חיזוי תנודתיות ביטקוין באמצעות מודל GARCH עם מעבר מרקובי בין מצבים ומודלים סטוכסטיים

סיכום

המאמר משווה תחזיות לשונות מותנית בתשואות יומיות של ביטקוין באמצעות GARCH במעבר בין מצבים ומודלים של תנודתיות סטוכסטית, כולל תנודתיות אוטורגרסיבית סטוכסטית (SARV). התכנון מעריך ביצועי חיזוי מחוץ למדגם וממליץ לאמוד את מקדמי משוואות הממוצע והשונות בשלבים נפרדים. הפרדה זו מוצגת כהצדקה להליך האמידה.

התוצאות המדווחות מעדיפות מודלים של תנודתיות סטוכסטית, ובפרט SARV, על פני החלופות של GARCH במעבר בין מצבים. הן מצביעות גם על כך שמודל GARCH סטנדרטי ומתמיד יכול לעיתים לחזות את שונות התשואות טוב יותר ממודל GARCH במעבר בין מצבים. השוואות אלה מספקות ראיות לבחירה בין מודלי תנודתיות לחיזוי סיכון בביטקוין, אך התקציר שסופק אינו מציין תאריכי מדגם, אופקי חיזוי, מדדי ניקוד או תנאים מפורטים מאחורי הדירוגים. לכן, הממצאים אינם מבססים שמודל אחד יוביל בכל משטר שוק או בכל תצורת חיזוי.

רעיונות מרכזיים

• המחקר משווה תחזיות מחוץ למדגם לתנודתיות בביטקוין באמצעות GARCH במעבר בין מצבים ומודלים של תנודתיות סטוכסטית.
• הוא כולל מודלים של תנודתיות אוטורגרסיבית סטוכסטית כחלק ממחלקת התנודתיות הסטוכסטית.
• המאמר ממליץ על הליך אמידה דו־שלבי המפריד בין מקדמי הממוצע והשונות.
• מודלים של תנודתיות סטוכסטית, ובפרט SARV, מציגים ביצועים טובים יותר מ-MS-GARCH בהשוואה המדווחת.
• מודל GARCH פשוט ומתמיד עשוי לעיתים לעלות על MS-GARCH בתחזיות לשונות תשואות הביטקוין.

תגיות

# 2401.03393


# Modelling and Predicting the Conditional Variance of Bitcoin Daily Returns: Comparsion of Markov Switching GARCH and SV Models









This paper introduces a unique and valuable research design aimed at analyzing Bitcoin price volatility. To achieve this, a range of models from the Markov Switching-GARCH and Stochastic Autoregressive Volatility (SARV) model classes are considered and their out-of-sample forecasting performance is thoroughly examined. The paper provides insights into the rationale behind the recommendation for a two-stage estimation approach, emphasizing the separate estimation of coefficients in the mean and variance equations. The results presented in this paper indicate that Stochastic Volatility models, particularly SARV models, outperform MS-GARCH models in forecasting Bitcoin price volatility. Moreover, the study suggests that in certain situations, persistent simple GARCH models may even outperform Markov-Switching GARCH models in predicting the variance of Bitcoin log returns. These findings offer valuable guidance for risk management experts, highlighting the potential advantages of SARV models in managing and forecasting Bitcoin price volatility.

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.