Statistical properties and multifractality of Bitcoin
利用比特币价格的1分钟收益率,我们研究了比特币时间序列的统计特性和多重分形性。我们发现,1分钟收益率分布是厚尾的,峰度很大程度上偏离高斯期望。虽然对于大的采样周期,峰度预计接近高斯期望,我们发现,收敛到这是非常缓慢的。偏度被发现是负的时间尺度短于一天,并成为一致的时间尺度长于约一周的零。我们还使用GARCH、GJR和RGARCH模型研究了每日波动的不对称性,没有发现任何证据。在使用多重分形去趋势波动分析探索多重分形性时,我们发现比特币时间序列具有多重分形性。研究了多重分形性的来源,证实了时间相关性和厚尾分布对多重分形性的贡献,并从多重分形性质的角度考察了2016年6月23日英国“脱欧”对英镑-美元汇率和比特币的影响。我们发现,虽然英国脱欧影响了英镑-美元汇率,但比特币对英国脱欧表现强劲。
2018-05-26 q-fin.ST
Is Bitcoin really a currency? A viewpoint of a stochastic volatility model
本研究使用非对称随机波动率模型,研究了2013年1月1日至2019年8月31日期间比特币的收益率和波动率的周内和假日效应;在此背景下,我们还讨论了比特币作为金融资产的特征。估计的结果有三个方面。首先,研究结果显示,星期六和星期日的波动性比一周其他时间的波动性有一个小的星期效应。第二,虽然在活跃的交易国家,即日本,中国,德国和美国的假日效应进行了研究,但只有在美国观察到了对收益率的正的节后效应和对波动性的弱的正的节前效应。最后,未观察到不对称效应。将比特币与股票、货币和黄金等几种资产进行比较,可以看出比特币在股票、货币和黄金之间的定位与周效应和假日效应有关,它对联邦基金和交易媒介特性的反应,以及缺乏不对称效应。
2021-11-10 q-fin.ST
Modelling and Predicting the Conditional Variance of Bitcoin Daily Returns: Comparsion of Markov Switching GARCH and SV Models
本文比较了MS-GARCH与SARV等模型对比特币日收益率条件方差的样本外预测表现,发现SARV模型整体优于MS-GARCH,为风险管理提供了指导。
2024-01-10 q-fin.RM q-fin.ST
Scaling properties of extreme price fluctuations in Bitcoin markets
幂律行为的检测和标度指数的研究揭示了许多现实世界现象的复杂性特征。金融市场的复杂性一直是具有挑战性的问题,并提供有趣的发现,如股票价格波动分布尾部的逆立方定律。基于区块链技术的新型数字资产的兴起,我们研究了加密货币价格波动的分布。我们考虑比特币在不同时间间隔和多个数字交易所的回报,以研究尾部是否存在普遍的标度行为,并确定标度指数是否支持有限二阶矩的存在。我们提供了经验证据,在多个时间间隔和不同的交易所的回报率分布的缓慢衰减的尾巴,对应于一个幂律。我们估计了标度指数,并发现了2 < α < 2.5的渐近幂律行为,这表明比特币的回报率除了波动性更大之外,还表现出比股票更重的尾部,已知股票的尾部约为3。我们的研究结果也意味着存在一个有限的二阶矩,从而提供了一个基本的基础上使用标准的金融理论和协方差为基础的技术在风险管理和投资组合优化方案。
2018-03-22 q-fin.ST
The link between Bitcoin and Google Trends attention
本文表明,比特币与Castelnuovo和Tran(2017)的Google Trends数据衡量的一般不确定性指数不相关。相反,比特币与专门针对加密货币市场的Google Trends关注度指标相关联。首先,我们发现谷歌趋势关注度和比特币回报率之间存在双向关系,最长可达六天。其次,从比特币波动到谷歌趋势关注的信息流似乎比其他方向的信息流更大。这些关系在不同的子时期和拟议的Google Trends Cryptocurrency指数的不同组成中保持不变。
2021-06-13 q-fin.ST
Bitcoin market route to maturity? Evidence from return fluctuations, temporal correlations and multiscaling effects
