MétaCan
Menu
Retour à la cohorte
Enregistrement W3111830524 · doi:10.3390/jrfm13120312

Regime-Dependent Good and Bad Volatility of Bitcoin

2020· article· en· W3111830524 sur OpenAlexvenueno aff
Kislay Kumar Jha, Dirk G. Baur

Notice bibliographique

RevueJournal of risk and financial management · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueComplex Systems and Time Series Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVolatility (finance)Volatility risk premiumVolatility swapForward volatilityVolatility smileImplied volatilityEconomicsVariance swapPredictabilityRealized varianceEconometricsStochastic volatilityStock (firearms)Financial economicsMathematicsStatisticsEngineering

Résumé

récupéré en direct d'OpenAlex

This paper analyzes high-frequency estimates of good and bad realized volatility of Bitcoin. We show that volatility asymmetry depends on the volatility regime and the forecast horizon. For one-day ahead forecasts, good volatility commands a stronger impact on future volatility than bad volatility on average and in extreme volatility regimes but not across all quantiles and volatility regimes. For 7-day ahead forecasting horizons the asymmetry is similar to that observed in stock markets and becomes stronger with increasing volatility. Compared with stock markets, the persistence and predictability of volatility is low indicating high variations of volatility.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,353
Score d'incertitude au seuil0,390

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,014
Tête enseignante GPT0,187
Écart entre enseignants0,172 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetComplex Systems and Time Series AnalysisTravaux en français237 207