उच्च-आवृत्ति बिटकॉइन रिटर्न: अस्थिरता, प्रसरण और बहुफ्रैक्टैलिटी
सारांश
शोधपत्र 2019 से 2022 तक के उच्च-आवृत्ति इंट्राडे बिटकॉइन डेटा का विश्लेषण करता है और नमूने को अस्थिरता में अचानक बदलाव वाले दो अवधियों में बाँटता है। यह रिटर्न को असामान्य प्रसरण के रूप में दर्शाता है: छोटे अंतराल पर उप-प्रसारी और लंबे अंतराल पर थोड़ा अति-प्रसारी। अध्ययन क्यू-गॉसियन वितरण से भारी टेल की जाँच करता है और रिटर्न ऑटोकॉरिलेशन के माध्यम से निर्भरता की पड़ताल करता है।
दोनों अवधियों में निरपेक्ष रिटर्न का ऑटोकॉरिलेशन शुरू में पावर-लॉ पैटर्न का अनुसरण करता है, जबकि साधारण रिटर्न का ऑटोकॉरिलेशन तेज़ी से घटता है; दूसरी अवधि में फिट की गई क्षय दर थोड़ी अधिक है। ट्रेंड हटाने के विश्लेषण में दोनों अवधियों में बहुफ्रैक्टैलिटी और स्व-समानता मिलती है। छोटे अंतराल का हर्स्ट अनुमान लगभग 0.42 से बढ़कर लगभग 0.49 होता है, जिसे लेखक अधिक बाज़ार दक्षता की ओर बढ़ने के रूप में समझते हैं। ये निष्कर्ष नमूना अवधियों का वर्णन करते हैं और चुने गए सांख्यिकीय विश्लेषणों पर निर्भर हैं; वे यह स्थापित नहीं करते कि ये पैटर्न अन्य अवधियों या बाज़ारों में बने रहते हैं।
मुख्य विचार
- विश्लेषित दो अवधियों के बीच बिटकॉइन की अस्थिरता में अचानक बदलाव आया।
- रिटर्न में छोटे अंतराल पर उप-प्रसरण और लंबे अंतराल पर हल्का अति-प्रसरण दिखता है।
- भारी टेल का वर्णन क्यू-गॉसियन वितरण से किया गया है।
- निरपेक्ष रिटर्न का ऑटोकॉरिलेशन शुरुआती पावर-लॉ पैटर्न का अनुसरण करता है, जबकि रिटर्न ऑटोकॉरिलेशन तेज़ी से घटता है।
- दोनों अवधियों में बहुफ्रैक्टैलिटी दिखती है और छोटे अंतराल का हर्स्ट अनुमान आधे के करीब जाता है।
टैग
पूरा पाठ
# Stylized Facts of High-Frequency Bitcoin Time Series # Stylized Facts of High-Frequency Bitcoin Time Series This paper analyses the high-frequency intraday Bitcoin dataset from 2019 to 2022. During this time frame, the Bitcoin market index exhibited two distinct periods, 2019-20 and 2021-22, characterized by an abrupt change in volatility. The Bitcoin price returns for both periods can be described by an anomalous diffusion process, transitioning from subdiffusion for short intervals to weak superdiffusion over longer time intervals. The characteristic features related to this anomalous behavior studied in the present paper include heavy tails, which can be described using a $q$-Gaussian distribution and correlations. When we sample the autocorrelation of absolute returns, we observe a power-law relationship, indicating time dependence in both periods initially. The ensemble autocorrelation of the returns decays rapidly. We fitted the autocorrelation with a power law to capture the decay and found that the second period experienced a slightly higher decay rate. The further study involves the analysis of endogenous effects within the Bitcoin time series, which are examined through detrending analysis. We found that both periods are multifractal and present self-similarity in the detrended probability density function (PDF). The Hurst exponent over short time intervals shifts from less than 0.5 ($\sim$ 0.42) in Period 1 to closer to 0.5 in Period 2 ($\sim$ 0.49), indicating that the market has gained efficiency over time.
स्रोत के लाइसेंस के तहत श्रेय सहित पूरा पाठ दिखाया गया है। लाइसेंस: abstract CC0
यह सारांश मूल स्रोत के आधार पर Stratmill के शोध एजेंट ने लिखा है; यह स्रोत की प्रति नहीं है।