Оценка волатильности основных криптовалют, евро и прямого обменного курса рубля

Развитие финансовых технологий в современных условиях способствовало активному использованию при проведении международных расчетов цифровых финансовых инструментов — криптовалюты. Наличие актуальной информации о волатильности цифровой валюты поможет участникам крипторынка прогнозировать последствия проводимых операций. Целью данной работы является построение новой меры волатильности финансовых активов, в частности, криптовалют, евро и прямого обменного курса рубля. Для получения такой меры был проведен анализ известных мер волатильности, сформулированы требования к мере волатильности финансового актива и, в итоге, выполнена оценка волатильности основных криптовалют, евро и прямого обменного курса рубля по уровням временных рядов ежемесячных котировок упомянутых активов на временном промежутке с 01.01.2022 по 01.04.2023 г. Научную новизну в работе представляет обоснованная новая мера абсолютной волатильности. Основные выводы проведенного исследования: 1) построенная в данной работе мера абсолютной волатильности имеет размерность стоимости актива и измеряет ту часть стоимости актива, которая генерирована неопределенностью в значениях его доходности; 2) самой волатильной криптовалютой является Bitcoin Cash, наименьшую же волатильностью среди криптовалют имеет Bitcoin; 3) волатильность прямого обменного курса рубля (цены американского доллара в рублях) примерно в два раза меньше волатильности Bitcoin; 4) вне конкуренции по волатильности является котировка евро (цена евро в долларах) — 10% за полтора года.

1. Phillips P.C.B., Shi S., Yu J. Testing for multiple bubbles: Historical episodes of exuberance and collapse in the S&P 500. International Economic Review. 2015;56(4):1043–1078. DOI: 10.1111/iere.12132

2. Filimonov V., Sornette D. A stable and robust calibration scheme of the log-periodic power law model. Physica A: Statistical Mechanics and its Applications. 2013;392(17):3698–3707. DOI: 10.1016/j.physa.2013.04.012

3. Geuder J., Kinateder H., Wagner N.F. Cryptocurrencies as financial bubbles: The case of Bitcoin. Finance Research Letters. 2019;31. DOI: 10.1016/j.frl.2018.11.011

4. Enoksen F.A., Landsnes Ch.J., Lučivjanská K., Molnár P. Understanding risk of bubbles in cryptocurrencies. Journal of Economic Behavior and Organization. 2020;176:129–144. DOI: 10.1016/j.jebo.2020.05.005

5. Zhang J., Xu Y., Wang H. Cryptocurrency price bubble detection using log-periodic power law model and wavelet analysis. SSRN Electronic Journal. 2021. DOI: 10.2139/ssrn.3983539

6. Kyriazis N., Papadamou S., Corbet S. A systematic review of the bubble dynamics of cryptocurrency prices. Research in International Business and Finance. 2020;54:101254. DOI: 10.1016/j.ribaf.2020.101254

7. Caferra R., Tedeschi G., Morone A. Bitcoin: Bubble that bursts or Gold that glitters? Economics Letters. 2021;205:109942. DOI: 10.1016/j.econlet.2021.109942

8. Уилан Ч. Голые деньги: откровенная книга о финансовой системе. Пер. с англ. М.: Манн, Иванов и Фербер; 2022. 384 с.

9. Крылов Г. О., Лисицын А.Ю., Поляков Л. И. Сравнительный анализ волатильности криптовалют и фиатных денег. Финансы: теория и практика. 2018;22(2):66–89. DOI: 10.26794/2587–5671–2018–22–2–66–89

10. Andersen T.G., Bollerslev T. Answering the skeptics: Yes, standard volatility models do provide accurate forecasts. International Economic Review. 1998;39(4):885–905. DOI: 10.2307/2527343

11. Куссый М.Ю. Методологические аспекты измерения волатильности. Ученые записки Крымского федерального университета имени В.И. Вернадского. Экономика и управление. 2018;4(1):59–78. URL: https://cyberleninka.ru/article/n/metodologicheskie-aspekty-izmereniya-volatilnosti

12. Аганин А.Д., Пересецкий А.А. Волатильность курса рубля: нефть и санкции. Прикладная эконометрика. 2018;(4):5–21. URL: https://cyberleninka.ru/article/n/volatilnost-kursa-rublya-neft-i-sanktsii

13. Аганин А.Д., Маневич В.А., Пересецкий А.А., Погорелова П.В. Сравнение моделей прогноза волатильности криптовалют и фондового рынка. Экономический журнал Высшей школы экономики. 2023;27(1):49–77. DOI: 10.17323/1813–8691–2023–27–1–49–77

14. Barndorff-Nielsen O.E., Shephard N. Econometric analysis of realized volatility and its use in estimating stochastic volatility models. Journal of the Royal Statistical Society. Series B: Statistical Methodology. 2002;64(2):253–280. DOI: 10.1111/1467–9868.00336

15. Бывшев В. А. Эконометрика. М.: Финансы и статистика; 2008. 480 с.

16. Бывшев В. А. Моделирование финансово-экономических временных рядов в R. М.: Фин. ун-т при Пра вительстве Рос. Федерации; 2019. 110 с.