Εκτίμηση κατεύθυνσης μεταβλητότητας κρυπτονομισμάτων
Loading...
Date
2026-09-24
Authors
Λάσδα, Ελένη
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Η παρούσα διπλωματική εργασία εξετάζει τη μεταβλητότητα και την κατεύθυνση των τιμών τριών κρυπτονομισμάτων, του Bitcoin (BTC), του Ethereum (ETH) και του Litecoin (LTC), συνδυάζοντας οικονομετρικά υποδείγματα με αλγορίθμους μηχανικής μάθησης. Χρησιμοποιούνται ημερήσια δεδομένα από το CoinMarketCap. Στο οικονομετρικό σκέλος εκτιμώνται τα υποδείγματα ARCH(1) και GARCH(1,1) στις λογαριθμικές αποδόσεις της περιόδου 25/02/2025–31/03/2026 (400 παρατηρήσεις), με στόχο τη μελέτη της υπό συνθήκη μεταβλητότητας. Στο σκέλος της μηχανικής μάθησης, η πρόβλεψη της ανοδικής ή καθοδικής πορείας των τιμών διατυπώνεται ως πρόβλημα δυαδικής ταξινόμησης. Για τον σκοπό αυτό εφαρμόζονται οι αλγόριθμοι XGBoost και Random Forest σε δεδομένα της περιόδου 01/01/2020–06/06/2026, με χρονολογικό διαχωρισμό 80% για εκπαίδευση και 20% για αξιολόγηση. Τα αποτελέσματα δείχνουν ότι το GARCH(1,1) προσαρμόζεται καλύτερα στα BTC και ETH, με το BTC να εμφανίζει την ισχυρότερη εμμονή μεταβλητότητας. Για το LTC κανένα από τα δύο υποδείγματα δεν δίνει στατιστικά σημαντικούς συντελεστές. Στην πρόβλεψη κατεύθυνσης, ο XGBoost υπερτερεί για το BTC (ορθότητα 76,30%). Ο Random Forest αποδίδει καλύτερα για τα ETH (81,28%) και LTC (79,79%). Ο λόγος της τιμής προς τον κινητό μέσο όρο 30 ημερών αναδεικνύεται ως ο σημαντικότερος παράγοντας πρόβλεψης. Συνολικά, δεν προκύπτει ένα καθολικά ανώτερο μοντέλο. Η προβλεπτική ικανότητα εξαρτάται από το εκάστοτε κρυπτονόμισμα και από τα χαρακτηριστικά εισόδου, γεγονός που αναδεικνύει την ανάγκη για προσαρμοσμένη μοντελοποίηση.
Description
Keywords
Κρυπτονομίσματα, Μεταβλητότητα, Πρόβλεψη κατεύθυνσης