比特币市场的风险：波动、跳跃和预测
由crisvalentine创建，最终由crisvalentine 被浏览 280 用户
论文原名
Risk of Bitcoin Market: Volatility, Jumps, and Forecasts
论文作者
Junjie Hu-柏林洪堡大学
Weiyu Kuo-柏林洪堡大学商业与经济学院
Wolfgang Karl Härdle-柏林洪堡大学区块链研究中心
发布时间
2021 年 8 月
关键词
比特币，风险管理，已实现差异，阈值跳跃，有符号跳跃，已实现的效用
引言
加密货币，最具争议性，同时也是最有趣的资产，近年来吸引了许多投资者和投机者。明显的显着加密货币的市值也推动了现代金融工具，例如期货和期权。这些将取决于动态、波动性，甚至是加密货币。我们提供对比特币风险动态的全面调查从已实现的波动性角度看市场。比特币市场风险极大波动感、纠缠跳跃和广泛的连续跳跃，反映了世界范围内的重大事件。实证研究表明，滞后实现的变量ance增加了未来实现的方差，而跳跃，尤其是正跳跃，显着减少未来已实现的差异。样本外预测模型重新小牛表明，在预测准确性和效用收益方面，投资者对长期实现的方差受益于对跳跃和签名的显式建模估计量，这对于短期已实现方差预测是不必要的。
简介
了解和管理加密货币市场的风险对于融资至关重要社会投资和或有债权的构建。加密货币的流行随着对区块链技术应用的讨论，投资一直在增加例如，最近来自 Facebook 的 Libra。然而，不少投资者对加密货币带来的投资组合风险不了解或不够谨慎。不同资产可能具有相似的风险特征，可以查看加密货币作为一个异常值，其特征是极高的波动性和更频繁的跳跃。在所有加密货币中，我们有动力挑选比特币 (BTC) 的风险占主导地位的市场份额（超过 70%）和活跃的交易。
BTC 是第一个亲由Nakamoto ( 2008) 提出，然后在 2009 年初始化。它建立在区块链技术之上它通过全球网络分散和分发信息。因此 BTC 是作为区块链一部分的自然去中心化货币。尽管如此，大部分交易 BTC 和任何其他加密货币的交易所受到监管，以及数据本文中使用的由那些受监管的交易所提供。我们有动力研究 BTC 的波动性，原因如下。首先是事实上，BTC 价格自 2013 年以来经常经历极端波动和跳跃。比特币市场在 2013 年单价超过 100 美元时开始引起关注。四年后，也就是 2017 年 1 月，单价达到 1000 美元，并达到近 20,000 美元。2017年底，2018年泡沫破灭，价格较高峰下跌80%左右在一年内，而在 2019 年再次攀升。在我们的样本期间，从 2017 年到 2020 年，我们观察到 BTC 的 5 分钟对数回报从 -18.64% 到 10.30% 不等。其次，快速发展的比特币及其衍生品市场需求研究波动和跳跃过程。除了许多提供 BTC 期货的在线交易所和期权，受到严格监管的芝加哥商品交易所于 2017 年推出了 BTC 期货。 更多越来越多的投资者进入BTC市场并导致每日交易量从 2017 年初的约 1 亿美元增加到约 290 亿美元500 亿美元2020年底1. 有一些研究利用了这些现象。最近的一项研究，康拉德等人。(2018) 将波动率分解为短期和长期成分GARCH-MIDAS 分析，研究 BTC 与其他一些波动率的相关性指数，例如波罗的海干指数。Scaillet 等人。(2018) 分析跳跃行为使用 2011 年至 2013 年样本期间 Mt. Gox 交易所的数据集。和侯等。(2018) 尝试校准适应高波动性和跳跃属性。许多其他论文侧重于预测方面，例如Pichl 和海藏寺(2017)。在本文中，我们发现跳跃估计量与实现方差（RV）分离存在连续跳跃现象，导致跳跃估计量有偏差。RV ，考虑来自高频数据的日内信息，本质上是总和期间的平方回报（参见例如Andersen 等人（2001b）；Barndorff-Nielsen 和谢泼德 ( 2002a))。将跳跃与实现的方差分开的普通方法是由 Barndorff-尼尔森和谢泼德(2004b)。然而，我们的实证结果表明，这种方法是被所谓的“连续跳跃”削弱，这是比特币的典型现象市场。我们建议通过使用阈值跳跃估计器来纠正偏差科西等人。(2010)。关于跳跃风险的两个有趣发现很有见地。首先，尽管在 BTC 中检测到异常数量和大范围的跳跃，不连续性不会对风险的贡献很大。
此外，一个简单的等权重 BTC 投资组合来自几个不同的交易所显着降低了异质跳跃风险。进一步调查非对称效应，我们将已实现的方差分解为上行风险和下行风险，即实现半方差(Barndorff-Nielsen et al . (2008b)) 然后获得正和负跳跃分量。BTC 已实现方差的预测特性首先用 4 个 HAR 类型进行全样本预测回归，然后是 90 天滚动窗口自适应预测。全样本回归表明，滞后 1 天的已实现方差估计量和跳跃估计者在三个预测水平上显着增加了未来实现的方差zons h = 1,7,30，而在所有分解的跳跃估计量中，只有正跳跃estimator 对未来 7 天和 30 天的已实现差异产生负面影响。然后，自适应滚动窗口预测表明，有符号跳跃可以是一个重要的预未来的决策者实现更长期的变化，例如，30 天。此外，系数的预测因子正在系统地演变，这意味着存在结构性断裂，可以合理地解释文献中的矛盾发现。(2007) 发现跳跃和未来 RV 之间存在负相关关系，Corsi 等人。( 2010 ) 文档表明阈值跳跃估计量具有显着的正相关关系与未来的房车。对样本外预测的进一步分析表明，预测范围对在决定是否对单独的跳跃和分解的带符号的 es- 建模时的关键作用预测 BTC 已实现方差的 timators。尽管之前的研究发现跳跃包括额外的信息，例如，Nolte 和 Xu (2015) 得出的结论是，建模跳跃明确地证明了预测。我们发现在短期预测范围内，h = 1，HAR 模型只有滞后的 RV 表现优于所有其他模型，因为跳跃或签名估计 -托斯。随着预测范围变长，h = 30，分离跳跃改进了预测Diebold-Mariano 检验的准确率显着。这一发现进一步得到证实基于效用框架的经济观点（Bollerslev 等人（2018 年））
论文PDF
/wiki/static/upload/58/5832a263-53e1-485e-8e8a-8e91335b6fc7.pdf
\