نمذجة عوائد العملات المشفرة بتوزيعات ألفا المستقرة

الملخص

تقيّم هذه الدراسة التوزيعات ألفا المستقرة كنماذج لعوائد بيتكوين وإيثيريوم وريبل، التي شكلت مجتمعةً معظم سوق العملات المشفرة في البيانات المدروسة. وتركز على ما إذا كان هذا التوزيع المرن ذو الذيول الثقيلة قادراً على التقاط التفرطح الحاد المرصود في عوائد العملات المشفرة، وهي سمة قد تفوتها النماذج الغاوسية الأبسط.

تقارن الورقة ثلاثة أساليب لتقدير المعلمات: الاحتمال الأقصى المرتبط بـ DuMouchel، والتقدير القائم على الكميات المرتبط بـ McCulloch، وطريقة خصائص العينة المرتبطة بـ Koutrouvelis. وتذكر أن الاحتمال الأقصى يلائم بيانات العوائد المدروسة أفضل من البديلين، وأن نموذج ألفا المستقر يلتقط ذيولها الثقيلة. ويستخدم التوزيع أربع معلمات حرة، يصفها المؤلفون بأنها مقتصدة. وتقتصر الأدلة على الأصول والعينة المدروستين؛ ولا يذكر الملخص تواريخ أو إحصاءات ملاءمة مفصلة أو اختبارات تنبؤ أو دليلاً على أن التوزيع يحسن قرارات المحفظة أو أداء التداول.

الأفكار الرئيسية

• تُقيّم التوزيعات ألفا المستقرة كنماذج لعوائد العملات المشفرة ذات الذيول الثقيلة.
• تدرس الدراسة التجريبية عوائد بيتكوين وإيثيريوم وريبل.
• يذكر المؤلفون أن تقدير الاحتمال الأقصى يلائم البيانات المدروسة أفضل من أسلوبي التقدير القائم على الكميات وخصائص العينة.
• يلتقط النموذج السلوك ذي التفرطح الحاد المذكور في عوائد العملات المشفرة.
• لا تثبت جودة الملاءمة وحدها تحسن التنبؤات أو ربحية التداول.

الوسوم

# An $α$-Stable Approach to Modelling Highly Speculative Assets and Cryptocurrencies


# An $α$-Stable Approach to Modelling Highly Speculative Assets and Cryptocurrencies









We investigate the behaviour of cryptocurrencies using data for bitcoin, ethereum and ripple which account for over 70% of the cryptocurrency market. We demonstrate that $α$-stable distribution is an appropriately sufficient model for highly speculative cryptocurrencies which outperforms other heavy tailed distributions that are used in financial econometrics. We find that the maximum likelihood method proposed by DuMouchel (1971) produces estimates that fit the cryptocurrency return data much better than the quantile based approach of McCulloch (1986) and sample characteristic method by Koutrouvelis (1980). The empirical results show that the leptokurtic feature presented in cryptocurrency return data can be captured by an $α$-stable distribution. The findings highlight that $α$-stable distribution is not only parsimonious with its four free parameters but also a creative model that is close to reality. This paper covers early reports and literature on cryptocurrencies and stable distributions.

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.