Neuro-Fuzzy Modeling Techniques in Economics
ISSN 2415-3516
Ризик та дохідність криптовалют як альтернативних інвестицій: кластеризація на основі карт Кохонена
Risk and return for cryptocurrencies as alternative investment: Kohonen maps clustering
DOI:
10.33111/nfmte.2019.175
Анотація: Активний розвиток криптовалют в останні роки дозволяє ідентифікувати процес формування нового класу альтернативних інвестиційних активів. Для оцінки інвестиційного ризику цього класу активів у дослідженні була сформована вибірка криптовалют, заснована на критеріях капіталізації та історичної доходності. Вибірка включала 327 криптовалют, які мали капіталізацію більше 1 млн дол. США. Вимірювання інвестиційного ризику здійснювалося на основі п’яти підходів. Перший з них заснований на показниках варіативності. Другий підхід включав оцінки ризику в контексті асиметрії. Третій ґрунтувався на концепції формування капіталу в межах мір ризику VaR та CVaR. Четвертий був сфокусований на ризику чутливості. П’ятий підхід передбачав використання для вимірювання ризику показника Херста. На основі мір із зазначених підходів було здійснено комплексне оцінювання ризику. Для кластеризації криптовалют за ризиковістю були вибрані індикатори з кожної групи, до яких була застосована технологія самоорганізаційних карт Кохонена. Результатом стало розбиття криптовалют у три кластери. Наведено аналіз отриманих результатів та зроблені відповідні висновки і рекомендації.
Abstract: The active development of cryptocurrencies in recent years allows iden-tifying the process of forming new class of alternative investment assets. There was formed a sample of cryptocurrencies based on criteria capitalization and historical returns for estimation investment risk of this asset class. The sample included 327 cryptocurrencies, each of which has a capitalization of more than $ 1 mln. Measurement of investment risk was carried out on the basis of five approaches. The first one is grounded on the variability indicators. The second approach includes risk assess-ment in the context of asymmetry. The third is based on the concept of capital formation as part of the risk measures VaR and CVaR. The fourth focuses on measuring sensitivity risk. The fifth approach supposes using the Hurst exponent to measure risk. Based on the measures of these approaches, a comprehensive risk assessment was carried out. To cluster cryptocurrencies by riskiness, indicators from each group were selected, to which the technique of Kohonen self-organizing map was applied. The result was a partition of cryptocurrencies into three clusters. The analysis of the results is proposed and the corresponding conclusions and recommendations are made.
Ключові слова: криптовалюта, альтернативні інвестиції, вимірю-вання ризику, показник Херста, самоорганізаційні карти Кохонена
Key words: cryptocurrencies, alternative investments, risk measurement, Hurst exponent, Kohonen self-organizing map.
УДК: 330.4, 336.744, 519.866
UDC: 330.4, 336.744, 519.866
JEL: 45 F31
To cite paper
In APA style
Kaminskyi, A., Miroshnychenko, I., & Pysanets, K. (2019). Risk and return for cryptocurrencies as alternative investment: Kohonen maps clustering. Neuro-Fuzzy Modeling Techniques in Economics, 8, 175-193. http://doi.org/10.33111/nfmte.2019.175
In MON style
Камінський А.Б., Мірошниченко І., Писанець К. Ризик та дохідність криптовалют як альтернативних інвестицій: кластеризація на основі карт Кохонена. Нейро-нечіткі технології моделювання в економіці. 2019. № 8. С. 175-193. http://doi.org/10.33111/nfmte.2019.175 (дата звернення: 07.10.2024).
With transliteration
Kaminskyi, A., Miroshnychenko, I., Pysanets, K. (2019) Ryzyk ta dokhidnist kryptovaliut yak alternatyvnykh investytsii: klasteryzatsiia na osnovi kart Kokhonena [Risk and return for cryptocurrencies as alternative investment: Kohonen maps clustering]. Neuro-Fuzzy Modeling Techniques in Economics, no. 8. pp. 175-193. http://doi.org/10.33111/nfmte.2019.175 (accessed 07 Oct 2024).
# 8 / 2019
Download Paper
287
Views
68
Downloads
4
Cited by