Der beste Schwellenwert für Strategien zum Ausgleich von Kryptowährungen

>

Diese Studie wird als erste umfassende Analyse des schwellenbasierten Neuausgleichs für Kryptowährungsportfolios dienen. Ziel dieser Studie ist es, nicht nur die historische Leistung des Schwellenwertausgleichs genau zu beschreiben, sondern die Ergebnisse mit denen einer einfachen Buy-and-Hold-Strategie sowie eines periodischen Neuausgleichs zu vergleichen. Aufgrund der jüngsten Ankündigungen unserer Unterstützung für die Neuausrichtung von Schwellenwerten in unserer Portfoliomanagementanwendung ist es angebracht, die historischen Auswirkungen der Umsetzung dieser Strategie über lange Zeiträume hinweg gründlich zu verstehen.

Um eine Grundlage für das Verständnis der Funktionsweise des Schwellenwertausgleichs zu schaffen, haben wir eine kurze Erläuterung veröffentlicht, die Sie durch die Strategie und deren Umsetzung in Shrimpy führt. Bevor Sie fortfahren, empfehlen wir, diesen Artikel hier mindestens zu überfliegen:

Threshold Rebalancing – Die Entwicklung des Kryptowährungs-Portfoliomanagements

Nachdem Sie ein allgemeines Verständnis der Funktionsweise des schwellenbasierten Neuausgleichs haben, bleiben Sie über alle Studien auf dem Laufenden, die wir zu Portfoliostrategien von veröffentlichen Beitritt zu unserer Telegrammgruppe.

Frühere Studien, in denen die Leistung des periodischen Ausgleichs bewertet wurde, finden Sie in unserem Blog Hier.

Einführung

Bevor wir zu den Daten kommen, wollen wir die Methoden für die Einrichtung dieser Studie diskutieren. Ohne ein solides Verständnis der Art und Weise, wie die Studie durchgeführt wurde, können wir uns nicht auf die Genauigkeit der Ergebnisse verlassen.

Daten & Handelsberechnungen

Die Daten für diese Studie wurden direkt von der gesammelt Bittrex Kryptowährungsaustausch über den Drittanbieter-Service CoinAPI. CoinAPI ist ein Datenanbieter, der Auftragsbuchdaten für jeden wichtigen Kryptowährungsaustausch sammelt und archiviert. Mithilfe der Daten-APIs können Entwickler auf diese Daten für Backtests, Marktanalysen und sogar Preisdaten in Echtzeit zugreifen. Unser Team hat jeden historischen Auftragsbuch-Schnappschuss von CoinAPI so gesammelt, dass wir ihn erhalten haben genaue Bid-Ask Preisdaten. Dies stellt sicher, dass die simulierten Neuausgleiche bei der Berechnung von Trades so genau wie möglich sind.

Achtung: Beim Ausführen von Backtests sollten nur genaue Bid-Ask-Daten verwendet werden. Die Verwendung aggregierter Daten von CoinMarketCap oder anderen ähnlichen Diensten führt zu sehr ungenauen Berechnungen. Shrimpy-Studien wurden durch die Verwendung solcher Daten nie beeinträchtigt.

Die Daten für diese Studie beginnen am 15. März 2017 und erstreckt sich bis 20. Juni 2019. Dies schließt sowohl den Bullenlauf von 2017 als auch den Bärenmarkt von 2018 ein, um einen vollständigen Marktzyklus hervorzuheben.

Während jeder simulierten Neuverteilung werden Trades berechnet, indem jeder Trade durchlaufen wird BTC. Jeder dieser simulierten Trades wird inklusive der Handelsgebühr von 0,25% Das ist Standard für Bittrex. Das heißt, wenn unser Portfolio beispielsweise LTC für die ETH verkauft, simuliert der Backtest zwei Trades, einen von LTC zu BTC und einen von BTC zu ETH. Für beide Trades wird eine Handelsgebühr von 0,25% erhoben. Beachten Sie, dass Bittrex in diesem Beispiel einen direkten ETH-LTC-Markt hat. Der Einfachheit halber werden diese Backtests diese Optimierungen nicht berücksichtigen.

Es stehen erweiterte Algorithmen zum Ausführen von Neuausgleichen zur Verfügung. In einem früheren Artikel von uns haben wir komplexere Algorithmen diskutiert. Diesen Artikel finden Sie hier:

Portfolio-Rebalancing-Algorithmen in Crypto (Teil I)

Schwelle

Die in dieser Studie verwendeten Schwellenwerte reichen von 1% bis 50%. Nach dem anfänglichen Schwellenwert von 1% bewerteten die Backtests jedes Inkrement von 5%. Daher Bewertung von 5%, 10%, 15% usw. bis zu 50%. Dies gab uns eine breite Palette von Schwellenwerten, die wir bewerten konnten, um einen Trend zu erkennen.