基于自2012年以来记录的1分钟价格变化,从收益率分布、波动自相关、赫斯特指数和多尺度效应等方面,对快速崛起的比特币(BTC)市场的波动特性进行了评估。研究结果相比,成熟的世界市场的程式化的事实。虽然早期交易受到系统特定违规行为的影响,但发现在2018年4月之前的几个月里,所有这些统计指标都接近标志成熟度的特征。这可以被视为一个迹象,表明比特币市场,可能还有其他加密货币,具有即将成为一个常规市场的具体潜力,替代外汇(外汇)。由于自交易开始以来就可以获得高频价格数据,比特币为了解市场成熟轨迹的统计特征提供了一个独特的窗口。
2018-07-19 cs.CE econ.EM q-fin.ST
An empirical study of market risk factors for Bitcoin
本文通过多种统计方法实证检验Fama-French股票因子对比特币超额收益的解释力,以判断股票市场因子能否有效建模比特币的系统性风险。
2024-07-01 q-fin.CP q-fin.MF q-fin.ST
Dimensionality reduction for prediction: Application to Bitcoin and Ethereum
Napoleon Group(拿破仑集团);CREST Institut Polytechnique de Paris(巴黎综合理工学院CREST)
本文的目的是评估降维技术的性能,以建立加密货币之间的联系。我们的分析集中在两种交易量最大的加密货币上:比特币和以太坊。为了执行我们的分析,我们采用了log返回并添加了一些协变量来构建我们的数据集。我们首先引入了皮尔逊相关系数,以便对比特币和以太坊之间的联系进行初步评估。然后,我们减少了我们的数据集的典型相关分析和主成分分析的维度。在使用这两种统计技术分析了比特币和以太坊之间的联系之后,我们测量了它们在预测以太坊回报方面的表现。
2022-02-10 cs.LG q-fin.ST
Examining the Effect of Monetary Policy and Monetary Policy Uncertainty on Cryptocurrencies Market
本研究采用MSM-VAR方法分析2010-2023年数据,发现货币政策不确定性在高低波动机制下均对比特币收益产生负面影响,并探讨了比特币对FOMC决策的敏感性。
2023-10-25 q-fin.GN q-fin.ST
Empirical forward price distribution from Bitcoin option prices
报告介绍了从BTUSD反向期权价格分析比特币(BTC)未来回报的经验分布。选择Logistic pdf作为基础分布来拟合期权价格。结果是令人满意的,并表明,这些价格可以描述只有三个甚至一个参数。Fitted Logistic pdf将远期价格变动与比例因子相匹配。然而,这种观察是独立的,不允许以类似的方式用逻辑pdf随机描述基础价格,因为它是在布莱克-斯科尔斯模型框架内完成的。将普通反向期权和期货的价格联系起来,推导出看跌-看涨平价关系。
2019-01-15 q-fin.ST
Some stylized facts of the Bitcoin market
近年来,出现了一种新型的可交易资产,通常被称为加密货币。其中,传播最广的是比特币。鉴于其新颖性,本文研究了比特币市场的一些统计特性。这项研究比较了比特币和标准货币的动态,并重点分析了不同时间尺度下的回报。我们使用来自一个比特币平台的交易数据,在2011年至2017年的回报时间序列中测试了长记忆的存在。我们计算的赫斯特指数的去趋势波动分析方法的装置,使用滑动窗口,以衡量长期的依赖性。我们发现,赫斯特指数在比特币存在的最初几年发生了显著变化,最近趋于稳定。此外,多尺度分析显示了类似的行为的赫斯特指数,这意味着一个自相似的过程。
2017-08-12 q-fin.GN q-fin.ST
Scale matters: The daily, weekly and monthly volatility and predictability of Bitcoin, Gold, and the S&P 500
比特币作为一种金融资产的出现伴随着高波动性的名声。本文旨在对这种声誉进行细微的调整,并澄清我们对比特币波动性的理解。使用2014年9月至2021年1月的每日、每周和每月收盘价和日志回报数据,我们发现比特币是两种波动性概念存在分歧的资产的一个典型例子。我们发现,从历史上看,比特币与黄金和标准普尔500指数相比,具有高波动性(高标准差)和高可预测性(低近似熵)。此外,利用极值理论的工具,我们分析了矩的收敛性,以及三种资产的收盘价和对数收益率的平均超额函数。我们发现,当另外两种资产(黄金和标准普尔500指数)的收盘价呈现薄尾分布时,比特币的收盘价符合广义帕累托分布。然而,所有三种资产的回报都是重尾的,二阶矩(方差,标准差)不收敛。在比特币的情况下,较低的采样频率(每月与每周,每周与每日)大大降低了对数回报的峰度,并增加了经验矩向其真实值的收敛。黄金和S&P 500的影响相反。这些特性表明,比特币的波动性本质上是一种日内和周内的现象,在每周的时间尺度上强烈衰减,使其成为投资者和投机者有吸引力的价值储存,但其高标准差排除了其使用货币。
