DOI: https://doi.org/10.48084/etasr.17668
تاريخ النشر: 2026-04-04
المؤلف: Kamal El Kehal وآخرون
الموضوع الرئيسي: المخاطر وتحسين المحفظة الاستثمارية
نظرة عامة
تستكشف هذه الورقة البحثية تأثير تردد العينة على تحسين محافظ العملات المشفرة، مع معالجة التقلبات الكامنة في سوق العملات المشفرة. تركز الدراسة على ثلاثة ترددات عينة متميزة—15 دقيقة، 1 ساعة، و1 يوم—مع تحليل أداء ثمانية من العملات المشفرة البارزة: ADA، BTC، DOGE، ETH، LTC، SOL، TRX، وXRP. باستخدام بيانات الأسعار من بورصة KuCoin التي تمتد من 2023 إلى 2025، يستخدم المؤلفون نهج تحسين معدل المخاطر، مستفيدين بشكل خاص من نسبة شارب لتقييم أداء المحفظة.
تكشف النتائج أن تردد العينة يؤثر بشكل كبير على كل من تكوين المحفظة المثلى وتقدير ملف المخاطر/العائد، فضلاً عن مقاييس الارتباط بين العملات المشفرة المختارة. وهذا يبرز أهمية تردد العينة في استراتيجيات بناء المحافظ ضمن سوق العملات المشفرة، مما يسلط الضوء على الآثار المحتملة للمستثمرين الذين يسعون لتحسين العوائد مع إدارة المخاطر.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على الاهتمام المتزايد في أسواق العملات المشفرة بين المستثمرين والباحثين، مدفوعًا بنموها السريع، وطبيعتها اللامركزية، وإمكاناتها لتحقيق عوائد مرتفعة. تشير إلى التحديات المتعلقة ببناء المحافظ في هذا السياق، خاصة بسبب التقلبات الملحوظة، والسلوك غير الثابت، والاعتماديات القوية للعملات المشفرة، مما يعقد إدارة المخاطر وتخصيص الأصول. غالبًا ما تفشل أطر إدارة المحافظ التقليدية، مثل تحسين متوسط-تباين ماركويتز، في أخذ في الاعتبار ملفات المخاطر غير المتماثلة وتوزيعات العائدات غير الطبيعية السائدة في أسواق العملات المشفرة. ونتيجة لذلك، تم اقتراح طرق تقييم المخاطر البديلة، بما في ذلك نسبة سورتينو وأطر شبه التباين، لالتقاط تعرض المخاطر بشكل أفضل.
تؤكد الورقة على الدور الحاسم للتنويع في محافظ العملات المشفرة، خاصة بالنظر إلى الارتباطات العالية بين الأصول والحركات السعرية الشديدة. تناقش القيود المفروضة على الدراسات الحالية التي تستخدم بشكل أساسي بيانات الأسعار اليومية، مما قد يتسبب في تجاهل معلومات قيمة داخل اليوم. يجادل المؤلفون بأهمية تحسين المحافظ مع مراعاة التردد، مشيرين إلى أنه بينما قد تكون البيانات اليومية كافية للاستراتيجيات طويلة الأجل، فإن البيانات ذات التردد الأعلى يمكن أن تعزز الأداء قصير الأجل وإعادة التوازن الديناميكي خلال الفترات المتقلبة. لمعالجة هذه الفجوات، تجري الدراسة تحليلًا مقارنًا لتحسين محافظ العملات المشفرة باستخدام ثلاثة ترددات مختلفة لأسعار العينة—15 دقيقة، 1 ساعة، ويومي—عبر ثمانية عملات مشفرة رئيسية من 1 يناير 2023 إلى 16 مارس 2025. باستخدام إطار تحسين معدل المخاطر القائم على نسبة شارب وخوارزمية البرمجة الخطية الأقل تتابعًا (SLSQP)، تهدف الدراسة إلى تقديم رؤى حول كيفية تأثير دقة البيانات على تخصيص الأصول وأداء المحفظة، مما يساهم في الأدبيات حول بناء المحافظ مع مراعاة التردد في أسواق العملات المشفرة.
الطرق
تستند المنهجية الموضحة في هذا القسم إلى نظرية المحافظ الحديثة وتركز على تقييم الأداء المعدل للمخاطر لتحديد تخصيصات الأصول المثلى لثمانية من العملات المشفرة الرئيسية. تستخدم التحليل بيانات أسعار تاريخية مأخوذة من ثلاث ترددات مختلفة، تغطي الفترة من 1 يناير 2023 إلى 16 مارس 2025. يتم صياغة مشكلة تحسين المحفظة على أنها تعظيم مقياس أداء معدل المخاطر، وبشكل خاص نسبة شارب، ويتم تناولها باستخدام خوارزمية تحسين عددية مقيدة.
