Định giá Bitcoin theo tỷ lệ giá trên tiện ích và tín hiệu giao dịch có thể giải thích

Tóm tắt

Bài nghiên cứu giới thiệu tỷ lệ giá trên tiện ích nhằm so sánh giá thị trường Bitcoin với thước đo tiện ích cơ bản dựa trên blockchain. Các tác giả xây dựng thước đo bằng lý thuyết tiền tệ và cấu trúc kế toán UTXO của Bitcoin, sau đó so sánh với các chỉ báo thay thế hiện có về tương quan giữa thị trường và giá trị cơ bản. Trong phân tích lịch sử Bitcoin, các chỉ báo thay thế có ít khả năng dự báo ngắn hạn, còn tỷ lệ được đề xuất được báo cáo là dự báo lợi nhuận dài hạn hiệu quả hơn.

Bài nghiên cứu cũng áp dụng học máy để khảo sát vai trò giải thích của tỷ lệ này và phát triển một chiến lược tự động dựa trên nó. Các tác giả báo cáo chiến lược vượt trội hơn các chuẩn mua và nắm giữ cũng như định thời thị trường, đồng thời diễn giải tỷ lệ này như tín hiệu mua thấp, bán cao. Phần mô tả được cung cấp không nêu ngày tháng của mẫu, thống kê hiệu suất, giả định về chi phí giao dịch hay kiểm định độ vững, nên chỉ dựa vào bản tóm tắt này thì chưa thể đánh giá đầy đủ các kết quả dự báo và giao dịch được báo cáo.

Ý chính

• Tỷ lệ giá trên tiện ích được đề xuất dùng kế toán blockchain của Bitcoin để biểu diễn tiện ích cơ bản.
• Nghiên cứu báo cáo tỷ lệ mới dự báo lợi nhuận dài hạn tốt hơn các chỉ báo thay thế hiện có.
• Học máy được dùng để đánh giá cách tỷ lệ này giải thích tín hiệu định giá Bitcoin.
• Chiến lược dựa trên tỷ lệ này được báo cáo là vượt trội hơn các chuẩn mua và nắm giữ cũng như định thời thị trường.
• Phần mô tả thiếu chi tiết triển khai và kiểm định độ vững cần thiết để đánh giá các kết quả được báo cáo.

Thẻ

# 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.

Hiển thị toàn văn kèm ghi nguồn theo giấy phép của tài liệu gốc. Giấy phép: abstract CC0

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.