コンテンツへスキップ
ライブラリの全資料

ビットコインのボラティリティ予測：マルコフ切替GARCHと確率モデル

記事 arXiv papers · 著者: Dennis Koch et al.
原文を読む

サマリー

本論文は、マルコフ切替GARCHと確率ボラティリティモデル（確率自己回帰ボラティリティSARVを含む）を用いて、ビットコインの日次リターンの条件付き分散予測を比較しています。設計では標本外予測の成績を評価し、平均方程式と分散方程式の係数を別々の段階で推定することを推奨しています。この分離を推定手順の根拠として示しています。

報告された結果では、確率ボラティリティモデル、特にSARVが、マルコフ切替GARCHの代替モデルより優れています。また、持続性のある標準的なGARCHモデルが、ビットコインのリターン分散をマルコフ切替GARCHモデルよりうまく予測する場合があることも示されています。これらの比較は、ビットコインのリスク予測に用いるボラティリティモデルを選ぶための証拠となりますが、提示された要約には標本期間、予測期間、評価指標、順位の背景となる詳細な条件がありません。したがって、すべての市場レジームや予測設定で一つのモデルが優位になるとは示されていません。

主なアイデア

  • マルコフ切替GARCHと確率ボラティリティモデルによる、ビットコインの標本外ボラティリティ予測を比較しています。
  • 確率ボラティリティの分類に、確率自己回帰ボラティリティモデルも含めています。
  • 平均係数と分散係数を分離する二段階の推定手順を推奨しています。
  • 報告された比較では、確率ボラティリティモデル、特にSARVがMS-GARCHを上回っています。
  • 持続性のある単純なGARCHが、ビットコインのリターン分散予測でMS-GARCHを上回る場合があります。

タグ

暗号資産ボラティリティ統計リスク管理
全文
# 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.

出典を明記したうえで、ライセンスに従って全文を掲載しています。 ライセンス: abstract CC0

この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。