مارکوف سوئچنگ GARCH اور اتفاقی ماڈلز سے بٹ کوائن کے اتار چڑھاؤ کی پیش گوئی

خلاصہ

مقالہ بٹ کوائن کے روزانہ منافع کے مشروط تغیر کی پیش گوئیوں کا موازنہ مارکوف سوئچنگ GARCH اور اتفاقی اتار چڑھاؤ کے ماڈلز سے کرتا ہے، جن میں اتفاقی خودکار رجعتی اتار چڑھاؤ (SARV) بھی شامل ہے۔ اس کا ڈیزائن نمونے سے باہر پیش گوئی کی کارکردگی جانچتا ہے اور اوسط و تغیر کی مساوات کے عددی سر الگ الگ مراحل میں تخمینہ کرنے کی سفارش کرتا ہے۔ اس علیحدگی کو تخمینہ کاری کے طریقۂ کار کی وجہ کے طور پر پیش کیا گیا ہے۔

رپورٹ کردہ نتائج مارکوف سوئچنگ GARCH متبادلوں کے مقابلے میں اتفاقی اتار چڑھاؤ کے ماڈلز، خصوصاً SARV، کے حق میں ہیں۔ یہ بھی ظاہر ہوتا ہے کہ مسلسل رہنے والا معیاری GARCH ماڈل کبھی کبھار منافع کے تغیر کی پیش گوئی مارکوف سوئچنگ GARCH ماڈل سے بہتر کر سکتا ہے۔ یہ موازنے بٹ کوائن کے خطرے کی پیش گوئی کے لیے اتار چڑھاؤ کے ماڈلز میں انتخاب کے شواہد دیتے ہیں، لیکن فراہم کردہ خلاصے میں نمونے کی تاریخیں، پیش گوئی کے افق، اسکورنگ کے پیمانے یا درجہ بندی کے پیچھے تفصیلی حالات نہیں دیے گئے۔ اس لیے نتائج ثابت نہیں کرتے کہ ہر مارکیٹ نظام یا پیش گوئی کی ترتیب میں ایک ہی ماڈل غالب رہے گا۔

اہم خیالات

• مطالعہ مارکوف سوئچنگ GARCH اور اتفاقی اتار چڑھاؤ کے ماڈلز سے بٹ کوائن کے اتار چڑھاؤ کی نمونے سے باہر پیش گوئیوں کا موازنہ کرتا ہے۔
• اس میں اتفاقی خودکار رجعتی اتار چڑھاؤ کے ماڈلز کو اتفاقی اتار چڑھاؤ کی قسم کے حصے کے طور پر شامل کیا گیا ہے۔
• مقالہ دو مرحلوں پر مشتمل تخمینہ کاری تجویز کرتا ہے، جس میں اوسط اور تغیر کے عددی سر الگ رکھے جاتے ہیں۔
• رپورٹ کردہ موازنے میں اتفاقی اتار چڑھاؤ کے ماڈلز، خصوصاً SARV، MS-GARCH سے بہتر کارکردگی دکھاتے ہیں۔
• بٹ کوائن کے منافع کے تغیر کی پیش گوئیوں میں مسلسل رہنے والا سادہ GARCH کبھی کبھار MS-GARCH سے بہتر ہو سکتا ہے۔

ٹیگز

# 2401.03393


# Modelling and Predicting the Conditional Variance of Bitcoin Daily Returns: Comparsion of Markov Switching GARCH and SV Models









This paper introduces a unique and valuable research design aimed at analyzing Bitcoin price volatility. To achieve this, a range of models from the Markov Switching-GARCH and Stochastic Autoregressive Volatility (SARV) model classes are considered and their out-of-sample forecasting performance is thoroughly examined. The paper provides insights into the rationale behind the recommendation for a two-stage estimation approach, emphasizing the separate estimation of coefficients in the mean and variance equations. The results presented in this paper indicate that Stochastic Volatility models, particularly SARV models, outperform MS-GARCH models in forecasting Bitcoin price volatility. Moreover, the study suggests that in certain situations, persistent simple GARCH models may even outperform Markov-Switching GARCH models in predicting the variance of Bitcoin log returns. These findings offer valuable guidance for risk management experts, highlighting the potential advantages of SARV models in managing and forecasting Bitcoin price volatility.

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۔