ホークス過程によるビットコインのブロックと価格急変のモデル化
記事 arXiv papers · 著者: Rui Luo et al.
サマリー
この論文は、多変量ホークス過程を用いてビットコインのブロック到着と価格急変をモデル化しています。ホークス過程は、ある事象が後続の事象を誘発しうるものとして表す点過程の枠組みです。公開されているブロックチェーンデータを使用し、最尤法でモデルパラメータを推定しています。この設定は、事象系列内の自己励起と、ブロック採掘とビットコイン価格ボラティリティ間の交差励起の両方を捉えることを目的としています。
報告された結果では、ビットコイン価格のボラティリティがブロック採掘率を高める一方、ビットコイン投資リターンには平均回帰が見られます。分位点-分位点プロットでは、ホークスモデルの方がポアソンモデルよりブロックチェーンデータへの適合度が高く示されています。これらの知見は統計的な関係とモデル適合度を示すものです。短い説明にはパラメータ推定値、データセットの範囲、予測性能が示されておらず、収益性のあるトレード戦略を裏付ける証拠もありません。
主なアイデア
- ビットコインのブロック到着と価格急変を表すため、多変量ホークス過程を使用しています。
- 公開ブロックチェーンデータから最尤法でモデルパラメータを推定しています。
- この枠組みは、事象系列間の自己励起と交差励起を捉えます。
- 報告された分析では、ビットコイン価格のボラティリティがブロック採掘率を高めています。
- ビットコイン投資リターンには平均回帰が見られ、分位点-分位点プロットではポアソンモデルよりホークスモデルの適合度が高く示されています。
タグ
全文
# Hawkes Process Modeling of Block Arrivals in Bitcoin Blockchain # Hawkes Process Modeling of Block Arrivals in Bitcoin Blockchain The paper constructs a multi-variate Hawkes process model of Bitcoin block arrivals and price jumps. Hawkes processes are selfexciting point processes that can capture the self- and cross-excitation effects of block mining and Bitcoin price volatility. We use publicly available blockchain datasets to estimate the model parameters via maximum likelihood estimation. The results show that Bitcoin price volatility boost block mining rate and Bitcoin investment return demonstrates mean reversion. Quantile-Quantile plots show that the proposed Hawkes process model is a better fit to the blockchain datasets than a Poisson process model.
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。