跳至正文
返回文库全部文档

加密货币网络、多元化与横截面动量

文章 arXiv papers · 作者: Li Guo et al.
阅读原文

总结

本研究利用两类关联构建动态加密货币网络：收益交叉可预测性和技术相似性。研究采用动态协变量辅助谱聚类方法，在兼顾这两类信息的同时估计网络社群。该网络旨在揭示风险可能如何传播，以及市场如何分割。

文中报告称，跨不同估计社群进行多元化配置可以改善风险分散效果。研究还介绍了一个横截面加密货币动量投资组合，据报日收益率为 1.08%，并指出行为因素分析未能解释该组合收益。摘录没有说明样本、成本、实施细节或稳健性检验，因此仅凭所述收益不足以评估实际表现。

核心观点

  • 根据收益可预测性和技术相似性估计加密货币之间的联系。
  • 使用动态协变量辅助谱聚类推断不断变化的网络社群。
  • 这些社群被用于理解风险传播和市场分割。
  • 研究报告称，持有不同社群中的资产可以带来分散化收益。
  • 研究报告称，横截面加密货币动量组合的日收益率为 1.08%，行为因素未能解释其收益。

标签

加密资产动量投资组合构建风险管理统计学
全文
# A Time-Varying Network for Cryptocurrencies


# A Time-Varying Network for Cryptocurrencies









Cryptocurrencies return cross-predictability and technological similarity yield information on risk propagation and market segmentation. To investigate these effects, we build a time-varying network for cryptocurrencies, based on the evolution of return cross-predictability and technological similarities. We develop a dynamic covariate-assisted spectral clustering method to consistently estimate the latent community structure of cryptocurrencies network that accounts for both sets of information. We demonstrate that investors can achieve better risk diversification by investing in cryptocurrencies from different communities. A cross-sectional portfolio that implements an inter-crypto momentum trading strategy earns a 1.08% daily return. By dissecting the portfolio returns on behavioral factors, we confirm that our results are not driven by behavioral mechanisms.

在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。