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

Abstract

Essa pesquisa teve como objetivo compreender o comportamento volátil em seis criptomoedas de grande representatividade. Para tal, foram estimados modelos EGARCH com e sem regimes markovianos, combinados com diferentes distribuições de probabilidade estatística e testada a capacidade preditiva dos melhores modelos resultantes dessa combinação por meio da previsão do value-at-risk. Esse estudo demonstrou que os log-retornos diários das criptomoedas analisadas apresentam claramente mudanças de regime em sua dinâmica de volatilidade. Na análise in-sample, o modelo com mudança de regime confirma a existência de dois estados: o primeiro caracterizado por um maior efeito ARCH e menos afetado por assimetrias, enquanto o segundo revela maior efeito da chegada de informações, ou seja, é mais sensível à choques assimétricos. Na análise out-sample, as previsões de valor em risco dos modelos com mudançade regime superam claramente os modelos de regime único em um α = 1%.