Статьи, Журналы
Прогноз волатильности криптовалют с использованием Google Trends и GDELT
Статьи, Журналы
Прогноз волатильности криптовалют с использованием Google Trends и GDELT
Тетерин, М.А. Прогноз волатильности криптовалют с использованием Google Trends и GDELT / М. А. Тетерин // Экономическая политика. — Москва, 2025 — N 4. — С.82-117. — Библиогр. в конце ст.
Тетерин, М.А., (2025), "Прогноз волатильности криптовалют с использованием Google Trends и GDELT", Экономическая политика, Москва, 2025, N 4, С.82-117.
Тетерин М А. Прогноз волатильности криптовалют с использованием Google Trends и GDELT. Экономическая политика. 2025; (N 4). С.82-117.
Поделиться
Вконтакте 
Одноклассники 
Telegram Источник
Аннотация
Криптовалюты стали важной частью современного финансового рынка. Одними из крупнейших являются Bitcoin, Ether, Litecoin и XRP, их капитализация составляет львиную долю рынка цифровых активов. При этом рынок криптовалют отличается от рынка традиционных финансовых активов более высоким уровнем волатильности цен, что делает методологию построения более точных прогнозов дневной волатильности для этих активов особенно значимой. Оценка дневной волатильности финансового актива является важным аспектом при разработке инвесторами торговых стратегий, определении направления политики риск-менеджмента, а также для учета в регуляторной политике рынка цифровых активов со стороны финансовых регуляторов. Настоящее исследование фокусируется на интеграции в HAR-RV-модель дополнительной нефинансовой информации, извлеченной из сети Интернет, для улучшения качества прогнозов реализованной волатильности четырех крупнейших криптовалют. В настоящем исследовании используются переменные, построенные на основе источников GDELT и Google Trends в качестве экзогенных для учета общественного интереса и сентимента (эмоциональных, поведенческих факторов). Переменные включаются в стандартную HAR-log-RV-модель, все вариации моделей для каждого актива оцениваются в скользящем окне на периоде с 1 января 2018 года по 23 июня 2024-го. Было получено более 2000 вневыборочных прогнозов на один день вперед, на основе которых рассчитываются функции потерь. Набор вневыборочных ошибок моделей для каждого актива тестируется с помощью процедуры MCS для определения набора статистически лучших прогнозных моделей. Предложенные в исследовании источники данных и построенные на их основе переменные позволяют значительно улучшить прогнозы реализованной волатильности четырех крупнейших криптовалют.
Ключевые слова
- #финансовый сектор
- #россия
- #цифровизация
- #цифровые технологии
- #инновации финансовые
- #цифровые финансы
- #цифровые финансовые активы
- #криптоактивы
- #криптовалюты
- #блокчейн
- #волатильность
- #прогнозирование
- #прогнозные расчеты
- #ковариация
- #экономико-математические методы
- #экономико-математические модели
- #прогнозные модели
- #har-rv-модель
- #сентимент
- #анализ данных
- #таблицы
- #графики
-
УДК:336.74
Рекомендовано к ознакомлению
- 1. Кучеров, И.И. Квантильный XGBoost и SHAP в построении и объяснении прогнозных моделей для AI-токенов / И. И. Кучеров // Экономика и математические методы. — Москва, 2025 — N 4. Том 61. — С.111-125.
- 2. Крупочкин, А.В. Архитектура режимно-зависимой прогностической системы для рынка криптовалют / А. В. Крупочкин // Финансовый бизнес. — Москва, 2025 — N 10. — С.141-144.
- 3. Криворучко, С.В. Децентрализация и токенизация финансов / С. В. Криворучко, В. А. Лопатин, С. С. Акулинкин // Финансы : теория и практика. — Москва, 2025 — N 6. Том 29. — С.77-92.
- 4. Роль технического анализа как метода прогнозирования динамики цен криптовалют / А. Р. Клинков, К. Н. Кабанцов, Е. Е. Харламова, И. А. Тарасова // Финансовый менеджмент. — Москва, 2026 — N 3. — С.63-76.
- 5. Синельникова-Мурылева, Е.В. Сравнение современных методов прогнозирования доходностей криптовалют с бенчмарком SARIMA / Е. В. Синельникова-Мурылева, Б. А. Шканов // Экономический журнал Высшей школы экономики. — Москва, 2026 — N 1. Том 30. — С.102-127.
- 6. Князев, Е.В. Возможные модели бизнес-процессов DeFi и их примеры на существующем финтех-ландшафте / Е. В. Князев, С. А. Князева, А. Н. Дорофеев // Инновации и инвестиции. — Москва, 2025 — N 3. — С.591-595.
- 7. Маркова, О.М. Конкуренция криптовалют и сопровождающие их риски / О. М. Маркова, Е. Б. Стародубцева // Банковское дело. — Москва, 2026 — N 4(386). — С.50-56.
- 8. Колесник, Г.В. Модель распределения токенов децентрализованного проекта / Г. В. Колесник // Экономика и математические методы. — Москва, 2025 — N 4. Том 61. — С.98-110.
- 9. Кибало, С. Криптоинвестор за выходные / С. Кибало. — Москва : Альпина Паблишер, 2025. — 236 с.. — ISBN 978-5-9614-9984-1.
- 10. Успенский, М.А. Цифровая валюта как организационное обязательство и правовой статус ее добросовестного приобретателя / М. А. Успенский // Закон. — Москва, 2026 — N 1. — С.151-163.
Отзывы читателей
0