Non-parametric volatility estimation of cryptocurrencies using high frequency data

Abstract

In recent years, the cryptocurrency market has gained increased interest among investors, academics, policy makers and regulators all over the world, aiming to understand the unique characteristics and dynamics of cryptocurrencies price formation. The highly volatile nature and jump behavior in cryptocurrency markets as compared to traditional currencies, highlights the importance of defining a good proxy of volatility; this, will allow us to also account for the discontinuous movements in cryptocurrency prices to accurate model and forecast volatility. The overall purpose of our research is to model and forecast the volatility of cryptocurrencies, considering its critical role in many applications such as decision making, risk management and hedging. To this end, we consider the Heterogeneous Autoregressive model of Realized Volatility (HAR-RV). We utilize realized variance estimated from high frequency cryptocurrency price data. Specifically, we propose a non-parametric approach to estimate realized volatility and subsequently decompose it into continuous path variation and discontinuous path variation, to further estimate realized volatility jumps. First, we assess the predictive value of transaction activity in the Bitcoin Blockchain network, in an attempt to forecast the realized volatility of Bitcoin returns. We further explore extended versions of the HAR-RV specification, that include upside and downside jumps measures (positive and negative realized volatility jumps). The second area of interest focuses on the interconnectedness in the cryptocurrency market. To this end, we measure spillovers among major cryptocurrencies in terms of market capitalization, namely Bitcoin, Ripple, Ethereum and Litecoin. Specifically, we study the interconnectedness in the cryptocurrency market. We employ the proposed HAR-RV framework and its various extensions with the inclusion of different jump variations. In a univariate level of analysis, we examine the significance of heterogeneity and discontinuity to predict realized volatility of cryptocurrencies based on the HAR-RV framework. Additionally, we explore the spillover transmission mechanism among cryptocurrencies realized volatility by examining the relevance of realized volatility jumps and covariances. For this reason, we perform a comparative spillover analysis at a multivariate level of analysis. Multivariate HAR models (MHAR) are further examined in two versions, with and without the inclusion of covariances.

Αντικείμενο της παρούσας διδακτορικής διατριβής αποτελεί η μοντελοποίηση και πρόβλεψη του κινδύνου της απόδοσης του κρυπτονομίσματος Bitcoin. Προκειμένου να επιτευχθεί αυτό, προτείνεται μια μη παραμετρική προσέγγιση για την εκτίμηση της μεταβλητότητας και τον περαιτέρω διαχωρισμό της σε συνεχές και ασυνεχές ή αλματώδες μέρος. Ειδικότερα, εστιάζουμε στη χρήση δεδομένων υψηλής συχνότητας για τον υπολογισμό της πραγματοποιθείσας μεταβλητότητας του Bitcoin. Επιπλέον, βασιζόμαστε στο Ετερογενές Αυτοπαλίνδρομο Υπόδειγμα για την πραγματοποιθείσα μεταβλητότητα (HAR-RV), ως καταλληλότερο για τη μοντελοποίηση και πρόβλεψη της μεταβλητότητας στην αγορά κρυπτονομισμάτων. Παράλληλα, διερευνάται η σημασία διαχωρισμού της πραγματοποιθείσας μεταβλητότητας σε συνεχή και ασυνεχή συνιστώσα για τον εντοπισμό και υπολογισμό πρόσθετων μετρικών αλμάτων. Για την εκτίμηση των προβλέψεων βασιζόμαστε σε έναν αλγόριθμο μηχανικής μάθησης και συγκεκριμένα τα Τυχαία Δάση. Συγκεκριμένα, δημιουργούνται υβριδικά υποδείγματα λαμβάνοντας υπόψη τις μεταβλητές του υποδείγματος HAR-RV καθώς και ορισμένες μετρικές αλμάτων που χρησιμοποιούνται ως επεκτάσεις του βασικού υποδείγματος HAR-RV. Στη συνέχεια, εξετάζεται συγκριτικά η προβλεπτική αξία του πλήθους των συναλλαγών στα πλαίσια του δικτύου Bitcoin, για την πρόβλεψη της πραγματοποιθείσας μεταβλητότητας των αποδόσεών του. Επιπλέον, επεκτάσεις του υποδείγματος HAR-RV με την παρουσία αλμάτων, εφαρμόζονται για τη μοντελοποίηση της μεταβλητότητας τριών ακόμη σημαντικών κρυπτονομισμάτων από άποψη κεφαλαιοποίησης αγοράς (Litecoin, Ripple και Ethereum). Σκοπός είναι, να διαπιστωθούν οι συσχετίσεις στην αγορά κρυπτονομισμάτων και να προσδιοριστούν οι αλληλεπιδράσεις μεταξύ τους. Ειδικότερα, μελετάμε τη διασύνδεση και διάχυση της μεταβλητότητας στην αγορά κρυπτονομισμάτων. Στο πλαίσιο της ανάλυσης αυτής, εξετάζεται η σημασία της ετερογένειας και των αλμάτων σε μονομεταβλητό επίπεδο, για την πρόβλεψη της πραγματοποιθείσας μεταβλητότητας των κρυπτονομισμάτων. Επιπρόσθετα, διερευνάται η σημασία των αλμάτων της πραγματοποιθείσας μεταβλητότητας και των συν διακυμάνσεων στη διάχυση της μεταβλητότητας μεταξύ τεσσάρων κρυπτονομισμάτων.