The goal of this report is to test GARCH type models in the period of the cryptocurrency crash and verify their ability to adequately predict Value-at-Risk (VaR). VaR is a measure that summarizes the risk profile of a financial asset. Three of the most important cryptocurrencies are considered: Bitcoin, Ether and Litecoin. The first chapter contains the descriptive and preliminary analysis of virtual currencies. In the second chapter, the models of the GARCH family adapted to estimate the volatility of returns are presented. The models that lead to more accurate predictions of volatility are those with heavy-tailed distributions such as Student's t and GED. The models selected through the MSE, MAE indicators and the QLIKE loss function are tested, in chapter 3, through VaR forecasts and backtesting. The models that best adapted to the data are EGARCH and APARCH, with asymmetric ged and ged error distribution.

L’obiettivo di questa relazione è testare i modelli di tipo GARCH nel periodo del crollo delle criptovalute e verificare la loro capacità di prevedere adeguatamente il Value-at-Risk (VaR). Il VaR è una misura che sintetizza il profilo di rischio di una attività finanziaria. Vengono prese in considerazione tre delle più importanti criptovalute: Bitcoin, Ether e Litecoin. Il primo capitolo contiene l’analisi descrittiva e preliminare delle valute virtuali. Nel secondo capitolo vengono esposti i modelli della famiglia GARCH adattati per stimare la volatilità dei rendimenti. I modelli che portano ad avere previsioni più accurate della volatilità risultano essere quelli con distribuzioni a code pesanti come la t di Student e la GED. I modelli selezionati tramite gli indicatori MSE, MAE e la funzione di perdita QLIKE vengono testati, nel capitolo 3, attraverso previsioni e Backtesting del VaR. I modelli che si sono adattati meglio ai dati sono stati l’EGARCH e l’APARCH, con distribuzione degli errori ged asimmetrica e ged.

Previsione del Value-at-Risk delle principali criptovalute mediante modelli di tipo Garch

OLTEANU, CLAUDIA ELENA
2022/2023

Abstract

The goal of this report is to test GARCH type models in the period of the cryptocurrency crash and verify their ability to adequately predict Value-at-Risk (VaR). VaR is a measure that summarizes the risk profile of a financial asset. Three of the most important cryptocurrencies are considered: Bitcoin, Ether and Litecoin. The first chapter contains the descriptive and preliminary analysis of virtual currencies. In the second chapter, the models of the GARCH family adapted to estimate the volatility of returns are presented. The models that lead to more accurate predictions of volatility are those with heavy-tailed distributions such as Student's t and GED. The models selected through the MSE, MAE indicators and the QLIKE loss function are tested, in chapter 3, through VaR forecasts and backtesting. The models that best adapted to the data are EGARCH and APARCH, with asymmetric ged and ged error distribution.
2022
Forecasting Value-at-Risk of cryptocurrencies with Garch type models
L’obiettivo di questa relazione è testare i modelli di tipo GARCH nel periodo del crollo delle criptovalute e verificare la loro capacità di prevedere adeguatamente il Value-at-Risk (VaR). Il VaR è una misura che sintetizza il profilo di rischio di una attività finanziaria. Vengono prese in considerazione tre delle più importanti criptovalute: Bitcoin, Ether e Litecoin. Il primo capitolo contiene l’analisi descrittiva e preliminare delle valute virtuali. Nel secondo capitolo vengono esposti i modelli della famiglia GARCH adattati per stimare la volatilità dei rendimenti. I modelli che portano ad avere previsioni più accurate della volatilità risultano essere quelli con distribuzioni a code pesanti come la t di Student e la GED. I modelli selezionati tramite gli indicatori MSE, MAE e la funzione di perdita QLIKE vengono testati, nel capitolo 3, attraverso previsioni e Backtesting del VaR. I modelli che si sono adattati meglio ai dati sono stati l’EGARCH e l’APARCH, con distribuzione degli errori ged asimmetrica e ged.
Previsione
Value-at-Risk
Criptovalute
Modelli garch
File in questo prodotto:
File Dimensione Formato  
Olteanu_ClaudiaElena.pdf

accesso riservato

Dimensione 497.47 kB
Formato Adobe PDF
497.47 kB Adobe PDF

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/44747