「Cryptocurrency Portfolio Management:A Clustering-Based Association Approach」の要約

1. 概論

　暗号資産市場の成長とともに、投資家にとって効果的なポートフォリオ管理の重要性が増しています。本研究では、暗号資産をクラスター分析とアソシエーション分析を用いてグループ化し、その共動パターンを明らかにすることを目指しました。これにより、投資家がより良い投資判断を行い、リスクを管理するための実用的な知見を提供します。

2. 研究目的

　本研究の目的は、暗号資産の似た特性を特定し、マーケットイベントに対する反応が類似している暗号資産を明らかにすることです。

3. 研究手法

　2021年5月から2022年5月までの期間における時価総額上位の71の暗号資産を対象として、まず、HK-MeansアルゴリズムとRプログラムを用いてクラスター分析を行い、次にFP-GrowthアルゴリズムとWEKAプログラムを使用してアソシエーション分析を実施しました。クラスター分析では、暗号資産を4つのクラスターに分類し、アソシエーション分析では各クラスター内および全体の共動パターンを明らかにしました。

4. 研究結果

・クラスター分析

　クラスター分析は、データを類似性に基づいてグループに分ける手法です。本研究では、暗号資産のクラスター分析にHK-Meansアルゴリズムを使用しました。HK-Meansアルゴリズムは、階層的クラスタリングとK-Meansクラスタリングの組み合わせです。この方法は、データの構造を捉えやすく、迅速に収束する利点があります。本研究では、以下のような複数の変数を使用して暗号資産をグループ化しています。

1. AdrActCnt（アクティブなユニークアドレスの総数）

2. CapMrktCurUSD（現在の供給量のUSD値、つまり時価総額）

3. PriceUSD（資産の固定終値）

4. ROI30d（30日間の投資収益率）

5. SplyCur（現在の供給量）

6. TxCnt（その日の取引数）

7. TxTfrValAdjUSD（取引されたネイティブユニットのUSD値）

8. VtyDayRet30d（30日間のボラティリティ）

　これらの変数は、暗号資産の活動量、市場価値、価格変動、投資収益率、取引数、取引価値、ボラティリティなど、暗号資産の様々な特性を表しています。クラスター分析では、これらの変数に基づいて暗号資産を類似した特性を持つグループに分けます。結果は以下のようになりました。

1. クラスター1: Bitcoin (BTC) - 単独クラスタ。

2. クラスター2: Ethereum (ETH) と Cardano (ADA) - ブロックチェーンプラットフォーム。

3. クラスター3: Cronos (CRO), Ripple (XRP), Dogecoin (DOGE), Tron (TRX), Algorand (ALGO), Stellar (XLM) - ブロックチェーン、決済システム、ミームコインが含まれる。

4. クラスター4: その他の暗号資産 - 62の暗号資産がこのクラスターに分類される。

・アソシエーション分析の結果

　アソシエーション分析は、データセット内のアイテムやイベント間のパターンや関係性を発見する手法です。本研究では、FP-Growthアルゴリズムを用いました。FP-Growthアルゴリズムは、頻出アイテムセットを効率的に発見するためのアルゴリズムであり、大規模データにも対応できます。アソシエーション分析により、いくつかの重要な共動パターンが明らかになりました。特に注目すべきは以下のペアです。

• BTC と AAVE

• ETH と AAVE

• DOT と AAVE

• NEO と AAVE

• UNI と AAVE

• BTG と ETC

• XRP と ALGO と DOGE

• CRO と XRP と ALGO と TRX と DOGE

これらのペアは、同時に価格変動が発生する可能性が高いです。

5. 総括

　本研究は、暗号資産のポートフォリオ管理においてクラスター分析とアソシエーション分析を組み合わせることの有効性を示しました。特に、暗号資産の共動パターンを明らかにすることで、投資家がリスクを管理し、より良い投資判断を行うための具体的な知見を提供しました。

Cryptocurrency Portfolio Management: A Clustering-Based Association Approach | AVESİS