Memória longa e autossimilaridade em múltiplas escalas nos retornos do Bitcoin

Resumo

O artigo examina propriedades estatísticas dos retornos do Bitcoin, compara sua dinâmica com a de moedas convencionais e analisa o comportamento em diferentes escalas temporais. A amostra empírica consiste em dados de transações de uma única plataforma de Bitcoin durante o período estudado. Para avaliar a dependência de longo alcance, aplica análise de flutuação sem tendência e calcula expoentes de Hurst em janelas móveis, permitindo que a persistência estimada varie ao longo do tempo.

As estimativas relatadas mudam substancialmente nos primeiros anos do Bitcoin e tendem a se tornar mais estáveis mais tarde na amostra. Os resultados em múltiplas escalas mostram comportamento semelhante dos expoentes de Hurst, que os autores interpretam como evidência de autossimilaridade. Essas conclusões descrevem padrões estatísticos históricos; não demonstram um sinal de trading lucrativo nem que a dependência observada persistirá. Os dados de uma única plataforma e o período histórico finito também limitam a generalização dos resultados para os mercados de Bitcoin ou condições futuras.

Ideias principais

• O estudo compara a dinâmica dos retornos do Bitcoin com a de moedas convencionais.
• A análise de flutuação sem tendência é usada para estimar a dependência de longo alcance.
• Janelas móveis acompanham as mudanças dos expoentes de Hurst ao longo da amostra.
• As estimativas variam nos primeiros anos do Bitcoin e tendem a se estabilizar depois.
• Estimativas em múltiplas escalas apresentam comportamento semelhante, interpretado como autossimilaridade.

Tags

# Some stylized facts of the Bitcoin market


# Some stylized facts of the Bitcoin market









In recent years a new type of tradable assets appeared, generically known as cryptocurrencies. Among them, the most widespread is Bitcoin. Given its novelty, this paper investigates some statistical properties of the Bitcoin market. This study compares Bitcoin and standard currencies dynamics and focuses on the analysis of returns at different time scales. We test the presence of long memory in return time series from 2011 to 2017, using transaction data from one Bitcoin platform. We compute the Hurst exponent by means of the Detrended Fluctuation Analysis method, using a sliding window in order to measure long range dependence. We detect that Hurst exponents changes significantly during the first years of existence of Bitcoin, tending to stabilize in recent times. Additionally, multiscale analysis shows a similar behavior of the Hurst exponent, implying a self-similar process.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.