Assessing the Risk Characteristics of the Cryptocurrency Market: A GARCH-EVT-Copula Approach
Notice bibliographique
Résumé
The cryptocurrency market offers significant investment opportunities but also entails higher risks as compared to other asset classes. This article aims to analyse the financial risk characteristics of individual cryptocurrencies and of a broad cryptocurrency market portfolio. We construct a portfolio comprising the 20 largest cryptocurrencies, which cover 82.1% of the total cryptocurrency market. The returns are examined for extreme tail risks by the application of Extreme Value Theory. We utilise the GARCH-EVT approach in combination with a novel algorithm to automatically determine the optimal threshold to model the tail distribution. Furthermore, we aggregate the individual market risks with a t-Student Copula to investigate possible diversification effects on a portfolio level. The empirical analysis indicates that all examined cryptocurrencies show high volatility in their price movements, whereby Bitcoin acts as the most stable cryptocurrency. All return distributions are heavy-tailed and subject to extreme tail risks. We find strong, positive intra-market correlations, in particular with the two largest cryptocurrencies Bitcoin and Ethereum. No diversification effect can be achieved by aggregating market risks. On the contrary, a negligibly lower expected return and higher joint extreme returns can be observed. From this analysis, it can be concluded that investments in individual cryptocurrencies as well as in a portfolio show extreme risks of losses. From the investor’s point of view, a possible strategy of risk reduction through portfolio formation within cryptocurrencies is only promising to a limited extent and does not offer a satisfactory solution to significantly reduce the risk within this asset class.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».