Mô hình Markov ẩn Bayes về các chế độ lợi suất tiền mã hóa

Tóm tắt

Nghiên cứu sử dụng mô hình Markov ẩn nhiều trạng thái để dự báo và giải thích lợi suất của Bitcoin, Ether và Ripple. Nghiên cứu so sánh các loại mô hình, bao gồm một mô hình Markov ẩn không đồng nhất, đồng thời xem xét các biến dự báo về tài chính, kinh tế và tiền mã hóa. Trong số các mô hình được xét cho cả ba tài sản, mô hình không đồng nhất với bốn trạng thái có hiệu quả dự báo trước một bước tốt nhất.

Các tác giả quy mức cải thiện so với bước đi ngẫu nhiên một chế độ cho các trạng thái tiềm ẩn nắm bắt những giai đoạn có hành vi lợi suất khác nhau. Với Bitcoin, các trạng thái được báo cáo phân biệt điều kiện tăng giá, giảm giá và bình lặng; với Ether và Ripple, chúng phân chia các giai đoạn theo đặc điểm lợi nhuận và rủi ro. Phân tích cũng cho thấy mối quan hệ giữa các biến dự báo có thể khác nhau giữa các trạng thái tiềm ẩn và có thể tuyến tính hoặc phi tuyến. Đây là các phát hiện thực nghiệm đối với những tiền mã hóa, mô hình và mẫu đã chọn; phần mô tả không nêu ngày của mẫu hoặc thước đo hiệu quả chi tiết, nên không xác lập được rằng kết quả có thể khái quát sang tài sản khác hoặc các giai đoạn tương lai.

Ý chính

• Mô hình Markov ẩn nhiều trạng thái biểu diễn lợi suất tiền mã hóa như biến đổi qua các chế độ tiềm ẩn.
• Trong số các mô hình được kiểm nghiệm, mô hình không đồng nhất bốn trạng thái có hiệu quả dự báo trước một bước tốt nhất.
• Các trạng thái tiềm ẩn phản ánh đặc điểm lợi suất khác nhau của Bitcoin, Ether và Ripple.
• Tác động của biến dự báo có thể thay đổi theo trạng thái và có thể tuyến tính hoặc phi tuyến.
• Bằng chứng được báo cáo chỉ áp dụng cho các tài sản và mô hình đã nghiên cứu.

Thẻ

# 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.

Hiển thị toàn văn kèm ghi nguồn theo giấy phép của tài liệu gốc. Giấy phép: abstract CC0

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.