본문으로 건너뛰기
라이브러리 문서 전체

비트코인 변동성 예측에 트윗과 거래량 활용

기사 arXiv papers · 저자: Irena Barjašić et al.
원문 읽기

요약

이 연구는 일반화 자기회귀 조건부 이분산성 방법으로 분 단위 비트코인 수익률 변동성을 모형화합니다. GARCH 계열의 여러 변형으로 나타낸 과거 수익률 및 변동성과 분포 혼합 가설을 결합합니다. 시장 정보 흐름이 수익률 동학을 설명하는 데 도움이 될 수 있다는 가설입니다. 비트코인 관련 트윗과 거래량은 외부 정보 신호로 사용합니다.

논문은 이러한 신호가 변동성 예측을 개선하는지 검정하고, 표본 외 통계 검정으로 여러 모형을 비교합니다. 이 평가에서는 가장 단순한 GARCH(1,1) 모형이 외부 신호를 추가했을 때 가장 좋은 반응을 보입니다. 제공된 설명에는 표본 날짜나 세부 성과 지표, 트윗 및 거래량 변수를 구성하고 시점을 정한 정확한 방법이 보고되지 않았습니다. 따라서 결과는 검정된 사양과 데이터 설정을 뒷받침하지만, 다른 기간이나 트레이딩 환경에서도 이 신호들이 예측을 개선한다는 점을 그 자체로 보여주지는 않습니다.

핵심 아이디어

  • GARCH 계열 모형으로 분 단위 가격 수익률에서 비트코인 변동성을 예측합니다.
  • 비트코인 관련 트윗과 거래량이 변동성 정보를 추가하는지 검정합니다.
  • 과거 변동성과 시장 정보 흐름을 함께 고려해 수익률 동학을 설명합니다.
  • 표본 외 검정에서 시험한 모형 중 GARCH(1,1) 모형이 외부 신호를 추가했을 때 가장 큰 이점을 보입니다.
  • 설명에는 신호 구성 방식과 예측 개선 규모에 관한 세부 정보가 제한적입니다.

태그

가상자산변동성고빈도 매매시장 심리통계
전문
# Time-varying volatility in Bitcoin market and information flow at minute-level frequency


# Time-varying volatility in Bitcoin market and information flow at minute-level frequency









In this paper, we analyze the time-series of minute price returns on the Bitcoin market through the statistical models of generalized autoregressive conditional heteroskedasticity (GARCH) family. Several mathematical models have been proposed in finance, to model the dynamics of price returns, each of them introducing a different perspective on the problem, but none without shortcomings. We combine an approach that uses historical values of returns and their volatilities - GARCH family of models, with a so-called "Mixture of Distribution Hypothesis", which states that the dynamics of price returns are governed by the information flow about the market. Using time-series of Bitcoin-related tweets and volume of transactions as external information, we test for improvement in volatility prediction of several GARCH model variants on a minute level Bitcoin price time series. Statistical tests show that the simplest GARCH(1,1) reacts the best to the addition of external signal to model volatility process on out-of-sample data.

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

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