Hatari Halisi katika Masoko ya Kripto Inaweza Isifichwe kwenye Uunganisho, Bali kwenye Mkia

1. Kichwa

Makala haya yametayarishwa kutokana na utafiti wa kitakwimu unaochunguza jinsi hatari kubwa na mienendo ya pamoja iliyokithiri katika mfululizo wa nyakati za kifedha inavyoweza kupimwa. Utafiti uliochunguzwa unaitwa Measuring Tail Dependence in Linear Processes: Theory and Empirics.

Somo kuu la utafiti ni kwamba vipimo vya kawaida vya uwiano vinaweza kushindwa kuelezea matukio makubwa katika masoko ya fedha. Uhusiano unaoonekana dhaifu kati ya mali mbili nyakati za kawaida unaweza kuimarika wakati wa shida au mienendo iliyokithiri. Kwa hivyo, watafiti wanapendekeza mbinu mpya ya uwiano wa mkia (tail cross-correlation) inayochunguza mambo ya pamoja yaliyokithiri katika eneo la mkia la usambazaji badala ya mabadiliko karibu na wastani.

Makala haya yanaonyesha wazo hili hasa kupitia data ya masafa ya juu ya sarafu za siri kama BTC, ETH, na SOL. Katika utafiti, usambazaji wa mikia mizito, usambazaji unaobadilika mara kwa mara, kumbukumbu fupi/ndefu, kielezo cha Hurst na mahusiano ya utegemezi wa kikomo yaliyocheleweshwa yanajadiliwa kwa pamoja.

Maudhui haya si ushauri wa uwekezaji. Makala haya ni maelezo ya kitaaluma yaliyorahisishwa kuhusu hatari kubwa, mkia mzito, mienendo ya pamoja iliyokithiri, na upimaji wa hatari za kitakwimu katika masoko ya kripto.

Utafiti mpya wa kitaaluma unaonyesha kuwa uwiano wa kawaida katika mfululizo wa nyakati za kifedha unaweza usitoshe kunasa mienendo iliyokithiri ya soko. Watafiti wanachunguza kipimo cha utegemezi uliokithiri kinachoitwa uwiano wa mkia, kulingana na data ya sarafu ya siri ya masafa ya juu kama BTC, ETH, na SOL. Matokeo yanaonyesha kuwa sifa za usambazaji wa mikia mizito na tabia ya kumbukumbu ndefu zipo kwenye mfululizo huu wa kripto. Moja ya matokeo ya kushangaza zaidi ni kwamba thamani za utegemezi zilizokithiri kati ya BTC-ETH, ETH-SOL, na BTC-SOL hazipotei haraka hata katika ucheleweshaji wa mbali. Hali hii inaonyesha kuwa mienendo iliyokithiri katika masoko ya kripto inaweza kuonekana sio tu kama mishtuko ya papo hapo, lakini pia kama mikusanyiko ya hatari inayoendelea.

2. Muhtasari mfupi

Katika masoko ya fedha, hatari mara nyingi hutathminiwa na vipimo kama vile ukosefu wa utulivu, uwiano, Thamani-katika-Hatari (Value-at-Risk), na Upungufu Unaotarajiwa (Expected Shortfall). Vipimo hivi ni muhimu; hata hivyo, vinaweza kushindwa hasa wakati wa shida. Kwa sababu uharibifu mkubwa zaidi katika masoko mara nyingi hausababishwi na mienendo ya wastani, bali na matukio makubwa nadra lakini yenye nguvu sana.

Uwiano wa kawaida hupima mienendo ya pamoja ya vigeu viwili karibu na wastani. Lakini ukweli kwamba mali mbili za kripto zinaonyesha uwiano mdogo katika siku za kawaida haimaanishi kwamba hazitasonga pamoja katika siku za kushuka sana au kupanda sana. Hatari zinazoonekana tofauti zinaweza kulipuka kwa wakati mmoja wakati wa shida.

