Portfolio diversification benefits of alternative currency investment in Bitcoin and foreign exchange markets
Notice bibliographique
Résumé
Abstract This study examines the portfolio diversification benefits of alternative currency trading in Bitcoin and foreign exchange markets. The following methods are applied for the analysis: the spillover index method of Diebold and Yilmaz (Int J Forecast 28(1): 57–66, 2012. 10.1016/j.ijforecast.2011.02.006 ), the spillover asymmetry measures of Barunik et al. (J Int Money Finance 77: 39–56, 2017. 10.1016/j.jimonfin.2017.06.003 ), and the frequency connectedness method of Barunik and Křehlík (J Financ Econom 16(2): 271–296, 2018. 10.1093/jjfinec/nby001 ). The findings identify the presence of low-level integration and asymmetric volatility spillover as well as a dominant role of short horizon spillover among Bitcoin markets and foreign exchange pairs for six major trading currencies (US dollar, euro, Japanese yen, British pound sterling, Australian dollar, and Canadian dollar). Bitcoin is found to provide significant portfolio diversification benefits for alternative currency foreign exchange portfolios. Alternative currency Bitcoin trading in euro is found to provide the most significant portfolio diversification benefits for foreign exchange portfolios consisting of major trading currencies. The findings of the study regarding spillover dynamics and portfolio diversification capabilities of the Bitcoin market for foreign exchange markets of major trading currencies have significant implications for portfolio diversification and risk minimization.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».