Memoria de rendimientos y volatilidad de Bitcoin ante cambios en la eficiencia del mercado

Resumen

Este estudio examina si los rendimientos y la volatilidad de Bitcoin mostraron memoria larga entre 2011 y 2017, y cómo cambió ese comportamiento con el tiempo. Estima el exponente de Hurst mediante el rango reescalado (R/S) y el análisis de fluctuaciones sin tendencia (DFA), y compara su capacidad para captar cambios en la persistencia y la eficiencia informativa.

Los resultados indican que R/S tiende a detectar memoria larga, mientras que DFA distingue con mayor claridad los cambios a lo largo del tiempo. Los rendimientos son persistentes en la parte inicial de la muestra y parecen más eficientes desde el punto de vista informativo a partir de 2014. La volatilidad, medida mediante la diferencia logarítmica entre máximos y mínimos intradía, mantiene memoria larga durante todo el periodo. Estos hallazgos sugieren que los rendimientos y la volatilidad pueden reflejar procesos generadores distintos. Las pruebas se limitan a la muestra de Bitcoin y los métodos indicados; el resumen no detalla pruebas de robustez ni aclara si la persistencia detectada respalda una estrategia de trading rentable.

Ideas clave

• El estudio analiza la persistencia de los rendimientos y la volatilidad de Bitcoin entre 2011 y 2017 mediante métodos basados en el exponente de Hurst.
• El análisis R/S tiende a detectar memoria larga, mientras que DFA capta mejor los cambios de eficiencia a lo largo del tiempo.
• Los rendimientos de Bitcoin son persistentes al principio de la muestra y más eficientes desde el punto de vista informativo a partir de 2014.
• La medida de volatilidad intradía basada en máximos y mínimos presenta memoria larga durante toda la muestra.
• Los patrones de rendimientos y volatilidad pueden surgir de procesos subyacentes distintos.

Etiquetas

# The inefficiency of Bitcoin revisited: a dynamic approach


# The inefficiency of Bitcoin revisited: a dynamic approach









This letter revisits the informational efficiency of the Bitcoin market. In particular we analyze the time-varying behavior of long memory of returns on Bitcoin and volatility 2011 until 2017, using the Hurst exponent. Our results are twofold. First, R/S method is prone to detect long memory, whereas DFA method can discriminate more precisely variations in informational efficiency across time. Second, daily returns exhibit persistent behavior in the first half of the period under study, whereas its behavior is more informational efficient since 2014. Finally, price volatility, measured as the logarithmic difference between intraday high and low prices exhibits long memory during all the period. This reflects a different underlying dynamic process generating the prices and volatility.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.