A carregar...
Publicação
COVID crash: a study of volatility spillovers from stocks to us indexes and from us indexes to cryptocurrencies
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 1.53 MB | Adobe PDF |
Orientador(es)
Resumo(s)
During market crashes, panic ensues, investors run to cover and usually only in the aftermath
questions arise: How? How much? In which markets? Where did it start? This
work seeks to answer some of these questions by quantifying the volatility spillovers
from stocks to indexes, but also indexes to cryptocurrency. Not only there is a quantification
by variance ratios of the contribution of one asset to another but as well a
demonstration of the irregularity and uniqueness of these spillovers compared to other
moments in the market’s history. The results from this work shed some light in the
intricate relationship of causal effects in volatility such as which stocks contribute the
most to the variance of each index and how much of a grip do US indexes have on the
overall stability of the cryptocurrencies market.
To achieve this, a relatively recent method was employed, described by Christiansen
and Bekaert et al., but with some customization to adjust to the particular
cases, allowing to perform variance decomposition based on multiple applications of
AR-GARCH family models. Since the method relies on sums of decomposed variance,
the greatest challenge is to produce variables (time series) independent from each
other, and thereby, ignore covariance terms that would interfere with the validity of
the analysis.
On US indexes to cryptocurrency, the dummy variables were found significant and
relevant to the overall modelling of the data, indicating that the period of the market
crash is important to future models which otherwise would incur in significant bias
that would change the results by orders of magnitude on the variance ratio.
On stocks to US indexes, the dummy variables were found to be insignificant at the
final results level (conditional correlations and variance ratios), however, not on most
individual prices and returns. The period of the market crash is clear graphically by
finding a major dip of all conditional correlations, which indicates that no single stock
had a major influence during this time and that it was an phenomenon which affected
all stocks. Stocks with individual movements that had more influence on the index
continued to have the relevance during the market crash. During market crashes, this
behavior is expected and this work adds confirmation. By comparing results from both cases, a relationship between eventual spikes in
stocks and trend changes in cryptocurrency becomes apparent. This work does not
clarify the reason as to why it happens but only its consequence and the cause seems
to be exogenous to both cryptocurrency, indexes and possibly stocks. Further work is
needed to explain it.
Durante quedas de mercado, existe uma instalação generalizada de pânico e normalmente apenas depois de terminado começam a surgir questões: Como? Quanto? Em que mercados? Onde começou? Esta dissertação é procura explorar estes tópicos e responder a algumas destas questões, quantificando a volatility spillovers de acções para índices e de índices para crptomoeda. Não só existe uma quantificação através de uma rácio de variância das contribuições de um valor para o outro, mas há também uma demonstração da irregularidade e singularidade destes spillovers comparado com outros momentos no histórico dos mercados. Os resultados desta dissertação dão alguma luz de uma forma detalhada sobre a relação de causalidade de volatilidade na contribuição de cada acção para o índice e quanta força é capaz de exercer o mercado de valores sobre o de criptomoedas usando os índices como meio. Para conseguir isto, um método relativamente recente foi utilizado, descrito por Christiansen e Bekaert et al. com algumas alterações que ajustem o método para os casos em concreto e assim decompor a variância utilizando múltiplas aplicações de modelos AR-GARCH. O maior desafio foi produzir variáveis (séries temporais) independentes entre elas e assim ignorar completamente os termos de covariância que poderiam interferir com a validade desta análise. Em índices para criptomoedas, as variáveis dummy são significantes e relevantes para a modelação, indicando que o período da queda de mercado é importante para modelos futuros, que caso não seja utilizado, possa fornecer estimativas insuficientes e que alterem os resultados finais em ordens de magnitude. Em relação a acções e índices, as variáveis dummy são insignificantes nas correlações condicionais e nos rácios de variância, no entanto, são significantes tanto nos resíduos dos preços e os seus retornos. O período da queda de mercado é claro nos gráficos mostrando uma lacuna em todas as correlações condicionais, o que indica que nenhuma acção em particular teve um efeito destacado em relação às outras e que foi um fenómeno que afectou todos os componentes dos índices. Acções com movimentos individuais que tinham maior influência fora da queda continuaram a exercer a mesma pressão de relativamente às outras durante a queda. Este comportamento era experado e a presente dissertação fornece confirmação. Comparando resultados de ambos os casos, uma relação entre alguns choques em acções e alterações de trends emerge. Esta dissertação não clarifica a causa e apenas documenta uma consequência da mesma pois aparenta ser externa a criptomoedas, acções e índices.
Durante quedas de mercado, existe uma instalação generalizada de pânico e normalmente apenas depois de terminado começam a surgir questões: Como? Quanto? Em que mercados? Onde começou? Esta dissertação é procura explorar estes tópicos e responder a algumas destas questões, quantificando a volatility spillovers de acções para índices e de índices para crptomoeda. Não só existe uma quantificação através de uma rácio de variância das contribuições de um valor para o outro, mas há também uma demonstração da irregularidade e singularidade destes spillovers comparado com outros momentos no histórico dos mercados. Os resultados desta dissertação dão alguma luz de uma forma detalhada sobre a relação de causalidade de volatilidade na contribuição de cada acção para o índice e quanta força é capaz de exercer o mercado de valores sobre o de criptomoedas usando os índices como meio. Para conseguir isto, um método relativamente recente foi utilizado, descrito por Christiansen e Bekaert et al. com algumas alterações que ajustem o método para os casos em concreto e assim decompor a variância utilizando múltiplas aplicações de modelos AR-GARCH. O maior desafio foi produzir variáveis (séries temporais) independentes entre elas e assim ignorar completamente os termos de covariância que poderiam interferir com a validade desta análise. Em índices para criptomoedas, as variáveis dummy são significantes e relevantes para a modelação, indicando que o período da queda de mercado é importante para modelos futuros, que caso não seja utilizado, possa fornecer estimativas insuficientes e que alterem os resultados finais em ordens de magnitude. Em relação a acções e índices, as variáveis dummy são insignificantes nas correlações condicionais e nos rácios de variância, no entanto, são significantes tanto nos resíduos dos preços e os seus retornos. O período da queda de mercado é claro nos gráficos mostrando uma lacuna em todas as correlações condicionais, o que indica que nenhuma acção em particular teve um efeito destacado em relação às outras e que foi um fenómeno que afectou todos os componentes dos índices. Acções com movimentos individuais que tinham maior influência fora da queda continuaram a exercer a mesma pressão de relativamente às outras durante a queda. Este comportamento era experado e a presente dissertação fornece confirmação. Comparando resultados de ambos os casos, uma relação entre alguns choques em acções e alterações de trends emerge. Esta dissertação não clarifica a causa e apenas documenta uma consequência da mesma pois aparenta ser externa a criptomoedas, acções e índices.
Descrição
Dissertation presented as the partial requirement for obtaining a Master's degree in Data Science and Advanced Analytics, specialization in Data Science
Palavras-chave
volatility spillovers cryptocurrency index variance decomposition autoregression heteroskedasticity GARCH conditional variance conditional correlation market crash Covid-19 criptomoedas SDG 8 - Decent work and economic growth