Bitte verwenden Sie diesen Link, um diese Publikation zu zitieren, oder auf sie als Internetquelle zu verweisen: https://hdl.handle.net/10419/258797 
Erscheinungsjahr: 
2022
Quellenangabe: 
[Journal:] Journal of Risk and Financial Management [ISSN:] 1911-8074 [Volume:] 15 [Issue:] 2 [Article No.:] 74 [Publisher:] MDPI [Place:] Basel [Year:] 2022 [Pages:] 1-10
Verlag: 
MDPI, Basel
Zusammenfassung: 
We employed linear and nonlinear error correction models (ECMs) to predict the log returns of Bitcoin (BTC). The linear ECM is the best model for predicting BTC compared to the neural network and autoregressive models in terms of RMSE, MAE, and MAPE. Using a linear ECM, we are able to understand how BTC is affected by other coins. In addition, we performed Granger-causality tests on fourteen cryptocurrencies.
Schlagwörter: 
cryptocurrencies
Bitcoin
error correction model
Granger causality
Persistent Identifier der Erstveröffentlichung: 
Creative-Commons-Lizenz: 
cc-by Logo
Dokumentart: 
Article

Datei(en):
Datei
Größe
616.11 kB





Publikationen in EconStor sind urheberrechtlich geschützt.