Threshold Rebalancing ist eine Strategie, bei der Abweichungsbänder (auch als „Schwellenwerte“ bezeichnet) verwendet werden. Wenn ein einzelner Vermögenswert von seiner Zielallokation abweicht, sodass die aktuelle Allokation außerhalb der Abweichungsbänder für diesen Vermögenswert liegt, wird das gesamte Portfolio neu gewichtet. Dies bedeutet auch wenn a Single Asset überschreitet die Schwelle, jedes Asset wird neu gewichtet.

In dieser Studie wird die Abweichung, die jeder Vermögenswert aufweist, mit der Zielallokation auf Stundenbasis verglichen. Das heißt, einmal pro Stunde werden die Daten ausgewertet und ermittelt, ob der Schwellenwert überschritten wurde. Wenn der Schwellenwert überschritten wurde, wird ein Neuausgleich ausgelöst. deshalb, die maximale Ausgleichsfrequenz Dies kann durch eine stündliche Neuverteilung erreicht werden.

Portfoliogröße & Asset-Auswahl

Während des Portfolioaufbauprozesses ist jedes Portfolio 10 Vermögenswerte zugewiesen. Diese zehn Vermögenswerte werden im Zeitraum vom 15. März 2017 bis zum 20. Juni 2019 zufällig aus den verfügbaren Vermögenswerten ausgewählt. Wenn der Vermögenswert also nicht während des gesamten Zeitraums verfügbar war, wird der Vermögenswert nicht in diese Studie einbezogen.

Die folgenden Vermögenswerte wurden in diese Studie aufgenommen:

ABY, AEON, AMP, ARDR, BAY, BITB, BLK, BLOCK, BTC, BTS, BURST, CLOAK, CRW, CURE, DASH, DCR, DGB, DGD, DMD, DOGE, EMC, EMC2, ETC, ETH, EXCL, EXP, FCT, FLDC, FLO, FTC, SPIEL, GEO, GRC, GRS, IOC, ION, IOP, KMD, KORE, LBC, LSK, LTC, MAID, MEME, MONA, MUE, NAV, NEOS, NLG, NXS, NXT, OK, ROSA, PIVX, POT, PPC, QWARK, RADS, RDD, REP, SBD, UMSCHALT, SIB, SLR, SLS, SPHR, STEEM, STRAT, SWT, SYNX, SYS, TX, UBQ, VIA, VRC, VTC, WELLEN, XDN, XEM, XLM, XMR, XRP, XST, XVG, XWC, XZC, ZCL, ZEC.

Unser Team war fasziniert davon, wie sich die Vielfalt des Portfolios auf die Leistung auswirkt. Eine vollständige Studie zu diesem Thema finden Sie in unserer vorherigen Studie hier:

Krypto-Benutzer, die sich diversifizieren, schneiden besser ab

Backtesting

Um jeden Prozentschwellenwert zu analysieren, werden in unserer Studie die Ergebnisse von kombiniert 1.000 Backtests. Das Ergebnis ist ein Histogramm an jedem Schwellenwert, das eine Verteilung liefert, die sowohl visuell als auch analytisch untersucht werden kann. In Summe 15.000 Backtests wurden für diese Studie durchgeführt.

Zu Beginn jedes Backtests wurde das Portfolio mit gesät Startkapital in Höhe von 5.000 USD Dies wurde verwendet, um das Portfolio aufzubauen und während des gesamten Backtests neu auszugleichen. Der Einfachheit halber wurde das Portfolio als gleichmäßig verteiltes Portfolio. Das bedeutet, dass jedes der 10 Vermögenswerte im Portfolio genau 10% gewichtet wurde.

Wenn Sie mehr darüber erfahren möchten, wie sich unterschiedliche Verteilungen auf die Leistung auswirken, haben wir hier eine Studie zu diesem Thema veröffentlicht:

Optimieren der Asset-Verteilung für das Rebalancing von Kryptowährungen

Leistungsberechnungen

Letztendlich spielt dies keine Rolle, wenn wir die Leistung nicht so berechnen, wie es die Leute verstehen.

Am Ende jedes Backtests ergibt sich ein einzelner Dollarbetrag, der dem Wert des Portfolios entspricht. Dieser Wert wird sowohl für neu ausgeglichene Backtests als auch für Backtests empfangen, die die HODL-Strategie verwendet haben. Die beiden resultierenden Werte werden auf folgende Weise miteinander verglichen, um die Leistung zu berechnen:

Leistung = ((R – H) / H) x 100

wo,

  • R. ist der Wert des neu ausbalancierten Portfolios.

  • H. ist der Wert des HODLed-Portfolios.

  • Das Ergebnis ist multipliziert mit 100 von einer Dezimalstelle in ein Prozent umwandeln.

Ergebnisse

Die folgenden Ergebnisse decken 15.000 Backtests ab, um den Leistungsunterschied zwischen Portfolios, die historisch neu gewichtet wurden, und Portfolios, die HODLed haben, zu bewerten. Als zusätzliche Ressource am Ende werden diese Ergebnisse mit denen verglichen, die eine periodische Neuausgleichsstrategie anstelle eines Schwellenwertausgleichs verwendet haben.

