ANÁLISIS DE LOS PATRONES ESTADÍSTICOS DE LAS CRIPTOMONEDAS DE MAYOR VALORBURSÁTIL, PARA OPTIMIZAR EL RENDIMIENTO FINANCIERO RESPECTO AL INDICADOR DE RETORNO SOBRE LA INVERSIÓN (ROI)

Autores/as

  • Fabio Andrés Sandoval Girón Superintendencia de Bancos de Guatemala.
  • William Eduardo Fagiani Cruz Profesor de la Facultad de Ingeniería. USAC

Palabras clave:

ARIMA, estacionalidad, autocorrelación, cadena de bloques, criptomonedas.

Resumen

El objetivo de este estudio es analizar el comportamiento en el tiempo de los activos virtuales más signiï¬cativos en el mercado ï¬nanciero, para generar una caracterización con la cual sea posible modelar estadísticamente la relación bursátil de estas criptomonedas, se utilizan metodologías basadas en autocorrelación como modelos de series de tiempo, además de relaciones lineales entre predictores, diferenciación de grupos por análisis de varianza e inferencia acorde a una generalización probabilística. El modelo estadístico generalizado es un modelo ARIMA estacional, el cual presenta normalidad en la distribución de sus residuos y significancia estadística para la prueba de Fisher, esto incluso para las criptodivisas con mayor proporción de variaciones estacionales. Como producto del análisis, se identiï¬ca un modelo matemático que explica hasta un 79 % de la variabilidad presente en la serie y permite generar predicciones para el rendimiento ï¬nanciero futuro.

Biografía del autor/a

  • Fabio Andrés Sandoval Girón, Superintendencia de Bancos de Guatemala.

    Maestro en Estadística Aplicada graduado de la Escuela de Estudios de Postgrado de la Facultad de Ingeniería, Universidad de San Carlos de Guatemala, 2021.

    Ingeniero Industrial Facultad de Ingeniería graduado de la Universidad de San Carlos de Guatemala, 2018.

  • William Eduardo Fagiani Cruz, Profesor de la Facultad de Ingeniería. USAC

    Ingeniero Químico graduado de la Facultad de Ingeniería, USAC, 2009.

    Maestro en Estadística Aplicada graduado de la Escuela de Estudios de Postgrado, Facultad de Ingeniería, USAC, 2016.

Referencias

Bakar, N. A., Rosbi, S., & Uzaki, K. (2017).Cryptocurrency Framework Diagnostics fromIslamic Finance Perspective.International

Journal Of Management Science And Business Administration, 4(1),19-28

Hileman, G., & Rauchs, M. (2017). 2017 GlobalCryptocurrency Benchmarking Study.SSRN Electronic Journal

Liu, Y., & Tsyvinski, A. (2018).Risks and Returns of Cryptocurrency.doi: 10.3386/w24877

Radovanov, B., Marcikić, A., & Gvozdenović, N.(2018).A Time Series Analysis Of Four MajorCryptocurrencies.Facta Universitatis

Sovbetov, Y. (2018). Factors InfluencingCryptocurrency Prices: Evidence from Bitcoin,Ethereum, Dash, Litcoin, and Monero.Journalof Economics and Financial Analysis,, 1–27

Descargas

Número

Sección

Artículos