کرپٹو منافع کے نظاموں کے لیے بیزی پوشیدہ مارکوف ماڈلز

خلاصہ

یہ مطالعہ بٹ کوائن، ایتھر اور رپل کے منافع کی پیش گوئی اور وضاحت کے لیے متعدد حالتوں والے پوشیدہ مارکوف ماڈلز استعمال کرتا ہے۔ یہ مختلف ماڈل اقسام، بشمول غیر ہم نوع پوشیدہ مارکوف تخصیص، کا موازنہ کرتا اور مالی، معاشی اور کرپٹو کرنسی سے متعلق پیش گو متغیرات کا جائزہ لیتا ہے۔ زیرِ غور تینوں اثاثوں میں چار حالتوں والا غیر ہم نوع ماڈل ایک قدم آگے کی پیش گوئی میں سب سے مضبوط کارکردگی دکھاتا ہے۔

مصنفین ایک نظام والے رینڈم واک کے مقابل فائدے کو پوشیدہ حالتوں سے منسوب کرتے ہیں جو منافع کے مختلف رویوں والے ادوار پکڑتی ہیں۔ بٹ کوائن کے لیے رپورٹ کردہ حالتیں تیزی، مندی اور سکون کے حالات میں فرق کرتی ہیں؛ ایتھر اور رپل کے لیے وہ منافع اور خطرے کی خصوصیات کے لحاظ سے ادوار الگ کرتی ہیں۔ تجزیہ یہ بھی بتاتا ہے کہ پیش گو متغیرات کے تعلقات پوشیدہ حالتوں کے لحاظ سے بدل سکتے ہیں اور خطی یا غیر خطی ہو سکتے ہیں۔ یہ منتخب کرپٹو کرنسیوں، ماڈلز اور نمونے کے تجرباتی نتائج ہیں؛ وضاحت میں نمونے کی تاریخیں یا کارکردگی کی تفصیلی پیمائش نہیں، اس لیے یہ ثابت نہیں ہوتا کہ نتائج دوسرے اثاثوں یا مستقبل کے ادوار پر لاگو ہوں گے۔

اہم خیالات

• متعدد حالتوں والے پوشیدہ مارکوف ماڈلز کرپٹو منافع کو پوشیدہ نظاموں کے مطابق بدلتا ہوا ظاہر کرتے ہیں۔
• چار حالتوں والا غیر ہم نوع ماڈل آزمائے گئے ماڈلز میں ایک قدم آگے کی بہترین پیش گوئی کرتا ہے۔
• پوشیدہ حالتیں بٹ کوائن، ایتھر اور رپل میں منافع کی مختلف خصوصیات ظاہر کرتی ہیں۔
• پیش گو متغیرات کے اثرات حالت کے لحاظ سے بدل سکتے ہیں اور خطی یا غیر خطی ہو سکتے ہیں۔
• رپورٹ کردہ ثبوت زیرِ مطالعہ اثاثوں اور ماڈلز تک مخصوص ہے۔

ٹیگز

# Exploring the Predictability of Cryptocurrencies via Bayesian Hidden Markov Models


# Exploring the Predictability of Cryptocurrencies via Bayesian Hidden Markov Models









In this paper, we consider a variety of multi-state Hidden Markov models for predicting and explaining the Bitcoin, Ether and Ripple returns in the presence of state (regime) dynamics. In addition, we examine the effects of several financial, economic and cryptocurrency specific predictors on the cryptocurrency return series. Our results indicate that the Non-Homogeneous Hidden Markov (NHHM) model with four states has the best one-step-ahead forecasting performance among all competing models for all three series. The dominance of the predictive densities over the single regime random walk model relies on the fact that the states capture alternating periods with distinct return characteristics. In particular, the four state NHHM model distinguishes bull, bear and calm regimes for the Bitcoin series, and periods with different profit and risk magnitudes for the Ether and Ripple series. Also, conditionally on the hidden states, it identifies predictors with different linear and non-linear effects on the cryptocurrency returns. These empirical findings provide important insight for portfolio management and policy implementation.

ماخذ کا حوالہ دیتے ہوئے مکمل متن دکھایا گیا ہے، ماخذ کے لائسنس کے تحت۔ لائسنس: abstract CC0

یہ خلاصہ اصل ماخذ سے Stratmill کے تحقیقی ایجنٹ نے لکھا ہے؛ یہ ماخذ کی نقل نہیں۔