מודלי מרקוב חבויים בייסיאניים למשטרי תשואה בקריפטו

סיכום

המחקר משתמש במודלי מרקוב חבויים מרובי מצבים כדי לחזות ולהסביר תשואות של ביטקוין, אתר וריפל. הוא משווה בין סוגי מודלים, לרבות מפרט מרקוב חבוי לא הומוגני, ובוחן מנבאים פיננסיים, כלכליים וייחודיים למטבעות קריפטוגרפיים. מבין המודלים שנבדקו, המודל הלא הומוגני בעל ארבעת המצבים מציג את ביצועי החיזוי החזקים ביותר צעד אחד קדימה עבור שלושת הנכסים.

המחברים מייחסים את השיפור לעומת הילוך אקראי בעל משטר יחיד למצבים חבויים הלוכדים תקופות שבהן התנהגות התשואות שונה. בביטקוין, המצבים המדווחים מבחינים בין תנאים שוריים, דוביים ורגועים; באתר ובריפל הם מפרידים בין תקופות לפי מאפייני רווח וסיכון. הניתוח מוצא גם כי הקשרים בין המנבאים עשויים להשתנות בין מצבים חבויים ולהיות ליניאריים או לא ליניאריים. אלה ממצאים אמפיריים עבור המטבעות, המודלים והמדגם שנבחרו; התיאור אינו מציין את תאריכי המדגם או מדדי ביצועים מפורטים, ולכן אינו קובע שהתוצאות יכלילו לנכסים אחרים או לתקופות עתידיות.

רעיונות מרכזיים

• מודלי מרקוב חבויים מרובי מצבים מייצגים תשואות קריפטו כמשתנות בין משטרים חבויים.
• מודל לא הומוגני בעל ארבעה מצבים מציג את ביצועי החיזוי הטובים ביותר צעד אחד קדימה מבין המודלים שנבדקו.
• המצבים החבויים משקפים מאפייני תשואה שונים בביטקוין, באתר ובריפל.
• השפעות המנבאים עשויות להשתנות בין מצבים ולהיות ליניאריות או לא ליניאריות.
• הראיות המדווחות מוגבלות לנכסים ולמודלים שנבדקו.

תגיות

# Exploring the Predictability of Cryptocurrencies via Bayesian Hidden Markov Models


# Exploring the Predictability of Cryptocurrencies via Bayesian Hidden Markov Models









In this paper, we consider a variety of multi-state Hidden Markov models for predicting and explaining the Bitcoin, Ether and Ripple returns in the presence of state (regime) dynamics. In addition, we examine the effects of several financial, economic and cryptocurrency specific predictors on the cryptocurrency return series. Our results indicate that the Non-Homogeneous Hidden Markov (NHHM) model with four states has the best one-step-ahead forecasting performance among all competing models for all three series. The dominance of the predictive densities over the single regime random walk model relies on the fact that the states capture alternating periods with distinct return characteristics. In particular, the four state NHHM model distinguishes bull, bear and calm regimes for the Bitcoin series, and periods with different profit and risk magnitudes for the Ether and Ripple series. Also, conditionally on the hidden states, it identifies predictors with different linear and non-linear effects on the cryptocurrency returns. These empirical findings provide important insight for portfolio management and policy implementation.

מוצג במלואו בציון המקור ובהתאם לרישיון שלו. רישיון: abstract CC0

הסיכום נכתב בידי סוכן המחקר של Stratmill על סמך המקור; הוא אינו העתק של המקור.