Kwa hivyo, swali kuu la utafiti ni: Katika mfululizo wa nyakati za kifedha, hasa katika data za kripto zenye mikia mizito, tunawezaje kupima mienendo ya pamoja katika maeneo yaliyokithiri?

Swali hili sio la kitaaluma tu. Ni muhimu sana kwa hatari ya kwingineko, hatari ya kimfumo, biashara ya kujiinua, usimamizi wa dhamana, udhibiti wa hatari wa ubadilishanaji, na upimaji wa dhiki. Ikiwa mtindo unakadiria utegemezi wa kikomo chini, hatari halisi ya hasara wakati wa shida inaweza kuonekana ndogo kuliko ilivyo kweli.

3. Maelezo ya kina

Utafiti unashughulikia mfululizo wa nyakati za kifedha kama michakato ya mstari. Katika michakato hii, thamani ya leo inaweza kuchukuliwa kama jumla ya uzito wa mishtuko ya zamani. Ikiwa usambazaji wa mishtuko una mkia mzito, tabia kali ya mfumo pia inatofautiana na mifumo ya kawaida ya Gaussian.

Watafiti kwanza wanaanzisha msingi wa kinadharia wa mgawanyo unaobadilika mara kwa mara na tabia za mikia mizito. Kisha wanajadili hali ya iid (huru na inayofanana kwa usambazaji) na hali za mchanganyiko zisizo za iid (huru lakini zisizo na usambazaji sawa) kando.

Jambo muhimu la makala haya ni kwamba haipimi tu mkia wa mali moja, bali uwezekano wa thamani kubwa za mfululizo wa nyakati mbili tofauti kuonekana pamoja kwa kuchelewa. Kwa hili, kipimo kinachoitwa mgawo wa uwiano wa mkia kinafafanuliwa.

Kipimo hiki kinajaribu kuchunguza ni kwa kiasi gani uwezekano wa mfululizo mwingine kuvuka kizingiti chake cha juu huongezeka baada ya ucheleweshaji fulani, wakati kuna kikomo kikubwa katika mfululizo mmoja. Kwa hivyo, inatoa zana inayofaa zaidi ya kitakwimu kwa maswali kama vile, "Ikiwa kulikuwa na harakati iliyokithiri katika BTC, je, mkusanyiko wa mienendo iliyokithiri unaendelea upande wa ETH au SOL kwa ucheleweshaji fulani?"

4. Mbinu na matokeo ya utafiti

Fomula katika utafiti zinaonyesha jinsi michakato ya mstari yenye mikia mizito inavyofafanuliwa, jinsi mikia inayobadilika mara kwa mara inavyopimwa, jinsi kigawo cha utegemezi mkubwa kinavyoanzishwa, na jinsi muundo wa kumbukumbu fupi/ndefu unavyoathiri utegemezi wa mkia uliocheleweshwa.

1. Muundo wa mchakato wa mstari

Mahali pa kuanzia pa utafiti ni michakato miwili ya mstari:

\[ X_i=\sum_{j=0}^{\infty}a_j\epsilon_{i-j}^{(1)}, \qquad Y_i=\sum_{j=0}^{\infty}b_j\epsilon_{i-j}^{(2)}, \qquad i\in\mathbb{Z} \]

Hapa \(a_j\) na \(b_j\) zinaonyesha uzito wa mishtuko ya zamani kwa thamani ya leo. \(\epsilon^{(1)}\) na \(\epsilon^{(2)}\) ni mfululizo wa uvumbuzi (innovation). Muundo huu hutumiwa kuunda jinsi mishtuko ya zamani inaweza kuathiri mienendo ya leo katika mfululizo wa nyakati za kifedha.

