基于分位数与期望分位数 copula 的隐马尔可夫回归模型用于加密货币市场分析
应用统计
2024-10-22 v1 风险管理
摘要
近年来，加密货币在投资者和机构中的金融系统角色迅速扩张。因此，研究相关现象并发展能够捕捉其相互关联、与其他全球系统联系以及同时捕捉序列异质性的统计方法至关重要。出于这些原因，本文引入隐马尔可夫回归模型，利用机制切换 copula 联合估计加密货币收益的分位数与期望分位数。所提方法通过引入根据隐马尔可夫链演化的时变系数，使我们能够关注极端收益并描述其时间演化。此外，为建模其随时间变化的依赖结构，我们考虑由状态特定参数定义的椭圆 copula 函数。最大似然估计通过期望最大化（Expectation-Maximization）算法获得。实证分析研究了五种加密货币与全球主要市场指数的日收益之间的关系。
引用
@article{arxiv.2307.06400,
title = {Quantile and expectile copula-based hidden Markov regression models for the analysis of the cryptocurrency market},
author = {Beatrice Foroni and Luca Merlo and Lea Petrella},
journal= {arXiv preprint arXiv:2307.06400},
year = {2024}
}
备注
35 pages, 6 figures. arXiv admin note: text overlap with arXiv:2301.09722