Сравнение мультифрактальной сложности и сложности по энтропии на разных рынках

Сводка

В исследовании сравнивается сложность рядов логарифмической доходности биткоина, GBP/USD, золота и природного газа. Применяются мультифрактальный анализ флуктуаций без тренда и уточнённая составная многомасштабная энтропия выборки — два метода, которые измеряют разные аспекты структуры на разных масштабах. Сравнение призвано показать, как предсказуемость рынков и связанные с ней риски могут различаться между классами активов.

Обе меры указывают на более высокую сложность доходности биткоина по сравнению с остальными рядами. Авторы предполагают, что это может объясняться более сильными нелинейными корреляциями биткоина. В описании нет дат выборки, параметров, оценок неопределённости или торговых тестов, поэтому результат следует рассматривать как сравнение временных рядов, а не как доказательство того, что биткоин менее предсказуем в любых условиях. Меры сложности характеризуют структуру доходности; отрывок не устанавливает, как она связана с точностью прогнозов или инвестиционными результатами.

Ключевые идеи

• В исследовании сравнивается сложность доходности биткоина, GBP/USD, золота и природного газа.
• MF-DFA измеряет мультифрактальную структуру рядов доходности.
• RCMSE оценивает энтропию выборки на нескольких временных масштабах.
• Обе меры показывают, что доходность биткоина сложнее доходности остальных изученных рынков.
• В качестве объяснения предложены более сильные нелинейные корреляции, однако прямой тест торговых результатов не описан.

Теги

# 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.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.