Automated Cryptocurrency Portfolios: Portfolio Optimization, an Empirical Study

Abstract

Diese Masterarbeit greift die Theorie der Portfoliooptimierung auf: die mathematische Formulierung des Problems, seine Ableitungen (Risikominimierungsformulierung) und Annahmen, seine Einschränkungen sowie einige Verbesserungen und Erweiterungen des bestehenden Frameworks. Ziel der Arbeit ist es auch, in Python zu simulieren und zu implementieren: Markowitz (Global Varianzminimal, Maximum Sharpe), Hierarchical Risk Parity und drei naiv Portfolios: gleichgewichtete, inverse Volatilität und inverse Varianz in der neuartigen Anlageklasse der Kryptowährungen. Als Benchmark wird die CRyptocurrency IndeX, CRIX, verwendet. Die Portfoliooptimierung wird anhand von 120 Tagen täglicher historischer Daten berechnet, wobei die Portfolio-Anpassung alle 7 Tage und 30 Tage erfolgt. Portfolios sind Long-Short Strategien ohne Hebelwirkung und Verbesserungen in der Kovarianzmatrix werden mithilfe von Eigenwert-Clipping der Zufallsmatrixtheorie angewendet.