A carregar...
Publicação
Analysis of the cryptocurrency market: a network science approach
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 2.19 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
The rapid growth and increasing prominence of cryptocurrencies in the global financial
market have brought new challenges in risk management and asset allocation. The high
volatility and interconnectedness of digital assets make understanding risk contagion
crucial for investors, portfolio managers, and regulators. Network Science provides a
powerful framework for studying these interdependencies by modeling relationships as
networks where assets are connected based on various metrics, such as correlations or
causality measures. The primary objective of this research is to identify price contagion
among cryptocurrencies, using Network Science methodologies to analyze these
transmission effects and offering practical insights for risk management and portfolio
optimization.
The methodology starts with a Network Science approach to model the relationships
between cryptocurrencies. Correlation networks are created to visualize the connections
between digital assets, indicating where strong relationships and potential contagion
effects may occur. To enhance this analysis, Granger causality tests are applied to assess
the directionality of these relationships, identifying predictive connections where the
performance of one cryptocurrency may impact another. Finally, the Louvain algorithm,
a community detection technique within Network Science, is used to cluster
cryptocurrencies into groups based on the strength of their interconnections, providing
insights into the structural composition of the cryptocurrency market.
The network-based approach reveals significant interconnections among
cryptocurrencies, with correlation networks indicating clusters of assets that share strong
relationships. Granger causality analysis provides evidence of directional risk
transmission, suggesting specific paths through which risk may propagate. The Louvain
algorithm identifies groups of highly interconnected cryptocurrencies, offering insights
into potential diversification strategies and highlighting areas where risk mitigation may
be necessary.
The results inform investors and portfolio managers on managing risk by identifying
groups of cryptocurrencies with strong interdependencies, which may impact
v
diversification strategies. Additionally, the findings provide valuable insights for
regulators aiming to monitor systemic risk in the cryptocurrency market.
This study advances the understanding of risk contagion in the cryptocurrency market by
integrating Network Science methodologies, including correlation networks, causality
analysis, and community detection. It offers a comprehensive view of interdependencies
and risk transmission, providing practical guidance for constructing more resilient
cryptocurrency portfolios.
O rápido crescimento e a crescente proeminência das criptomoedas no mercado financeiro global trouxeram novos desafios em gestão de risco e alocação de ativos. Devido à elevada volatilidade e interconexão dos ativos digitais, compreender o contágio de risco é fundamental para investidores, gestores de portfólios e reguladores. A Ciência das Redes fornece uma forte estrutura para estudar estas interdependências, modelando relações como redes onde os ativos estão conectados com base em vários critérios, como correlações ou medidas de causalidade. O objetivo principal deste trabalho é identificar o contágio de preços entre criptomoedas, utilizando metodologias de Ciência das Redes para analisar estes efeitos de transmissão e oferecendo perspetivas práticas para a gestão de risco e otimização de portfólios. A metodologia deste projeto começa com uma abordagem de Ciência das Redes para modelar as relações entre criptomoedas. São criadas redes de correlação para visualizar as conexões entre ativos digitais, indicando onde relacionamentos fortes e potenciais efeitos de contágio podem ocorrer. Para aprimorar esta análise, são aplicados testes de causalidade de Granger para avaliar a direção destas relações, identificando conexões preditivas onde o desempenho de uma criptomoeda pode impactar outra. Por fim, é utilizado o algoritmo de Louvain, uma técnica de deteção de comunidades dentro da Ciências das Redes, para agrupar criptomoedas em grupos com base na força das suas interligações, proporcionando perspetivas sobre a composição estrutural do mercado de criptomoedas. A abordagem baseada em redes revela interligações significativas entre criptomoedas, com as redes de correlação a mostrar agrupamentos de ativos que partilham relações fortes. A análise de causalidade de Granger fornece evidências de transmissão direcional de risco, sugerindo caminhos específicos através dos quais o risco pode propagar-se. O algoritmo de Louvain identifica grupos de criptomoedas fortemente interligadas, dando perspetivas sobre potenciais estratégias de diversificação e destacando áreas onde pode ser necessária a mitigação de risco. Os resultados informam investidores e gestores de carteiras sobre a gestão do risco, ao identificar grupos de criptomoedas com fortes interdependências, que podem impactar as estratégias de diversificação. Adicionalmente, as conclusões fornecem perspetivas vii importantes para os reguladores que visam monitorizar o risco sistémico no mercado de criptomoedas. Esta investigação tenta contribuir para o aprofundamento do conhecimento e compreensão sobre a propagação de risco no mercado de ativos digitais, procurando incorporar metodologias provenientes da Ciência das Redes, tais como redes de correlação, análise de causalidade e deteção de comunidades. Por outro lado, procura proporcionar uma visão abrangente das diferentes interdependências e da transmissão de risco, oferecendo orientações práticas para a construção de carteiras de criptomoedas mais resilientes.
