• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Mathematical Finance >The Predictive Performance of Extreme Value Analysis Based-Models in Forecasting the Volatility of Cryptocurrencies
【24h】

The Predictive Performance of Extreme Value Analysis Based-Models in Forecasting the Volatility of Cryptocurrencies

机译：基于极值分析的预测性能在预测加密货源波动性中的基础上

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper implements the analysis of volatility behaviour of the eight major cryptocurrencies (Bitcoin, Ethereum, Ripple, Litecoin, Monero, Stellar, Dash and Tether) for the period starting from October 13th 2015 to November 18th 2019. The GARCH-type models with heavy-tailed distributions are fitted to filter the conditional volatility exhibited by cryptocurrencies. Extreme value analysis based on the peak over threshold approach is then used to model the extreme tail behaviour of the cryptocurrencies. The predictive performance of the GARCH-EVT model in forecasting Value-at-Risk is evaluated at both 5% and 1% levels of significance. The backtesting results demonstrate the superiority of the GARCH-EVT model in both out-of-sample forecasts and goodness-of-fit properties to cryptocurrency returns and forecasting Value-at-Risk. Overall, the empirical results of this study recommend the heavy-tailed GARCH-EVT based model for modelling and forecasting the volatility of cryptocurrencies.
机译：本文在2015年10月13日至2019年11月18日开始的时间内实现了八大加密货币（比特币，以Ethereum，Ripple，LiteCoin，Monero，Stellar，Dash和系绳）的挥发性行为的分析。加粗型号 - 拟合分布，以过滤加密货币表现出的条件波动。 然后基于阈值方法的极值分析来模拟密码货币的极端尾部行为。 GARCH-EVT模型在预测价值风险中的预测性能在5％和1％的意义上进行了评估。 逆退结果证明了GARCH-EVT模型在样品外预测和拟合良好性质中的优势，以加密电力收回和预测值 - 风险。 总体而言，本研究的经验结果推荐了大尾GARCH-EVT用于建模和预测加密货币波动性的模型。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号