암호화폐 수익률 기대분위수 HMM

기사 arXiv papers · 저자: Beatrice Foroni et al.

요약

이 논문은 위험 관리 환경에서 암호화폐 수익률을 연구하기 위한 선형 기대분위수 은닉 마르코프 모형을 제시합니다. 기대분위수를 사용하면 수익률 분포의 비대칭적인 부분에 초점을 둘 수 있으며, 관측되지 않은 이산 마르코프 연쇄에 따라 모형 계수가 시간에 따라 변합니다. 추정에는 비대칭 정규분포를 사용하고, 모수 갱신식을 포함한 기댓값-최대화 절차를 적용합니다.

저자들은 여러 실험 설정에서 얻은 시뮬레이션 데이터와 주요 세계 시장 지수에 대응하는 일별 비트코인 수익률로 접근법을 평가합니다. 문서는 방법과 평가 설계를 설명하지만, 구체적인 실증 결과나 성능 비교를 보고하지 않습니다. 따라서 범위는 방법론에 한정됩니다. 초록은 이 모형이 예측이나 위험 의사결정을 개선한다고 입증하지 않으며, 암호화폐나 시장 상황에 따라 결과가 어떻게 달라지는지도 명시하지 않습니다.

핵심 아이디어

기대분위수 회귀를 사용해 암호화폐 수익률의 비대칭적 특성에 초점을 둡니다.
잠재 마르코프 상태를 통해 회귀 계수가 시간에 따라 변할 수 있습니다.
비대칭 정규분포를 사용해 최대우도 추정을 수행합니다.
기댓값-최대화 알고리즘이 모수 갱신값을 제공합니다.
평가에는 시뮬레이션 데이터와 주요 시장 지수에 대응하는 비트코인 수익률이 포함됩니다.

# Expectile hidden Markov regression models for analyzing cryptocurrency returns


# Expectile hidden Markov regression models for analyzing cryptocurrency returns









In this paper we develop a linear expectile hidden Markov model for the analysis of cryptocurrency time series in a risk management framework. The methodology proposed allows to focus on extreme returns and describe their temporal evolution by introducing in the model time-dependent coefficients evolving according to a latent discrete homogeneous Markov chain. As it is often used in the expectile literature, estimation of the model parameters is based on the asymmetric normal distribution. Maximum likelihood estimates are obtained via an Expectation-Maximization algorithm using efficient M-step update formulas for all parameters. We evaluate the introduced method with both artificial data under several experimental settings and real data investigating the relationship between daily Bitcoin returns and major world market indices.

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

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

암호화폐 위험 분석을 위한 기대분위수 은닉 마르코프 회귀

요약

핵심 아이디어

태그