[论文解读] One model does not fit all: a multi-scale analysis of eighty-four cryptocurrencies

Aurelio F. Bariviera|arXiv (Cornell University)|Mar 21, 2020

Complex Systems and Time Series Analysis被引用 3

一句话总结

本研究对84种加密货币的日收益率广义赫斯特指数应用多尺度分析，揭示其表现出多样的随机过程：部分遵循单分形动力学（与分数布朗运动一致），而其他则表现出复杂的多分形行为，表明存在异质性的长程依赖性，挑战了所有加密资产采用单一模型的假设。

ABSTRACT

This letter expands the studies of the informational efficiency in the cryptocurrency market. Most studies have focused on Bitcoin, the foremost known cryptocurrency, and a few more coins. However, this market is more diverse, with cryptocurrencies entering and leaving the market on a weekly basis. This letter fills an important gap in the literature, by studying the informational efficiency using a multi-scaling methodology, which represents a new approach. We compute the generalized Hurst exponent of eighty-four cryptoassets daily returns. The multi-scaling methodology used in this paper find compelling evidence that cryptocurrencies have different degree of long range dependence, and --more importantly -- follow different stochastic processes. Some of them follow traditional monofractal models consistent with fractional Brownian motion, while others exhibit complex multifractal dynamics.

研究动机与目标

• 解决现有研究在比特币及少数主要代币之外，对广泛加密货币的信息效率缺乏全面研究的问题。
• 调查单一模型是否能够充分描述所有加密货币的随机动力学。
• 利用多尺度框架检验多种加密资产中长程依赖性的存在与性质。
• 识别不同加密货币是否遵循不同的随机过程，如单分形或多分形模型。

提出的方法

• 应用广义赫斯特指数量化84种加密货币日收益率中的长程依赖性。
• 采用多尺度方法检测不同时间尺度下尺度行为的差异。
• 将观测到的尺度指数与分数布朗运动等单分形模型所预期的指数进行比较。
• 通过不同阶矩收益率分布中尺度指数的偏离，识别多分形特征。
• 对尺度行为进行统计分析，以区分单分形与多分形随机过程。

实验结果

研究问题

• RQ1 所有加密货币是否遵循相同的随机过程，还是表现出不同的动态行为？
• RQ2 加密货币在多大程度上表现出长程依赖性，且这种依赖性在不同资产间如何变化？
• RQ3 观测到的尺度特性是否与分数布朗运动等单分形模型一致？
• RQ4 不同加密货币收益率中是否存在多分形动力学的证据？

主要发现

• 加密货币表现出不同程度的长程依赖性，表明资产间存在异质性的记忆特性。
• 部分加密货币遵循单分形动力学，与分数布朗运动一致，表现出稳定的长记忆行为。
• 其他加密货币表现出复杂的多分形动力学，表明收益率分布不同阶矩间存在异质性尺度。
• 多尺度方法成功识别出不同的随机过程，否定了所有加密资产采用统一模型的假设。