跳至正文
返回文库全部文档

比特币已实现波动率：采样效应与多重分形

文章 arXiv papers · 作者: Tetsuya Takaishi
阅读原文

总结

本研究考察有限样本量如何影响比特币已实现波动率赫斯特指数的估计。研究发现，采样间隔增大时，估计指数会下降，且一个简单的有限样本关系与观测结果吻合。将结果外推至极细采样间隔时，指数值低于二分之一，作者将其解读为粗糙波动的证据。在常用的五分钟采样间隔下，报告的相对误差为百分之一。

论文还对已实现波动率进行多重分形分析，并将其多重分形特性与比特币收益比较。研究发现，波动率的多重分形程度低于收益。这些发现涉及采样序列的统计特性；所提供的描述未说明数据跨度、估计量细节、稳健性检验或交易应用，因此不应将结果解读为直接的预测或策略结论。

核心观点

  • 已实现波动率的赫斯特指数估计值随采样间隔增大而下降。
  • 一个简单的有限样本假设与观测到的指数估计值高度吻合。
  • 外推得到的赫斯特指数低于二分之一，表明比特币波动具有粗糙性。
  • 五分钟采样下，报告的相对误差为百分之一。
  • 比特币已实现波动率的多重分形程度低于价格收益。

标签

加密资产波动率统计学
全文
# Multifractality and sample size influence on Bitcoin volatility patterns


# Multifractality and sample size influence on Bitcoin volatility patterns









The finite sample effect on the Hurst exponent (HE) of realized volatility time series is examined using Bitcoin data. This study finds that the HE decreases as the sampling period $Δ$ increases and a simple finite sample ansatz closely fits the HE data. We obtain values of the HE as $Δ\rightarrow 0$, which are smaller than 1/2, indicating rough volatility. The relative error is found to be $1\%$ for the widely used five-minute realized volatility. Performing a multifractal analysis, we find the multifractality in the realized volatility time series, smaller than that of the price-return time series.

在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。