رفتن به محتوا
همه اسناد کتابخانه

مقایسه پیچیدگی چندفراکتالی و آنتروپی در بازارها

مقاله arXiv papers · نویسنده: Oday Masoudi et al.

خلاصه

این پژوهش پیچیدگی سری‌های بازده لگاریتمی بیت‌کوین، GBP/USD، طلا و گاز طبیعی را مقایسه می‌کند. در آن از تحلیل نوسان‌زدایی‌شده چندفراکتالی و آنتروپی نمونه‌ای چندمقیاسیِ ترکیبیِ اصلاح‌شده استفاده می‌شود؛ دو رویکردی که جنبه‌های متفاوت ساختار را در مقیاس‌های گوناگون کمّی می‌کنند. هدف مقایسه، روشن‌کردن تفاوت‌های احتمالی پیش‌بینی‌پذیری بازار و ریسک‌های مرتبط میان طبقات دارایی است.

هر دو سنجه نشان می‌دهند که بازده بیت‌کوین از سری‌های دیگر پیچیده‌تر است. نویسندگان پیشنهاد می‌کنند همبستگی‌های غیرخطی قوی‌تر در بیت‌کوین شاید این نتیجه را توضیح دهند. در توضیح، تاریخ‌های نمونه، انتخاب پارامترها، برآوردهای عدم‌قطعیت یا آزمون‌های معاملاتی ارائه نشده است؛ بنابراین این یافته را باید نتیجه‌ای مقایسه‌ای درباره سری زمانی دانست، نه اثباتی بر اینکه بیت‌کوین در همه شرایط پیش‌بینی‌پذیری کمتری دارد. سنجه‌های پیچیدگی ساختار بازده را توصیف می‌کنند؛ متن نشان نمی‌دهد که این سنجه‌ها چگونه به دقت پیش‌بینی یا عملکرد سرمایه‌گذاری تبدیل می‌شوند.

ایده‌های کلیدی

  • این پژوهش پیچیدگی بازده را در بیت‌کوین، GBP/USD، طلا و گاز طبیعی مقایسه می‌کند.
  • سنجه‌های MF-DFA ساختار چندفراکتالی سری‌های بازده را اندازه می‌گیرند.
  • RCMSE آنتروپی نمونه را در چندین مقیاس زمانی ارزیابی می‌کند.
  • هر دو سنجه بازده بیت‌کوین را پیچیده‌تر از بازارهای دیگرِ بررسی‌شده ارزیابی می‌کنند.
  • توضیح پیشنهادی، همبستگی غیرخطی قوی‌تر است؛ اما آزمون مستقیمی برای عملکرد معاملاتی شرح داده نشده است.

برچسب‌ها

متن کامل
# Complexity of Financial Time Series: Multifractal and Multiscale Entropy Analyses


# Complexity of Financial Time Series: Multifractal and Multiscale Entropy Analyses









We employed Multifractal Detrended Fluctuation Analysis (MF-DFA) and Refined Composite Multiscale Sample Entropy (RCMSE) to investigate the complexity of Bitcoin, GBP/USD, gold, and natural gas price log-return time series. This study provides a comparative analysis of these markets and offers insights into their predictability and associated risks. Each tool presents a unique method to quantify time series complexity. The RCMSE and MF-DFA methods demonstrate a higher complexity for the Bitcoin time series than others. It is discussed that the increased complexity of Bitcoin may be attributable to the presence of higher nonlinear correlations within its log-return time series.

با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0

این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.