Kripto paralarda risk ölçümü ve portföy optimizasyonu

Abstract

2008 yılında yaşanan global ekonomik kriz, dünya genelinde yeni bir finansal ürün arayışını ortaya çıkarmış, bunun sonucunda Bitcoin olarak adlandırılan, herhangi bir merkeze bağlı olmayan ilk dijital para birimi geliştirilmiştir. Bu yeni para birimine olan ilgi zamanla artmış ve bu durum farklı algoritmalarla geliştirilebilen 3000'den fazla kripto paranın ortaya çıkmasına neden olmuştur. Bitcoin ve diğer kripto para birimlerinden oluşturulmuş olan portföylerin riske maruz değerlerini hesaplamak için literatürdeki standart modellerin kullanılması iyi sonuçlar vermemektedir. Çünkü, normal dağılım ve t dağılımı gibi standart dağılımlar, kripto paralarda ortaya çıkan, yüksek volatilite, volatilite kümelenmesi, şişkin kuyruklu ve çarpık dağılımlar gibi özelliklerin modellenmesinde uygun değildir. Dolayısıyla, piyasada meydana gelebilecek ani değişimleri daha iyi modelleyebilmek için, Chen ve Gerlach (2013) tarafından öne sürülmüş olan iki taraflı Weibull dağılımını, GARCH (Generalized Autoregressive Conditional Heteroskedasticity) (Otoregresif Koşullu Değişen Varyans) yöntemiyle kombine eden yeni bir portföy riske maruz değer hesaplama yöntemi (HS-GARCH-Weibull) geliştirilmiştir. Yeni önerilen yöntem, tarihsel simülasyon (Historical Simulation) (HS) yoluyla Chen ve Gerlach'ın (2013) tek değişkenli modelinin genişletilerek portföylere uygulanmasını içermektedir. Çalışmanın amacı, HS-GARCH-Weibull yönteminin kripto para portföylerinde diğer tek ve çok değişkenli modellere göre daha iyi bir risk tahmin performansına sahip olduğunu, geriye dönük testleri kullanarak göstermektir. Bu amaçla gerçekleştirilmiş olan uygulamada, Bitcoin, Litecoin, Ripple ve Dash kripto para birimlerinden oluşturulmuş olan bir optimum (minimum varyanslı) portföy ele alınmıştır. Kripto paraların dinamik yapısından dolayı günlük olarak değişen optimal ağırlıklarının bulunması için Markowitz'in (1952) optimal portföy teorisinden yararlanılmıştır. Ampirik bulgular, HS-GARCH-Weibull yönteminin dört geriye dönük test kriterinden üçüne göre en iyi performansı gösterdiğini ortaya koymaktadır.

The global economic crisis in 2008 led to the search for a new financial product around the world, which resulted in the development of the first non-centralized digital currency called Bitcoin. Interest in this new currency has increased over time, resulting in more than 3000 cryptocurrencies that can be developed with different algorithms. The use of standard models in the literature to calculate the Value-at-Risk of portfolios formed from cryptocurrencies does not yield good results. Because, standard distributions such as normal distribution and t distribution are not suitable for the modeling of features such as high volatility, volatility clustering, heavy-tailed and skewed distributions that occur in cryptocurrencies. Therefore, in order to model the sudden changes in the market, a new portfolio Value-at-Risk calculation method was developed. The new method that combines the two-sided Weibull distribution of Chen and Gerlach (2013) with the GARCH method, is called HS-GARCH-Weibull method. The new proposed method involves expanding the univariate model of Chen and Gerlach (2013) through historical simulation (HS) and applying it to portfolios. The aim of this study is to show that the HS-GARCH-Weibull method has better risk estimation performance in cryptocurrency portfolios than other univariate and multivariate models by using backtesting methods. To apply the proposed technique, an optimum portfolio consisting of Bitcoin, Litecoin, Ripple and Dash was considered. Markowitz's (1952) optimal portfolio theory was used to find optimal weights that change daily due to the dynamic nature of cryptocurrencies. The HS-GARCH-Weibull method performs best in three out of four backtesting criteria.