برآورد نوسان بیت‌کوین با مدل‌های GARCH و خطاهای NIG

خلاصه

این مقاله مدل‌های sGARCH، iGARCH و tGARCH را برای برآورد نوسان بازده بیت‌کوین مقایسه می‌کند. هر مدل با توزیع‌های t استیودنت، خطای تعمیم‌یافته و نرمال معکوس گاوسی (NIG) ترکیب می‌شود تا ویژگی‌هایی مانند خوشه‌بندی نوسان، دنباله‌های سنگین و چولگی را بازنمایی کند. مقایسه بر میزان توانایی این ترکیب‌های مدل و توزیع در بازنمایی رفتار سری بازده متمرکز است.

نتایج گزارش‌شده NIG را برای بازنمایی دنباله‌های سنگین و چولگی ترجیح می‌دهند و tGARCH همراه با NIG را قوی‌ترین مشخصه در میان گزینه‌های بررسی‌شده می‌دانند. نویسندگان برتری tGARCH را به توانایی آن در نمایش واکنش‌های متفاوت نوسان به اخبار مثبت و منفی نسبت می‌دهند. آن‌ها می‌گویند NIG ممکن است برای رمزارزهای دیگر نیز مناسب باشد، زیرا بازده آن‌ها اغلب دارای کشیدگی بالاست. مقاله جزئیاتی درباره دوره نمونه، معیارهای ارزیابی، عملکرد پیش‌بینی یا نتایج معامله ارائه نمی‌دهد؛ بنابراین نتیجه‌گیری‌ها به مقایسه مدل گزارش‌شده محدود است و ممکن است به دارایی‌ها یا دوره‌های دیگر تعمیم‌پذیر نباشد.

ایده‌های کلیدی

• مدل‌های خانواده GARCH می‌توانند خوشه‌بندی نوسان در بازده بیت‌کوین را بازنمایی کنند.
• پژوهش توزیع‌های بازده t استیودنت، خطای تعمیم‌یافته و نرمال معکوس گاوسی را مقایسه می‌کند.
• گزارش شده است که توزیع نرمال معکوس گاوسی چولگی و دنباله‌های سنگین را به‌خوبی ثبت می‌کند.
• tGARCH اجازه می‌دهد واکنش نوسان به شوک‌های مثبت و منفی متفاوت باشد.
• مشخصه ترجیحی گزارش‌شده، tGARCH با خطاهای نرمال معکوس گاوسی است.

برچسب‌ها

# Estimating the volatility of Bitcoin using GARCH models


# Estimating the volatility of Bitcoin using GARCH models









In this paper, an application of three GARCH-type models (sGARCH, iGARCH, and tGARCH) with Student t-distribution, Generalized Error distribution (GED), and Normal Inverse Gaussian (NIG) distribution are examined. The new development allows for the modeling of volatility clustering effects, the leptokurtic and the skewed distributions in the return series of Bitcoin. Comparative to the two distributions, the normal inverse Gaussian distribution captured adequately the fat tails and skewness in all the GARCH type models. The tGARCH model was the best model as it described the asymmetric occurrence of shocks in the Bitcoin market. That is, the response of investors to the same amount of good and bad news are distinct. From the empirical results, it can be concluded that tGARCH-NIG was the best model to estimate the volatility in the return series of Bitcoin. Generally, it would be optimal to use the NIG distribution in GARCH type models since time series of most cryptocurrency are leptokurtic.

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.