연속적으로 의존

본 연구는 기존 문헌과 다르다. 본 연구에서는 문헌에서 일반적으로 사용되는 가격 변동성 예측 모델 대신 수익률 변동성 예측 모델을 적용하였다. 또한 문헌에서 적합한 변동성 모델을 선택할 때 일반적으로 사용되는 ARCH 및 GARCH 모델이 비트코인 ​​수익률에 선호되는 반면, ARCH 및 GARCH 모델 외에도 EGARCH 모델이 적용되었습니다. 데이터 및 방법론 이 섹션에서는 연구에 사용된 데이터 세트와 모델의 계량경제적 구조에 대해 논의합니다. 본 연구에서는 비트코인 ​​가격의 변동성을 예측하기 위해 가장 적합한 모델을 얻는 것을 목표로 한다. Investing.com 웹사이트의 2013년 11월 24일부터 2020년 3월 22일까지의 주간 데이터에 일련의 분석이 적용되었습니다. 적용된 분석은 EViews 9 프로그램을 사용하여 수행되었습니다. 변동성 예측 모델을 테스트하기 전에 주간 비트코인 ​​가격의 로그 수익률을 계산하고 얻은 계열을 고려하여 변동성 예측 모델을 테스트했습니다. 주간 비트코인 ​​가격의 로그 수익률을 계산하는 동안 다음 공식이 사용되었습니다[ 32 ]: (1) 획득된 주간 로그 데이터에 ARCH, GARCH, EGARCH 등의 변동성 모델을 적용하였고, 그 결과를 바탕으로 가장 적합한 모델을 선택하였다. 언급된 세 가지 모델의 계량경제적 인프라에 대한 설명은 연구의 효율성을 위해 중요합니다. 변동성이 가변적인 금융시계열의 모델링에 있어서, 고정되어 있지 않다는 것을 수용한 최초의 모델 중 하나인 분산 ARCH 모델은 문헌에서 가장 일반적인 모델 중 하나이다. Engle[ 14 ] 의 연구에서는 의 기간 t 에서의 오차 항은 이전의 의 분산에 연속적으로 의존하는 것으로 제안되었습니다. ARCH 모델이 개발되었습니다[ 27 : 341]. 구글 상위노출 강남노래방 의정부오피 부천오피 다크걸 카지노솔루션 카지노솔루션 제작 카지노솔루션 제작 피망머니상 백링크 먹튀사이트신고 먹튀검증사이트 11