Cryptovaluta worden vaak gezien als risicovolle investeringen, met prijsbewegingen die moeilijk te voorspellen zijn. Echter, recent onderzoek van Massimo Guidolin en Serena Ionta van de Universiteit Bocconi biedt een nieuw perspectief. Hun werk laat zien dat bepaalde kenmerken van blockchain-technologie en sentimentmetingen de toekomstige rendementen van verschillende cryptovaluta met enige nauwkeurigheid kunnen voorspellen.
Dit onderzoek kan belangrijke implicaties hebben voor zowel investeerders als academici die de dynamiek van deze volatiele markt willen begrijpen.
De basis van de studie
In hun paper, getiteld ‘Predictive Sorting of Cryptocurrencies Based on Fundamentals and Sentiment’, introduceren Guidolin en Ionta een kwantitatieve benadering. Ze gebruiken een techniek genaamd factor-mimicking portfolios (FMP) om niet-verhandelbare variabelen zoals hashrate, het aantal actieve gebruikers en Google-zoekopdrachten om te zetten in empirisch testbare factoren.
Dit stelt hen in staat om de relatie tussen technische fundamenten, gedragsdynamiek en de prestaties van cryptovaluta te analyseren binnen een kader van activaprijzing. Hierdoor ontstaat een meer gestructureerde en betrouwbare manier om de cryptomarkt te benaderen.
De rol van sentiment en technologie
Het onderzoek verkent ook de rol van sentiment, dat wordt gemeten aan de hand van indicatoren gebaseerd op Google Trends. Deze sentimentindicatoren fungeren als een proxy voor de collectieve marktverwachtingen, die moeilijk direct te observeren zijn.
Het doel is om te onderzoeken of de onderliggende dynamiek van blockchain-technologie, zoals de groei van het netwerk en de rekenkracht, kan dienen als voorspellende factoren voor rendementen. Dit benadrukt de waarde van zowel technische als emotionele factoren in de wereld van cryptovaluta.
Methodologie en data-analyse
De onderzoekers baseerden hun analyse op een dataset die 41 cryptovaluta bestrijkt over de periode van 2015 tot 2022. Drie belangrijke indicatoren werden ontwikkeld: de rekenkracht van het netwerk, het aantal actieve gebruikers en de investeerderssentiment.
Het gebruik van factor-mimicking portfolios stelt hen in staat om variabelen die niet direct op de markt waarneembaar zijn, om te zetten in empirisch testbare factoren. Dit is cruciaal voor het onderscheiden van modellen die puur verklarend zijn van modellen die nuttig kunnen zijn voor praktische voorspellingsapplicaties.
Strategieën voor investeringen
Een belangrijk aspect van dit onderzoek is het vertalen van de voorspelbaarheid naar investeringsstrategieën. Wekelijks worden cryptovaluta geclassificeerd op basis van hun voorspelbaarheid, wat wordt gemeten aan de hand van een aanpassingsmaat voor het model aan de gegevens.
De meest voorspelbare activa worden gekocht, terwijl de minst voorspelbare worden verkocht. Deze aanpak heeft geleid tot significante extra rendementen, die zelfs de prestaties van portefeuilles gebaseerd op louter statistische methoden overtreffen.
De impact van de studie op de cryptomarkt
Deze studie biedt waardevolle inzichten in de voorspelbaarheid van rendementen op de cryptomarkt. Het laat zien dat factoren die voortkomen uit technologische fundamenten en sentimentindicatoren systematisch kunnen worden gekoppeld aan prijsbewegingen.
De empirische gegevens suggereren dat deze signalen, als ze goed gemodelleerd zijn, kunnen worden geïntegreerd in strategieën voor actieve allocatie, wat kan bijdragen aan een efficiëntere portfoliobeheer.
Conclusie
Door het toepassen van een gestructureerde en kwantitatieve aanpak, laat dit onderzoek zien dat het mogelijk is om de schijnbare willekeurigheid van de cryptovalutamarkten te verminderen. Het biedt investeerders de tools om de dynamiek van deze markten beter te begrijpen en te beheersen.
Het is niet alleen een academische oefening, maar een stap naar praktische toepassingen in portfolio management.