شناسایی رژیمهای بازار بیتکوین با مقیاسبندی چندفراکتالی
خلاصه
این مقاله ساختار بازده بیتکوین را در چندین مقیاس زمانی و با ابزارهای برآورد ویژگیهای چندفراکتالی بررسی میکند. واریانس بازده را پیرو روابط توانی با افزایشهای زمانی توصیف میکند که با نوسان و نمای هرست مشخص میشوند. چون این پارامترها در گذر زمان تغییر میکنند، نویسندگان نمای هرست تعمیمیافتهای معرفی میکنند تا بسندگیِ بازنمایی رفتار چندفراکتالی را ارزیابی کنند.
آنها برای شناسایی تغییر رژیمها از برآوردهای محلی پارامترهای قانون توانی و برازش نیکویی استفاده میکنند و گزارش میدهند که این روش تاریخهای مرتبط با رویدادهای شناختهشده بازار بیتکوین را بهطور خودکار تشخیص میدهد. مقاله همچنین گزارش میکند که بیتکوین، با وجود نوسانهای شدید قیمت و ناایستایی، در سراسر تاریخچه مشاهدهشده ساختار همبستگی منظمی دارد. خلاصه تاریخهای نمونه، فهرست رویدادها، برآورد پارامترها یا اعتبارسنجی مقایسهای ارائه نمیکند؛ بنابراین این نتیجهگیریها به دوره و روش تحلیلشده محدودند.
ایدههای کلیدی
- بازده بیتکوین همبستگیهای چندمقیاسی دارد که با مقیاسبندی توانی واریانس نسبت به افزایشهای زمانی توصیف میشوند.
- نوسان و نمای هرست رفتار مقیاسبندی را مشخص میکنند و هر دو میتوانند در گذر زمان تغییر کنند.
- نمای هرست تعمیمیافته برای ارزیابی برازش رفتار چندفراکتالی پیشنهاد میشود.
- برای تشخیص تغییر رژیمها از برآوردهای محلی قانون توانی و نیکویی برازش استفاده میشود.
- تحلیل گزارششده، تغییرهای مرتبط با رویداد و ساختار همبستگی منظم بلندمدت را در تاریخچه بررسیشده مییابد.
برچسبها
متن کامل
# Chaos and Order in the Bitcoin Market # Chaos and Order in the Bitcoin Market The bitcoin price has surged in recent years and it has also exhibited phases of rapid decay. In this paper we address the question to what extent this novel cryptocurrency market can be viewed as a classic or semi-efficient market. Novel and robust tools for estimation of multi-fractal properties are used to show that the bitcoin price exhibits a very interesting multi-scale correlation structure. This structure can be described by a power-law behavior of the variances of the returns as functions of time increments and it can be characterized by two parameters, the volatility and the Hurst exponent. These power-law parameters, however, vary in time. A new notion of generalized Hurst exponent is introduced which allows us to check if the multi-fractal character of the underlying signal is well captured. It is moreover shown how the monitoring of the power-law parameters can be used to identify regime shifts for the bitcoin price. A novel technique for identifying the regimes switches based on a goodness of fit of the local power-law parameters is presented. It automatically detects dates associated with some known events in the bitcoin market place. A very surprising result is moreover that, despite the wild ride of the bitcoin price in recent years and its multi-fractal and non-stationary character, this price has both local power-law behaviors and a very orderly correlation structure when it is observed on its entire period of existence.
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.