This study investigates the role of dominant cryptocurrencies, selected based on relative market-cap thresholds of 1% and 5%, in enhancing portfolio performance, risk management, and diversification. Using daily data from 2015 to 2023 sourced from CoinGecko and Refinitiv, the analysis evaluates portfolio strategies that combine dominant cryptocurrencies with traditional financial assets, including equities, bonds, commodities, and gold, following the reference framework of Petukhina et al. (2021). The methodology compares passive benchmarks, mean-variance optimization, utility-based allocation, and Smart Beta 2.0 risk-based rules across crypto-only, traditional-only, and mixed-asset universes. It then tests the robustness of the frictionless results under an order-driven implementation with transaction costs and slippage. Findings show that dominant cryptocurrencies can improve portfolio outcomes only when allocation rules control estimation error, turnover, and regime dependence. The results provide practical evidence for investors seeking to balance digital-asset innovation with portfolio stability.
Questo studio analizza il ruolo delle criptovalute dominanti, selezionate sulla base di soglie relative di capitalizzazione di mercato pari all’1% e al 5%, nel miglioramento della performance di portafoglio, della gestione del rischio e della diversificazione. Utilizzando dati giornalieri dal 2015 al 2023 provenienti da CoinGecko e Refinitiv, l’analisi valuta strategie di portafoglio che combinano criptovalute dominanti con attività finanziarie tradizionali, tra cui azioni, obbligazioni, materie prime e oro, seguendo il quadro di riferimento di Petukhina et al. (2021). La metodologia confronta benchmark passivi, ottimizzazione media-varianza, allocazione basata sull’utilità e regole risk-based Smart Beta 2.0 in universi composti solo da criptovalute, solo da attività tradizionali e da classi di attività miste. Successivamente, testa la robustezza dei risultati in assenza di frizioni attraverso un’implementazione order-driven con costi di transazione e slippage. I risultati mostrano che le criptovalute dominanti possono migliorare gli esiti di portafoglio solo quando le regole di allocazione controllano l’errore di stima, il turnover e la dipendenza dai regimi di mercato. I risultati forniscono evidenze pratiche per gli investitori che cercano di bilanciare l’innovazione degli asset digitali con la stabilità del portafoglio.
Ottimizzazione di portafoglio con criptovalute dominanti: uno studio empirico su rischio, rendimento e benefici di diversificazione
LANDI, FRANCESCO
2025/2026
Abstract
This study investigates the role of dominant cryptocurrencies, selected based on relative market-cap thresholds of 1% and 5%, in enhancing portfolio performance, risk management, and diversification. Using daily data from 2015 to 2023 sourced from CoinGecko and Refinitiv, the analysis evaluates portfolio strategies that combine dominant cryptocurrencies with traditional financial assets, including equities, bonds, commodities, and gold, following the reference framework of Petukhina et al. (2021). The methodology compares passive benchmarks, mean-variance optimization, utility-based allocation, and Smart Beta 2.0 risk-based rules across crypto-only, traditional-only, and mixed-asset universes. It then tests the robustness of the frictionless results under an order-driven implementation with transaction costs and slippage. Findings show that dominant cryptocurrencies can improve portfolio outcomes only when allocation rules control estimation error, turnover, and regime dependence. The results provide practical evidence for investors seeking to balance digital-asset innovation with portfolio stability.| File | Dimensione | Formato | |
|---|---|---|---|
|
main.pdf
accesso aperto
Dimensione
10.79 MB
Formato
Adobe PDF
|
10.79 MB | Adobe PDF | Visualizza/Apri |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/110917