2. Mchakato uliounganishwa au kuvurugwa

Katika utafiti, usikivu wa mchakato unachunguzwa kwa kubadilisha mshtuko katika hatua fulani ya wakati na nakala huru:

\[ X_i^{*} = \sum_{\substack{j=0\\j\neq i}}^{\infty} a_j\epsilon_{i-j}^{(1)} + a_i\epsilon_0^{*} \]

\[ Y_i^{*} = \sum_{\substack{j=0\\j\neq i}}^{\infty} b_j\epsilon_{i-j}^{(2)} + b_i\epsilon_0^{*} \]

Mvurugo huu husaidia kufuatilia athari za mshtuko fulani uliokithiri kwenye michakato miwili. Hivyo, jinsi matukio yaliyokithiri yanavyobebwa kwa muda na jinsi yanavyoonekana katika mfululizo mwingine unaweza kuchunguzwa.

3. Mikia iliyosawazishwa na kubadilika mara kwa mara

Tofauti kuwa na mkia mzito inamaanisha kuwa viwango vikubwa vinaweza kuonekana mara kwa mara kuliko usambazaji wa kawaida. Katika utafiti, mkia uliosawazishwa na unaobadilika mara kwa mara unafafanuliwa kama ifuatavyo:

\[ \lim_{x\to\infty} \frac{P(X\gt x)}{P(|X|\gt x)} =p, \qquad \lim_{x\to\infty} \frac{P(X\lt -x)}{P(|X|\gt x)} =q, \qquad p+q=1 \]

Hapa \(p\) inaonyesha uzito wa mkia wa kulia; na \(q\) uzito wa mkia wa kushoto. Katika masoko ya fedha, mkia wa kushoto mara nyingi unahusishwa na hatari kubwa ya kushuka. Mkia wa kulia unaweza kuwakilisha kuongezeka sana.

4. Kazi inayobadilika polepole

Kazi inayobadilika polepole inayoikamilisha muundo wa mkia katika mgawanyo unaobadilika mara kwa mara inafafanuliwa kama ifuatavyo:

\[ L(\lambda x)\sim L(x) \qquad \mathrm{as}\ x\to\infty,\quad \lambda\gt 0 \]

Usemi huu unaonyesha kwamba chaguo la \(L(x)\) linajibu polepole kwa mabadiliko ya kiwango kwa thamani kubwa sana za \(x\). Katika nadharia ya mikia mizito, chaguo hili linakamilisha tabia kuu ya sheria ya nguvu (power law) na marekebisho madogo.

5. Mkia wa jumla yenye mkia mzito

Moja ya matokeo ya kawaida inaonyesha kwamba jumla ya mstari ya vigeu vyenye mikia mizito inaweza pia kubaki na mkia mzito:

\[ S=\sum_{n=-\infty}^{\infty}\rho_nX_n \]

Tabia kamili ya mkia wa jumla inafupishwa kama ifuatavyo:

\[ \lim_{x\to\infty} \frac{P(|S|\gt x)}{P(|X|\gt x)} = \sum_{n=-\infty}^{\infty}|\rho_n|^{\alpha} \]

Fomula hii inaonyesha kuwa hatari iliyokithiri ya mchakato wa mstari haitegemei mishtuko ya mtu binafsi pekee, bali pia kwa uzito wa vigawo kwenye mkia.

6. Mchango wa mkia chanya

Kwa mkia upande chanya, utafiti unatoa muundo huu:

\[ \lim_{x\to\infty} \frac{P(S\gt x)}{P(|X|\gt x)} = \sum_{n=-\infty}^{\infty} \left[ p(\rho_n)_{+}^{\alpha} + q(\rho_n)_{-}^{\alpha} \right] \]

Hapa \((\rho_n)_+\) inaashiria sehemu chanya ya kigawo; \((\rho_n)_-\) sehemu hasi. Tofauti hii ni muhimu kwa sababu mikia chanya na hasi katika mfululizo wa kifedha inaweza isiwe na ulinganifu.

