加密货币的动量和流动性

430

收藏 2022-06-14

英文标题：
《Momentum and liquidity in cryptocurrencies》
---
作者：
Stjepan Begu\\v{s}i\\\'c, Zvonko Kostanj\\v{c}ar
---
最新提交年份：
2019
---
英文摘要：
The goal of this paper is to explore the relationship between momentum effects and liquidity in cryptocurrency markets. Portfolios based on momentum-liquidity bivariate sorts are formed and rebalanced on a varying number of cryptocurrencies through time. We find a strong momentum effect in the most liquid cryptocurrencies, which supports the theories of investor herding behavior. Moreover, we propose two profitable long-only strategies: the illiquid losers and liquid winners, which exhibit improved risk adjusted performance over the market capitalization weighted portfolio.
---
中文摘要：
本文旨在探讨加密货币市场中动量效应与流动性之间的关系。基于动量流动性双变量分类的投资组合形成，并随着时间的推移在不同数量的加密货币上重新平衡。我们在流动性最强的加密货币中发现了强大的动量效应，这支持了投资者羊群行为理论。此外，我们提出了两种盈利的长期策略：非流动性输家和流动性赢家，这两种策略在市值加权投资组合中表现出更好的风险调整绩效。
---
分类信息：

一级分类：Quantitative Finance 数量金融学
二级分类：General Finance 一般财务
分类描述：Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--

---
PDF下载：
-->

Momentum_and_liquidity_in_cryptocurrencies.pdf
大小:(345.4 KB)

马上下载

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复

能者818

2022-6-14 09:47:47

加密货币的动量和流动性*, Zvonko KostanjˇcarLaboratory for Financial and Risk analysis faculty of electric Engineering and Computing，University of ZagrebUnska 3，10000 Zagrebastract本文的目的是探讨货币市场中动量效应和流动性之间的关系。基于动量流动性二元分类的投资组合是在不同数量的加密货币上形成和平衡的。我们在流动性最强的加密货币中发现了强大的动量效应，这支持了投资者羊群行为理论。此外，我们还提出了两种只支持长期投资的策略：非流动性输家和流动性赢家，这两种策略与市值加权投资组合相比，具有更好的风险调整绩效。关键词：加密货币、动量、流动性JEL:G11、G12、G141。简介加密货币市场在过去十年中发展迅速，吸引了研究人员和投资专业人士的兴趣，他们试图了解其多元化潜力[1，2]，基本动态[3，4]，以及其统计特征[5，6]与传统资产类别的比较。厄克哈特（Urquhart）[7]的一项研究报告表明，比特币市场可能正在朝着效率的方向发展，而克里斯托菲克（Kristoufek）[8]认为这与价格泡沫后的冷却期有关。此外，Brauneis等人[9]的一项研究表明，这种效率似乎随着流动性的增加而增加。Wei[10]支持这些结果，他发现非流动加密货币的低赫斯特指数具有均值回归的证据。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

大多数88

2022-6-14 09:47:50

虽然其他研究报告了加密货币回报中存在动量效应[11]，但动量效应的普遍性及其与加密货币市场流动性的关系仍然是一个悬而未决的问题。国际股票市场的结果表明，流动性市场状态下的动量效应更强【12】以及从加密货币市场中发现新证据的前景，在本文中，我们利用双变量方法探讨了动量和流动性之间的关系*对应的authorURL:lafra。费尔。hr邮件地址：stjepan。begusic@fer.hr（Stjepan Beguˇsi'c），zvonko。kostanjcar@fer.hr（Zvonko Kostanjˇcar）提交给Elsevier的预印本20190100300400500600包含的加密货币数量2015年1月2016年1月2017年1月2018年1月2019年1月Slika 1：随时间推移考虑的加密货币数量。动量流动性在大量加密货币上排序。我们发现，在高流动性加密货币中存在着显著的动量效应，而在过去一段时间内，流动性较低的加密货币中存在着显著的非流动性溢价，这支持了一系列假设动量确实可能是由投资者羊群行为引起的理论[13]。此外，基于观察到的现象，我们探索了两个仅做多的加密货币投资组合，与资本化加权投资组合相比，这两个投资组合在风险调整后的表现有显著改善。2、数据我们考虑从coinmarketcap获得的每日加密货币市场资本化、价格和交易量的数据集。通用域名格式。首先，我们从分析中删除所有与特定货币或商品挂钩的稳定货币。我们将数据集的时间限制在2015年1月至2019年1月，因为2015年之前的年份加密货币很少，交易活动也很少。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

