Predicción de volatilidad implícita de Bitcoin con datos y sentimiento

Resumen

El artículo examina si es posible predecir la volatilidad implícita de Bitcoin en un horizonte de cinco minutos a partir del comportamiento reciente del mercado y de datos alternativos. El modelo utiliza precios rezagados del índice de Bitcoin y movimientos de volatilidad, capturando tanto información de precios como el impulso de la volatilidad. También incorpora medidas de sentimiento e interacción, como Google Trends, para investigar si las señales relacionadas con la atención contienen información sobre la volatilidad implícita posterior.

El resultado comunicado indica una capacidad predictiva modesta; a menudo, los mercados responden varias horas después a las señales de Google Trends. Esto sugiere que la relación entre la atención en línea y la volatilidad del mercado puede implicar un retraso, en vez de una respuesta inmediata. El documento ofrece una breve descripción del enfoque y del resultado principal, pero no incluye la especificación del modelo, el periodo de la muestra, el diseño de validación, medidas cuantitativas de rendimiento ni una evaluación de trading. Por tanto, el resultado no demuestra que las señales sean rentables ni que la relación predictiva observada vaya a mantenerse en distintos periodos o condiciones de mercado.

Ideas clave

• La volatilidad implícita de Bitcoin a cinco minutos tiene, según se informa, una capacidad predictiva modesta.
• El modelo utiliza precios rezagados de Bitcoin y movimientos de volatilidad, incluido su impulso.
• Google Trends y otros datos de sentimiento e interacción se incluyen como predictores alternativos.
• Según lo comunicado, la respuesta del mercado a Google Trends suele producirse varias horas después.
• La breve descripción no ofrece detalles de validación ni evidencia de rentabilidad en trading.

Etiquetas

# Fear and Volatility in Digital Assets


# Fear and Volatility in Digital Assets









We show Bitcoin implied volatility on a 5 minute time horizon is modestly predictable from price, volatility momentum and alternative data including sentiment and engagement. Lagged Bitcoin index price and volatility movements contribute to the model alongside Google Trends with markets responding often several hours later. The code and datasets used in this paper can be found at https://github.com/Globe-Research/bitfear.

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.