7. Mkia mkuu katika usambazaji wa mchanganyiko

Katika vigeu vya mikia mizito ambavyo si vya iid (havina usambazaji sawa), tabia iliyokithiri zaidi ya jumla mara nyingi hubainishwa na sehemu yenye mkia mzito zaidi:

\[ \alpha=\min_j\{\alpha_j\} \]

Hapa \(\alpha_j\) ni kielelezo cha mkia cha kila sehemu. \(\alpha\) ndogo inamaanisha mkia mzito zaidi. Kwa hivyo, katika muundo wa mchanganyiko, hatari kubwa mara nyingi husukumwa na sehemu yenye kielelezo kidogo zaidi cha mkia.

8. Mgawo wa uwiano wa mkia (Tail cross-correlation)

Kipimo kipya cha utegemezi katikati mwa utafiti ni hiki:

\[ \tau_{x_n,y_n}(k) = \frac{ P(Y_{t+k}^{*}\gt y_n\mid X_t^{*}\gt x_n) - P(Y_{t+k}^{*}\gt y_n) }{ 1-P(X_t^{*}\gt x_n) } \]

Fomula hii hupima jinsi uwezekano wa mfululizo wa \(Y_{t+k}^{*}\) kuvuka kizingiti chake cha juu baada ya ucheleweshaji wa \(k\) unavyobadilika wakati mfululizo wa \(X_t^{*}\) unavuka kizingiti cha juu. Kwa maneno mengine, inachunguza mienendo ya pamoja iliyocheleweshwa ya matukio yaliyokithiri.

Kipimo hiki ni tofauti na uwiano wa kawaida. Wakati uwiano ukipima harakati za pamoja karibu na wastani, \(\tau_{x_n,y_n}(k)\) inalenga tu maeneo ya kuvuka vizuizi vikubwa.

9. Muundo wa kumbukumbu fupi

Katika utafiti, muundo ambao vigawo hupungua kwa ufafanuzi hutumiwa kwa kumbukumbu ya muda mfupi:

\[ b_j=\phi^j, \qquad |\phi|\lt 1 \]

Katika kesi hii, athari za mishtuko ya zamani hupunguzwa haraka. Katika suala la kifedha, hii inawakilisha muundo wa mchakato ambapo athari kubwa inaweza kutoweka kwa muda mfupi.

10. Muundo wa kumbukumbu ndefu

Kwa kumbukumbu ya muda mrefu, vigawo hupungua kwa sheria ya nguvu (power law):

\[ b_j=j^{-\beta}, \qquad \beta\gt 0 \]

Katika kesi hii, athari za mishtuko ya zamani hupotea polepole zaidi. Ukweli kwamba mienendo iliyokithiri katika masoko ya kripto inaweza kudumisha athari yake hata kwa ucheleweshaji wa mbali inaweza kuhusishwa na aina hii ya tabia ya kumbukumbu ndefu.

11. IID na uwiano uliocheleweshwa katika hali sawa ya kizingiti

Katika kesi ya IID na mfululizo sawa wa quantile/kizingiti, uwiano mfululizo wa ukataji wa mkia (tail cross-correlation) hutolewa takriban kama ifuatavyo:

\[ \frac{\tau(i+1)}{\tau(i)} \approx \left| \frac{b_{i+2}}{b_{i+1}} \right|^{\alpha_1} \]

Fomula hii inaonyesha kuwa jinsi utegemezi mkubwa uliocheleweshwa unavyopunguzwa imedhamiriwa na mfululizo wa vigawo na kielelezo cha mkia.

12. Uwiano uliocheleweshwa katika hali isiyo ya IID

Katika kesi ya hali isiyo ya iid, muundo sawa hutokea kama ifuatavyo:

\[ \frac{\tau(i+1)}{\tau(i)} \approx \left| \frac{b_{i+2}}{b_{i+1}} \right|^{\alpha_0} \]

Hapa \(\alpha_0\) ni kielelezo cha mkia cha mshtuko mkuu wenye mkia mzito unaosumbua. Mojawapo ya jumbe muhimu za utafiti ni kwamba hata katika miundo changamano isiyo ya iid, tabia ya utegemezi wa muda mrefu inaweza kuelezewa na vigezo vichache.

