Удосконалена математична модель оцінювання ризиків при інвестуванні в криптовалюту

Abstract

This study explores approaches to risk assessment in cryptocurrency investments, focusing on value-at-risk (VaR) and conditional value-at-risk (CVaR) methods and their limitations in highly volatile markets. An advanced risk evaluation method based on AutoRegressive Integrated Moving Average (ARIMA) models is proposed, enabling the detection of hidden patterns in time series data. A risk indicator (R) is introduced, incorporating mean prediction error (MPE) to enhance assessment accuracy. The study also examines the potential application of ARIMAX models to integrate exogenous factors, such as market indicators, for more flexible and precise risk forecasting in cryptocurrency investments.

У роботі досліджуються підходи до оцінки ризиків інвестування в криптоактиви, зокрема методи вартісної оцінки ризику (VaR, CVaR) та їхні обмеження в умовах високої волатильності ринків. Запропоновано вдосконалений підхід до оцінювання ризику на основі авторегресійних моделей інтегрованого ковзного середнього (ARIMA), що дозволяє враховувати приховані закономірності часових рядів. Уведено індикатор ризику (R), який враховує середню похибку прогнозу для підвищення точності оцінки. Розглядається можливість використання моделей ARIMAX для інтеграції екзогенних факторів, таких як ринкові індикатори, для більш гнучкого та точного прогнозування ризиків інвестування.