Em junho do ano passado, tive a simples ideia de usar um modelo multifator para selecionar moedas.
Leitura relacionada: "LUCIDA: Use modelos multifatores para escolher faixas e moedas"
Um ano depois, começamos a desenvolver uma estratégia multifator para o mercado de criptoativos e escrevemos a estrutura geral da estratégia em uma série de artigos, "Building a Strong Crypto Asset Portfolio with Multi-Factor Strategies".
O quadro geral desta série é o seguinte (não estão excluídos os ajustamentos):
Base teórica do modelo multifatorial
Construção de fator único
Pré-processamento de dados de fatores
Filtragem de dados
Tratamento atípico: valores extremos, valores de erro, valores nulos
*normalização
Neutro: indústria, mercado, capitalização de mercado
Juízo de validade fatorial
Rácio de Informação IC, Rendimento, Rácio de Sharpe, Taxa de Volume de Negócios
Síntese dos principais tipos de fatores
Análise de colinearidade fatorial
Colinearidade do fator de eliminação ortogonal
Métodos clássicos de ponderação → fatores sintéticos
Testes de fatores sintéticos: rendimento, rendimento de grupo, rendimento ponderado pelo valor do fator, fator sintético IC, taxa de rotatividade do grupo
Outros métodos de ponderação (fatores têm uma relação não linear com retornos): machine learning, reinforcement learning (não considerado devido às peculiaridades da indústria de criptomoedas)
Em quarto lugar, a otimização da carteira de risco
Segue-se o texto principal do primeiro artigo**#Theoretical Foundation#**.
I. Qual é o "fator".
O "fator" é o "indicador" na análise técnica, o "recurso" da inteligência artificial e do machine learning, que é o que determina o sobe e desce dos rendimentos das criptomoedas.
Nossa equipe divide os tipos comuns de fatores no espaço das criptomoedas: fatores fundamentais, fatores on-chain, fatores de volume e preço, fatores derivados, fatores alternativos e fatores macro.
O objetivo final da mineração e do cálculo do "fator" é calcular com precisão a taxa de retorno esperada de um ativo.
2. Cálculo do "Fator".
(1) Derivação de modelos multifatoriais
Origem: Modelo de Fator Único - CAPM
A pesquisa fatorial remonta ao 20 C 60 S, com o advento do Capital Asset Pricing Model (CAPM), que quantifica como o risco afeta o custo de capital de uma empresa e, portanto, a taxa de retorno esperada. De acordo com a teoria CAPM, o retorno excessivo esperado de um ativo individual pode ser determinado pelo seguinte modelo linear univariado:
! [LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-e38cb9eb2f-dd1a6f-cd5cc0.webp)
Entendimento adicional:
! [LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-63bf6cc37a-dd1a6f-cd5cc0.webp)
O modelo CAPM é o modelo de fator linear mais simples, afirmando que o excesso de retorno de um ativo é determinado apenas pelo excesso de retorno esperado da carteira de mercado ** (fator de mercado) e pela exposição do ativo ao risco de mercado. Este modelo estabelece uma base teórica para a pesquisa subsequente sobre um grande número de modelos lineares de preços multifatoriais.
Desenvolvimento: Modelo Multifator – APT
Com base no CAPM, verificou-se que os retornos de diferentes ativos são afetados por múltiplos fatores, e a Teoria de Precificação de Arbitragem (APT) foi desenvolvida para construir um modelo multifatorial linear:
! [LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-bc61d33569-dd1a6f-cd5cc0.webp)
Tendo em conta o erro real de precificação nos mercados financeiros e o modelo APT, numa perspetiva de série temporal, o retorno esperado de um único ativo é determinado pelo seguinte modelo linear múltiplo:
! [LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-0749cb5b78-dd1a6f-cd5cc0.webp)
O modelo multifator se concentra na diferença no retorno esperado de um ativo em um nível transversal, que é essencialmente um modelo sobre a média, enquanto o retorno esperado é a média do retorno em uma série temporal. Com base em (3), um modelo linear multivariado de ângulos de secção transversal pode ser derivado:
! [LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-270c008ed5-dd1a6f-cd5cc0.webp)
Entendimento adicional:
! [LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-20243968b4-dd1a6f-cd5cc0.webp)
Combinado com o conhecimento estatístico, o modelo implica três níveis de pressupostos:
! [LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-2627bd1b1d-dd1a6f-cd5cc0.webp)
! [LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-0fc7d2273e-dd1a6f-cd5cc0.webp)
(2) Volatilidade de modelos multifatores
! [LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-bf2d3d3835-dd1a6f-cd5cc0.webp)
! [LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-82c8338bb5-dd1a6f-cd5cc0.webp)
Fórmula 7
! [LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-d344bb03d4-dd1a6f-cd5cc0.webp)
! [LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-f227085e77-dd1a6f-cd5cc0.webp)
Fórmula 8
∧ Matriz de covariância fator-retorno que representa os fatores K (K×K):
! [LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-629646026d-dd1a6f-cd5cc0.webp)
Fórmula 9
A partir do pressuposto 3, os retornos de características de diferentes ativos também não estão correlacionados, e a matriz Δ é obtida:
! [LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-427b676b5e-dd1a6f-cd5cc0.webp)
Fórmula 10
SOBRE LUCIDA & FALCON
Lucida é um fundo de hedge quantitativo líder do setor que entrou no mercado cripto em abril de 2018 e negocia principalmente CTA/Arbitragem Estatística/Arbitragem de Volatilidade de Opções, com US$ 30 milhões sob gestão.
Falcon é uma infraestrutura de investimento Web3 de próxima geração que é baseada em um modelo multifator que ajuda os usuários a "selecionar", "comprar", "gerenciar" e "vender" criptoativos. Falcon foi incubado por Lucida em junho de 2022.