mingdashike22

2022-6-14 09:47:53

我们没有选择加密货币的固定子集，而是在给定时间使用一组启发式加密货币包含标准：（i）加密货币在选择之前至少存在一段时间T（c）；（ii）给定时期T（c）的市值从未小于m（c）。这些条件确保考虑最相关和最具流动性的加密货币，就像任何现实的投资者一样。在本研究中，我们使用T（c）=26周，约为1/2年，而M（c）=1000万美元，这非常小，以避免任何大盘股偏差。在整个分析的时间间隔内，总共有711种加密货币至少满足一次建议的标准，图1.3给出了时间分析中包含的加密货币数量。测试和结果为了探索加密货币回报横截面中动量和流动性之间的相互作用，我们形成了9个动量非流动性投资组合。为了衡量动量，使用了之前的绩效（累积回报）：Ci（t）=Pi（t）- Pi（t- Tmom）Pi（t- Tmom），（1）在Tmom期间=14天（2周）。根据Ci（t），选定的加密货币被分类并分为三组：失败者（低30%）、中立者（30%-70%）和胜利者（高30%）。为了衡量流动性，我们使用Amihud[14]非流动性指标：Ii（t）=TilliqtXτ=t-Tilliq | Ri（τ）| Vi（τ），（2）其中Vi（t）是加密货币i在第t天的交易量（以美元计），回溯期Tilliq=Tmom=14天。根据这一衡量标准，选定的加密货币分为三个非流动性排序组：流动性（低于30%的Ii（t））、中性（介于30%和70%之间）和非流动性（高于30%）。投资组合的权重相等，每两周（14天）重新平衡一次。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

可人4

2022-6-14 09:47:56

我们计算每个考虑的投资组合的平均每日收益率及其标准差。此外，为了衡量风险调整后的绩效，我们计算了信息比率：IR=E[Rp- Rb]pvar[Rp- Rb），（3）其中，Rpis是投资组合回报，Rbis是基准回报，我们使用资本化加权投资组合，最后，构建所有加密货币，这些加密货币在重新平衡时满足包含标准，并且每两周重新平衡一次。对于每个非流动性、中性和流动性类别，我们创建零投资UMD=赢家-输家投资组合。同样，对于失败者、中立者和赢家类别，我们计算出零投资IML=非流动性-流动性投资组合。表3给出了动量流动性双变量分类的统计数据，以及零投资U M D和I M L投资组合回报的双尾t检验结果。结果表明，动量（UM D）和流动性不足（IM L）因素在所有括号中都不是普遍存在的。相反，在损失的加密货币中，流动性不足似乎是最有利的，其中IM L投资组合的回报率最高（平均值为0.52%），在α=0.05的水平上具有统计意义。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nandehutu2022

2022-6-14 09:48:00

此外，动量似乎在流动性加密货币中最为明显，其中U M D投资组合的平均回报率最高，为0.26%，在统计上也很显著，而非流动性加密货币似乎表现出均值回归效应，非流动性失败者投资组合表现出更高的回报（1.07%）平均回报[%]流动性中性非流动性失败者0.31 0.56 1.07 0.52*中性0.37 0.68 0.66 0.16赢家0.71 0.42 0.53-0.07UMD 0.26*-0.06-0.33标准差[%]流动性中性非流动性失败者5.66 5.92 7.79 5.05中性5.18 6.32 7.36 4.43赢家7.43 6.73 9.45 7.89UMD 5.10 5.25 8.14信息比率液体中性非流动性投资者0.55 1.56 2.49 1.05中性0.98 1.92 1.42-0.09Winners 1.59 0.82 0.76-0.55UMD 0.22-0.71-1.08表1：9个momentumliquidity投资组合以及各自的I M L和U M D zero投资组合的日均回报率、日均标准差和年化信息比。在平均回报表中，根据双尾t检验，与α=0.05水平的U MD和I M L显著性相关的值用anasterisk（*）标记。流动性较差的赢家（0.53%），这似乎证实了Wei之前的结果。这些发现也被所研究投资组合中的标准差所证实，这些标准差在流动加密货币中较高，但在赢家中通常也较高。有人认为，动量可能是由投资者羊群行为引起的【13】，再加上与加密货币市场相关的CIO经济信号中发现的正反馈【15】，这就解释了为什么在高流动性加密货币中，动量最为显著。由于cyrptocurrency市场的做空机会有限，投资者最感兴趣的可能是仅有多头流动性的赢家和非流动性的输家组合。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

