Оценка волатильности биткоина моделями GARCH и ошибками NIG

Сводка

В статье сравниваются модели sGARCH, iGARCH и tGARCH для оценки волатильности доходности биткоина. Каждая модель сочетается с распределением Стьюдента, обобщённым распределением ошибок и нормальным обратным гауссовским (NIG) распределением для представления таких характеристик, как кластеризация волатильности, тяжёлые хвосты и асимметрия. Сравнение показывает, насколько хорошо эти сочетания моделей и распределений описывают поведение ряда доходности.

Согласно результатам, NIG лучше описывает тяжёлые хвосты и асимметрию; среди рассмотренных спецификаций наилучшей названа tGARCH с NIG. Авторы связывают преимущество tGARCH со способностью описывать различную реакцию волатильности на положительные и отрицательные новости. Они предполагают, что NIG может подойти и для других криптовалют, поскольку их доходность часто имеет высокую эксцессивность. В документе нет сведений о периоде выборки, метриках оценки, качестве прогнозов или результатах торговли, поэтому выводы ограничены представленным сравнением моделей и могут не обобщаться на другие активы или периоды.

Ключевые идеи

• Модели семейства GARCH могут описывать кластеризацию волатильности доходности биткоина.
• В исследовании сравниваются распределения доходности Стьюдента, обобщённое распределение ошибок и нормальное обратное гауссовское распределение.
• Сообщается, что нормальное обратное гауссовское распределение хорошо описывает асимметрию и тяжёлые хвосты.
• Модель tGARCH позволяет различать реакцию волатильности на положительные и отрицательные шоки.
• Предпочтительной спецификацией названа tGARCH с ошибками, имеющими нормальное обратное гауссовское распределение.

Теги

# 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.

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.