Аннотация
В статье оценивается, обеспечивает ли сочетание прогноза доходности на основе машинного обучения и оптимизации Mean-CVaR статистически значимое улучшение риск-скорректированных показателей портфеля криптоактивов по сравнению с бенч марком иерархического паритета рисков (HRP). На дневных данных двадцати криптова лютных пар к доллару с биржи Binance за 2018–2025 годы по схеме расширяющегося сколь зящего окна (walk-forward) сопоставляются три стратегии: Mean-CVaR с прогнозами XGBoost, Mean-CVaR на исторических средних и HRP. Установлено, что CVaR-оптими зация статистически значимо превосходит HRP по коэффициенту Шарпа, тогда как добавление ML-прогноза значимой ценности не создает. Сформулированы выводы о прак тической применимости подхода для частного и институционального инвестора.