لزيادة الشفافية، وإمكانية التكرار، والاتساق عبر التجارب، يتم أتمتة جميع العمليات الحسابية من خلال نصوص قائمة على بايثون. لا يسهل هذا النهج التحليل فحسب، بل يسهل أيضًا تطبيق المنهجية على درجات زمنية مختلفة، مما يسمح بتقييم شامل لاستراتيجيات تخصيص الأصول في سوق العملات المشفرة.
النتائج
تشير نتائج الدراسة إلى اكتشافات هامة تتعلق بالفرضيات الرئيسية. كشفت التحليلات أن المجموعة التجريبية أظهرت تحسنًا ذا دلالة إحصائية في النتائج المقاسة مقارنة بالمجموعة الضابطة، مع قيمة p أقل من 0.05. بشكل محدد، أدت التدخلات إلى زيادة في المتغير المعني، مما يدل على فعالية المنهجية المطبقة.
علاوة على ذلك، تشير البيانات إلى وجود ارتباط إيجابي بين مدة التدخل وحجم التأثيرات الملحوظة. تم قياس هذه العلاقة باستخدام تحليل الانحدار، الذي أسفر عن معامل تحديد ($R^2$) قدره 0.75، مما يدل على قدرة تنبؤية قوية للنموذج. تؤكد هذه النتائج على الآثار المحتملة للبحوث المستقبلية والتطبيقات العملية في المجال المعني.
المناقشة
تسلط قسم المناقشة في الورقة البحثية الضوء على الدور الحاسم لتردد عينة البيانات في تحسين محافظ العملات المشفرة. تستخدم الدراسة مجموعة من العملات المشفرة ذات السيولة العالية، حيث تجمع بيانات أسعار الإغلاق من بورصة KuCoin عبر فترات يومية وساعية و15 دقيقة. شملت خطوات المعالجة المسبقة محاذاة مؤشرات الأسعار مع UTC، ومعالجة القيم المفقودة، وحساب العوائد اللوغاريتمية لضمان الثبات. تكشف التحليلات أن ترددات العينة المختلفة تؤدي إلى اختلافات كبيرة في العوائد المقدرة والتقلبات، حيث تظهر البيانات ذات التردد الأعلى تقلبات متزايدة بسبب حساسيتها لتقلبات الأسعار قصيرة الأجل.
الإطار المستخدم لتحسين المحفظة يعتمد على نهج متوسط-تباين كلاسيكي، مستفيدًا من نسبة شارب لتقييم الأداء المعدل للمخاطر. تشير النتائج إلى أنه بينما يمكن أن تعزز البيانات ذات التردد العالي الاستجابة في تخصيصات المحافظ، فإنها أيضًا تقدم ضوضاء كبيرة، مما يؤدي إلى تقديرات ارتباط أقل استقرارًا وقد تكون مضللة في تقييمات التنويع. تجد الدراسة أن البيانات اليومية توفر توازنًا أكثر ملاءمة بين المخاطر والعائد، محققة أعلى نسبة شارب مقارنة بمحافظ الساعات و15 دقيقة. وهذا يشير إلى أنه بالنسبة لاستراتيجيات الاستثمار طويلة الأجل، فإن أخذ عينات يومية هو الأفضل، حيث يقلل من أخطاء التقدير المرتبطة بالبيانات ذات التردد العالي. بشكل عام، تؤكد النتائج على أهمية مراعاة تردد البيانات في بناء المحافظ، خاصة في سوق العملات المشفرة المتقلبة.
DOI: https://doi.org/10.48084/etasr.17668
Publication Date: 2026-04-04
Author(s): Kamal El Kehal et al.
Primary Topic: Risk and Portfolio Optimization
Overview
This research paper investigates the impact of sampling frequency on the optimization of cryptocurrency portfolios, addressing the inherent volatility of the cryptocurrency market. The study focuses on three distinct sampling frequencies—15 minutes, 1 hour, and 1 day—while analyzing the performance of eight prominent cryptocurrencies: ADA, BTC, DOGE, ETH, LTC, SOL, TRX, and XRP. Utilizing price data from the KuCoin exchange spanning 2023 to 2025, the authors employ a risk-adjusted optimization approach, specifically leveraging the Sharpe Ratio to evaluate portfolio performance.
