master's thesis
Povzetek
The master's thesis addresses analyzing and modeling the volatility of Bitcoin, the cryptocurrency with the largest marketcap. Volatility is a statistical measure of the dispersion of returns. We approximated it with realized volatility calculated on intra-daily log returns. We defined two baseline models based on a constant value and martingale property and tried to outperform them with both econometric and machine learning models. We used three error functions relative to our baseline models: MAE, MAPE, and RMSE. The best-performing econometric model is the HAR model. The best-performing machine learning model, which also outperforms the HAR model, is the LSTM recurrent neural network.
Ključne besede
volatility;forecasting;time series;cryptocurrencies;time-series analysis;machine learning;recurrent neural networks;LSTM;
Podatki
Jezik: |
Angleški jezik |
Leto izida: |
2022 |
Tipologija: |
2.09 - Magistrsko delo |
Organizacija: |
UL FMF - Fakulteta za matematiko in fiziko |
Založnik: |
[J. Pristovnik] |
UDK: |
519.2 |
COBISS: |
135369475
|
Št. ogledov: |
560 |
Št. prenosov: |
111 |
Ocena: |
0 (0 glasov) |
Metapodatki: |
|
Ostali podatki
Sekundarni jezik: |
Slovenski jezik |
Sekundarni naslov: |
Napovedovanje volatilnosti Bitcoina |
Sekundarni povzetek: |
Magistrsko delo obravnava analizo in modeliranje volatilnosti Bitcoina, kriptovalute z največjo tržno kapitalizacijo. Volatilnost je statistična mera razpršenosti donosov. Aproksimirali smo jo z realizirano historično volatilnostjo, na podlagi visoko frekvenčnih logaritemskih donosov. Definirali smo dva osnovna modela, bazirana na konstantni vrednosti in martingalski lastnosti, ter ju poskušali preseči z ekonometričnimi modeli in modeli strojnega učenja. Uporabili smo tri različne funkcije napak, relativno na naše osnovne modele: MAE, MAPE in RMSE. Najuspešnejši ekonometrični model je model HAR, najuspešnejši model strojnega učenja je rekurenčna nevronska mreža tipa LSTM. Slednja je boljša tudi od modela HAR. |
Sekundarne ključne besede: |
volatilnost;napovedovanje;časovne vrste;kriptovalute;analiza časovnih vrst;strojno učenje;rekurenčne nevronske mreže;LSTM; |
Vrsta dela (COBISS): |
Magistrsko delo/naloga |
Študijski program: |
0 |
Komentar na gradivo: |
Univ. v Ljubljani, Fak. za matematiko in fiziko, Oddelek za matematiko, Finančna matematika - 2. stopnja |
Strani: |
XV, 73 str. |
ID: |
17547218 |