التنبؤ بتقلب البيتكوين باستخدام نماذج GARCH ذات التحول الماركوفي والنماذج العشوائية

الملخص

تقارن الورقة توقعات التباين الشرطي لعوائد البيتكوين اليومية باستخدام GARCH بنظام التحول الماركوفي ونماذج التقلب العشوائي، بما فيها التقلب الانحداري الذاتي العشوائي (SARV). ويقيّم تصميمها أداء التنبؤ خارج العينة، ويوصي بتقدير معاملات معادلتي المتوسط والتباين على مرحلتين منفصلتين. ويُطرح هذا الفصل بوصفه مبررًا لإجراء التقدير.

ترجح النتائج المبلغ عنها نماذج التقلب العشوائي، ولا سيما SARV، على بدائل GARCH بنظام التحول الماركوفي. وتشير أيضًا إلى أن نموذج GARCH القياسي ذي الاستمرارية العالية قد يتنبأ أحيانًا بتباين العوائد أفضل من نموذج GARCH بنظام التحول الماركوفي. تقدم هذه المقارنات أدلة للاختيار بين نماذج التقلب في التنبؤ بمخاطر البيتكوين، لكن الملخص المقدم لا يذكر تواريخ العينة أو آفاق التنبؤ أو مقاييس التقييم أو الظروف التفصيلية وراء ترتيب النماذج. لذلك لا تثبت النتائج أن نموذجًا واحدًا سيتفوق في كل نظام سوق أو إعداد للتنبؤ.

الأفكار الرئيسية

• تقارن الدراسة توقعات تقلب البيتكوين خارج العينة باستخدام GARCH بنظام التحول الماركوفي ونماذج التقلب العشوائي.
• تتناول الدراسة نماذج التقلب الانحداري الذاتي العشوائي ضمن فئة التقلب العشوائي.
• توصي الورقة بإجراء تقدير من مرحلتين يفصل معاملات المتوسط عن معاملات التباين.
• تتفوق نماذج التقلب العشوائي، ولا سيما SARV، على MS-GARCH في المقارنة المبلغ عنها.
• قد يتفوق GARCH البسيط ذو الاستمرارية العالية أحيانًا على MS-GARCH في توقع تباين عوائد البيتكوين.

الوسوم

# 2401.03393


# Modelling and Predicting the Conditional Variance of Bitcoin Daily Returns: Comparsion of Markov Switching GARCH and SV Models









This paper introduces a unique and valuable research design aimed at analyzing Bitcoin price volatility. To achieve this, a range of models from the Markov Switching-GARCH and Stochastic Autoregressive Volatility (SARV) model classes are considered and their out-of-sample forecasting performance is thoroughly examined. The paper provides insights into the rationale behind the recommendation for a two-stage estimation approach, emphasizing the separate estimation of coefficients in the mean and variance equations. The results presented in this paper indicate that Stochastic Volatility models, particularly SARV models, outperform MS-GARCH models in forecasting Bitcoin price volatility. Moreover, the study suggests that in certain situations, persistent simple GARCH models may even outperform Markov-Switching GARCH models in predicting the variance of Bitcoin log returns. These findings offer valuable guidance for risk management experts, highlighting the potential advantages of SARV models in managing and forecasting Bitcoin price volatility.

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.