[论文解读] Momentum and liquidity in cryptocurrencies
本文使用每两周再平衡的双变量动量-流动性投资组合，研究加密货币市场中动量与流动性的相互作用。研究发现，流动性较高的加密资产中存在显著的动量效应，并识别出两种表现优异的多头策略——非流动性 losers（非流动性弱势股）与流动性 winners（流动性强势股），其风险调整后收益均优于市值加权基准，即使在考虑交易成本后依然如此。
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.
研究动机与目标
- 检验加密资产收益中动量效应与流动性的关系。
- 评估动量策略在流动性市场与非流动性市场中的有效性差异。
- 评估基于动量与流动性因子的多头加密资产策略的风险调整后表现。
- 检验弱势加密资产中是否存在非流动性溢价，尤其是非流动性资产中。
- 开发并回测两种盈利投资策略——非流动性弱势股与流动性强势股，与市值加权基准进行对比。
提出的方法
- 基于2015年1月至2019年1月期间符合纳入标准的711种加密资产，构建9个双变量动量-流动性投资组合。
- 通过14天累计价格收益率衡量动量（Tmom = 14天），将资产分为弱势股（底部30%）、中性组（30%-70%）和强势股（顶部30%）。
- 使用Amihud（2002）测度在14天回溯期内衡量非流动性（Tilliq = 14天），将资产分为流动性高（底部30%）、中性组与非流动性高（顶部30%）。
- 在动量与非流动性组别中构建等权重、每两周再平衡的投资组合。
- 使用信息比率（IR）计算风险调整后表现，以市值加权投资组合为基准。
- 构建零投资的UMD（强势股 - 弱势股）与IML（非流动性 - 流动性）投资组合，以分离动量与非流动性因子的影响。
实验结果
研究问题
- RQ1与非流动性资产相比，高流动性加密资产中的动量效应是否更强？
- RQ2弱势加密资产的收益中是否存在显著的非流动性溢价？
- RQ3基于动量与流动性因子的多头策略在风险调整后收益方面是否优于市值加权基准？
- RQ4交易成本如何影响所提出策略的盈利能力，尤其是对非流动性资产？
- RQ5投资者羊群行为是否可能是加密货币市场中动量效应的合理驱动因素？
主要发现
- 在最流动的加密资产中观察到统计显著的动量效应，流动性组别的UMD（强势股减弱势股）投资组合日均收益率为0.26%，在α = 0.05水平下显著。
- 在弱势股组别中，IML（非流动性减流动性）投资组合日均收益率最高，达0.52%，表明弱势资产中存在强烈的非流动性溢价。
- 非流动性弱势股策略实现日均收益率1.07%，信息比率高达2.49（交易成本为0 bps），显著优于市值加权基准。
- 流动性强势股策略实现日均收益率0.71%，信息比率为1.59（交易成本为0 bps），表现出强劲的风险调整后表现。
- 即使在100个基点的交易成本下，非流动性弱势股策略仍保持正向信息比率2.16，流动性强势股策略的IR仍达1.27，表明其盈利能力具有强韧性。
- 非流动性弱势股策略因集中于非流动性资产，对间接成本（如买卖价差）更为敏感；而流动性强势股策略因市场冲击较低，在实际投资中更具可操作性。
更好的研究，从现在开始
从论文设计到论文写作，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。