استخدام التغريدات وحجم المعاملات للتنبؤ بتقلب بيتكوين

الملخص

تنمذج هذه الدراسة تقلب عوائد بيتكوين على مستوى الدقيقة باستخدام أساليب التغاير الشرطي غير المتجانس ذاتي الانحدار المعممة. وتجمع العوائد التاريخية والتقلب، كما تمثلهما صيغ من عائلة GARCH، مع فرضية مزيج التوزيعات: إذ يمكن لتدفق معلومات السوق أن يساعد في تفسير ديناميات العوائد. وتُستخدم التغريدات المتعلقة ببيتكوين وحجم المعاملات إشاراتٍ خارجية للمعلومات.

تختبر الورقة ما إذا كانت هذه الإشارات تحسن توقعات التقلب، وتستخدم اختبارات إحصائية خارج العينة لمقارنة صيغ النماذج. ويستجيب أبسط نموذج GARCH(1,1) على أفضل نحو لإضافة الإشارات الخارجية في هذا التقييم. ولا يورد الوصف المتاح تواريخ العينة أو مقاييس الأداء التفصيلية أو كيفية إنشاء متغيرات التغريدات والحجم وتوقيتها بدقة. لذا تدعم النتيجة المواصفة وإعداد البيانات المختبرين، لكنها لا تثبت بحد ذاتها أن هذه الإشارات ستحسن التوقعات في فترات أو سياقات تداول أخرى.

الأفكار الرئيسية

• تتنبأ الدراسة بتقلب بيتكوين من عوائد الأسعار على مستوى الدقيقة باستخدام نماذج من عائلة GARCH.
• تختبر ما إذا كانت التغريدات المتعلقة ببيتكوين وحجم المعاملات يضيفان معلومات عن التقلب.
• يصوغ النهج ديناميات العوائد من حيث التقلب التاريخي وتدفق معلومات السوق معاً.
• تجد اختبارات خارج العينة أن GARCH(1,1) يستفيد أكثر من إضافة الإشارات الخارجية بين النماذج المختبرة.
• يقدم الوصف تفاصيل محدودة عن بناء الإشارات وحجم تحسن التوقعات.

الوسوم

# Time-varying volatility in Bitcoin market and information flow at minute-level frequency


# Time-varying volatility in Bitcoin market and information flow at minute-level frequency









In this paper, we analyze the time-series of minute price returns on the Bitcoin market through the statistical models of generalized autoregressive conditional heteroskedasticity (GARCH) family. Several mathematical models have been proposed in finance, to model the dynamics of price returns, each of them introducing a different perspective on the problem, but none without shortcomings. We combine an approach that uses historical values of returns and their volatilities - GARCH family of models, with a so-called "Mixture of Distribution Hypothesis", which states that the dynamics of price returns are governed by the information flow about the market. Using time-series of Bitcoin-related tweets and volume of transactions as external information, we test for improvement in volatility prediction of several GARCH model variants on a minute level Bitcoin price time series. Statistical tests show that the simplest GARCH(1,1) reacts the best to the addition of external signal to model volatility process on out-of-sample data.

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.