Comparação da complexidade multifractal e entrópica entre mercados

Resumo

O estudo compara a complexidade de séries de retornos logarítmicos de Bitcoin, GBP/USD, ouro e gás natural. Aplica a Análise de Flutuação Detrendida Multifractal e a Entropia Amostral Multiescala Composta Refinada, duas abordagens que quantificam diferentes aspectos da estrutura em várias escalas. A comparação busca contribuir para entender como a previsibilidade do mercado e os riscos associados podem diferir entre classes de ativos.

As duas medidas indicam maior complexidade nos retornos do Bitcoin do que nas outras séries. Os autores sugerem que correlações não lineares mais fortes no Bitcoin podem ajudar a explicar esse resultado. A descrição não informa datas da amostra, escolhas de parâmetros, estimativas de incerteza ou testes de trading; portanto, o resultado deve ser tratado como uma comparação de séries temporais, e não como prova de que o Bitcoin é menos previsível em todos os cenários. Medidas de complexidade caracterizam a estrutura dos retornos; o trecho não demonstra como elas se traduzem em precisão de previsão ou desempenho de investimento.

Ideias principais

• O estudo compara a complexidade dos retornos de Bitcoin, GBP/USD, ouro e gás natural.
• As medidas de MF-DFA avaliam a estrutura multifractal das séries de retornos.
• RCMSE avalia a entropia amostral em várias escalas de tempo.
• As duas medidas classificam os retornos do Bitcoin como mais complexos que os dos outros mercados estudados.
• A explicação proposta é uma correlação não linear mais forte, mas não é descrito nenhum teste direto de desempenho de trading.

Tags

# Complexity of Financial Time Series: Multifractal and Multiscale Entropy Analyses


# Complexity of Financial Time Series: Multifractal and Multiscale Entropy Analyses









We employed Multifractal Detrended Fluctuation Analysis (MF-DFA) and Refined Composite Multiscale Sample Entropy (RCMSE) to investigate the complexity of Bitcoin, GBP/USD, gold, and natural gas price log-return time series. This study provides a comparative analysis of these markets and offers insights into their predictability and associated risks. Each tool presents a unique method to quantify time series complexity. The RCMSE and MF-DFA methods demonstrate a higher complexity for the Bitcoin time series than others. It is discussed that the increased complexity of Bitcoin may be attributable to the presence of higher nonlinear correlations within its log-return time series.

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.