Mais conteúdo pode ser encontrado em:
Ver original
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?
Preâmbulo
Em junho do ano passado, tive a simples ideia de usar um modelo multifator para selecionar moedas.
Leitura relacionada: "LUCIDA: Use modelos multifatores para escolher faixas e moedas"
Um ano depois, começamos a desenvolver uma estratégia multifator para o mercado de criptoativos e escrevemos a estrutura geral da estratégia em uma série de artigos, "Building a Strong Crypto Asset Portfolio with Multi-Factor Strategies".
O quadro geral desta série é o seguinte (não estão excluídos os ajustamentos):
Base teórica do modelo multifatorial
Construção de fator único
Pré-processamento de dados de fatores
Juízo de validade fatorial
Análise de colinearidade fatorial
Colinearidade do fator de eliminação ortogonal
Métodos clássicos de ponderação → fatores sintéticos
Outros métodos de ponderação (fatores têm uma relação não linear com retornos): machine learning, reinforcement learning (não considerado devido às peculiaridades da indústria de criptomoedas)
Em quarto lugar, a otimização da carteira de risco
Segue-se o texto principal do primeiro artigo**#Theoretical Foundation#**.
I. Qual é o "fator".
O "fator" é o "indicador" na análise técnica, o "recurso" da inteligência artificial e do machine learning, que é o que determina o sobe e desce dos rendimentos das criptomoedas.
Nossa equipe divide os tipos comuns de fatores no espaço das criptomoedas: fatores fundamentais, fatores on-chain, fatores de volume e preço, fatores derivados, fatores alternativos e fatores macro.
O objetivo final da mineração e do cálculo do "fator" é calcular com precisão a taxa de retorno esperada de um ativo.
2. Cálculo do "Fator".
(1) Derivação de modelos multifatoriais
Origem: Modelo de Fator Único - CAPM
A pesquisa fatorial remonta ao 20 C 60 S, com o advento do Capital Asset Pricing Model (CAPM), que quantifica como o risco afeta o custo de capital de uma empresa e, portanto, a taxa de retorno esperada. De acordo com a teoria CAPM, o retorno excessivo esperado de um ativo individual pode ser determinado pelo seguinte modelo linear univariado:
! [LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-e38cb9eb2f-dd1a6f-cd5cc0.webp)
Entendimento adicional:
! [LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-63bf6cc37a-dd1a6f-cd5cc0.webp)
O modelo CAPM é o modelo de fator linear mais simples, afirmando que o excesso de retorno de um ativo é determinado apenas pelo excesso de retorno esperado da carteira de mercado ** (fator de mercado) e pela exposição do ativo ao risco de mercado. Este modelo estabelece uma base teórica para a pesquisa subsequente sobre um grande número de modelos lineares de preços multifatoriais.
Desenvolvimento: Modelo Multifator – APT
Com base no CAPM, verificou-se que os retornos de diferentes ativos são afetados por múltiplos fatores, e a Teoria de Precificação de Arbitragem (APT) foi desenvolvida para construir um modelo multifatorial linear:
! [LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-bc61d33569-dd1a6f-cd5cc0.webp)
Maduro: Modelo multifatorial—. Ganhos Alpha & Rendimentos Beta
Tendo em conta o erro real de precificação nos mercados financeiros e o modelo APT, numa perspetiva de série temporal, o retorno esperado de um único ativo é determinado pelo seguinte modelo linear múltiplo:
! [LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-0749cb5b78-dd1a6f-cd5cc0.webp)
O modelo multifator se concentra na diferença no retorno esperado de um ativo em um nível transversal, que é essencialmente um modelo sobre a média, enquanto o retorno esperado é a média do retorno em uma série temporal. Com base em (3), um modelo linear multivariado de ângulos de secção transversal pode ser derivado:
! [LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-270c008ed5-dd1a6f-cd5cc0.webp)
Entendimento adicional:
! [LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-20243968b4-dd1a6f-cd5cc0.webp)
Combinado com o conhecimento estatístico, o modelo implica três níveis de pressupostos:
! [LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-2627bd1b1d-dd1a6f-cd5cc0.webp)
! [LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-0fc7d2273e-dd1a6f-cd5cc0.webp)
(2) Volatilidade de modelos multifatores
! [LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-bf2d3d3835-dd1a6f-cd5cc0.webp)
! [LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-82c8338bb5-dd1a6f-cd5cc0.webp)
Fórmula 7
! [LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-d344bb03d4-dd1a6f-cd5cc0.webp)
! [LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-f227085e77-dd1a6f-cd5cc0.webp)
Fórmula 8
∧ Matriz de covariância fator-retorno que representa os fatores K (K×K):
! [LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-629646026d-dd1a6f-cd5cc0.webp)
Fórmula 9
A partir do pressuposto 3, os retornos de características de diferentes ativos também não estão correlacionados, e a matriz Δ é obtida:
! [LUCIDA: Como construir um portfólio forte de criptoativos com uma estratégia multifator?] (https://img-cdn.gateio.im/webp-social/moments-7f230462a9-427b676b5e-dd1a6f-cd5cc0.webp)
Fórmula 10
SOBRE LUCIDA & FALCON
Lucida é um fundo de hedge quantitativo líder do setor que entrou no mercado cripto em abril de 2018 e negocia principalmente CTA/Arbitragem Estatística/Arbitragem de Volatilidade de Opções, com US$ 30 milhões sob gestão.
Falcon é uma infraestrutura de investimento Web3 de próxima geração que é baseada em um modelo multifator que ajuda os usuários a "selecionar", "comprar", "gerenciar" e "vender" criptoativos. Falcon foi incubado por Lucida em junho de 2022.
Mais conteúdo pode ser encontrado em: