본문으로 건너뛰기
라이브러리 문서 전체

GARCH 모형과 NIG 오차를 이용한 비트코인 변동성 추정

기사 arXiv papers · 저자: Samuel Asante Gyamerah
원문 읽기

요약

이 논문은 비트코인 수익률의 변동성을 추정하기 위해 sGARCH, iGARCH, tGARCH 모형을 비교합니다. 각 모형에 스튜던트 t, 일반화 오차, 정규 역가우스(NIG) 분포를 적용해 변동성 군집, 두꺼운 꼬리, 비대칭성 같은 특성을 나타냅니다. 비교는 각 모형과 분포의 조합이 수익률 시계열의 거동을 얼마나 잘 포착하는지에 초점을 둡니다.

보고된 결과에서는 두꺼운 꼬리와 비대칭성을 나타내는 데 NIG가 더 적합했고, 검토한 모형 중 tGARCH와 NIG의 조합이 가장 우수한 사양으로 확인됐습니다. 저자들은 tGARCH의 장점이 긍정적 뉴스와 부정적 뉴스에 대한 변동성 반응의 차이를 나타낼 수 있다는 점에 있다고 설명합니다. 수익률이 흔히 첨도가 높으므로 NIG가 다른 암호화폐에도 적합할 수 있다고 제안합니다. 문서에는 표본 기간, 평가 지표, 예측 성능 또는 거래 결과에 대한 세부 정보가 없으므로 결론은 보고된 모형 비교에 한정되며 자산이나 기간이 달라지면 일반화되지 않을 수 있습니다.

핵심 아이디어

  • GARCH 계열 모형은 비트코인 수익률의 변동성 군집을 나타낼 수 있습니다.
  • 이 연구는 스튜던트 t, 일반화 오차, 정규 역가우스 수익률 분포를 비교합니다.
  • 정규 역가우스 분포는 비대칭성과 두꺼운 꼬리를 잘 포착하는 것으로 보고됩니다.
  • tGARCH는 긍정적 충격과 부정적 충격에 대한 변동성 반응을 다르게 나타낼 수 있습니다.
  • 보고된 선호 사양은 정규 역가우스 오차를 적용한 tGARCH입니다.

태그

가상자산변동성통계
전문
# Estimating the volatility of Bitcoin using GARCH models


# Estimating the volatility of Bitcoin using GARCH models









In this paper, an application of three GARCH-type models (sGARCH, iGARCH, and tGARCH) with Student t-distribution, Generalized Error distribution (GED), and Normal Inverse Gaussian (NIG) distribution are examined. The new development allows for the modeling of volatility clustering effects, the leptokurtic and the skewed distributions in the return series of Bitcoin. Comparative to the two distributions, the normal inverse Gaussian distribution captured adequately the fat tails and skewness in all the GARCH type models. The tGARCH model was the best model as it described the asymmetric occurrence of shocks in the Bitcoin market. That is, the response of investors to the same amount of good and bad news are distinct. From the empirical results, it can be concluded that tGARCH-NIG was the best model to estimate the volatility in the return series of Bitcoin. Generally, it would be optimal to use the NIG distribution in GARCH type models since time series of most cryptocurrency are leptokurtic.

출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0

이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.