پیش‌بینی نوسان ضمنی بیت‌کوین با داده بازار و احساسات

خلاصه

مقاله بررسی می‌کند که آیا می‌توان نوسان ضمنی بیت‌کوین را در افق پنج‌دقیقه‌ای با استفاده از رفتار اخیر بازار و داده‌های جایگزین پیش‌بینی کرد. مدل از قیمت‌های وقفه‌دار شاخص بیت‌کوین و تغییرات نوسان استفاده می‌کند و اطلاعات قیمت و مومنتوم نوسان را در بر می‌گیرد. همچنین سنجه‌های احساسات و تعامل، از جمله Google Trends، را وارد می‌کند تا بررسی کند آیا سیگنال‌های مرتبط با توجه، درباره نوسان ضمنی بعدی اطلاعاتی دارند.

یافته گزارش‌شده از قابلیت پیش‌بینی محدود حکایت دارد و بازارها اغلب چند ساعت بعد به سیگنال‌های Google Trends واکنش نشان می‌دهند. این موضوع نشان می‌دهد رابطه توجه آنلاین و نوسان بازار ممکن است با تأخیر همراه باشد، نه آنکه واکنشی فوری باشد. سند شرحی کوتاه از رویکرد و نتیجه اصلی ارائه می‌کند، اما مشخصات مدل، دوره نمونه، طراحی اعتبارسنجی، سنجه‌های کمی عملکرد یا ارزیابی معاملاتی را بیان نمی‌کند. بنابراین این یافته اثبات نمی‌کند که سیگنال‌ها سودآورند یا رابطه پیش‌بینی مشاهده‌شده در دوره‌ها و شرایط بازار دیگر پایدار می‌ماند.

ایده‌های کلیدی

• گزارش شده است که نوسان ضمنی بیت‌کوین در افق پنج‌دقیقه‌ای تا حدی قابل‌پیش‌بینی است.
• مدل از قیمت‌های وقفه‌دار بیت‌کوین و تغییرات نوسان، از جمله مومنتوم نوسان، استفاده می‌کند.
• Google Trends و دیگر داده‌های احساسات یا تعامل به‌عنوان پیش‌بین‌های جایگزین در مدل گنجانده شده‌اند.
• واکنش گزارش‌شده بازار به Google Trends اغلب چند ساعت بعد رخ می‌دهد.
• شرح کوتاه، جزئیات اعتبارسنجی یا شواهدی از سودآوری معاملاتی ارائه نمی‌کند.

برچسب‌ها

# 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.

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.