13. Kwa nini mfululizo tofauti wa vizingiti ni muhimu?

Utafiti unasisitiza kwamba mikia ya vigeu tofauti inaweza kuwa na uzito tofauti. Kwa hivyo, badala ya kizingiti sawa cha mfululizo wote, vizingiti tofauti vinaweza kutumika:

\[ x_n\neq y_n, \qquad x_n\to\infty,\quad y_n\to\infty \]

Mbinu hii ni muhimu. Kwa sababu viwango vya bei, viwango vya kubadilikabadilika na tabia za mkia za mali kama vile BTC, ETH na SOL ni tofauti. Kutumia kizingiti sawa kabisa kunaweza kunasa tukio lililokithiri katika mali moja huku kukiwakilisha harakati za kawaida katika mali nyingine.

5. Maelezo ya chanzo na mbinu

Kielelezo cha 1, kinaonyesha histogramu za mfululizo wa BTC, ETH na SOL. Katika michoro, inaonekana kwamba usambazaji haufanani na muundo wa kilele kimoja na rahisi wa Gaussian. Utafiti unaunga mkono mtazamo huu kwa jaribio la Hartigan Dip na kusema kuwa kunaweza kuwa na athari za usambazaji wa bimodal / mchanganyiko katika mfululizo.

Jedwali 1 linatoa mapumziko ya kimuundo (structural breaks) kwa BTC, ETH na SOL. Pointi 5 za mabadiliko zilitambuliwa katika kila mfululizo wa sarafu zote tatu. Ugunduzi huu unaonyesha kwamba data inaweza isishughulikiwe kama muundo rahisi wa iid (unaojitegemea na kugawanywa kwa usawa).

Jedwali 2, Jedwali 3 na Jedwali 4 zinatoa ulinganisho wa AIC/BIC wa usambazaji wa Pareto, Cauchy na Weibull katika makundi tofauti kwa BTC, ETH na SOL. Matokeo yanatofautiana kutoka sehemu hadi sehemu. Katika BTC, Cauchy anasimama katika baadhi ya sehemu, wakati Weibull anaonekana zaidi katika sehemu nyingine. Kwenye upande wa ETH na SOL, mifumo tofauti ya mikia mizito inafaa vizuri zaidi katika makundi mbalimbali. Hili linaonyesha kwamba ni vigumu kuelezea mfululizo wa bei za kripto na usambazaji mmoja uliowekwa.

Jedwali 5 hutoa viashiria vya kumbukumbu ndefu. Kielezo cha Hurst kimerekodiwa kama 0.927 kwa BTC, 0.934 kwa ETH, na 0.930 kwa SOL. Makadirio ya GPH pia yako katika 0.987 kwa BTC, 1.011 kwa ETH na 0.994 kwa SOL. Maadili haya yanaonyesha kwamba kuna ishara kali ya kumbukumbu ndefu katika mfululizo.

Jedwali 6 linaonyesha viwango vya vizingiti vya quantiles tofauti na thamani za uwiano wa mkia kwa ucheleweshaji tofauti kwa jozi za BTC-ETH, ETH-SOL na BTC-SOL. Jambo muhimu ni hili: Baadhi ya thamani za uwiano wa mkia huhifadhiwa kwa kiasi kikubwa kuanzia lag 1 hadi lag 100. Kwa mfano, katika mchanganyiko fulani wa kizingiti, uhusiano wa ETH-SOL unabaki karibu na 0.7. Hii inaonyesha kuwa hatua iliyokithiri ya pamoja haipotei haraka hata kwenye ucheleweshaji wa mbali.

