Факторы доходности криптоактивов и межсечевой статистический арбитраж

Сводка

В работе изучаются факторные модели поперечного сечения дневной доходности криптовалют и других цифровых активов на основе биржевых данных. Авторы выделяют ведущий фактор, который, по-видимому, вносит значительный вклад в доходность криптоактивов. В документе также описаны вспомогательные материалы для загрузки данных, расчёта факторов риска и проведения бэктестов вне выборки.

Авторы предполагают, что межсечевой статистический арбитраж на криптоактивах может быть осуществим при условии эффективного исполнения сделок и возможности открывать короткие позиции. В кратком описании не указаны фактор, способ его построения, показатели бэктеста или наличие возможности после учёта издержек и рыночных ограничений. Поэтому практический вывод — это направление для исследования, а не свидетельство существования стратегии, готовой к применению.

Ключевые идеи

• В исследовании моделируется дневная доходность широкого набора криптоактивов, торгуемых на биржах.
• Авторы выделяют ведущий фактор, связанный с доходностью криптоактивов в поперечном сечении.
• Эмпирический подход включает бэктестинг вне выборки.
• Возможный статистический арбитраж зависит от эффективного исполнения и доступа к коротким позициям.

Теги

# 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.

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.