental.
• O estudo relata que a nova razão prevê retornos de longo prazo melhor que os indicadores existentes.
• O aprendizado de máquina é usado para avaliar como a razão explica sinais de valoração do Bitcoin.
• Segundo o relato, uma estratégia baseada na razão supera referências de compra e manutenção e de timing de mercado.
• A descrição omite detalhes de implementação e robustez necessários para avaliar os resultados relatados.

Tags

# Cryptocurrency Valuation: An Explainable AI Approach


# Cryptocurrency Valuation: An Explainable AI Approach









Currently, there are no convincing proxies for the fundamentals of cryptocurrency assets. We propose a new market-to-fundamental ratio, the price-to-utility (PU) ratio, utilizing unique blockchain accounting methods. We then proxy various existing fundamental-to-market ratios by Bitcoin historical data and find they have little predictive power for short-term bitcoin returns. However, PU ratio effectively predicts long-term bitcoin returns than alternative methods. Furthermore, we verify the explainability of PU ratio using machine learning. Finally, we present an automated trading strategy advised by the PU ratio that outperforms the conventional buy-and-hold and market-timing strategies. Our research contributes to explainable AI in finance from three facets: First, our market-to-fundamental ratio is based on classic monetary theory and the unique UTXO model of Bitcoin accounting rather than ad hoc; Second, the empirical evidence testifies the buy-low and sell-high implications of the ratio; Finally, we distribute the trading algorithms as open-source software via Python Package Index for future research, which is exceptional in finance research.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.