Kielelezo cha 2 kinaonyesha usambazaji wa thamani za kielelezo cha Hurst kutoka kwa miigo (simulations). Mstari mwekundu uliokatizwa unawakilisha thamani katika usanidi usio wa iid. Utafiti unaeleza kuwa matokeo yasiyo ya iid yanabaki ndani ya bendi ya kuiga ya iid, ikionyesha kuwa matokeo ya kinadharia yanaungwa mkono kwa macho.

6. Lebo za meta

Katika utafiti, bei za kufunga za BTC, ETH na SOL zilichunguzwa kwanza. Waandishi walichunguza kama muundo wa usambazaji katika mfululizo huu unafanana kwa kutumia data ya fedha za kripto za masafa ya juu.

Mapumziko ya kimuundo yaligunduliwa kwenye mfululizo na pointi 5 za mabadiliko zilipatikana kwa sarafu zote tatu za kripto. Kwa hivyo, badala ya kudhani kuwa data hutoka kwa usambazaji mmoja wa iid, iligawanywa katika makundi na kutathminiwa kwa mantiki ya usambazaji wa mchanganyiko.

Kila sehemu ililinganishwa na mgawanyo wa Pareto, Cauchy na Weibull. Kutumia thamani za AIC na BIC, iliamuliwa ni usambazaji upi unaofaa zaidi katika sehemu ipi.

Kisha vigawo vya uwiano wa mkia kati ya BTC, ETH na SOL vilihesabiwa. Vizingiti tofauti vya quantile vilitumika: maeneo ya juu ya mkia kama vile 0.75, 0.85 na 0.95 yalithaminiwa. Zaidi ya hayo, ucheleweshaji tofauti kama vile lag 1, 3, 5, 7, 30 na 100 ulichunguzwa.

Katika hatua ya mwisho, tafiti za uigaji zilifanyika. Hali ya kumbukumbu fupi na kumbukumbu ndefu zilijaribiwa chini ya usambazaji wa mikia mizito kama Pareto, Cauchy, Weibull na Fréchet. Kusudi ni kuona jinsi matokeo ya kinadharia yalivyo thabiti chini ya familia tofauti za usambazaji.

Matokeo Yanaonyesha Nini?

Tokeo la kwanza la utafiti ni kwamba mfululizo wa kripto kama vile BTC, ETH na SOL haufanyi kazi kama muundo rahisi wa Gaussian au muundo mmoja wa usambazaji. Histogramu, mapumziko ya kimuundo na majedwali ya kufaa ya mfumo yanaonyesha kuwa mfululizo unaweza kuonyesha vipengele tofauti vya usambazaji katika vipindi tofauti.

Tokeo la pili ni kwamba ishara za kumbukumbu ndefu katika mfululizo huu zina nguvu. Makadirio ya Hurst na GPH yanaonyesha kuwa athari za mishtuko ya zamani kwenye mienendo ya bei ya kripto huenda isipotee haraka.

Tokeo la tatu ni kwamba kipimo cha uwiano wa mkia kinaweza kunasa utegemezi wa kikomo kati ya jozi za kripto. Hasa, katika uhusiano wa ETH-SOL, viwango vya juu na vya kudumu vya uwiano wa mkia vinaonekana katika vizingiti fulani. Hii inaonyesha kuwa mienendo iliyokithiri inaweza kujilimbikiza pamoja sio tu kwa wakati mmoja, lakini pia kwa kuchelewa.

Tokeo la nne ni kwamba ingawa tabia ya utegemezi wa mkia uliocheleweshwa inaonekana ngumu, inaweza kuelezewa na baadhi ya vigezo vya msingi. Kulingana na utafiti, uwiano wa mkia unatambuliwa na uwiano uliocheleweshwa wa vigawo na kielelezo cha mkia. Hii inaonyesha kuwa hatari ya kikomo ya muda mrefu inaweza kuwa na muundo wa kawaida zaidi kuliko inavyofikiriwa.

