Como forks do Bitcoin afetam retornos e volatilidade

Resumo

Este estudo examina como eventos de fork de criptomoedas afetam o Bitcoin, a moeda original. Usa um modelo GARCH exponencial modificado para analisar mudanças nos retornos e na volatilidade, considerando o agrupamento da volatilidade e distribuições de retornos com caudas pesadas. O modelo também considera a dinâmica do mercado, embora o documento não descreva os controles específicos nem os detalhes da estimação.

Os resultados relatados indicam que os forks não afetam significativamente os retornos do Bitcoin, mas têm forte associação positiva com a volatilidade. A volatilidade permanece elevada nos três dias após um fork, e forks simultâneos não ampliam o impacto sobre a volatilidade. Esses resultados descrevem as conclusões do estudo com base no modelo; o resumo fornecido não informa período da amostra, número de eventos, estimativas de incerteza ou verificações de robustez, o que limita a avaliação de sua aplicabilidade mais ampla.

Ideias principais

• Um modelo GARCH exponencial modificado avalia a resposta do Bitcoin a eventos de fork.
• O modelo considera o agrupamento da volatilidade e distribuições de retornos com caudas pesadas.
• O estudo relata ausência de efeito significativo nos retornos, mas efeito positivo na volatilidade em torno dos forks.
• Segundo os resultados relatados, a volatilidade permanece elevada por três dias após um fork.
• Forks simultâneos não aumentam o impacto relatado sobre a volatilidade.

Tags

# The forking effect


# The forking effect









This study introduces the concept of the forking effect in the cryptocurrency market,specifically focusing on the impact of forking events on bitcoin, also called parent coin.We use a modified exponential GARCH model to examine the bitcoin's response inreturns and volatility. Our findings reveal that forking events do not significantlyaffect the bitcoin's returns but have a strong positive impact on its volatility, especially when considering market dynamics. Our model accounts for key features likevolatility clustering and fat-tailed distributions. Additionally, we observe that following a fork event, volatility remains elevated for the next three days, regardless ofother forking events, and the volatility impact does not increase when multiple forksoccur simultaneously on the same day.

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.