سید فخرالدین فخرحسینی، دکتر مبثم کاویانی،
دوره 15، شماره 55 - ( 3-1403 )
چکیده
پیش‌بینی نوسانات دارایی‌های مالی به‌ویژه در بازارهای پرنوسان مانند ارزهای دیجیتال، یکی از چالش‌های مهم در تحلیل مالی است. این پیش‌بینی‌ها نه تنها می‌توانند به سرمایه‌گذاران کمک کنند تا تصمیمات بهتری در زمینه خرید و فروش اتخاذ کنند، بلکه امکان مدیریت مؤثرتر ریسک‌ها و شناسایی فرصت‌های سودآوری را نیز فراهم می‌آورند. در نهایت، توانایی پیش‌بینی نوسانات بازار می‌تواند موجب بهبود استراتژی‌های مدیریت پرتفوی و کاهش ضررهای غیرمنتظره برای سرمایه‌گذاران شود. این تحقیق به بررسی و پیش‌بینی نوسانات قیمت بیت‌کوین به‌عنوان یکی از مهم‌ترین ارزهای دیجیتال پرداخته است. مدل‌های خودرگرسیون ناهمگن (HAR) و خانواده‌های آن به‌عنوان ابزارهای اصلی برای مدلسازی نوسانات در این پژوهش انتخاب شدند. این مدل‌ها به‌دلیل قابلیت بالای خود در تحلیل نوسانات در مقیاس‌های زمانی مختلف، برای مطالعه داده‌های نوسانی از اهمیت ویژه‌ای برخوردارند. با توجه به ویژگی‌های خاص بازار ارزهای دیجیتال، که شامل تغییرات سریع و غیرقابل پیش‌بینی در قیمت‌ها است، استفاده از مدل‌هایی که می‌توانند نوسانات کوتاه‌مدت و بلندمدت را همزمان مدلسازی کنند، ضروری به نظر می‌رسد. در این مطالعه، داده‌های تاریخی با فراوانی بالا در بازه‌های زمانی 60 دقیقه‌ای، روزانه، هفتگی و ماهانه از قیمت بیت‌کوین در دوره زمانی 2018 تا 2022 مورد تحلیل قرار گرفتند. نتایج حاصل از تحلیل‌ها نشان می‌دهد که مدل‌های خودرگرسیون ناهمگن (HAR) و نسخه‌های گسترش‌یافته آن، مانند HARJ، HARQ و HARQJ، توانایی بالایی در پیش‌بینی نوسانات قیمت بیت‌کوین دارند. علاوه بر این، وارد کردن عامل پرش به این مدل‌ها باعث افزایش دقت پیش‌بینی‌ها و بهبود نتایج شده است. این یافته‌ها بر اهمیت استفاده از مدل‌های پیشرفته و ترکیبی در پیش‌بینی نوسانات بازارهای مالی تأکید می‌کند و می‌تواند راهگشای توسعه استراتژی‌های بهینه برای سرمایه‌گذاران در بازار ارزهای دیجیتال باشد.