2021-02-28 cs.IT math.IT q-fin.ST
The leverage effect and other stylized facts displayed by Bitcoin returns
本文基于2013-2020年BTC-USD日内数据研究比特币收益的典型事实,发现其统计特性与个股或指数相似,但在自相关和杠杆效应上与法币汇率存在明显差异,并识别出两种不同的市场状态。
2021-01-31 q-fin.ST q-fin.TR
Estimating the volatility of Bitcoin using GARCH models
在本文中,三个GARCH型模型(sGARCH,iGARCH,和tGARCH)的学生t分布,广义误差分布(GED),正态逆高斯(NIG)分布的应用进行了检查。新的发展允许对比特币收益序列中的波动率聚集效应、尖峰和偏态分布进行建模。与这两种分布相比,正态逆高斯分布充分地捕捉了所有Gestival型模型中的厚尾和偏态。tGestival模型是最好的模型,因为它描述了比特币市场中冲击的不对称发生。也就是说,投资者对同样数量的好消息和坏消息的反应是不同的。从实证结果可以看出,tGARCH-NIG是估计比特币收益率序列波动性的最佳模型。一般来说,在Gestival类型模型中使用NIG分布是最佳的,因为大多数加密货币的时间序列都是尖峰的。
2019-10-04 econ.EM q-fin.ST
Scaling and shape of financial returns distributions modeled as conditionally independent random variables
假设金融收益在条件于时变波动率时独立,证明收益分布可由条件独立随机变量之和描述并呈简单标度形式,其尾部特征直接源于波动率分布,并在S&P 500、股票与比特币数据上得到验证。
2025-04-29 q-fin.ST stat.AP
Fitting Generalized Tempered Stable distribution: Fractional Fourier Transform (FRFT) Approach
本文研究了丰富的广义回火稳定分布(正态分布的替代方案)和用于对资产回报率和许多物理和经济系统建模的$α$-稳定分布。首先,我们探讨了广义回火稳定(GTS)分布的一些重要性质。开发的理论工具被用来进行实证分析。GTS分布使用标准普尔500,SPY ETF和比特币BTC拟合。分数傅里叶变换(FRFT)技术评估概率密度函数及其导数的最大似然过程。基于统计推断的结果和Kolmogorov-Smirnov(K-S)拟合优度,GTS分布拟合SPY ETF回报的基础分布。比特币BTC回报率的右侧和标准普尔500回报率基础分布的左侧符合回火稳定分布;而比特币BTC回报率的左侧和标准普尔500回报率基础分布的右侧由复合泊松过程建模。
2022-06-04 math.PR q-fin.ST
Stylized Facts of High-Frequency Bitcoin Time Series
本文分析2019-2022年高频比特币数据,发现收益率呈异常扩散、重尾和多重分形特征,且市场效率随时间提升。
2025-06-22 q-fin.ST stat.AP
Comparative analysis of stationarity for Bitcoin and the S&P500
本文基于Wiener–Khinchin定理比较S&P500与比特币日内收益的平稳性,发现分段、去趋势及归一化窗口对两类资产的局部平稳性具有不同影响。
2024-08-06 cond-mat.stat-mech q-fin.ST
Complexity of Financial Time Series: Multifractal and Multiscale Entropy Analyses
本研究运用MF-DFA和RCMSE方法对比分析比特币、外汇、黄金和天然气的价格时间序列复杂性,发现比特币复杂度最高,或与其对数收益率的强非线性相关,为市场风险与可预测性研究提供参考。
2025-07-31 physics.data-an q-fin.ST
Stock returns versus trading volume: is the correspondence more general?
