نماذج ماركوف المخفية البايزية لأنظمة عوائد العملات المشفرة

الملخص

تستخدم الدراسة نماذج ماركوف المخفية متعددة الحالات للتنبؤ بعوائد بيتكوين وإيثر وريبِل وتفسيرها. وتقارن بين أنواع النماذج، ومنها نموذج ماركوف المخفي غير المتجانس، وتبحث المتغيرات التنبؤية المالية والاقتصادية والخاصة بالعملات المشفرة. ويحقق النموذج غير المتجانس ذو الحالات الأربع أقوى أداء تنبؤي لخطوة واحدة إلى الأمام بين النماذج المدروسة للأصول الثلاثة.

يعزو المؤلفون التحسن مقارنةً بالسير العشوائي ذي النظام الواحد إلى حالات كامنة تلتقط فترات تختلف فيها أنماط العوائد. وبالنسبة إلى بيتكوين، تميز الحالات المذكورة بين الظروف الصاعدة والهابطة والهادئة؛ أما إيثر وريبِل، فتفصل الحالات فيهما الفترات بحسب خصائص الربح والمخاطر. ويجد التحليل أيضًا أن علاقات المتغيرات التنبؤية قد تختلف بين الحالات المخفية، وقد تكون خطية أو غير خطية. وهذه نتائج تجريبية تخص العملات المشفرة والنماذج والعينة المختارة؛ ولا يذكر الوصف تواريخ العينة أو مقاييس أداء مفصلة، لذا لا يثبت قابلية تعميم النتائج على أصول أخرى أو فترات مستقبلية.

الأفكار الرئيسية

• تمثل نماذج ماركوف المخفية متعددة الحالات تغير عوائد العملات المشفرة بين الأنظمة الكامنة.
• يحقق نموذج غير متجانس من أربع حالات أفضل أداء للتنبؤ بخطوة واحدة إلى الأمام بين النماذج المختبرة.
• تعكس الحالات الكامنة اختلاف خصائص العوائد في بيتكوين وإيثر وريبِل.
• قد تختلف آثار المتغيرات التنبؤية بحسب الحالة، وقد تكون خطية أو غير خطية.
• تقتصر الأدلة المذكورة على الأصول والنماذج التي جرى بحثها.

الوسوم

# Exploring the Predictability of Cryptocurrencies via Bayesian Hidden Markov Models


# Exploring the Predictability of Cryptocurrencies via Bayesian Hidden Markov Models









In this paper, we consider a variety of multi-state Hidden Markov models for predicting and explaining the Bitcoin, Ether and Ripple returns in the presence of state (regime) dynamics. In addition, we examine the effects of several financial, economic and cryptocurrency specific predictors on the cryptocurrency return series. Our results indicate that the Non-Homogeneous Hidden Markov (NHHM) model with four states has the best one-step-ahead forecasting performance among all competing models for all three series. The dominance of the predictive densities over the single regime random walk model relies on the fact that the states capture alternating periods with distinct return characteristics. In particular, the four state NHHM model distinguishes bull, bear and calm regimes for the Bitcoin series, and periods with different profit and risk magnitudes for the Ether and Ripple series. Also, conditionally on the hidden states, it identifies predictors with different linear and non-linear effects on the cryptocurrency returns. These empirical findings provide important insight for portfolio management and policy implementation.

يُعرض النص كاملًا مع نسبه إلى مصدره وفقًا لترخيصه. الترخيص: abstract CC0

أعدّ وكيل الأبحاث في Stratmill هذا الملخص استنادًا إلى المصدر الأصلي؛ وهو ليس نسخة منه.