In jedem Abschnitt bewerten wir 4 Hauptattribute für die Verteilung. Diese Attribute sind die folgenden:

  • Primäre Leistungsverteilung: Der Bereich, für den die Mehrheit der Backtests in die Leistungsverteilung fällt. Wir berechnen diesen Bereich, indem wir den ersten Bucket nehmen, der mehr als 10 Backtests enthält, und alle Backtests einbeziehen, bis weniger als 10 Backtests in einem Bucket sind.

  • Prozentsatz der Schwellenwert-Backtests, die HODL übertrafen: Der Prozentsatz der Portfolios, die mit einer schwellenwertbasierten Ausgleichsstrategie anstelle von HODLing eine bessere Leistung erzielten.

  • Durchschnittliche Leistungssteigerung: Die durchschnittliche prozentuale Steigerung, die für ein Portfolio beobachtet wurde, das anstelle von HODLing die Strategie des Schwellenausgleichs verwendete.

  • Medianer Leistungsanstieg: Der mittlere prozentuale Anstieg, der für ein Portfolio beobachtet wurde, das anstelle von HODLing die Strategie des Schwellenausgleichs verwendete.

Schwellenwert-Neuausrichtung von Backtests

Ergebnisse aus den Backtests zum Schwellenausgleich.

1% Schwelle

Abbildung 1: Das obige Histogramm vergleicht die prozentuale Leistung des Schwellenwertausgleichs mit einer Buy-and-Hold-Strategie. Die x-Achse repräsentiert die Leistungssteigerung gegenüber Buy and Hold für jeden Backtest. Die y-Achse ist die Anzahl der Backtests, die in jeden der Leistungsbereiche auf der x-Achse fallen. Der Prozess zur Erstellung dieses Histogramms ist daher: Sobald ein Backtest abgeschlossen ist, wird der Portfoliowert des Neuausgleichsportfolios mit dem des HODLed-Portfolios unter Verwendung der im Abschnitt „Leistungsberechnungen“ beschriebenen Methode verglichen. Aus diesem Vergleich erhalten wir einen Prozentsatz, der angibt, wie viel besser oder schlechter das Rebalancing durchgeführt wurde als HODL. Basierend auf diesem Prozentsatz erhöhen wir die Anzahl für die Anzahl der Backtests, die in den entsprechenden Leistungsbereich fielen.

  • Primäre Leistungsverteilung: -89,9% bis 337,3%

  • Prozent der Schwellenwert-Backtests, die HODL übertrafen: 76,6%

  • Durchschnittliche Leistungssteigerung: 101%

  • Mittlere Leistungssteigerung: 84%

1% Schwellenwert Median Portfolio Performance: 84%

5% Schwelle

Abbildung 2: Das obige Histogramm vergleicht die prozentuale Leistung des Schwellenwertausgleichs mit einer Buy-and-Hold-Strategie. Die x-Achse repräsentiert die Leistungssteigerung gegenüber Buy and Hold für jeden Backtest. Die y-Achse ist die Anzahl der Backtests, die in jeden der Leistungsbereiche auf der x-Achse fallen. Der Prozess zur Erstellung dieses Histogramms ist daher: Sobald ein Backtest abgeschlossen ist, wird der Portfoliowert des Neuausgleichsportfolios mit dem des HODLed-Portfolios unter Verwendung der im Abschnitt „Leistungsberechnungen“ beschriebenen Methode verglichen. Aus diesem Vergleich erhalten wir einen Prozentsatz, der angibt, wie viel besser oder schlechter das Rebalancing durchgeführt wurde als HODL. Basierend auf diesem Prozentsatz erhöhen wir die Anzahl für die Anzahl der Backtests, die in den entsprechenden Leistungsbereich fielen.

  • Primäre Leistungsverteilung: -44,4% bis 663,9%

  • Prozent der Schwellenwert-Backtests, die HODL übertrafen: 93,6%

  • Durchschnittliche Leistungssteigerung: 255%

  • Median Leistungssteigerung: 216%

5% Schwellenwert Median Portfolio Performance: 216%

10% Schwelle

Abbildung 3: Das obige Histogramm vergleicht die prozentuale Leistung des Schwellenwertausgleichs mit einer Buy-and-Hold-Strategie. Die x-Achse repräsentiert die Leistungssteigerung gegenüber Buy and Hold für jeden Backtest. Die y-Achse ist die Anzahl der Backtests, die in jeden der Leistungsbereiche auf der x-Achse fallen. Der Prozess zur Erstellung dieses Histogramms ist daher: Sobald ein Backtest abgeschlossen ist, wird der Portfoliowert des Neuausgleichsportfolios mit dem des HODLed-Portfolios unter Verwendung der im Abschnitt „Leistungsberechnungen“ beschriebenen Methode verglichen. Aus diesem Vergleich erhalten wir einen Prozentsatz, der angibt, wie viel besser oder schlechter das Rebalancing durchgeführt wurde als HODL. Basierend auf diesem Prozentsatz erhöhen wir die Anzahl für die Anzahl der Backtests, die in den entsprechenden Leistungsbereich fielen.

