Estimativa da volatilidade do Bitcoin com modelos GARCH e erros NIG

Resumo

O artigo compara modelos sGARCH, iGARCH e tGARCH para estimar a volatilidade dos retornos do Bitcoin. Cada modelo é combinado com distribuições t de Student, de erro generalizado e normal inversa gaussiana (NIG) para representar características como agrupamento de volatilidade, caudas pesadas e assimetria. A comparação se concentra em quão bem essas combinações de modelos e distribuições capturam o comportamento da série de retornos.

Os resultados relatados favorecem NIG para representar caudas pesadas e assimetria e identificam tGARCH com NIG como a especificação mais forte entre as examinadas. Os autores atribuem a vantagem do tGARCH à sua capacidade de representar diferentes respostas da volatilidade a notícias positivas e negativas. Sugerem que NIG também pode ser adequado a outras criptomoedas, pois seus retornos costumam ser leptocúrticos. O documento não apresenta detalhes sobre o período da amostra, métricas de avaliação, desempenho das previsões ou resultados de trading; portanto, suas conclusões se limitam à comparação de modelos relatada e podem não se generalizar entre ativos ou períodos.

Ideias principais

• Modelos da família GARCH podem representar agrupamentos de volatilidade nos retornos do Bitcoin.
• O estudo compara distribuições de retornos t de Student, de erro generalizado e normal inversa gaussiana.
• Relata-se que a distribuição normal inversa gaussiana captura bem a assimetria e as caudas pesadas.
• O tGARCH permite respostas diferentes da volatilidade a choques positivos e negativos.
• A especificação preferida relatada é tGARCH com erros normais inversos gaussianos.

Tags

# 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.

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.