Mémoires d'Actuariat
Cryptocurrency investements between greed and fear
Auteur(s) SAHBANI F.
Société Mazars
Année 2022
Résumé
Les grandes institutions comme les banques, les hedge funds ou les compagnies d'assurance montrent un grand intérêt pour le marché des crypto-monnaies. Ce marché émergent a montré des rendements phénoménaux au cours des dix dernières années. Cependant, ceci a un prix : la volatilité et l'incertitude du prix qui peuvent rendre ces institutions insolvables en un clin d'œil si elles ne peuvent pas gérer les risques. Dans le cadre de ce projet, nous essayons de comprendre le marché du Bitcoin pour couvrir ses multiples risques. Nous avons étudié les propriétés du marché des dérivés de Bitcoin, principalement les différents acteurs, le volume, le spread bid-ask... afin d'évaluer les informations qui peuvent être utiles lors du processus de modélisation. Pour la première partie, nous avons utilisé plusieurs modèles stochastiques standards, et avons montré pourquoi il fallait ajouter de la complexité à chaque modèle. Le dernier modèle implémenté était le modèle de volatilité stochastique avec sauts corrélés qui regroupe toutes les caractéristiques des modèles précédents. Ce modèle a montré des résultats relativement bons. Dans le processus de calibration, diverses techniques ont été utilisées, allant de la résolution de problèmes d'optimisation aux méthodes MCMC. Nous avons ensuite montré que les processus de prix et de volatilité du bitcoin présentent une multi-fractalité en utilisant l'analyse des fluctuations tendues multi-fractales et l'analyse des ondelettes. Ces deux méthodes ont révélé que le marché du bitcoin suit la théorie de l'hypothèse de marché fractale et que le processus présente une persistance ou une rugosité de temps en temps. Ainsi, nous avons considéré un modèle de volatilité rugueuse et avons essayé de le calibrer en utilisant des réseaux de neuronaux. Enfin, nous avons examiné les règlements proposés par le comité de Bâle.
Abstract
Large institutions like banks, hedge funds or insurance companies are showing so much interest in the cryptocurrency market. This emerging market showed phenomenal returns during the last ten years. However, it comes with a price: volatility and unpredictability of the price which can make those institutions insolvent in a blink of an eye if they cannot manage the risks. In the scope of this project, we try to understand this relatively new-born market to hedge its multiple risks. We have studied the properties of the emerging Bitcoin derivatives market, mainly the di erent actors, the volume, the bidask spread ... to assess information that can be useful during the modelling process. For the rst part we used several standard stochastic models, and showed why one should add complexity to the model varying from stochastic volatility to jumps. The last model implemented was the stochastic volatility with correlated jumps model that groups all characteristics of the previous ones. This model showed relatively good results. In the calibration process, various techniques were used varying from solving optimization problems to MCMC methods. We have later on shown that both the price and volatility processes of Bitcoin exhibit multi-fractality using the multi-fractal detrended uctuation analysis and wavelets analysis. Those two methods revealed that the bitcoin market follows the fractal market hypothesis theory and that the process presents persistence or roughness from time to time. Thus, we considered a rough volatility model and tried to calibrate it using neural networks. Finally, we reviewed the regulations proposed by the Basel committee.
Mémoire complet
Auteur(s) SAHBANI F.
Société Mazars
Année 2022
Résumé
Les grandes institutions comme les banques, les hedge funds ou les compagnies d'assurance montrent un grand intérêt pour le marché des crypto-monnaies. Ce marché émergent a montré des rendements phénoménaux au cours des dix dernières années. Cependant, ceci a un prix : la volatilité et l'incertitude du prix qui peuvent rendre ces institutions insolvables en un clin d'œil si elles ne peuvent pas gérer les risques. Dans le cadre de ce projet, nous essayons de comprendre le marché du Bitcoin pour couvrir ses multiples risques. Nous avons étudié les propriétés du marché des dérivés de Bitcoin, principalement les différents acteurs, le volume, le spread bid-ask... afin d'évaluer les informations qui peuvent être utiles lors du processus de modélisation. Pour la première partie, nous avons utilisé plusieurs modèles stochastiques standards, et avons montré pourquoi il fallait ajouter de la complexité à chaque modèle. Le dernier modèle implémenté était le modèle de volatilité stochastique avec sauts corrélés qui regroupe toutes les caractéristiques des modèles précédents. Ce modèle a montré des résultats relativement bons. Dans le processus de calibration, diverses techniques ont été utilisées, allant de la résolution de problèmes d'optimisation aux méthodes MCMC. Nous avons ensuite montré que les processus de prix et de volatilité du bitcoin présentent une multi-fractalité en utilisant l'analyse des fluctuations tendues multi-fractales et l'analyse des ondelettes. Ces deux méthodes ont révélé que le marché du bitcoin suit la théorie de l'hypothèse de marché fractale et que le processus présente une persistance ou une rugosité de temps en temps. Ainsi, nous avons considéré un modèle de volatilité rugueuse et avons essayé de le calibrer en utilisant des réseaux de neuronaux. Enfin, nous avons examiné les règlements proposés par le comité de Bâle.
Abstract
Large institutions like banks, hedge funds or insurance companies are showing so much interest in the cryptocurrency market. This emerging market showed phenomenal returns during the last ten years. However, it comes with a price: volatility and unpredictability of the price which can make those institutions insolvent in a blink of an eye if they cannot manage the risks. In the scope of this project, we try to understand this relatively new-born market to hedge its multiple risks. We have studied the properties of the emerging Bitcoin derivatives market, mainly the di erent actors, the volume, the bidask spread ... to assess information that can be useful during the modelling process. For the rst part we used several standard stochastic models, and showed why one should add complexity to the model varying from stochastic volatility to jumps. The last model implemented was the stochastic volatility with correlated jumps model that groups all characteristics of the previous ones. This model showed relatively good results. In the calibration process, various techniques were used varying from solving optimization problems to MCMC methods. We have later on shown that both the price and volatility processes of Bitcoin exhibit multi-fractality using the multi-fractal detrended uctuation analysis and wavelets analysis. Those two methods revealed that the bitcoin market follows the fractal market hypothesis theory and that the process presents persistence or roughness from time to time. Thus, we considered a rough volatility model and tried to calibrate it using neural networks. Finally, we reviewed the regulations proposed by the Basel committee.
Mémoire complet
