Today's Hot Topics
硬幣市值

分析加密交换的波动率

 
分析加密交换的波动率
兌換 / 最新消息

广义自回归条件异方差(Generalised Autoregressive Conditional Heteroskedasticity, GARCH)模型可以用来预测股票和债券及其指数等传统资产的波动率。 这就是为什么GARCH自80年代以来就能够坚持下去,但是当涉及比特币以太坊莱特币这样的加密货币时,它们会产生对风险价值和预期亏空的错误估计。

一篇新论文的作者证实了这一点,因为有超过一千种GARCH模型符合每种加密货币的汇率回报。 Guglielmo Maria Caporale,Timur Zekokh是新CESifo工作文件的作者,该文件探讨了比特币,以太坊等数字货币价格波动模型的几种不同方法。

两位作者从文章开始,观察到由于这个原因标准GARCH模型不能很好地工作。

马尔可夫切换

两位作者发现,通过将Markov切换添加到GARCH模型将使它们更加可靠。

对于那些不知道的人来说,Markov Switching出现时间几乎和GARCH一样长。 Stata将Markov Switching描述为「突然; 概率瞬间改变了。 这种马尔可夫模型被称为动态模型。 通过将转移概率建模为自回归过程,马尔可夫模型还可以适应更平滑的变化。 因此,转换可以是顺利或突然的。」关键论文是J.D Hamilton在Econometrica的1989年文章,「非平稳时间序列和商业周期的经济分析的新方法。」

汉密尔顿所采用的新方法只是承认了政权的变化。 正如AllAboutAlpha所报道的那样,通过使用这种方法进行建模通常只会引用两种不同的方案,一种用于负增长率,另一种用于正值。 「因此,当经济陷入衰退并开始复苏时,我们谈到马克夫在政权之间的转换,以及当经济增长达到顶峰并向下降低时......另一个转变。」

建立切换到模型是值得的,因为正如两位作者所观察到的那样,「如果系列显示结构断裂,标准GARCH模型会产生偏差结果。」

什么是新的?

本文的新内容是发现两种政权模型在比特币、以太坊、涟漪和莱特币的交易量方面表现优异。

为了测试这一点,Caporale 和 Zekokh 使用了模型置信集程序, 这在十年之交的《计量经济学》的一篇文章中得到了 PS Hansen 的解释。

你的想法是什么? 请在评论中告诉我们您的想法!

You can share this post!

比特币市场可能是平, 但熊市不能阻止加密贷款