Volatility estimation for cryptocurrencies using Markov-switching GARCH models

Abstract

In the 21st century, digital currencies have become a disruptive technology that is shaking up both financial markets and academic environment. Investors, politicians, companies, and academics are attempting to improve their understanding of these currencies for future investment possibilities and technological applications. This study aims to evaluate changes in different volatility states of eight digital currencies (BTC, ETH, LTC, XRP, XMR, NEM, LISK, and STEEM) that showed the highest liquidity and market capitalisation from 2013 to 2017. The methodology involved the MSGARCH model, using SGARCH, EGARCH, GJRGARCH, and TGARCH models. Our study demonstrated that two volatility regimes, that is, one with a larger volatility and another with a smaller one, clearly exist for all the analysed cryptocurrencies. What differs between the currencies is the probability of a second regime occurring. Moreover, we concluded that for both the first and second state, the asymmetry coefficient (gamma) is positive for all currencies.

Causality-in-mean and causality-in-variance among Bitcoin, Litecoin, and Ethereum

“…In literature, a respectable number of academic papers have focused on the return and volatility of cryptocurrencies (Aysan et al , 2019; Balcilar et al , 2017; Bariviera, 2017; Bouri et al , 2017; Chaim and Laurini, 2018; Charles and Darné, 2019; Dyhrberg, 2016; Katsiampa, 2017, 2019; Katsiampa et al , 2019; Koutmos, 2018; Silva et al , 2019). On the other hand, the studies examining volatility dynamics in terms of volatility spillovers are fewer.…”

Previsão de value-at-risk para o mercado de criptomoedas usando modelos EGARCH com regimes markovianos

“…A presença de mudanças de regime nos processos de volatilidade dos logretornos das criptomoedas foi comprovada. Esses resultados vão ao encontro dos obtidos por Silva et al (2019) que também demostraram a existência de dois regimes, um com maior e outro menor volatilidade, ambos com forte característica assimétrica. Outros estudos que documentaram mudanças de regime incluem os de Barivieira et al (2017), Balcome e Fraser (2017), Ardia et al (2019), embora nesses casos, apenas no Bitcoin.…”

“…Apesar desses novos ativos serem considerados uma grande inovação financeira (Bouoiyour et al, 2015), um aspecto essencial a ser explorado é sua volatilidade, ou seja, a intensidade e a frequência das oscilações em seu preço (Silva et al, 2019). Alguns autores indicam que a volatilidade excessiva desse mercado é uma grande preocupação (Yermack, 2015;Vandezande, 2017).…”

“…Essa possibilidade foi confirmada posteriormente por Ardia et al (2019) que encontraram fortes evidências de mudanças de regime nos retornos do Bitcoin, mostrando que os modelos Markov-switching GARCH superam as especificações de regime único ao prever o VaR. Silva et al (2019) demonstraram a existência de dois regimes de volatilidade, um com maior, e outro com menor volatilidade, ambos com forte característica assimétrica. Já Caporale e Zekokh (2019) descobrem que as criptomoedas exibem alta volatilidade e efeito alavancagem em pelo menos um regime, e que os modelos com mudança de regime produzem melhores previsões de VaR.…”