Kriptovaliutų kainų analizė ir prognozė

Abstract

Baigiamajame magistro darbe analizuojama kriptografinių valiutų kainų grąža ir volatilumas. Remiantis teorine analize apibendrinti kriptovaliutų kainų ir kitų rodiklių sąryšių tyrimai, išryškinti kriptovaliutų kainų laiko eilučių ypatumai — būdingas heteroskedastiškumas bei sverto efektas. Praktinėje dalyje keturioms kriptovaliutoms sudaryti ARMA-GARCH grąžos ir volatilumo modeliai. Geriausias modelis išrenkamas pagal Akaike informacinį kriterijų iš penkių skirtingų GARCH tipo modelių bei septynių inovacijų tankio funkcijų. Užtikrinus sudarytų modelių adekvatumą, atliekamos 25-ių dienų prognozės, kurios įvertinamos ir palyginamos nuostolio funkcijų rezultatais. Atlikus analizę paaiškėjo, kad visoms kriptovaliutoms, išskyrus ripple‘ą, geriausius rezultatus duoda asimetriją įvertinantys modeliai. Nepaisant to, prognozės vertinimo nuostolio funkcijomis rezultatai rodo standartinio GARCH su normaliuoju inovacijų pasiskirstymu dominavimą prieš kitus lygintus modelius. Darbą sudaro įvadas, literatūros apžvalga, metodologijos bei praktinės dalys, išvados ir rekomendacijos, literatūros sąrašas. Darbo apimtis – 67 p. teksto be priedų, 36 iliustr., 19 lent., 39 bibliografiniai šaltiniai. Atskirai pridedami darbo priedai.

Master’s thesis analyses return and volatility of cryptocurrency prices. There were summarized studies on the relationship between cryptocurrency prices and other indicators, theoretical analysis highlighted some peculiarities of cryptocurrency price time series – such as heteroskedasticity and leverage effect. In the empirical part of the master’s thesis, there were ARMA-GARCH models developed for four different cryptocurrencies. The best fitting model for each analysed time series is selected according to the Akaike information criterion from five different GARCH-type models and seven innovation density functions. Once the adequacy of the models is tested and ensured, the 25-day rolling forecasts are performed, which are evaluated and compared using loss functions. The analysis showed that in all cases except Ripple, the best fitting model is the one capturing asymmetry, most often exponential GARCH. Nevertheless, comparison of the forecasts shows that better results are obtained employing standard GARCH model with normal innovation distribution. Structure: introduction, literature review, methodology, empirical part, conclusions and recommendations, references. Thesis consist of 67 p. text without appendixes, 36 pictures, 19 tables, 39 bibliographical entries. Appendixes included.