  • Primäre Leistungsverteilung: -24,4% bis 762,7%

  • Prozent der Schwellenwert-Backtests, die HODL übertrafen: 98,3%

  • Durchschnittliche Leistungssteigerung: 353%

  • Mittlere Leistungssteigerung: 298%

10% Schwellenwert Median Portfolio Performance: 298%

15% Schwelle

Abbildung 4: Das obige Histogramm vergleicht die prozentuale Leistung des Schwellenwertausgleichs mit einer Buy-and-Hold-Strategie. Die x-Achse repräsentiert die Leistungssteigerung gegenüber Buy and Hold für jeden Backtest. Die y-Achse ist die Anzahl der Backtests, die in jeden der Leistungsbereiche auf der x-Achse fallen. Der Prozess zur Erstellung dieses Histogramms ist daher: Sobald ein Backtest abgeschlossen ist, wird der Portfoliowert des Neuausgleichsportfolios mit dem des HODLed-Portfolios unter Verwendung der im Abschnitt „Leistungsberechnungen“ beschriebenen Methode verglichen. Aus diesem Vergleich erhalten wir einen Prozentsatz, der angibt, wie viel besser oder schlechter das Rebalancing durchgeführt wurde als HODL. Basierend auf diesem Prozentsatz erhöhen wir die Anzahl für die Anzahl der Backtests, die in den entsprechenden Leistungsbereich fielen.

  • Primäre Leistungsverteilung: -12,9% bis 810,1%

  • Prozent der Schwellenwert-Backtests, die HODL übertrafen: 98,6%

  • Durchschnittliche Leistungssteigerung: 365%

  • Median Leistungssteigerung: 305%

15% Schwellenwert Median Portfolio Performance: 305%

20% Schwelle

Abbildung 5: Das obige Histogramm vergleicht die prozentuale Leistung des Schwellenwertausgleichs mit einer Buy-and-Hold-Strategie. Die x-Achse repräsentiert die Leistungssteigerung gegenüber Buy and Hold für jeden Backtest. Die y-Achse ist die Anzahl der Backtests, die in jeden der Leistungsbereiche auf der x-Achse fallen. Der Prozess zur Erstellung dieses Histogramms ist daher: Sobald ein Backtest abgeschlossen ist, wird der Portfoliowert des Neuausgleichsportfolios mit dem des HODLed-Portfolios unter Verwendung der im Abschnitt „Leistungsberechnungen“ beschriebenen Methode verglichen. Aus diesem Vergleich erhalten wir einen Prozentsatz, der angibt, wie viel besser oder schlechter das Rebalancing durchgeführt wurde als HODL. Basierend auf diesem Prozentsatz erhöhen wir die Anzahl für die Anzahl der Backtests, die in den entsprechenden Leistungsbereich fielen.

  • Primäre Leistungsverteilung: -20,3% bis 807,8%

  • Prozent der Schwellenwert-Backtests, die HODL übertrafen: 98,6%

  • Durchschnittliche Leistungssteigerung: 350%

  • Mittlere Leistungssteigerung: 295%

Medianwert der Portfolio-Performance von 20%: 295%

25% Schwelle

Abbildung 6: Das obige Histogramm vergleicht die prozentuale Leistung des Schwellenwertausgleichs mit einer Buy-and-Hold-Strategie. Die x-Achse repräsentiert die Leistungssteigerung gegenüber Buy and Hold für jeden Backtest. Die y-Achse ist die Anzahl der Backtests, die in jeden der Leistungsbereiche auf der x-Achse fallen. Der Prozess zur Erstellung dieses Histogramms ist daher: Sobald ein Backtest abgeschlossen ist, wird der Portfoliowert des Neuausgleichsportfolios mit dem des HODLed-Portfolios unter Verwendung der im Abschnitt „Leistungsberechnungen“ beschriebenen Methode verglichen. Aus diesem Vergleich erhalten wir einen Prozentsatz, der angibt, wie viel besser oder schlechter das Rebalancing durchgeführt wurde als HODL. Basierend auf diesem Prozentsatz erhöhen wir die Anzahl für die Anzahl der Backtests, die in den entsprechenden Leistungsbereich fielen.

