Prévoir la volatilité implicite du Bitcoin à partir du marché et du sentiment

Résumé

L’article étudie si la volatilité implicite du Bitcoin à un horizon de cinq minutes peut être prévue à partir des mouvements récents du marché et de données alternatives. Son modèle utilise les cours retardés de l’indice Bitcoin et les variations de volatilité, afin de tenir compte des informations sur les prix et de la dynamique de la volatilité. Il intègre aussi des mesures de sentiment et d’engagement, notamment Google Trends, pour déterminer si les signaux liés à l’attention contiennent des informations sur la volatilité implicite ultérieure.

Le résultat rapporté indique une capacité de prévision modeste ; les marchés réagissent souvent aux signaux de Google Trends plusieurs heures plus tard. Cela suggère que le lien entre l’attention en ligne et la volatilité du marché peut comporter un délai plutôt qu’entraîner une réaction immédiate. Le document décrit brièvement l’approche et le résultat principal, mais ne fournit ni spécification du modèle, ni période d’échantillonnage, ni protocole de validation, ni mesures quantitatives de performance, ni évaluation du trading. Le résultat ne démontre donc pas que les signaux sont rentables ou que la relation prédictive observée persistera selon les périodes ou les conditions de marché.

Idées clés

• La volatilité implicite du Bitcoin à un horizon de cinq minutes serait prévisible dans une mesure modeste.
• Le modèle utilise les cours retardés du Bitcoin et les mouvements de volatilité, dont sa dynamique.
• Google Trends et d’autres données de sentiment ou d’engagement sont intégrés comme prédicteurs alternatifs.
• Selon les résultats rapportés, la réaction du marché aux signaux de Google Trends survient souvent plusieurs heures plus tard.
• La brève description ne fournit ni détails sur la validation ni preuve de rentabilité en trading.

Étiquettes

# 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.

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.