2019年加密货币与比特币的关联性降低

霍德博特

大多数人给人的印象是,山寨币的价格跟随比特币的价格上下波动。由于比特币在移动时占据了整个加密货币市场的很大份额,因此周围的山寨币也倾向于朝同一方向移动.

然而,令人惊讶的是,2018年排名前200位的顶级硬币中有75%与比特币的相关性达到0.91或更高.

霍德博特

请注意:这是Anthony Xie的来宾帖子, 霍德博特, 一种工具,可以帮助投资者分散投资组合并实现交易策略自动化.

#Crypto ExchangeBenefits

1

Binance
Best exchange


VISIT SITE
  • ? The worlds biggest bitcoin exchange and altcoin crypto exchange in the world by volume.
  • Binance provides a crypto wallet for its traders, where they can store their electronic funds.

2

Coinbase
Ideal for newbies


Visit SITE
  • Coinbase is the largest U.S.-based cryptocurrency exchange, trading more than 30 cryptocurrencies.
  • Very high liquidity
  • Extremely simple user interface

3

eToro
Crypto + Trading

VISIT SITE
  • Multi-Asset Platform. Stocks, crypto, indices
  • eToro is the world’s leading social trading platform, with thousands of options for traders and investors.

该平台以易于投资于加密货币指数而闻名。除了加密货币指数,HodlBot还使用户能够基于高级市场指标创建,回测和执行自己的自定义投资组合。没有最低帐户设置或国家/地区限制.

2018年比特币与其他加密货币之间的关联度最高.

与前一年相比,2018年排名前200位的硬币和比特币之间的相关性更高.

对此的一种解释是,2018年恰逢一年的熊市。似乎猖ramp的市场抛售与比特币和Altcoins之间的更高相关性紧密相关.

奇怪的是,价格朝着相反的方向移动并不是真的。在2017年的熊市期间,即使价格全面上涨,我们也从未见过加密货币和比特币之间的相关性达到如此高的水平.

2019年的情况有所不同-横向市场中的相关性降低

2019年市场发生了变化。除了4月的第一周外,2019年大部分经历了横向市场.

粗略地看一下,与前一年相比,2019年比特币和山寨币之间的相关性似乎显着降低.

可以肯定的是,我们可以应用统计检验来比较两个样本分布.

韦尔奇t检验 用于统计检验两个样本均值之间的差异,这些均值具有未知且不等的基本方差。在我们的特定情况下,我们要应用一个单尾测试,因为我们假设2019年比特币和山寨币之间的平均相关系数较低.

这是我们要建立假设的方法.

零假设: 2019年比特币和Altcoins之间的平均加密货币相关系数高于或等于2018年比特币和Altcoins之间的平均加密货币相关系数.

替代假设:2019年比特币和Altcoins之间的平均加密货币相关系数低于2018年比特币和Altcoins之间的平均加密货币相关系数.

韦尔奇的单尾T检验

运行测试后,我们得到的T值统计值为-4.99,而p值则小于0.01.

因此,我们应该拒绝零假设,因为我们有很多证据表明2019年比特币和Altcoins之间的平均相关系数远低于2018年.

这是好消息吗?

是。当相关性较低时,多样化的效果更好.

2019年市值排名前20的代币的相关矩阵.

现代投资组合理论之父哈里·马科维茨(Harry Markowitz)提出,要考虑的风险的最重要方面是资产对投资组合整体风险的贡献,而不是孤立资产的风险.

“多元化是金融界唯一的免费午餐”-哈里·马克维兹(Harry Markowitz)

这意味着,通过在投资组合中包含相关性较低或为负的资产,可以减少总体差异,从而降低投资组合的风险。负相关或不相关的资产往往会相互抵消.

在HodlBot,我们为日常投资者建立加密货币指数. 每个硬币都与另一个硬币相关联的指数并不是一个多元化的投资组合。因此,我们很高兴看到资产之间的相关性较低。它只是使投资组合多元化更加有效.

我应该带一点盐吃吗?

是的,相关性可以改变。随时间变化的相关性.

一对资产的相关系数随时间变化很大。仅仅因为某些事物在过去以某种方式关联在一起,并不意味着这种关系将来会保持下去。许多硬币的30天滚动相关性看起来像这样,一系列起伏.

皮尔逊的相关系数假设为线性关系

线性关系易于理解且易于建模。但是,两个资产之间的许多关系都是非线性的。它可以是多项式,指数等。在这些情况下,Pearson的相关系数不必要地简化了关系.

分析中使用的数据集

我拉了加密货币的价格 & Coinmarketcap的全球市值数据.

在每年的基础上,我进行了快照,以按市值找到排名前200的硬币。然后,我根据该年的价格数据计算了它们的相关系数.

你可以找到价格 & 所有硬币的市值数据 这里.

Mike Owergreen Administrator
Sorry! The Author has not filled his profile.
follow me
Like this post? Please share to your friends:
Adblock
detector
map