Mô hình hóa lợi suất tiền mã hóa bằng phân phối alpha-stable

Tóm tắt

Nghiên cứu này đánh giá các phân phối alpha-stable làm mô hình cho lợi suất của Bitcoin, Ethereum và Ripple, những tài sản cùng chiếm phần lớn thị trường tiền mã hóa trong bộ dữ liệu được xem xét. Nghiên cứu tập trung vào việc liệu phân phối đuôi dày linh hoạt này có thể nắm bắt độ nhọn lớn của phân phối lợi suất tiền mã hóa hay không, một đặc điểm mà các mô hình Gaussian đơn giản hơn có thể bỏ sót.

Bài báo so sánh ba cách ước lượng tham số: ước lượng hợp lý cực đại gắn với DuMouchel, ước lượng dựa trên phân vị gắn với McCulloch và phương pháp đặc trưng mẫu gắn với Koutrouvelis. Bài báo cho biết ước lượng hợp lý cực đại khớp dữ liệu lợi suất được khảo sát tốt hơn hai phương pháp còn lại, và mô hình alpha-stable nắm bắt được các đuôi dày. Phân phối sử dụng bốn tham số tự do, được các tác giả mô tả là mô hình gọn nhẹ về số tham số. Bằng chứng chỉ giới hạn ở các tài sản và mẫu được khảo sát; phần tóm tắt không nêu ngày tháng, thống kê độ khớp chi tiết, kiểm định dự báo hay bằng chứng cho thấy phân phối này cải thiện quyết định danh mục hoặc hiệu quả giao dịch.

Ý chính

• Các phân phối alpha-stable được đánh giá làm mô hình cho lợi suất tiền mã hóa có đuôi dày.
• Nghiên cứu thực nghiệm khảo sát lợi suất Bitcoin, Ethereum và Ripple.
• Các tác giả cho biết ước lượng hợp lý cực đại khớp dữ liệu được khảo sát tốt hơn các phương pháp dựa trên phân vị và đặc trưng mẫu.
• Mô hình nắm bắt hành vi có độ nhọn lớn được ghi nhận trong lợi suất tiền mã hóa.
• Chỉ riêng độ khớp tốt không chứng minh dự báo được cải thiện hay giao dịch sinh lời.

Thẻ

# An $α$-Stable Approach to Modelling Highly Speculative Assets and Cryptocurrencies


# An $α$-Stable Approach to Modelling Highly Speculative Assets and Cryptocurrencies









We investigate the behaviour of cryptocurrencies using data for bitcoin, ethereum and ripple which account for over 70% of the cryptocurrency market. We demonstrate that $α$-stable distribution is an appropriately sufficient model for highly speculative cryptocurrencies which outperforms other heavy tailed distributions that are used in financial econometrics. We find that the maximum likelihood method proposed by DuMouchel (1971) produces estimates that fit the cryptocurrency return data much better than the quantile based approach of McCulloch (1986) and sample characteristic method by Koutrouvelis (1980). The empirical results show that the leptokurtic feature presented in cryptocurrency return data can be captured by an $α$-stable distribution. The findings highlight that $α$-stable distribution is not only parsimonious with its four free parameters but also a creative model that is close to reality. This paper covers early reports and literature on cryptocurrencies and stable distributions.

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.