“投资范围包括来自CoinMarketCap的加密货币，排除稳定币、价格为零、市场资本化为零或交易量为零的币种。根据周末市值将加密货币排序为五个投资组合，随后在每个市值五分位中按过去两周回报（动量）进一步细分。做多三个低动量的小市值投资组合，确保策略的可执行性。每个小市值投资组合为等权重，内部按市值加权，策略每周重新平衡。”
资产类别：加密货币 | 地区：全球 | 频率：每周 | 市场：加密货币 | 关键词：反转，加密货币
策略概述
投资范围包括来自CoinMarketCap.com的加密货币。排除稳定币、价格为零、市场资本化为零或交易量为零的币种。非回报变量在1%和99%分位数处进行缩尾处理。市场资本和价格数据来自CoinMarketCap。第一步，根据周末的市值将加密货币排序为五个投资组合。其次，在每个市值五分位中，根据过去两周的回报（动量）将加密货币进一步分为五个投资组合。在三个最小的投资组合中，做多低动量的投资组合。选择这一变体并对结果进行平均是为了确保策略的可执行性，而不会依赖于最小的加密货币——该效应在市值较大的加密货币中依然强劲，但在最大市值的五分位中会发生反转。我们假设三个低动量的小市值投资组合是等权重的，但每个投资组合内部是按市值加权的。该策略每周重新平衡。
策略合理性
很难明确任何根本性原因解释该策略为何有效。该效应通过投资组合排序方法被识别，且统计显著性很高，但论文没有提供确切的经济/行为解释。为了更好地理解该效应，我们建议检查该反转是否是由均值回归驱动的，或者这些加密货币在信号形成前的几周是否被忽视了。 论文还提供了稳健性测试，并检查了不同的回溯期，除了针对两周期的主要结果外，一周、三周或四周的结果在定性上相同，且所有结果均显著。
论文来源
Value Premium, Network Adoption, and Factor Pricing of Crypto Assets [点击浏览原文]
- Lin William Cong, George Andrew Karolyi, Ke Tang, Weiyi Zhao, 康奈尔大学 – Samuel Curtis Johnson研究生院，国家经济研究局（NBER），清华大学，清华大学经济学院
<摘要>
我们记录了4000多种加密货币的特征性异常。我们发现，加密货币的回报在大市值组别中表现出动量效应，而在其他市值组别中表现出反转效应。我们识别出强大的加密货币价值和网络采用溢价，并从中得出两个新因子，添加到加密货币市场、市值和动量因子中。结果的C-5模型在定价加密资产的横截面时优于现有模型，正如大多数标准测试中所揭示的那样。我们还提供了对约700种加密货币的首次全面分类，基于其经济功能，并使用国际资产定价工具展示了不同代币类别之间的强大分割。
回测表现
| 年化收益率 | 187.2% |
| 波动率 | 72.69% |
| Beta | N/A |
| 夏普比率 | 2.58 |
| 索提诺比率 | N/A |
| 最大回撤 | N/A |
| 胜率 | N/A |
