GARCH ماڈلز اور NIG ایررز سے بٹ کوائن کے اتار چڑھاؤ کا تخمینہ

خلاصہ

مقالہ بٹ کوائن کے منافع میں اتار چڑھاؤ کا تخمینہ لگانے کے لیے sGARCH، iGARCH اور tGARCH ماڈلز کا موازنہ کرتا ہے۔ ہر ماڈل کے ساتھ Student t، generalized error اور normal inverse Gaussian (NIG) تقسیمیں استعمال کی گئی ہیں تاکہ اتار چڑھاؤ کے جھرمٹ، موٹی دموں اور ترچھے پن جیسی خصوصیات ظاہر ہوں۔ موازنہ اس بات پر مرکوز ہے کہ ماڈل اور تقسیم کے یہ امتزاج منافع کے سلسلے کے رویے کو کتنی اچھی طرح گرفت میں لیتے ہیں۔

رپورٹ کردہ نتائج موٹی دموں اور ترچھے پن کی نمائندگی کے لیے NIG کو ترجیح دیتے ہیں، اور زیرِ جائزہ ماڈلز میں tGARCH کے ساتھ NIG کو بہترین تخصیص قرار دیتے ہیں۔ مصنفین tGARCH کی برتری کو مثبت اور منفی خبروں پر اتار چڑھاؤ کے مختلف ردعمل ظاہر کرنے کی صلاحیت سے منسوب کرتے ہیں۔ ان کا خیال ہے کہ NIG دیگر کرپٹو کرنسیوں کے لیے بھی موزوں ہو سکتا ہے کیونکہ ان کے منافع اکثر لیپٹوکرٹک ہوتے ہیں۔ دستاویز نمونے کی مدت، جانچ کے پیمانوں، پیش گوئی کی کارکردگی یا ٹریڈنگ نتائج کی تفصیل نہیں دیتی، اس لیے اس کے نتائج رپورٹ کردہ ماڈل موازنے تک محدود ہیں اور مختلف اثاثوں یا ادوار پر لاگو نہ بھی ہوں۔

اہم خیالات

• GARCH خاندان کے ماڈلز بٹ کوائن کے منافع میں اتار چڑھاؤ کے جھرمٹ کی نمائندگی کر سکتے ہیں۔
• مطالعہ Student t، generalized error اور normal inverse Gaussian منافع کی تقسیموں کا موازنہ کرتا ہے۔
• رپورٹ کے مطابق normal inverse Gaussian تقسیم ترچھے پن اور موٹی دموں کو اچھی طرح ظاہر کرتی ہے۔
• tGARCH مثبت اور منفی جھٹکوں پر اتار چڑھاؤ کے ردعمل میں فرق کی اجازت دیتا ہے۔
• رپورٹ کردہ ترجیحی تخصیص tGARCH ہے جس میں normal inverse Gaussian ایررز ہیں۔

ٹیگز

# 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.

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۔