अल्फ़ा-स्थिर वितरण से क्रिप्टोकरेंसी प्रतिफलों का मॉडलिंग
सारांश
यह अध्ययन बिटकॉइन, एथेरियम और रिपल के प्रतिफलों के मॉडल के रूप में अल्फ़ा-स्थिर वितरणों का मूल्यांकन करता है; विचाराधीन डेटा में इनका संयुक्त हिस्सा क्रिप्टोकरेंसी बाजार के अधिकांश भाग का था। यह जाँचता है कि क्या यह लचीला, मोटी पूँछों वाला वितरण क्रिप्टो प्रतिफलों में देखी गई तीव्र कुर्टोसिस—अर्थात सामान्य वितरण की तुलना में अधिक मोटी पूँछों और चरम मानों की अधिक संभावना—को पकड़ सकता है, जिसे सरल गॉसियन मॉडल चूक सकते हैं।
शोधपत्र पैरामीटर अनुमान के तीन तरीकों की तुलना करता है: ड्यूमूशेल से जुड़ी अधिकतम संभाव्यता, मैककुलोच से जुड़ा क्वांटाइल-आधारित अनुमान और कौट्रुवेलिस से जुड़ी नमूना-लक्षण विधि। इसमें बताया गया है कि अधिकतम संभाव्यता विचाराधीन प्रतिफल डेटा पर दोनों वैकल्पिक तरीकों से बेहतर फिट बैठती है और अल्फ़ा-स्थिर मॉडल उनकी मोटी पूँछों को पकड़ता है। इस वितरण में चार स्वतंत्र पैरामीटर हैं, जिसे लेखक मितव्ययी बताते हैं। साक्ष्य जाँची गई परिसंपत्तियों और नमूने तक सीमित है; सारांश में तारीखें, विस्तृत फिट आँकड़े, पूर्वानुमान परीक्षण या इस बात का साक्ष्य नहीं है कि वितरण पोर्टफोलियो निर्णयों या ट्रेडिंग प्रदर्शन को बेहतर बनाता है।
मुख्य विचार
- मोटी पूँछों वाले क्रिप्टोकरेंसी प्रतिफलों के मॉडल के रूप में अल्फ़ा-स्थिर वितरणों का आकलन किया गया है।
- अनुभवजन्य अध्ययन बिटकॉइन, एथेरियम और रिपल के प्रतिफलों की जाँच करता है।
- लेखक बताते हैं कि अधिकतम संभाव्यता अनुमान जाँचे गए डेटा पर क्वांटाइल-आधारित और नमूना-विशेषता विधियों से बेहतर फिट बैठता है।
- मॉडल क्रिप्टो रिटर्न में रिपोर्ट किए गए उच्च कुर्टोसिस वाले व्यवहार को पकड़ता है।
- अच्छा फिट अपने आप बेहतर पूर्वानुमान या ट्रेडिंग लाभप्रदता सिद्ध नहीं करता।
टैग
पूरा पाठ
# An $α$-Stable Approach to Modelling Highly Speculative Assets and Cryptocurrencies # An $α$-Stable Approach to Modelling Highly Speculative Assets and Cryptocurrencies We investigate the behaviour of cryptocurrencies using data for bitcoin, ethereum and ripple which account for over 70% of the cryptocurrency market. We demonstrate that $α$-stable distribution is an appropriately sufficient model for highly speculative cryptocurrencies which outperforms other heavy tailed distributions that are used in financial econometrics. We find that the maximum likelihood method proposed by DuMouchel (1971) produces estimates that fit the cryptocurrency return data much better than the quantile based approach of McCulloch (1986) and sample characteristic method by Koutrouvelis (1980). The empirical results show that the leptokurtic feature presented in cryptocurrency return data can be captured by an $α$-stable distribution. The findings highlight that $α$-stable distribution is not only parsimonious with its four free parameters but also a creative model that is close to reality. This paper covers early reports and literature on cryptocurrencies and stable distributions.
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।