大多数88

2022-6-14 09:48:03

他们的历史表现，2014年7月2015年7月2016年7月2017年7月2018100102104106市值权重低流动性失败者流动性赢家Slika 2：与市值加权投资组合相比，仅多头低流动性失败者和流动性赢家投资组合的历史表现，均每两周重新平衡一次。在没有交易成本和假设零市场影响的情况下，以及市场（资本化加权）投资组合如图2所示。表3给出了不同交易成本水平的平均回报率、标准偏差（波动率）和信息比率。流动性差的失败者流动性差的赢家。成本（bps）E[R]σIR E[R]σIR0 1.07 7.79 2.49 0.71 7.43 1.5910 1.06 7.79 2.45 0.7 7.43 1.5650 1.01 7.79 2.32 0.65 7.43 1.43100 0.95 7.79 2.16 0.6 7.45 1.27表2：对于0到100个基点（0-1%）不等的交易成本水平，非流动性输家和流动性赢家投资组合的平均日回报、标准差（均以%）和信息比率。尽管这两种只做多的策略在遇到交易成本时似乎都是可行的，但非流动性失败者投资组合的绩效在实践中可能会进一步恶化，特别是因为它集中在流动性最差的加密货币中，而由于买卖价差造成的间接交易成本可能会明显更高。然而，流动赢家投资组合由于主要集中于高流动性加密货币，因此在实践中应该不会受到这些发行的影响。结论在本文中，我们通过形成两周一次的重新平衡动量流动性投资组合，探讨了711种加密货币回报中动量和流动性的相互作用。我们在流动性最强的加密货币中发现了统计上显著的动量效应，这将投资者羊群理论扩展到了加密货币市场。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

kedemingshi

2022-6-14 09:48:06

此外，我们研究了两种仅长期策略，发现它们在市值加权投资组合中表现出更好的风险调整绩效，即使包括交易成本。文学家A.H.Dyhrberg，《比特币、黄金和美元的GARCH波动性分析》，金融研究快报16（2016）85–92（2016年2月）。内政部：10.1016/J.FRL。2015.10.008.[2] E.Platanakis，C.Sutcliffe，A.Urquhart，《加密货币中的最优与自然多样性》，《经济学快报》171（2018）93–96（2018年10月）。内政部：10.1016/J.ECONLET。2018.07.020.[3] P.Ciian、M.Rajcaniova、D.Kancs，《比特币价格形成经济学》，应用经济学48（19）（2016）1799–1815（2016）。内政部：10.1080/00036846.2015.1109038。[4] A.ElBahrawy，L.Alessandretti，A.Kandler，R.Pastor Satorras，A.Baronchelli，《加密货币市场的进化动力学》，皇家学会开放科学4（11）（2017）170623（2017年11月）。内政部：10.1098/RSOS。170623。[5]S.Beguˇsi'c，Z.Kostanjˇcar，H.Eugene Stanley，B.Podobnik，《比特币市场中极端价格波动的标度特性》，Physica A：统计力学及其应用510（2018）400–406（2018年7月）。内政部：10.1016/j.physa。2018.06.131.[6] A.Phillip，J.Chan，S.Peiris，《加密货币的新视角》，《经济学快报》163（2018）6-9（2018年2月）。内政部：10.1016/j.econlet。2017.11.020.[7] A.厄克哈特，《比特币的效率》，经济学快报148（2016）80–82（2016年11月）。内政部：10.1016/J.ECONLET。2016.09.019.[8] L.Kristoufek，《比特币市场效率及其演变》，Physica A：统计力学及其应用503（2018）257–262（2018年8月）。内政部：10.1016/j.physa。2018.02.161.[9] A.Brauneis，R.Mestel，《加密货币的价格发现：比特币及其后》，EconomicsLetters 165（2018）58–61（2018年4月）。内政部：10.1016/j.econlet。2018.02.001.[10] W.C。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

mingdashike22

2022-6-14 09:48:09

Wei，《加密货币的流动性和市场效率》，经济学快报168（2018）21–24（2018年7月）。内政部：10.1016/J.ECONLET。2018.04.003.[11] G.M.Caporale，L.Gil Alana，A.Plastun，《加密货币市场的持续性》，国际商业与金融研究46（2018）141–148（2018年12月）。内政部：10.1016/J.RIBAF。2018.01.002.[12] D.Avramov，S.Cheng，A.Hameed，《时变流动性和动量资产》，金融和定量分析杂志51（06）（2016）1897–1923（2016年12月）。内政部：10.1017/S0022109016000764。[13] J.R.Nofsinger，R.W.Sias，《机构投资者和个人投资者的羊群和反馈交易》，金融杂志54（6）（1999）2263–2295（1999年12月）。内政部：10.1111/0022-1082.00188。[14] Y.Amihud，《非流动性和股票回报：横截面和时间序列效应》，金融市场杂志5（1）（2002）31–56（2002年1月）。内政部：10.1016/S1386-4181（01）00024-6。[15] D.Garcia，C.J.Tessone，P.Mavrodiev，N.Perony，《泡沫的数字痕迹：比特币经济中社会经济信号之间的反馈周期》，《皇家社会接口杂志》11（99）（2014）16（2014年10月）。内政部：10.1098/rsif。2014.0623.

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

栏目导航

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

分享

扫码加好友，拉您进群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群