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 a IA pode auxiliar na otimização de Portfólio de Investimentos?

A construção de portfólio ótimo refere-se ao processo de alocar eficientemente capital entre um conjunto predefinido de ativos ou títulos. O campo da construção de portfólio tem sido extensivamente estudado por acadêmicos e profissionais desde a década de 1950, quando Markowitz introduziu sua inovadora abordagem de média-variância para a construção de portfólio. Diante disso, podemos melhorar o processo de alocação de peso de um investimento em um portfólio através do Aprendizado não supervisionado com a aplicação do Hierarchical Risk Parity (HRP). Neste exercício, realizamos uma introdução ao método e mostramos os resultados de um exemplo criado através do Python.

Como usar IA + Python para o Mercado Financeiro?

Neste post, mostramos como a Inteligência Artificial, aliada à linguagem Python, está revolucionando o mercado financeiro. Exploramos as principais áreas onde essa tecnologia pode ser aplicada — como gestão de carteiras, análise de demonstrações contábeis, estratégias quantitativas, trading e análise macroeconômica — com foco em aplicações práticas e exemplos voltados para o contexto brasileiro.

Como otimizar um portfólio de investimentos no Python?

Este post apresenta, de forma prática e didática, como aplicar o modelo de otimização de carteiras de Markowitz utilizando Python. A partir de dados reais de ações brasileiras, mostramos como calcular retornos, medir riscos e encontrar a combinação ótima de ativos com base nas preferências de risco do investidor. Utilizamos a biblioteca Riskfolio-Lib para estruturar a análise e gerar gráficos como o conjunto de oportunidades e a fronteira eficiente.

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.