  • Primäre Leistungsverteilung: -51,8% bis 822,0%

  • Prozent der Schwellenwert-Backtests, die HODL übertrafen: 98,5%

  • Durchschnittliche Leistungssteigerung: 353%

  • Mittlere Leistungssteigerung: 289%

25% Schwellenwert Median Portfolio Performance: 289%

30% Schwelle

Abbildung 7: Das obige Histogramm vergleicht die prozentuale Leistung des Schwellenwertausgleichs mit einer Buy-and-Hold-Strategie. Die x-Achse repräsentiert die Leistungssteigerung gegenüber Buy and Hold für jeden Backtest. Die y-Achse ist die Anzahl der Backtests, die in jeden der Leistungsbereiche auf der x-Achse fallen. Der Prozess zur Erstellung dieses Histogramms ist daher: Sobald ein Backtest abgeschlossen ist, wird der Portfoliowert des Neuausgleichsportfolios mit dem des HODLed-Portfolios unter Verwendung der im Abschnitt „Leistungsberechnungen“ beschriebenen Methode verglichen. Aus diesem Vergleich erhalten wir einen Prozentsatz, der angibt, wie viel besser oder schlechter das Rebalancing durchgeführt wurde als HODL. Basierend auf diesem Prozentsatz erhöhen wir die Anzahl für die Anzahl der Backtests, die in den entsprechenden Leistungsbereich fielen.

  • Primäre Leistungsverteilung: -58,2% bis 780,5%

  • Prozent der Schwellenwert-Backtests, die HODL übertrafen: 98,3%

  • Durchschnittliche Leistungssteigerung: 328%

  • Median Leistungssteigerung: 279%

30% Schwellenwert Median Portfolio Performance: 279%

35% Schwelle

Abbildung 8: Das obige Histogramm vergleicht die prozentuale Leistung des Schwellenwertausgleichs mit einer Buy-and-Hold-Strategie. Die x-Achse repräsentiert die Leistungssteigerung gegenüber Buy and Hold für jeden Backtest. Die y-Achse ist die Anzahl der Backtests, die in jeden der Leistungsbereiche auf der x-Achse fallen. Der Prozess zur Erstellung dieses Histogramms ist daher: Sobald ein Backtest abgeschlossen ist, wird der Portfoliowert des Neuausgleichsportfolios mit dem des HODLed-Portfolios unter Verwendung der im Abschnitt „Leistungsberechnungen“ beschriebenen Methode verglichen. Aus diesem Vergleich erhalten wir einen Prozentsatz, der angibt, wie viel besser oder schlechter das Rebalancing durchgeführt wurde als HODL. Basierend auf diesem Prozentsatz erhöhen wir die Anzahl für die Anzahl der Backtests, die in den entsprechenden Leistungsbereich fielen.

  • Primäre Leistungsverteilung: -49,5% bis 710,5%

  • Prozent der Schwellenwert-Backtests, die HODL übertrafen: 98,1%

  • Durchschnittliche Leistungssteigerung: 322%

  • Mittlere Leistungssteigerung: 275%

Medianwert der Portfolio-Performance von 35%: 275%

40% Schwelle

Abbildung 9: Das obige Histogramm vergleicht die prozentuale Leistung des Schwellenwertausgleichs mit einer Buy-and-Hold-Strategie. Die x-Achse repräsentiert die Leistungssteigerung gegenüber Buy and Hold für jeden Backtest. Die y-Achse ist die Anzahl der Backtests, die in jeden der Leistungsbereiche auf der x-Achse fallen. Der Prozess zur Erstellung dieses Histogramms ist daher: Sobald ein Backtest abgeschlossen ist, wird der Portfoliowert des Neuausgleichsportfolios mit dem des HODLed-Portfolios unter Verwendung der im Abschnitt „Leistungsberechnungen“ beschriebenen Methode verglichen. Aus diesem Vergleich erhalten wir einen Prozentsatz, der angibt, wie viel besser oder schlechter das Rebalancing durchgeführt wurde als HODL. Basierend auf diesem Prozentsatz erhöhen wir die Anzahl für die Anzahl der Backtests, die in den entsprechenden Leistungsbereich fielen.

  • Primäre Leistungsverteilung: -49,7% bis 746,6%

  • Prozent der Schwellenwert-Backtests, die HODL übertrafen: 97,7%

  • Durchschnittliche Leistungssteigerung: 307%

  • Mittlere Leistungssteigerung: 268%

Medianwert der Portfolio-Performance von 40%: 268%

45% Schwelle

Abbildung 10: Das obige Histogramm vergleicht die prozentuale Leistung des Schwellenwertausgleichs mit einer Buy-and-Hold-Strategie. Die x-Achse repräsentiert die Leistungssteigerung gegenüber Buy and Hold für jeden Backtest. Die y-Achse ist die Anzahl der Backtests, die in jeden der Leistungsbereiche auf der x-Achse fallen. Der Prozess zur Erstellung dieses Histogramms ist daher: Sobald ein Backtest abgeschlossen ist, wird der Portfoliowert des Neuausgleichsportfolios mit dem des HODLed-Portfolios unter Verwendung der im Abschnitt „Leistungsberechnungen“ beschriebenen Methode verglichen. Aus diesem Vergleich erhalten wir einen Prozentsatz, der angibt, wie viel besser oder schlechter das Rebalancing durchgeführt wurde als HODL. Basierend auf diesem Prozentsatz erhöhen wir die Anzahl für die Anzahl der Backtests, die in den entsprechenden Leistungsbereich fielen.

