Tối ưu hóa trung bình–phương sai danh mục tiền mã hóa theo tâm lý | Stratmill

Tóm tắt

Bài nghiên cứu đề xuất một phương pháp danh mục tiền mã hóa linh hoạt, kết hợp tín hiệu kỹ thuật với tâm lý tin tức. Phương pháp dùng Chỉ số sức mạnh tương đối và Đường trung bình động 14 ngày để thể hiện động lượng, trong khi VADER phân tích tâm lý tin tức và Google Gemini được dùng để xác thực. Các tín hiệu kết hợp cung cấp thông tin cho ước lượng lợi suất kỳ vọng trong khuôn khổ tối ưu hóa trung bình-phương sai có ràng buộc.

Các kiểm thử lịch sử trên nhiều loại tiền mã hóa được báo cáo là vượt trội so với chiến lược động lượng, chiến lược mua-bán khống Bitcoin và danh mục có trọng số bằng nhau về lợi suất đã điều chỉnh theo rủi ro và tăng trưởng tích lũy. So sánh các cách tiếp cận chỉ dùng tâm lý, chỉ dùng kỹ thuật và kết hợp cho thấy việc bổ sung tâm lý có thể cải thiện tính nhất quán. Bài nghiên cứu cũng báo cáo mức sụt giảm đáng kể trong các giai đoạn thị trường căng thẳng và xác định quản lý rủi ro là nhu cầu chưa được giải quyết. Phần mô tả không cung cấp số liệu hiệu suất chính xác, giả định về chi phí giao dịch, các ràng buộc danh mục hay chi tiết về thời điểm dữ liệu, vì vậy không thể đánh giá độc lập các khoản lợi được tuyên bố và độ vững chắc của chúng chỉ từ phần tóm tắt này.

Ý chính

• Chiến lược kết hợp tín hiệu RSI và SMA với tâm lý được trích xuất từ tin tức tiền mã hóa.
• VADER tạo tín hiệu tâm lý, sau đó được xác thực bằng mô hình ngôn ngữ lớn.
• Các tín hiệu cung cấp thông tin cho lợi suất kỳ vọng trong bộ tối ưu hóa danh mục trung bình-phương sai có ràng buộc.
• Kiểm thử lịch sử được báo cáo là vượt trội so với một số chuẩn so sánh được nêu và cho thấy mức tăng ổn định hơn khi kết hợp các loại tín hiệu.
• Mức sụt giảm đáng kể trong giai đoạn thị trường căng thẳng cho thấy cần bổ sung các biện pháp kiểm soát rủi ro.

Thẻ

# Sentiment-Aware Mean-Variance Portfolio Optimization for Cryptocurrencies


# Sentiment-Aware Mean-Variance Portfolio Optimization for Cryptocurrencies









Cryptocurrency markets are highly volatile and influenced by both price trends and market sentiment, making effective portfolio management challenging. This paper proposes a dynamic cryptocurrency portfolio strategy that integrates technical indicators and sentiment analysis to enhance investment decision-making. Market momentum is captured using the 14-day Relative Strength Index (RSI) and Simple Moving Average (SMA), while sentiment signals are extracted from news articles with VADER and further validated using the Google Gemini large language model. These signals are incorporated into expected return estimates and used in a constrained mean-variance optimization framework. Backtesting across multiple cryptocurrencies shows that the integrated approach outperforms traditional benchmarks, including momentum strategy, Bitcoin Long-Short strategy, and an equal-weighted portfolio, achieving stronger risk-adjusted returns and more consistent cumulative growth. Furthermore, comparing the sentiment-only and technical-only strategies shows that incorporating sentiment information alongside technical indicators can lead to more consistent performance gains. However, the strategies exhibit substantial drawdowns that coincide with known periods of market stress, indicating that additional risk-management components are required to improve stability.

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.