- Comenzamos a buscar sistemáticamente estrategias de trading en criptomonedas en las investigaciones académicas hace aproximadamente dos años. Actualmente forman alrededor del 3% de nuestra base de datos de estrategias algorítmicas y cuantitativas. No hay tanto como con otros temas más conocidos como “aprendizaje automático” (5% de nuestra base de datos) o “datos alternativos” (13%), pero definitivamente está creciendo su popularidad. Por supuesto, el mayor número de estrategias sigue estando relacionado con las principales clases de activos como acciones, bonos, materias primas o divisas, ya que las estrategias relacionadas con las palabras clave “smart beta” o “factorinverting” constituyen más del 50% de nuestra base de datos.
La investigación académica anterior relacionada con las criptomonedas (alrededor de los años 2011-2016) investigó principalmente los atributos macroeconómicos y monetarios de este nuevo fenómeno. Los investigadores intentaron encontrar respuestas sobre si las criptomonedas son una nueva clase de activos o pueden ser parte de la estructura existente del sistema financiero, en qué se diferencian de otras clases de activos y si contribuyen al lavado de dinero. Podemos analizar la popularidad de las criptomonedas observando la cantidad de trabajos de investigación relacionados con la palabra “Bitcoin” en la base de datos SSRN. Existen solo tres artículos del año 2011 y tres del año 2012. El interés de la comunidad académica comenzó a crecer en 2013 (con 19 artículos) y 2014 (74 artículos), alcanzó su punto máximo durante 2018 y actualmente ronda los 300 artículos al año. El año 2021 está por terminar; Según la tendencia actual, probablemente se publicarán más de 300 artículos en 2021. Otras palabras clave (por ejemplo, “criptomoneda”) muestran un patrón similar.
El debate sobre si las criptomonedas son una clase de activos individuales se ha terminado en gran medida (podemos considerar que las criptomonedas son una clase de activos distinta con características híbridas de acciones, materias primas y divisas de pequeña capitalización). El debate sobre el papel de las criptomonedas en nuestra sociedad aún está en curso y probablemente no terminará pronto. Pero ese no es nuestro interés en este momento.
La investigación académica comenzó a centrarse más en las estrategias de negociación de criptomonedas durante el aumento de precios del Bitcoin (y otras criptomonedas) en 2017. Desde entonces, han comenzado a aparecer artículos de investigación relacionados con el trading de criptomonedas, pero todavía no son la mayoría de los artículos publicados. Parece que los investigadores todavía se centran más en la teoría económica que en el trading. Pero estamos agradecidos por aquellos investigadores que también están interesados en el trading sistemático.
Los trabajos de investigación relacionados con las estrategias sistemáticas de criptomonedas se pueden dividir en 2 partes: estrategias basadas en el precio, que a menudo son estrategias basadas en el impulso o en el seguimiento de tendencias, muy conocidas de las otras clases de activos. El segundo grupo de estrategias utiliza señales que no basadas en el precio, como las características de la red de criptomonedas (número de direcciones activas, tasa de hash, etc.) o tasas de interés. Como mencionó el reciente artículo de Bloomberg, muy a menudo, las estrategias de trading que son bien conocidas en otras clases de activos (acciones) y que ya no son tan rentables pueden rejuvenecerse en el mundo de las criptomonedas. También somos grandes admiradores del uso de estrategias descubiertas en una clase de activos en otro entorno.
¿Y cómo ha sido el comportamiento de las estrategias de trading en criptomonedas? Podemos utilizar el informe “Segmento de estrategia” del servicio Quantpedia Pro, que muestra las 5 mejores (y las 5 peores) estrategias durante los períodos de 1, 12 y hasta la fecha. Nos gustaría mencionar que todas las estrategias de criptomonedas en la base de datos de Quantpedia se escalan a 1/10 del valor total de la cartera. Necesitamos hacer ese paso para asegurarnos de que la volatilidad de las estrategias de negociación de criptomonedas coincidan aproximadamente con la volatilidad de las estrategias de trading utilizadas en otros activos (acciones, materias primas, etc.).
La estrategia de mejor rendimiento es una combinación de múltiples estrategias de factores individuales, y las estrategias no basadas en el precio ocupan las primeras 3 de las 5 mejores estrategias hasta la fecha. Parece que la acción del precio en el mercado de criptomonedas en 2021 no fue adecuada para las estrategias de tendencias (subidas rápidas en el precio y caídas igualmente rápidas; vea, por ejemplo, la acción del precio BTC en la siguiente imagen), y las señales no basadas en los precios tuvieron una mayor predictividad.
Curiosamente, el rendimiento de 1 año de las estrategias sistemáticas de trading de criptomonedas también muestra el dominio de las señales no basadas en precios. Por tanto, parece que las criptomonedas no son tan diferentes de otros activos. También vale la pena utilizar la información oculta en los blockchain o cadenas de bloques, las tasas de interés, el volumen de operaciones de los exchanges de criptomonedas y otros predictores para construir una cartera de estrategias multifactorial más sólida.
