Risk optimization and return estimation for Cryptocurrencies

No Thumbnail Available

URL

Journal Title

Journal ISSN

Volume Title

School of Business | Bachelor's thesis
Electronic archive copy is available locally at the Harald Herlin Learning Centre. The staff of Aalto University has access to the electronic bachelor's theses by logging into Aaltodoc with their personal Aalto user ID. Read more about the availability of the bachelor's theses.

Authors

Date

2022

Department

Tieto- ja palvelujohtamisen laitos

Major/Subject

Mcode

Degree programme

Tieto- ja palvelujohtaminen

Language

en

Pages

29

Series

Abstract

Introduction The digital assets market has grown rapidly in the last years. Demand for cryptocurrencies has been driven for long by the retail investors who have mainly speculated about the price increase without relying on a fundamental perspective. This has led to high price volatility as buying and selling has been based a lot on just fear or greed in the market. This paper provides a detailed method for cryptocurrency valuation and investing with risk factors. In addition, returns are detailed into systematic and idiosyncratic risk to further explain returns of different cryptocurrencies. Cryptocurrencies are then categorized into four different groups based on their utility. The groups are lending protocols, exchange protocols, blockchain protocols and asset management protocols. These groups are used to form an optimal portfolio allocation with mean-variance framework. Empirical results Empirical results show that cryptocurrency returns can be explained with risk factors known from traditional finance. Cryptocurrencies have same features as traditional companies. These features are used to create factors that are regressed against market and industry specific portfolios. Factors are formed based revenue, size, trading volume, activity and momentum. Risk factors The three risk factor portfolios that can best explain returns are the following: Firstly, small cryptocurrencies minus large cryptocurrencies -portfolio can accurately explain returns with a 0.458 coefficient against the market portfolio. Secondly, total trading volume on the protocol is positively correlated with returns with a 0.43 coefficient to a portfolio formed of blockchains. Thirdly, momentum is a great explanator of returns with high reliability. The factor works best for Decentralized Exchanges portfolio, as the Long momentum factor had a 1.64 coefficient against it with 0.00 significance level. In addition to the risk factors, a risk-framework is established to further explain risk associated with cryptocurrency protocols. These risks are technology risk, economic risk and governance risk. Optimal allocation The optimal portfolio based on the best risk to reward ratio is achieved with an allocation of 1% to blockchains, 22% to exchanges, 70% lending and borrowing platforms and 7% to asset management. The Sharpe ratio of this portfolio is 2.27.

Johdanto Kryptovaluutat ovat kasvaneet viime vuosina nopeasti markkina-arvossaan. Kryptovaluuttojen kysyntää ovat ohjanneet pitkään piensijoittajat, jotka ovat pääosin spekuloineet hinnannousulla ilman perustavanlaatuista analyysiä. Tämä on johtanut suuriin hintavaihteluihin, sillä ostaminen ja myyminen on perustunut lähinnä pelkoon tai ahneuteen markkinoilla. Tämä tutkimus tarjoaa yksityiskohtaisen menetelmän kryptovaluuttojen hinnan arvosteluun sekä niihin sijoittamiseen riskitekijöiden kanssa. Tuotot on eritelty systemaattisiksi ja epäsystemaattisiksi -riskeiksi eri kryptovaluuttojen tuottojen selittämiseksi. Kryptovaluutat luokitellaan neljään eri ryhmään niiden käyttötarkoituksen perusteella. Ryhmät jakautuvat lainaprotokolliin, välittäjäprotokolliin, lohkoketjuprotokolliin sekä varainhallintaprotokolliin. Näistä ryhmistä muodostetaan optimaalinen portfolioallokaatio keskihajonta-varianssianalyysillä. Empiiriset tulokset Empiiriset tulokset osoittavat, että kryptovaluuttojen tuotto voidaan selittää perinteisestä rahoituksesta tunnetuilla riskitekijöillä. Kryptovaluutoilla on samat ominaisuudet kuin perinteisillä yrityksillä. Näillä ominaisuuksilla luodaan tekijät, jotka regressoidaan suhteessa markkinasalkkuun sekä toimialakohtaisiin salkkuihin. Tekijät muodostetaan liikevaihdon, koon, kaupankäynnin volyymin, aktiivisuuden sekä momentumin perusteella. Riskitekijät Kolme riskitekijästä muodostettua salkkua, jotka parhaiten selittävät tuottoja ovat seuraavat: Pienet kryptovaluutat miinus suuret kryptovaluutat -salkku selittää tuottoja tarkasti regressiokertoimen ollessa 0,458 markkinasalkkua vastaan. Protokollan kokonaiskaupankäyntimäärät korreloivat positiivisesti lohkoketjuista muodostetun salkun tuottojen kanssa, regressiokertoimen ollessa 0,43. Momentum on erinomainen ja erittäin luotettava selittäjä tuotoille. Tekijä toimii parhaiten välittäjäsalkun kanssa regressiokertoimen ollessa 1.64 r sitä vastaan 0,00 merkitsevyystasolla. Riskitekijöiden lisäksi luodaan riskikehys, joka selittää kryptovaluuttaprotokolliin liittyviä riskejä tarkemmin. Näitä riskejä ovat teknologiariski, taloudellinen riski ja hallintoriski. Optimaalinen allokaatio Parhaaseen riski/tuottosuhteeseen perustuva optimaalinen salkku saavutetaan kohdentamalla allokaatiosta 1 % lohkoketjuille, 22 % välittäjille, 70 % lainausalustoille ja 7 % varainhoitoon. Tämän salkun Sharpen suhdeluku on 2,27.

Description

Thesis advisor

Seppälä, Tomi

Keywords

cryptocurrency, bockchain, DEFI, factor investing, portfolio optimization, risk factors

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202210165859

Collections

[kand] Kauppakorkeakoulu / BIZ