Calculando a volatilidade do Bitcoin

O Bitcoin é uma criptomoeda que possui a característica de ser volátil, de forma que isso significa incorrer do risco de mercado. Apesar deste senso comum, devemos pensar: o quanto é essa volatilidade? Como podemos mensurá-la? Há diversas formas, e neste post de hoje iremos estimar a volatilidade do Bitcoin através do modelo GARCH utilizando o R.

O modelo GARCH é útil para realizar estimativas da volatilidade de um ativo financeiro, visto as suas propriedades. Séries financeiras tendem a possui volatility cluster, ou seja, valores extremos em diferentes períodos de tempo. Outra questão é que os erros de previsão ao quadrado possuem autocorrelação, de forma que ajudam a explicar a variância, bem como a sua própria variância passada.

Já trabalhamos com aplicações do mesmo modelo em post passados:

Bem como ensinamos a criar modelos de volatilidade em nosso curso de Econometria Financeira usando o R.

Com estas considerações, podemos utilizar os retornos da Bitcoin (em USD) diários para a modelagem de sua volatilidade com um GARCH(1,1).

Primeiro, carregamos os pacotes necessários.

Em seguida, buscamos os dados do Bitcoin utilizando o pacote {crypto2}.

Podemos visualizar a série de retornos diárias do Bitcoin, de forma a obter uma análise sobre suas características.

Com efeito, podemos especificar o modelo e estimar os coeficientes.

__________________________________________________

Quer saber mais?

Veja nossos cursos da trilha de Finanças Quantitativas.

 

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como avaliar modelos de IA na previsão macroeconômica?

Descubra como economistas e cientistas de dados estão combinando econometria e inteligência artificial para aprimorar previsões macroeconômicas. Neste post, você vai entender as principais etapas de avaliação de modelos — da preparação dos dados à validação cruzada — e conhecer as métricas e técnicas que revelam quais métodos realmente entregam as melhores previsões. Uma leitura essencial para quem quer compreender o futuro da análise econômica orientada por dados.

Análise exploratória e seleção de séries temporais econômicas para modelagem

Quer entender como transformar dados econômicos brutos em previsões macroeconômicas precisas? Neste post, mostramos passo a passo como realizar a análise exploratória e seleção de séries temporais com Python — desde o tratamento de dados e remoção de multicolinearidade até a escolha das variáveis mais relevantes usando técnicas de machine learning e econometria. Um guia essencial para quem quer unir teoria econômica e inteligência artificial na prática da previsão macroeconômica.

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.