Оценка Bitcoin по соотношению цены и полезности и объяснимые торговые сигналы

Сводка

В статье предлагается коэффициент «цена к полезности» для сравнения рыночной цены Bitcoin с основанной на блокчейне мерой фундаментальной полезности. Авторы выводят эту меру на основе денежной теории и структуры учёта UTXO в Bitcoin, а затем сравнивают её с существующими показателями соотношения рынка и фундаментальной стоимости. В историческом анализе Bitcoin альтернативные показатели почти не обладают краткосрочной прогностической силой, тогда как, согласно результатам, предложенный коэффициент эффективнее предсказывает доходность на более длительном горизонте.

В статье также используется машинное обучение для изучения объяснительной роли этого соотношения и разрабатывается автоматизированная стратегия на его основе. Авторы сообщают, что стратегия превосходит ориентиры «купить и держать» и рыночного тайминга, интерпретируя соотношение как сигнал покупать дёшево и продавать дорого. В описании нет дат выборки, показателей эффективности, предположений о транзакционных издержках или проверок устойчивости, поэтому по одному этому резюме нельзя полноценно оценить заявленные результаты прогнозирования и торговли.

Ключевые идеи

• Предложенное соотношение цены и полезности использует учёт блокчейна Bitcoin для представления фундаментальной полезности.
• В исследовании сообщается, что новое соотношение лучше существующих показателей предсказывает долгосрочную доходность.
• Машинное обучение применяется для оценки того, как соотношение объясняет сигналы оценки Bitcoin.
• Сообщается, что стратегия на основе этого соотношения превосходит ориентиры «купить и держать» и рыночного тайминга.
• В описании отсутствуют подробности реализации и проверок устойчивости, необходимые для оценки результатов.

Теги

# 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.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.