  • Primäre Leistungsverteilung: -16,5% bis 637,0%

  • Prozent der Schwellenwert-Backtests, die HODL übertrafen: 98,8%

  • Durchschnittliche Leistungssteigerung: 310%

  • Mittlere Leistungssteigerung: 274%

45% Schwellenwert Median Portfolio Performance: 274%

50% Schwelle

Abbildung 11: Das obige Histogramm vergleicht die prozentuale Leistung des Schwellenwertausgleichs mit einer Buy-and-Hold-Strategie. Die x-Achse repräsentiert die Leistungssteigerung gegenüber Buy and Hold für jeden Backtest. Die y-Achse ist die Anzahl der Backtests, die in jeden der Leistungsbereiche auf der x-Achse fallen. Der Prozess zur Erstellung dieses Histogramms ist daher: Sobald ein Backtest abgeschlossen ist, wird der Portfoliowert des Neuausgleichsportfolios mit dem des HODLed-Portfolios unter Verwendung der im Abschnitt „Leistungsberechnungen“ beschriebenen Methode verglichen. Aus diesem Vergleich erhalten wir einen Prozentsatz, der angibt, wie viel besser oder schlechter das Rebalancing durchgeführt wurde als HODL. Basierend auf diesem Prozentsatz erhöhen wir die Anzahl für die Anzahl der Backtests, die in den entsprechenden Leistungsbereich fielen.

  • Primäre Leistungsverteilung: -12,3% bis 710,8%

  • Prozent der Schwellenwert-Backtests, die HODL übertrafen: 99,1%

  • Durchschnittliche Leistungssteigerung: 316%

  • Mittlere Leistungssteigerung: 275%

50% Schwellenwert Median Portfolio Performance: 275%

Periodisch

Ergebnisse der periodischen Backtests zur Neuausrichtung.

Die folgenden periodischen Neuausgleichs-Backtests wurden über denselben historischen Datensatz wie die Schwellenwert-Neuausgleichs-Backtests ausgeführt. Der einzige Unterschied ist die Strategie, die angewendet wurde.

1 Stunde

Abbildung 12: Das obige Histogramm vergleicht die prozentuale Leistung des stündlichen Ausgleichs mit einer Buy-and-Hold-Strategie. Die x-Achse repräsentiert die Leistungssteigerung gegenüber Buy and Hold für jeden Backtest. Die y-Achse ist die Anzahl der Backtests, die in jeden der Leistungsbereiche auf der x-Achse fallen. Der Prozess zur Erstellung dieses Histogramms ist daher: Sobald ein Backtest abgeschlossen ist, wird der Portfoliowert des Neuausgleichsportfolios mit dem des HODLed-Portfolios unter Verwendung der im Abschnitt „Leistungsberechnungen“ beschriebenen Methode verglichen. Aus diesem Vergleich erhalten wir einen Prozentsatz, der angibt, wie viel besser oder schlechter das Rebalancing durchgeführt wurde als HODL. Basierend auf diesem Prozentsatz erhöhen wir die Anzahl für die Anzahl der Backtests, die in den entsprechenden Leistungsbereich fielen.

  • Primäre Leistungsverteilung: -93,2% bis 336,3%

  • Prozent der periodischen Rebalancing-Backtests, die HODL übertrafen: 75,3%

  • Durchschnittliche Leistungssteigerung: 97%

  • Mittlere Leistungssteigerung: 72%

1 Stunde periodisches Rebalance Median Portfolio-Performance: 72%

1 Tag

Abbildung 13: Das obige Histogramm vergleicht die prozentuale Leistung des täglichen Ausgleichs mit einer Buy-and-Hold-Strategie. Die x-Achse repräsentiert die Leistungssteigerung gegenüber Buy and Hold für jeden Backtest. Die y-Achse ist die Anzahl der Backtests, die in jeden der Leistungsbereiche auf der x-Achse fallen. Der Prozess zur Erstellung dieses Histogramms ist daher: Sobald ein Backtest abgeschlossen ist, wird der Portfoliowert des Neuausgleichsportfolios mit dem des HODLed-Portfolios unter Verwendung der im Abschnitt „Leistungsberechnungen“ beschriebenen Methode verglichen. Aus diesem Vergleich erhalten wir einen Prozentsatz, der angibt, wie viel besser oder schlechter das Rebalancing durchgeführt wurde als HODL. Basierend auf diesem Prozentsatz erhöhen wir die Anzahl für die Anzahl der Backtests, die in den entsprechenden Leistungsbereich fielen.

