Chuyển đến nội dung
Tất cả tài liệu trong thư viện

Trí nhớ lợi suất và biến động Bitcoin khi hiệu quả thị trường thay đổi

Bài viết arXiv papers · Tác giả: Aurelio F. Bariviera
Đọc tài liệu gốc

Tóm tắt

Nghiên cứu xem xét liệu lợi suất và biến động Bitcoin có biểu hiện trí nhớ dài hạn từ 2011 đến 2017 hay không, và hành vi đó thay đổi thế nào theo thời gian. Nghiên cứu ước tính số mũ Hurst bằng phương pháp khoảng biến thiên chuẩn hóa (R/S) và phân tích dao động loại bỏ xu hướng (DFA), so sánh khả năng nắm bắt tính dai dẳng thay đổi và hiệu quả thông tin của hai phương pháp.

Kết quả được báo cáo cho thấy R/S thường phát hiện trí nhớ dài hạn, trong khi DFA phân biệt rõ hơn các thay đổi theo thời gian. Lợi suất dai dẳng ở phần đầu của mẫu và thể hiện hiệu quả thông tin cao hơn từ 2014 trở đi. Biến động, được đo bằng chênh lệch logarit giữa mức cao nhất và thấp nhất trong ngày, duy trì trí nhớ dài hạn trong suốt giai đoạn. Các phát hiện này gợi ý rằng lợi suất và biến động có thể phản ánh các quá trình tạo sinh khác nhau. Bằng chứng chỉ giới hạn trong mẫu Bitcoin và các phương pháp đã nêu; phần tóm tắt không cho biết chi tiết kiểm tra độ vững chắc hay liệu tính dai dẳng được phát hiện có hỗ trợ một chiến lược giao dịch sinh lời hay không.

Ý chính

  • Nghiên cứu theo dõi tính dai dẳng của lợi suất và biến động Bitcoin từ 2011 đến 2017 bằng các phương pháp số mũ Hurst.
  • Phân tích R/S có xu hướng phát hiện trí nhớ dài hạn, còn DFA nắm bắt tốt hơn thay đổi về hiệu quả theo thời gian.
  • Lợi suất Bitcoin dai dẳng ở phần đầu mẫu và hiệu quả hơn về mặt thông tin từ 2014 trở đi.
  • Thước đo biến động trong ngày dựa trên giá cao nhất và thấp nhất thể hiện trí nhớ dài hạn trong toàn bộ mẫu.
  • Các mô hình lợi suất và biến động có thể bắt nguồn từ những quá trình nền khác nhau.

Thẻ

Tiền mã hóaThống kêBiến động
Toàn văn
# The inefficiency of Bitcoin revisited: a dynamic approach


# The inefficiency of Bitcoin revisited: a dynamic approach









This letter revisits the informational efficiency of the Bitcoin market. In particular we analyze the time-varying behavior of long memory of returns on Bitcoin and volatility 2011 until 2017, using the Hurst exponent. Our results are twofold. First, R/S method is prone to detect long memory, whereas DFA method can discriminate more precisely variations in informational efficiency across time. Second, daily returns exhibit persistent behavior in the first half of the period under study, whereas its behavior is more informational efficient since 2014. Finally, price volatility, measured as the logarithmic difference between intraday high and low prices exhibits long memory during all the period. This reflects a different underlying dynamic process generating the prices and volatility.

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.