رفتن به محتوا
همه اسناد کتابخانه

ایستایی بازده بیت‌کوین و ‏S&P ‏500 در مقیاس‌های زمانی مختلف

مقاله arXiv papers · نویسنده: Yaoyue Tang et al.

خلاصه

این مطالعه ایستایی به معنای ضعیف بازده درون‌روزی قیمت ‏S&P ‏500 و بیت‌کوین را مقایسه می‌کند. ایستایی را با استفاده از رابطه خودهمبستگی و چگالی طیفی توان می‌آزماید و بررسی می‌کند بخش‌بندی، حذف روند و نرمال‌سازی سری زمانی چه اثری بر نتایج دارند. داده‌ها بازه‌ای بسیار طولانی‌تر برای ‏S&P ‏500 نسبت به بیت‌کوین پوشش می‌دهند.

یافته‌های گزارش‌شده نشان می‌دهند بازده ‏S&P ‏500 را می‌توان در کل نمونه با پنجره حذف روند بلند و پنجره نرمال‌سازی کوتاه ایستا کرد؛ تحلیل بخش‌بندی‌شده، پنجره‌های نرمال‌سازی بزرگ‌تری را ممکن می‌کند. برای بیت‌کوین، ایستایی فقط در بخشی با نوسان بالاتر و با پنجره نرمال‌سازی بلندتر گزارش شده و در بخش‌های دیگر مشاهده نشده است. این نتیجه‌گیری‌ها به پیش‌پردازش، پنجره‌ها، دوره‌های نمونه و تعریف ایستایی انتخاب‌شده وابسته‌اند؛ متن ارائه‌شده آزمون‌های استحکام گسترده‌تر یا پیامدهایی برای پیش‌بینی و معامله را شرح نمی‌دهد.

ایده‌های کلیدی

  • مطالعه ایستایی را بر اساس ثابت‌بودن زمانی گشتاورهای اول و دوم تعریف می‌کند.
  • برای آزمودن ایستایی، از رابطه وینر–خینچین میان خودهمبستگی و چگالی طیفی توان استفاده می‌کند.
  • بخش‌بندی، حذف روند و نرمال‌سازی بر ایستا به‌نظررسیدن بازده اثر می‌گذارند.
  • نتایج گزارش‌شده برای ‏S&P ‏500 و بیت‌کوین متفاوت‌اند و با انتخاب بخش و پیش‌پردازش تغییر می‌کنند.

برچسب‌ها

متن کامل
# Comparative analysis of stationarity for Bitcoin and the S&P500


# Comparative analysis of stationarity for Bitcoin and the S&P500









This paper compares and contrasts stationarity between the conventional stock market and cryptocurrency. The dataset used for the analysis is the intraday price indices of the S&P500 from 1996 to 2023 and the intraday Bitcoin indices from 2019 to 2023, both in USD. We adopt the definition of `wide sense stationary', which constrains the time independence of the first and second moments of a time series. The testing method used in this paper follows the Wiener-Khinchin Theorem, i.e., that for a wide sense stationary process, the power spectral density and the autocorrelation are a Fourier transform pair. We demonstrate that localized stationarity can be achieved by truncating the time series into segments, and for each segment, detrending and normalizing the price return are required. These results show that the S&P500 price return can achieve stationarity for the full 28-year period with a detrending window of 12 months and a constrained normalization window of 10 minutes. With truncated segments, a larger normalization window can be used to establish stationarity, indicating that within the segment the data is more homogeneous. For Bitcoin price return, the segment with higher volatility presents stationarity with a normalization window of 60 minutes, whereas stationarity cannot be established in other segments.

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.