بررسی وجود حافظه بلندمدت در چهار ارز دیجیتالی عمده

در سال‌های اخیر، فرایندهای با حافظه بلندمدت، نقش مهمی در تجزیه و تحلیل سری های زمانی ایفا نموده‌اند. وجود حافظه بلندمدت در بازده دارایی‌ها، کاربردهای مهمی در بررسی کارایی بازار، منطق رفتاری سرمایه گذاران، قیمت‌گذاری و انتخاب پرتفوی دارایی دارد. در پژوهش حاضر با استفاده از روش r/s، مدل میانگین متحرک خودهمبسته با انباشتگی جزئی (arfima) و مدل‏های واریانس شرطی خودهمبسته با انباشتگی جزئی (figarch) و واریانس شرطی خودهمبسته هیپربولیک (hygarch) به بررسی وجود حافظه بلندمدت در چهار ارز دیجیتال عمده (بیت‌کوین، اتریوم، ریپل و لایت‌کوین) طی دوره ژانویه 2016 لغایت نوامبر 2019 می‌پردازیم. علی رغم اینکه نتایج روش r/s نشان‌دهنده وجود حافظه بلندمدت در هر چهار ارز مورد بررسی می‌باشند، نتایج مدل و arfima مدل‌های خانواده garch حاکی از آن است که دو ارز بیت‌کوین و اتریوم دارای حافظه بلندمدت بوده می باشند و لذا می‌توان با قیمت‌های گذشته، قیمت‌های آتی را پیشبینی نمود و این نشان از رد فرضیه بازارهای کارا و تایید وجود انگیزه های سوداگرانه در خصوص این ارزهای دیجیتال می‌باشد؛ در حالی که بر اساس نتایج این مدل ها ارزهای دیجیتال ریپل و لایت کوین فاقد حافظه بلندمدت می‌باشند. این نتایج در بهینه سازی پرتفوی سرمایه گذاری در ارزهای دیجیتال بسیار کاربردی و حائز اهمیت می باشد.

long memory in four main cryptocurrencies

in recent years a new type of tradable assets appeared, generically known as cryptocurrencies. some of them are widespread and global. this paper examines the volatility of cryptocurrencies, with particular attention to their potential long memory properties. three different long-memory methods (r/s analysis, fractional integration and fractional garch extensions) are used to analyze it in the case of the four main cryptocurrencies (bitcoin, ethereum, litecoin and ripple) over the sample period january 2013– november 2019. our results are twofold. first, r/s method is prone to detect long memory whereas the findings of arfima and garch type models indicate that in the case of two examined cryptocurrencies (bitcoin and ethereum), long memory exist (there is a positive correlation between its past and future values). such predictability represents evidence of market inefficiency in their markets: trend trading strategies can be used to generate abnormal profits in these markets. although our findings show that returns of litecoin and ripple don’t have a significant long memory.