- Le prix et le coût du Bitcoin(arXiv)
Auteur : John E. Marthinsen, Steven R. Gordon
Abstrait : Expliquer les changements de prix du bitcoin et prédire son avenir ont été au centre de nombreuses études de recherche. En revanche, beaucoup moins d’attention a été accordée à la relation entre les coûts de minage du bitcoin et son prix. Une notion populaire est que le coût de la création de bitcoin fournit un niveau de support en dessous duquel le prix de cette crypto-monnaie ne devrait jamais tomber, car si c’était le cas, l’exploitation minière deviendrait non rentable et menacerait la maintenance du grand livre public de bitcoin. D’autres recherches ont utilisé les coûts miniers pour expliquer ou prévoir les mouvements de prix du bitcoin. Des analyses économétriques concurrentes ont démystifié cette idée, montrant que les changements des coûts miniers suivent les changements du prix du bitcoin plutôt que de les précéder, mais la raison de ce comportement reste inexpliquée dans ces analyses. Cette recherche vise à utiliser la théorie économique pour expliquer pourquoi les études économétriques n’ont pas réussi à prédire les prix du bitcoin et pourquoi les coûts miniers suivent les mouvements des prix du bitcoin plutôt que de les précéder. Nous le faisons en expliquant la chaîne de causalité reliant le prix d’un bitcoin à ses coûts de minage
2. Modélisation prédictive du prix Bitcoin à l’aide d’une correction experte (arXiv)
Auteur : Bohdan M. Pavlyshenko
Abstrait : L’article étudie le modèle linéaire du prix du Bitcoin qui comprend des fonctionnalités de régression basées sur les statistiques de la devise Bitcoin, les processus d’extraction, les tendances de recherche Google, les visites de pages Wikipedia. Le schéma d’écart de la prédiction du modèle de régression par rapport aux prix réels est plus simple par rapport aux séries chronologiques de prix. On suppose que ce modèle peut être prédit par un expert expérimenté. De cette manière, en utilisant la combinaison du modèle de régression et de la correction d’expert, on peut obtenir de meilleurs résultats qu’avec le modèle de régression ou l’opinion d’expert uniquement. Il est montré que l’approche bayésienne permet d’utiliser l’approche probabiliste en utilisant des distributions avec des queues grasses et de prendre en compte les valeurs aberrantes dans les séries chronologiques de prix Bitcoin.
3.Tarification des options Bitcoin : Une approche axée sur l’attention du marché (arXiv)
Auteur : Alvaro Guinée, Alet Roux
Abstrait : Un modèle est proposé qui modélise les prix du Bitcoin en tenant compte de l’attention du marché. En supposant que l’attention du marché suit un processus Cox-Ingersoll-Ross de retour à la moyenne et en lui permettant d’influencer les rendements de Bitcoin (après un certain délai), on obtient un modèle affine traitable avec des formules semi-fermées pour les prix de vente et d’achat européens. Une procédure d’estimation du maximum de vraisemblance est proposée pour ce modèle. La précision de ses prix d’achat et de vente surpasse un certain nombre de modèles standard lorsqu’ils sont testés sur des données réelles.
4. Propriétés de mise à l’échelle récentes des rendements des prix Bitcoin (arXiv)
Auteur : Tetsuya Takaishi
Abstrait : Alors que des faits stylisés pertinents sont observés pour les marchés Bitcoin, nous trouvons une propriété distincte pour le comportement de mise à l’échelle de la distribution des rendements cumulés. Pour divers actifs, l’indice de queue μ de la distribution des rendements cumulés présente μ≈3, ce que l’on appelle «la loi cubique inverse». D’autre part, celui du retour Bitcoin est prétendu être μ≈2, ce qui est connu sous le nom de « loi du carré inverse ». Nous étudions les propriétés de mise à l’échelle à l’aide de données Bitcoin récentes et constatons que l’indice de queue passe à μ≈3, ce qui est cohérent avec la loi cubique inverse. Cela suggère que certaines propriétés du marché Bitcoin pourraient varier dans le temps. Nous étudions également l’autocorrélation des rendements absolus et constatons qu’elle est décrite par une loi de puissance avec deux exposants d’échelle. En analysant les rendements absolus standardisés par la volatilité réalisée, nous vérifions que la série temporelle de retour Bitcoin est cohérente avec des variables aléatoires normales avec une volatilité variant dans le temps.
Rejoignez Coinmonks Telegram Channel et Youtube Channel pour en savoir plus sur le trading et l’investissement cryptographiques