  • Primäre Leistungsverteilung: -55,2% bis 517,7%

  • Prozent der periodischen Rebalancing-Backtests, die HODL übertrafen: 95,1%

  • Durchschnittliche Leistungssteigerung: 202%

  • Mittlere Leistungssteigerung: 166%

1 Tag periodische Rebalance Median Portfolio Performance: 166%

1 Woche

Abbildung 14: Das obige Histogramm vergleicht die prozentuale Leistung der wöchentlichen Neuausrichtung mit einer Buy-and-Hold-Strategie. Die x-Achse repräsentiert die Leistungssteigerung gegenüber Buy and Hold für jeden Backtest. Die y-Achse ist die Anzahl der Backtests, die in jeden der Leistungsbereiche auf der x-Achse fallen. Der Prozess zur Erstellung dieses Histogramms ist daher: Sobald ein Backtest abgeschlossen ist, wird der Portfoliowert des Neuausgleichsportfolios mit dem des HODLed-Portfolios unter Verwendung der im Abschnitt „Leistungsberechnungen“ beschriebenen Methode verglichen. Aus diesem Vergleich erhalten wir einen Prozentsatz, der angibt, wie viel besser oder schlechter das Rebalancing durchgeführt wurde als HODL. Basierend auf diesem Prozentsatz erhöhen wir die Anzahl für die Anzahl der Backtests, die in den entsprechenden Leistungsbereich fielen.

  • Primäre Leistungsverteilung: -46,3% bis 382,9%

  • Prozent der periodischen Rebalancing-Backtests, die HODL übertrafen: 94,9%

  • Durchschnittliche Leistungssteigerung: 152%

  • Mittlere Leistungssteigerung: 131%

1 Woche periodische Neuausrichtung Median Portfolio Performance: 131%

1 Monat

Abbildung 15: Das obige Histogramm vergleicht die prozentuale Leistung der monatlichen Neuausrichtung mit einer Buy-and-Hold-Strategie. Die x-Achse repräsentiert die Leistungssteigerung gegenüber Buy and Hold für jeden Backtest. Die y-Achse ist die Anzahl der Backtests, die in jeden der Leistungsbereiche auf der x-Achse fallen. Der Prozess zur Erstellung dieses Histogramms ist daher: Sobald ein Backtest abgeschlossen ist, wird der Portfoliowert des Neuausgleichsportfolios mit dem des HODLed-Portfolios unter Verwendung der im Abschnitt „Leistungsberechnungen“ beschriebenen Methode verglichen. Aus diesem Vergleich erhalten wir einen Prozentsatz, der angibt, wie viel besser oder schlechter das Rebalancing durchgeführt wurde als HODL. Basierend auf diesem Prozentsatz erhöhen wir die Anzahl für die Anzahl der Backtests, die in den entsprechenden Leistungsbereich fielen.

  • Primäre Leistungsverteilung: -63,5% bis 368,4%

  • Prozent der periodischen Rebalancing-Backtests, die HODL übertrafen: 92,3%

  • Durchschnittliche Leistungssteigerung: 193%

  • Mittlere Leistungssteigerung: 121%

1 Monat Periodisches Rebalance Median Portfolio-Performance: 121%

Überblick

Wenn wir diese Ergebnisse kombinieren, können wir einige einfache Diagramme erstellen, die ein vollständiges Bild der mittleren Schwellenwert-Ausgleichsleistung zeichnen, wenn wir den Schwellenwert erhöhen.

Der Grund, warum wir die Medianleistung für die Backtests verwenden, liegt darin, dass dies dazu beiträgt, die Auswirkungen von Ausreißern zu verringern. Als Ergebnis erhalten wir einen Wert, der besagt, dass 50% der Portfolios besser als der Median und 50% schlechter abschnitten.

Abbildung 16: Das obige Diagramm zeigt die mittlere Leistung des Schwellenwertausgleichs bei jedem der entsprechenden prozentualen Schwellenwerte.

Die obige Grafik zeigt, wie sich die Performance des Median-Portfolios basierend auf dem prozentualen Schwellenwert erhöht und verringert. Beginnend mit einem Schwellenwert von 1% beobachten wir die niedrigste mittlere Leistung von 84%. Dies steigt schnell an, wenn wir den Schwellenwert in Prozent erhöhen, bis wir einen Schwellenwert von 15% erreichen. Zu diesem Zeitpunkt liegt die mittlere Leistungsspitze bei 305%.

Eine weitere Erhöhung unserer Schwelle über 15% hinaus verbessert die Leistung nicht weiter. Stattdessen beobachten wir einen leichten Leistungsrückgang, bis er sich um 275% stabilisiert. Um diese Punkte auf andere Weise zusammenzufassen, können wir die Leistungen für jeden der untersuchten Schwellenwerte auflisten. Der Einfachheit halber haben wir auch einen Vergleich mit den Ergebnissen der periodenbasierten Neuausgleichs-Backtests aufgenommen, die über denselben simulierten Zeitraum durchgeführt wurden.

Abbildung 17: In der obigen Tabelle ist die mittlere Leistung des Schwellenwertausgleichs bei jedem der entsprechenden prozentualen Schwellenwerte aufgeführt.

Abbildung 18: Das obige Diagramm zeigt die mittlere Leistung der periodischen Neuausrichtung in jeder der entsprechenden Neuausgleichsperioden.