Tokeo la tano ni kwamba aina ya usambazaji huathiri vipimo vya kumbukumbu. Katika uigaji, mikia mizito isiyo na nyakati (moments) kama Cauchy inaweza kutoa matokeo tete zaidi katika makadirio ya Hurst, wakati mchanganyiko wa Pareto unaweza kudumisha muundo wa utegemezi wa muda mrefu kwa utulivu zaidi. Utafiti unaelezea hili kwa wazo la "mgawanyo wa kumbukumbu unaosababishwa na mkia" (tail-induced partition of memory).

Kwa Nini Hii Ni Muhimu?

Hatari katika masoko ya kripto mara nyingi hujadiliwa kulingana na tetereko au uwiano. Hata hivyo, utafiti huu unaonyesha kwamba hatari halisi inaweza kufichwa katika mienendo ya pamoja katika maeneo ya pembeni.

Kwingineko (portfolio) inaweza kuonekana kuwa tofauti katika siku za kawaida. Lakini ikiwa BTC, ETH na SOL zinasonga kwa kasi katika mwelekeo sawa wakati wa harakati kali za soko, uwiano wa kawaida hauwezi kuonyesha hatari hii vya kutosha mapema. Uwiano wa mkia hutoa kiashiria cha hatari cha maana zaidi kwa wakati huu.

Njia hii sio tu ya kripto; pia ni muhimu kwa nyanja kama vile bima, uwekezaji upya, hatari ya kimfumo ya kifedha, uchambuzi wa makosa mengi na hatari ya maafa ya asili. Kwa sababu tatizo kuu katika maeneo haya si tukio moja tu, bali ni kutokea kwa matukio mengi yaliyokithiri kwa pamoja.

Kwa mtazamo wa Verianla, ujumbe mkuu wa utafiti huu ni huu: Hatari halisi katika masoko ya fedha inapaswa kutafutwa kwa tabia mbaya zaidi kuliko tabia ya wastani. Ikiwa modeli itaelezea tu siku za kawaida vizuri lakini inashindwa kukamata kuporomoka kwa pamoja kwa mali wakati wa siku za shida, usimamizi wa hatari haujakamilika.

Mambo ya Kuzingatia

Utafiti huu si ushauri wa uwekezaji. Haina mapendekezo ya kununua/kuuza ya BTC, ETH au SOL.

Utafiti unatoa matokeo ya kinadharia ya takwimu pamoja na mifano maalum ya data ya kripto ya masafa ya juu. Matokeo yanahitaji kujaribiwa kivyake katika ubadilishanaji tofauti, vipindi tofauti vya data na mali tofauti za kripto.

Uwepo wa mapumziko ya kimuundo (structural breaks) kwenye data hufanya uteuzi wa modeli kuwa mgumu. Kwa hivyo, kujaribu kuelezea vipindi vyote kwa familia moja ya usambazaji kunaweza kupotosha.

Uwiano wa mkia unapohesabiwa katika vizingiti vya juu, data inakuwa nadra. Kwa hivyo, uhakika wa makadirio unaweza kuongezeka katika viwango vya juu vya quantile.

Vipimo vya kumbukumbu ndefu kama kielelezo cha Hurst na GPH vinaweza kuathiriwa na usambazaji wa mikia mizito. Hasa katika distibutions bila nyakati kama Cauchy, makadirio haya yanaweza kutoa matokeo tete zaidi.

Utafiti hupima utegemezi wa mwisho; hata hivyo, huu si ushahidi wa sababu. Hatuwezi kusema moja kwa moja kwamba hatua iliyokithiri katika BTC ndiyo sababu ya hatua iliyokithiri katika ETH au SOL. Kipimo kinaonyesha muundo wa hatua zilizokithiri pamoja au zilizocheleweshwa.

