Моделирование блоков Bitcoin и скачков цен с помощью процессов Хоукса

Сводка

В статье моделируются появление блоков Bitcoin и скачки цен с помощью многомерного процесса Хоукса — точечного процесса, в котором события могут усиливать вероятность последующих событий. Используются общедоступные данные блокчейна, а параметры модели оцениваются методом максимального правдоподобия. Такой подход предназначен для учёта как самовозбуждения внутри потоков событий, так и взаимного возбуждения между майнингом блоков и волатильностью цены Bitcoin.

Согласно результатам, волатильность цены Bitcoin повышает частоту майнинга блоков, а доходность инвестиций в Bitcoin демонстрирует возврат к среднему. Графики квантиль-квантиль показывают, что процесс Хоукса лучше соответствует данным блокчейна, чем процесс Пуассона. Эти результаты описывают статистические взаимосвязи и соответствие модели данным; в кратком изложении нет оценок параметров, сведений об охвате набора данных или прогнозной точности, а также доказательств того, что результаты позволяют построить прибыльную торговую стратегию.

Ключевые идеи

• Многомерный процесс Хоукса используется для моделирования появления блоков Bitcoin и скачков цен.
• Параметры модели оцениваются методом максимального правдоподобия на общедоступных данных блокчейна.
• Подход учитывает самовозбуждение и взаимное возбуждение потоков событий.
• Согласно описанному анализу, волатильность цены Bitcoin повышает частоту майнинга блоков.
• Сообщается, что доходность инвестиций в Bitcoin возвращается к среднему, а графики квантиль-квантиль показывают лучшее соответствие модели Хоукса, чем модели Пуассона.

Теги

# Hawkes Process Modeling of Block Arrivals in Bitcoin Blockchain


# Hawkes Process Modeling of Block Arrivals in Bitcoin Blockchain









The paper constructs a multi-variate Hawkes process model of Bitcoin block arrivals and price jumps. Hawkes processes are selfexciting point processes that can capture the self- and cross-excitation effects of block mining and Bitcoin price volatility. We use publicly available blockchain datasets to estimate the model parameters via maximum likelihood estimation. The results show that Bitcoin price volatility boost block mining rate and Bitcoin investment return demonstrates mean reversion. Quantile-Quantile plots show that the proposed Hawkes process model is a better fit to the blockchain datasets than a Poisson process model.

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.