Die Ergebnisse für die Strategie der periodischen Neuausrichtung zeigen, dass die Spitzenleistung mit einer eintägigen Neuausgleichsperiode für diesen Datensatz und Austausch erzielt wurde. Bei beiden Strategien wurde die niedrigste Leistung erzielt, wenn eine Strategie verwendet wurde, die zu hochfrequenten Neuausgleichen führte.

Hinweis: Diese Daten sind spezifisch für Bittrex. Während in dieser Studie festgestellt wurde, dass ein Hochfrequenz-Neuausgleich die Leistung verringert, deuten unsere früheren Studien, in denen Binance-Daten ausgewertet wurden, darauf hin, dass häufige Neuausgleiche an hochliquiden und kostengünstigen Börsen zu einer Leistungssteigerung führen können. Sie finden die Studie Hier.

Es gibt eine Reihe von Faktoren, die dazu führen können, dass der Schwellenwertausgleich den periodischen Neuausgleich übertrifft. Der offensichtlichste dieser Gründe ist der „bedarfsgerechte“ Auslöser, den der Schwellenwertausgleich verwendet. Anstatt unabhängig vom Status des Portfolios immer neu zu balancieren, wird das Schwellen-Rebalancing im Wesentlichen nur dann neu ausgeglichen, wenn das Portfolio aufgrund von Marktbewegungen falsch ausgerichtet wurde. Wenn das Portfolio an den Zielallokationen ausgerichtet ist, wird kein Neuausgleich versucht. Dies kann langfristig Handelsgebühren einsparen.

Neben der Einsparung von Gebühren ermöglicht das Schwellenwert-Rebalancing den Portfolios auch, Marktspitzen genauer zu erfassen. Wenn es Momente großer Volatilität gibt, ignoriert die periodische Neuausrichtung die Änderungen bis zur nächsten Neuausgleichsperiode. Auf der anderen Seite nutzt das Schwellenwert-Rebalancing diese Volatilität zu seinem Vorteil, um das Gleichgewicht auszugleichen, wenn eine Spitze den Schwellenwert überschreitet.

Diese beiden Hauptaspekte können eine Neuausrichtung der Schwellenwerte ermöglichen, um sowohl die Kosten zu senken als auch die Rendite über einen langen Zeitraum zu steigern.

Schlussfolgerungen

Die Ergebnisse zeigen deutlich, dass der Schwellenwertausgleich sowohl die HODLed-Portfolios als auch die Portfolios, die eine periodische Neuausgleichsstrategie verwendeten, übertraf. Während das periodenbasierte Rebalancing für einen eintägigen Rebalance-Zeitraum einen Anstieg von 166% gegenüber Buy and Hold erreichte, erreichte das schwellenbasierte Rebalancing einen Höchstwert von 305% gegenüber Buy and Hold bei einem 15% -Schwellenwert.

Weitere interessante Punkte sind:

  • Bei einem Schwellenwert von 15% wurde die größte Verteilung der Leistungsergebnisse erzielt.

  • Bei einem Schwellenwert von 50% schnitt der höchste Prozentsatz der Portfolios mit 99,1% besser ab als HODL..

  • Nach einer Stunde Neuausgleich war der niedrigste Prozentsatz der Portfolios mit 75,3% besser als HODL.

Ein Schwellenwertausgleich von 15% übertraf HODL um 305%.

Schwellenausgleich mit Shrimpy

Die Ergebnisse liegen vor, und die Neuausrichtung der Schwellenwerte hat die Konkurrenz umgehauen. Es ist zwar möglich, diese Strategie selbst umzusetzen, Shrimpy kann diese gesamte Strategie für Sie in weniger als 5 Minuten automatisieren. Verknüpfen Sie ein Börsenkonto mit einer größeren Börse, wählen Sie ein Portfolio aus und nutzen Sie diese leistungsstarke Neuausgleichsstrategie.

Eröffnen Sie ein Shrimpy-Konto

Wenn Sie sich immer noch nicht entscheiden können, ob Shrimpy für Sie geeignet ist, Probieren Sie die Demo aus.

Zusätzliche Lektüre

Automatisierte Kryptowährungsindexfonds – Personal Asset Management

Portfolio-Rebalancing für Kryptowährung

Cryptocurrency Trading Bots – Der vollständige Leitfaden

Eine Analyse des Hochfrequenz-Rebalancing

Rebalance vs. HODL: Eine Bärenmarktanalyse

Vergessen Sie nicht, uns zu folgen Twitter und Facebook für Updates und stellen Sie Fragen an unsere erstaunlichen, aktiven Communitys auf Telegramm & Zwietracht.

Hinterlassen Sie einen Kommentar, um uns Ihre Erfahrungen mit dem Schwellenausgleich mitzuteilen!

Das Shrimpy Team

Mike Owergreen Administrator
Sorry! The Author has not filled his profile.
follow me