跳至正文
返回文库全部文档

比特币收益与波动率的长期记忆及市场效率变化

文章 arXiv papers · 作者: Aurelio F. Bariviera
阅读原文

总结

本研究考察比特币收益和波动率在2011至2017年间是否表现出长期记忆，以及这种行为如何随时间变化。研究通过重标极差分析（R/S）和去趋势波动分析（DFA）估计赫斯特指数，并比较两种方法捕捉持续性变化和信息效率的能力。

报告结果表明，R/S 倾向于识别长期记忆，而DFA更能清晰区分随时间发生的变化。样本早期收益具有持续性，从2014年起信息效率似乎更高。以日内高点与低点对数差衡量的波动率在整个时期都保持长期记忆。这些发现表明，收益和波动率可能反映不同的生成过程。证据仅限于所述比特币样本和方法；摘要没有说明稳健性检验，也未说明检测到的持续性是否支持盈利的交易策略。

核心观点

  • 研究使用赫斯特指数方法追踪2011至2017年间比特币收益和波动率的持续性。
  • R/S 分析容易检测到长期记忆，而DFA更能反映效率随时间的变化。
  • 样本早期比特币收益具有持续性，从2014年起信息效率更高。
  • 日内高低价波动率指标在整个样本期内都表现出长期记忆。
  • 收益和波动率模式可能源于不同的底层过程。

标签

加密资产统计学波动率
全文
# 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.

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。