跳至正文
返回文库全部文档

比特币收益的长记忆与多尺度自相似性

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

总结

本文考察比特币收益的统计性质，将其动态与传统货币进行比较，并分析其在不同时间尺度上的表现。实证样本是在研究所涉时期内来自单一比特币平台的交易数据。为评估长期依赖性，研究采用去趋势波动分析，并在滑动窗口中计算 Hurst 指数，以便跟踪估计持久性的时间变化。

报告的估计值在比特币早期年份变化显著，并且在样本后期趋于稳定。多尺度结果显示 Hurst 指数行为相似，作者将其解释为自相似性的证据。这些发现描述的是历史统计模式；它们不能证明存在盈利交易信号，也不能表明观察到的依赖性会持续。单一平台的数据和有限的历史时期也限制了这些结果向比特币市场其他部分或未来状况推广的范围。

核心观点

  • 研究将比特币收益动态与传统货币进行比较。
  • 研究使用去趋势波动分析估计长期依赖性。
  • 研究通过滑动窗口跟踪样本期间 Hurst 指数的变化。
  • 估计值在比特币早期年份变化，之后趋于稳定。
  • 多尺度估计呈现相似行为，作者将其解释为自相似性。

标签

加密资产统计学现货市场
全文
# Some stylized facts of the Bitcoin market


# Some stylized facts of the Bitcoin market









In recent years a new type of tradable assets appeared, generically known as cryptocurrencies. Among them, the most widespread is Bitcoin. Given its novelty, this paper investigates some statistical properties of the Bitcoin market. This study compares Bitcoin and standard currencies dynamics and focuses on the analysis of returns at different time scales. We test the presence of long memory in return time series from 2011 to 2017, using transaction data from one Bitcoin platform. We compute the Hurst exponent by means of the Detrended Fluctuation Analysis method, using a sliding window in order to measure long range dependence. We detect that Hurst exponents changes significantly during the first years of existence of Bitcoin, tending to stabilize in recent times. Additionally, multiscale analysis shows a similar behavior of the Hurst exponent, implying a self-similar process.

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。