本文利用波兰股票市场的高频数据,对股票市场收益与相应交易量之间的关系进行了定量分析。首先,对于交易时间足够长的股票,我们研究了收益率和成交量分布,并确定了它们与幂律函数的一致性。我们发现,对于大多数股票,这两个分布的标度指数系统地相关的约2倍的回报率较大。其次,我们研究了给定交易量的交易对价格的影响,发现这种影响可以用平方根相关性来很好地描述:r(V)V^(1/2)。我们的结论是,波兰市场的数据的属性类似于文献中报道的关于某些成熟市场。
2013-10-28 q-fin.ST
Cryptocurrencies in the Balance Sheet: Insights from (Micro)Strategy -- Bitcoin Interactions
本文研究企业比特币国库策略背景下加密货币与股市的关联,通过39家持币公司数据发现正向联动及BTC的信息主导地位,提出需动态对冲比率,为风险管理提供参考。
2025-05-20 cs.IT math.IT q-fin.GN
Trend patterns statistics for assessing irreversibility in cryptocurrencies: time-asymmetry versus inefficiency
本文提出基于上升与下降趋势子序列分布 Kullback-Leibler 散度的不可逆性指数,并结合信息论效率度量分析五种加密货币,揭示其不可逆性随时间演变及与市场非效率的复杂关系。
2023-06-28 cs.IT math.IT math.ST
Multifractal Model of Asset Returns versus real stock market dynamics
越来越多的经验证据表明,多重分形构成了另一个,也许是最重要的金融程式化事实。因此,一个现实的金融动态模型应该考虑到这一影响。在这方面,最有前途的是资产收益的多重分形模型(MMAR),其中的多重分形进行时间变形。在我们的研究中,我们专注于勒克斯扩展MMAR和华沙证券交易所的经验数据。我们表明,这个模型是能够再现真实的股票市场动态的相关方面。
2006-08-31 physics.soc-ph q-fin.ST
A new decomposition approach to modeling financial returns: Conditioning sign on magnitude
Université Laval(拉瓦尔大学)
提出一种将收益率分解为符号和幅度(绝对值)成分的新方法,通过幅度条件化符号分布来捕捉非线性可预测性,并在美国股市月度超额收益预测中优于线性回归等方法。
2026-06-02 q-fin.ST
Price Stability of Cryptocurrencies as a Medium of Exchange
我们提出了加密货币作为交换媒介的价格稳定性的积极证据。在2016年至2020年的样本年中,主要加密货币的价格相对于主要金融资产保持稳定。具体来说,在过滤出不到一个月的周期后,我们调查了主要加密货币的美元日回报率(即,比特币、以太坊和瑞波)以及它们的比较者(即,主要法定货币,欧元和日元,以及主要股票指数,标准普尔500指数和摩根士丹利资本国际世界指数)。我们使用三种不同的措施来检查过滤后的每日回报的稳定性。首先,在我们的样本中,皮尔逊相关系数在后来的几年里增加了。其次,基于允许滞后和超前关系的动态时间扭曲方法,加密货币与其比较货币的每日回报率的相似性自2016年以来就一直存在。第三,我们检查预测加密货币价格的累积误差之和(假设与比较者的每日回报率保持稳定关系)是否不超过Black-Scholes模型所暗示的界限。换句话说,这个检验并没有否定有效市场假说。
2021-11-16 econ.GN q-fin.EC q-fin.PR
HODL Strategy or Fantasy? 480 Million Crypto Market Simulations and the Macro-Sentiment Effect
本文通过大规模模拟和宏观因素分析,揭示持有加密资产策略的高风险及宏观情绪对加密市场的影响。
2025-11-19 econ.GN q-fin.EC q-fin.GN
An $α$-Stable Approach to Modelling Highly Speculative Assets and Cryptocurrencies
本文基于占市场70%以上的三大加密货币数据,证明 $α$-stable 分布能有效拟合高投机性加密货币收益的尖峰重尾特征,且优于其他重尾分布,其中 DuMouchel (1971) 的极大似然法拟合效果最佳。
2023-07-28 q-fin.MF q-fin.ST
How Much of a 10-K Matters? Aggregation-Dependent Value of Full-Text versus Risk-Factor Sentiment
研究探讨10-K文件中全文与风险因素情绪的聚合相关价值,将监督词典学习方法扩展到10-K文件及其风险因素部分,在多级别训练情绪分数,评估指标表现,发现不同聚合级别表现差异及词典基线问题,确立后续系统的情绪生成方法。
2026-07-17 cs.LG q-fin.CP q-fin.MF