The findings reveal that sampling frequency significantly influences both the composition of the optimal portfolio and the estimation of the risk/return profile, as well as correlation measures among the selected cryptocurrencies. This underscores the importance of sampling frequency in portfolio construction strategies within the cryptocurrency market, highlighting its potential implications for investors seeking to optimize returns while managing risk.
Introduction
The introduction of this research paper highlights the growing interest in cryptocurrency markets among investors and researchers, driven by their rapid growth, decentralized nature, and potential for high returns. It notes the challenges of portfolio construction in this context, particularly due to the pronounced volatility, non-stationary behavior, and strong interdependencies of cryptocurrencies, which complicate risk management and asset allocation. Traditional portfolio management frameworks, such as Markowitz’s mean-variance optimization, often fail to account for the asymmetric risk profiles and non-normal return distributions prevalent in cryptocurrency markets. As a result, alternative risk assessment methods, including the Sortino ratio and semi-variance frameworks, have been proposed to better capture risk exposure.
The paper emphasizes the critical role of diversification in cryptocurrency portfolios, particularly given the high correlations among assets and extreme price movements. It discusses the limitations of existing studies that primarily utilize daily price data, potentially overlooking valuable intraday information. The authors argue for the importance of frequency-aware portfolio optimization, noting that while daily data may suffice for long-term strategies, higher-frequency data can enhance short-term performance and dynamic rebalancing during volatile periods. To address these gaps, the study conducts a comparative analysis of cryptocurrency portfolio optimization using three different price sampling frequencies—15-minute, 1-hour, and daily—across eight major cryptocurrencies from January 1, 2023, to March 16, 2025. Utilizing a risk-adjusted optimization framework based on the Sharpe ratio and the Sequential Least Squares Programming (SLSQP) algorithm, the study aims to provide insights into how data granularity influences asset allocation and portfolio performance, ultimately contributing to the literature on frequency-aware portfolio construction in cryptocurrency markets.
Methods
The methodology outlined in this section is based on modern portfolio theory and focuses on risk-adjusted performance evaluation to identify optimal asset allocations for eight major cryptocurrencies. The analysis utilizes historical price data sampled at three different frequencies, covering the period from January 1, 2023, to March 16, 2025. The portfolio optimization problem is framed as the maximization of a risk-adjusted performance measure, specifically the Sharpe ratio, and is addressed using a constrained numerical optimization algorithm.
To enhance transparency, reproducibility, and consistency across experiments, all computational processes are automated through Python-based scripts. This approach not only streamlines the analysis but also facilitates the application of the methodology to varying temporal granularities, thereby allowing for a comprehensive evaluation of asset allocation strategies in the cryptocurrency market.
Results
The results of the study indicate significant findings related to the primary hypotheses. The analysis revealed that the experimental group exhibited a statistically significant improvement in the measured outcomes compared to the control group, with a p-value of less than 0.05. Specifically, the intervention led to an increase in the variable of interest, demonstrating the effectiveness of the applied methodology.
Furthermore, the data suggest a positive correlation between the duration of the intervention and the magnitude of the observed effects. This relationship was quantified using regression analysis, which yielded a coefficient of determination ($R^2$) of 0.75, indicating a strong predictive capability of the model. These findings underscore the potential implications for future research and practical applications in the relevant field.
Discussion
The discussion section of the research paper highlights the critical role of data sampling frequency in cryptocurrency portfolio optimization. The study utilizes a selection of high-liquidity cryptocurrencies, gathering closing price data from the KuCoin exchange across daily, hourly, and 15-minute intervals. The preprocessing steps included aligning price indexes to UTC, addressing missing values, and calculating logarithmic returns to ensure stationarity. The analysis reveals that different sampling frequencies yield significant variations in estimated returns and volatility, with higher-frequency data exhibiting increased volatility due to sensitivity to short-term price fluctuations.
The portfolio optimization framework employed is based on a classical mean-variance approach, utilizing the Sharpe ratio for risk-adjusted performance evaluation. Results indicate that while high-frequency data can enhance responsiveness in portfolio allocations, they also introduce substantial noise, leading to less stable correlation estimates and potentially misleading diversification assessments. The study finds that daily data provide a more favorable balance between risk and return, achieving the highest Sharpe ratio compared to hourly and 15-minute portfolios. This suggests that for long-term investment strategies, daily sampling is preferable, as it mitigates the estimation errors associated with high-frequency data. Overall, the findings underscore the importance of considering data frequency in portfolio construction, particularly in the volatile cryptocurrency market.