Hitimisho

Utafiti huu wa kitaaluma unaonyesha kwa nguvu kwamba utegemezi uliokithiri katika mfululizo wa nyakati za kifedha unapaswa kuchukuliwa tofauti na uwiano wa classical. Mfano wa BTC, ETH, na SOL unaonyesha kwamba masoko ya crypto yanaweza kuwa na mikia mizito, muundo unaovunjika, na sifa za kumbukumbu za muda mrefu.

Kigawo cha uwiano wa mkia kinachopendekezwa na utafiti kinajaribu kupima jinsi mwendo uliokithiri katika mfululizo mmoja unavyobadilisha uwezekano wa mwendo uliokithiri uliocheleweshwa katika mfululizo mwingine. Hii ni chombo muhimu cha kuelewa hatari ya mali kusonga pamoja, hasa nyakati za shida.

Ugunduzi wa kushangaza zaidi ni kwamba katika baadhi ya jozi za kripto, thamani za uwiano wa mkia hupungua kidogo sana hata katika ucheleweshaji wa mbali. Hali hii inaonyesha kwamba mienendo iliyokithiri katika masoko ya kripto inaweza kuunda miundo ya hatari inayoendelea na iliyokusanyika, si tu ya papo hapo.

Kwa Verianla, hitimisho liko wazi: Katika udhibiti wa hatari, haitoshi tu kuuliza, "Je, uwiano wa wastani uko chini?" Swali muhimu zaidi ni hili: Je, mali zinasonga pamoja kwenye mkia wa soko, yaani, kwenye siku zake ngumu zaidi?

Kumbuka kuhusu Chanzo na Mbinu

Maudhui haya yalitayarishwa kwa kuchunguza PDF ya kitaaluma yenye mada Measuring Tail Dependence in Linear Processes: Theory and Empirics. Maandishi sio tafsiri ya neno kwa neno. Madhumuni ya utafiti, muundo wake wa kinadharia, kanuni za msingi, uchambuzi wa data ya kripto, jumbe za picha na jedwali, matokeo ya kuiga na mapungufu zimeelezwa upya katika lugha asili, iliyorahisishwa kwa wasomaji wa Verianla.

Makala haya si ushauri wa uwekezaji, pendekezo la kwingineko au maagizo ya usanidi wa modeli ya hatari ya moja kwa moja.

Taarifa na Dokezo la Marekebisho

Maudhui haya yametayarishwa kwa kuzingatia utafiti husika wa kitaaluma na kwa kutumia zana zinazosaidiwa na akili unde. Lengo ni kuwasilisha mada kuu, mbinu na matokeo ya utafiti kwa njia inayoeleweka na kufikika kwa urahisi zaidi.

Ingawa uangalifu umechukuliwa ili kubaki mwaminifu kwa utafiti wa chanzo, makosa ya maana, usemi, tafsiri au ufafanuzi yanaweza kutokea katika mchakato wa kuunda maudhui kwa msaada wa akili unde. Ukigundua kosa la kisayansi, kiufundi au kimuktadha, unaweza kutujulisha kupitia info@verianla.com.tr. Hoja zilizoripotiwa zitachunguzwa na marekebisho yanayoonekana kuwa muhimu yatafanywa.

Aidha, mwandishi, mwenye haki au mwakilishi aliyeidhinishwa wa makala ambayo utafiti wake umewekwa kwenye Verianla anaweza kuomba maudhui husika yaondolewe. Kwa ombi la kuondolewa, inatosha kutuma kiungo cha makala na maelezo mafupi ya ombi kwa info@verianla.com.tr. Hatua inayohitajika itachukuliwa baada ya ombi kuchunguzwa.

Verianla hailengi kuchukua nafasi ya tafiti za kitaaluma, bali kusaidia maudhui ya kisayansi kueleweka na hadhira pana zaidi. Katika tathmini za kitaaluma au kitaalamu, inapendekezwa kila wakati kurejelea chanzo asili cha utafiti.

Shiriki: