全部版块 我的主页
论坛 经济学人 二区 外文文献专区
726 13
2022-06-11
英文标题:
《An analysis of cryptocurrencies conditional cross correlations》
---
作者:
Nektarios Aslanidis, Aurelio F. Bariviera, Oscar Martinez-Iba\\~nez
---
最新提交年份:
2019
---
英文摘要:
  This letter explores the behavior of conditional correlations among main cryptocurrencies, stock and bond indices, and gold, using a generalized DCC class model. From a portfolio management point of view, asset correlation is a key metric in order to construct efficient portfolios. We find that: (i) correlations among cryptocurrencies are positive, albeit varying across time; (ii) correlations with Monero are more stable across time; (iii) correlations between cryptocurrencies and traditional financial assets are negligible.
---
中文摘要:
这封信使用广义DCC类模型探讨了主要加密货币、股票和债券指数以及黄金之间的条件相关性行为。从投资组合管理的角度来看,资产相关性是构建有效投资组合的关键指标。我们发现:(i)加密货币之间的相关性为正,尽管随时间变化;(ii)与Monero的相关性在时间上更稳定;(iii)加密货币与传统金融资产之间的相关性可以忽略不计。
---
分类信息:

一级分类:Quantitative Finance        数量金融学
二级分类:Statistical Finance        统计金融
分类描述:Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--
一级分类:Quantitative Finance        数量金融学
二级分类:Risk Management        风险管理
分类描述:Measurement and management of financial risks in trading, banking, insurance, corporate and other applications
衡量和管理贸易、银行、保险、企业和其他应用中的金融风险
--

---
PDF下载:
-->
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-6-11 04:19:55
密码货币条件互相关分析*1、Aurelio F.Bariviera+2和OscarMart'nez Iba'nez'1罗维拉大学维吉尔分校,经济系,CREIP,Avinguda Universitat 1,Reus43204,斯宾那罗维拉大学维吉尔分校,商业系,Av。Universitat 1,43204 Reus,SpainFebruary 28,2019年摘要这封信使用广义D CC类模型探讨了主要加密货币、股票和债券以及黄金之间的条件相关性行为。从投资组合管理的角度来看,资产相关性是构建高效投资组合的关键指标。我们发现:(i)加密货币之间的相关性为正,尽管随时间变化;(ii)与Monero的相关性在整个时间段内更加稳定;(iii)加密货币与传统金融资产之间的相关性可以忽略不计。1简介大约10年前,由【Nakamoto,2009年】发表的开创性论文引发,一种新的金融资产诞生了。基于分布式账本的概念,区块链技术能够验证操作,而无需中央可信机构。区块链最重要的应用是金融交易的验证。因此,一些资产(自称为Cryptocurre nc)成为标准货币的替代品。对于所谓加密货币的“货币”地位,目前还没有达成共识。【Polasik等人,2015年】报告接受比特币支付的企业和组织数量不断增加,【Kris toufek,2015年】强调了比特币作为交换媒介的有用性。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-11 04:19:58
然而,加密货币的波动性令人怀疑其是否适合作为价值存储。*内克塔里奥斯。aslanidis@urv.cat+奥雷里奥。fernandez@urv.cat奥斯卡。martinez@urv.catWhether它们是货币或普通金融资产,投资者对它们的兴趣越来越大。加密货币经济体系超越了比特币。这里有18000多枚基于区块链技术的硬币,它们在一个疯狂的、全天候的市场中交易。截至2018年10月,该市场的日交易量超过100亿美元(【Coinmarket,2018年】)。学者们并非没有意识到这一现象。Scopus数据库(截至2019年4月)包含1882份标题为“比特币”的文档,其中有一半在2017年和2018年发布。这些文章围绕这部小说的不同主题:法律问题、经济问题或计算机特殊性。其中一个关键方面是进入和离开市场的加密货币的数量。[Elbahrawy等人,2017年]发现,自2015年以来,平均有多少人出生和死亡,这非常相似,意味着大约有七种新的加密货币出现,并且每周都会出现类似的数字。以前的大多数研究都只关注比特币。考虑到加密资产的多样性,一条自然的研究路线可以是同时研究其中的一些。还有其他基于相同区块链技术的加密技术。因此,乍一看,可能会看到本质上相同的资产。它们都没有得到ZF的支持,也没有实物(纸张或金属)支持。此外,它们似乎有一个空的内在值。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-11 04:20:01
可以提出的两个问题是:(i)这些货币是否遵循相关的基本过程?(ii)这种关系是否随时间而稳定?第一个问题(部分)由【Bariviera等人,2018年】在高频采样下研究12种最重要的加密货币时回答。他们检测到三种不同的潜在动态。样本中的大多数加密货币遵循与比特币相同的随机过程。然而,以太坊和安第斯敦经典(一边)以及Dash和NEM(另一边)遵循自己的随机动力学。在这封信中,我们打算用另一种方法重新审视第一个问题,并研究第二个问题。据我们所知,这是首次将动态条件相关分析应用于货币市场的研究。这封信的结构如下。第二节回顾了有关晶闸管和相关文献的一些关键方面。第3节简要介绍了方法。第4节描述了数据并讨论了主要发现。最后,第5节概述了我们的分析结论。2简要文献综述【Urquhart,2016】使用了一组测试,旨在识别比特币回转式中的自动相关性、单位根、非线性和长期相关性。结果显示,比特币市场的信息效率非常高。然而,当作者将样本分为两个子阶段时,发现效率主要在样本的第一部分存在差异。后来,【Nadarajah和Chu,2017年】使用每日收益的功率变换重新检查了数据,但没有拒绝信息效率的无效假设。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-11 04:20:04
【Bouri等人,2017a】研究了2013年严重市场崩盘前后比特币的收益波动行为,并展示了比特币收益序列自相关的证据。【Bouri等人,2017b】对比国际股票和债券指数以及几种货币,仔细检查比特币的对冲和避险资产。主要结论是,比特币被证明是一种有用的多元化工具,而不是对冲工具。最后,【Balcilar等人,2017年】检测再周转量关系中的非线性,从而进行回报预测。此外,[B ariviera,2017年]证明比特币市场表现出不同的信息效率和持续的波动性。这里的政策含义是,市场容易出现大幅波动(无论是积极的还是消极的)。考虑到这一点,【Donier和Bouchaud,2015年】研究了不同的流动性衡量指标,作为比特币市场崩溃的早期预警信号。【Dyhrberg,2016年】使用GARCH模型同时研究比特币、黄金和美元,发现所有三种资产都有相似之处。特别是,比特币和黄金在GARCH模型中对相同的变量作出反应,比特币也对联邦基金利率作出反应,就像比特币的情况一样。投资组合理论和广义金融经济学的一个关键方面是正确评估不同资产之间的相关收益。这些指标对于投资组合构建、风险分析和对冲具有重要意义。【Corbet等人,2018b】采用【Diebold和Yilmaz,2012】提出的广义方差分解方法。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-11 04:20:09
他们发现,三大加密技术(比特币、Ripple、Litecoin)与黄金、股票或债券指数等其他资产相对独立,为投资者提供了多元化机会。鉴于关于这一主题的新兴文献,我们参考【Corbet et al.,2018a】和【Smith and Kumar,2018】对经验文献的优秀评论。3时变条件相关let rt表示具有时变条件协方差矩阵的N维向量时间序列(零平均资产收益率):V ar[rt|It型-1] =E【rtr′t|It型-1] =Htt=1,T(1)式中It型-1是时间t的信息集。条件协方差矩阵可分解为(参见[Engle,2002]等):Ht=DtRtDt(2),其中Dt≡ diag(ph1,t,…,phN,t)是对角线上条件方差平方根的对角线矩阵。矩阵Rt(i,j)-元素表示为ρij,t,可能是随时间变化的相关矩阵,ρii,t=1,j=1,N和t=1,T标准化检索用εT=D表示-1trt=(ε1t,…,εN t)′。捕捉相关性时变结构最常用的方法之一是动态条件相关性(DCC)模型,该模型假设条件相关性按照简单的GARCH(1,1)型结构线性演化(【Engle,2002年】)。DCC框架在学术界和实践者中很受欢迎。在多变量框架中,基本DCC可能过于严格。特别是,该模型意味着所有相关对对新的s和衰减参数具有相同的响应。对于我们的应用(由4个资产组成),我们对DCC进行了灵活的概括,这允许相关特定新闻参数,而衰减参数被假定为相同的横向相关对,以保持模型的可跟踪性。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群