O rápido crescimento e a crescente proeminência das criptomoedas no mercado financeiro global trouxeram novos desafios em gestão de risco e alocação de ativos. Devido à elevada volatilidade e interconexão dos ativos digitais, compreender o contágio de risco é fundamental para investidores, gestores de portfólios e reguladores. A Ciência das Redes fornece uma forte estrutura para estudar estas interdependências, modelando relações como redes onde os ativos estão conectados com base em vários critérios, como correlações ou medidas de causalidade. O objetivo principal deste trabalho é identificar o contágio de preços entre criptomoedas, utilizando metodologias de Ciência das Redes para analisar estes efeitos de transmissão e oferecendo perspetivas práticas para a gestão de risco e otimização de portfólios. A metodologia deste projeto começa com uma abordagem de Ciência das Redes para modelar as relações entre criptomoedas. São criadas redes de correlação para visualizar as conexões entre ativos digitais, indicando onde relacionamentos fortes e potenciais efeitos de contágio podem ocorrer. Para aprimorar esta análise, são aplicados testes de causalidade de Granger para avaliar a direção destas relações, identificando conexões preditivas onde o desempenho de uma criptomoeda pode impactar outra. Por fim, é utilizado o algoritmo de Louvain, uma técnica de deteção de comunidades dentro da Ciências das Redes, para agrupar criptomoedas em grupos com base na força das suas interligações, proporcionando perspetivas sobre a composição estrutural do mercado de criptomoedas. A abordagem baseada em redes revela interligações significativas entre criptomoedas, com as redes de correlação a mostrar agrupamentos de ativos que partilham relações fortes. A análise de causalidade de Granger fornece evidências de transmissão direcional de risco, sugerindo caminhos específicos através dos quais o risco pode propagar-se. O algoritmo de Louvain identifica grupos de criptomoedas fortemente interligadas, dando perspetivas sobre potenciais estratégias de diversificação e destacando áreas onde pode ser necessária a mitigação de risco. Os resultados informam investidores e gestores de carteiras sobre a gestão do risco, ao identificar grupos de criptomoedas com fortes interdependências, que podem impactar as estratégias de diversificação. Adicionalmente, as conclusões fornecem perspetivas vii importantes para os reguladores que visam monitorizar o risco sistémico no mercado de criptomoedas. Esta investigação tenta contribuir para o aprofundamento do conhecimento e compreensão sobre a propagação de risco no mercado de ativos digitais, procurando incorporar metodologias provenientes da Ciência das Redes, tais como redes de correlação, análise de causalidade e deteção de comunidades. Por outro lado, procura proporcionar uma visão abrangente das diferentes interdependências e da transmissão de risco, oferecendo orientações práticas para a construção de carteiras de criptomoedas mais resilientes.
Descrição
Palavras-chave
Cryptocurrencies Network Science Community Finding Granger Causality Tests Correlation Network Criptomoedas Ciência das Redes Comunidades Testes de causalidade de Granger Rede de Correlação
Contexto Educativo
Citação
Melo, Marta (2024). “Analysis of the cryptocurrency market: a network science approach”. Dissertação de Mestrado. Universidade de Lisboa. Instituto Superior de Economia e Gestão
Editora
Instituto Superior de Economia e Gestão