The GARCH-EVT-Copula Approach to Investigating Dependence and Quantifying Risk in a Portfolio of Bitcoin and the South African Rand
Notice bibliographique
Résumé
This study uses a hybrid model of the exponential generalised auto-regressive conditional heteroscedasticity (eGARCH)-extreme value theory (EVT)-Gumbel copula model to investigate the dependence structure between Bitcoin and the South African Rand, and quantify the portfolio risk of an equally weighted portfolio. The Gumbel copula, an extreme value copula, is preferred due to its versatile ability to capture various tail dependence structures. To model marginals, firstly, the eGARCH(1, 1) model is fitted to the growth rate data. Secondly, a mixture model featuring the generalised Pareto distribution (GPD) and the Gaussian kernel is fitted to the standardised residuals from an eGARCH(1, 1) model. The GPD is fitted to the tails while the Gaussian kernel is used in the central parts of the data set. The Gumbel copula parameter is estimated to be α=1.007, implying that the two currencies are independent. At 90%, 95%, and 99% levels of confidence, the portfolio’s diversification effects (DE) quantities using value at risk (VaR) and expected shortfall (ES) show that there is evidence of a reduction in losses (diversification benefits) in the portfolio compared to the risk of the simple sum of single assets. These results can be used by fund managers, risk practitioners, and investors to decide on diversification strategies that reduce their risk exposure.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».