Análisis de la volatilidad de un portafolio de criptomonedas mediante modelos de series de tiempo

Abstract

En este estudio se estima la volatilidad de un portafolio compuesto por las 10 criptomonedas con mayor capitalización durante el período comprendido entre el 19 de noviembre de 2017 y el 30 de diciembre de 2023. Se emplean modelos de series temporales como ARIMA, ARCH y GARCH para analizar y evaluar la volatilidad y la rentabilidad en comparación con periodos anteriores. El estudio proporciona bases para estimar, estudiar y analizar estos modelos con el fin de construir un portafolio de inversión diversificado, así como para realizar predicciones fuera de la muestra. La metodología se emplea en un conjunto de 10 criptomonedas, las cuales conforman un portafolio. Los resultados muestran tendencias significativas de volatilidad en el mercado de criptomonedas, indicando que los modelos heterocedásticos ofrecen un mejor rendimiento en términos de estimación normal. Específicamente, el modelo GARCH el cual se destaca al ofrecer un análisis más claro e interpretable de la volatilidad, revelando su comportamiento durante el período analizado.

This study estimates the volatility of a portfolio composed of the 10 cryptocurrencies with the largest capitalization during the period from November 19, 2017 to December 30, 2023. Time series models such as ARIMA, ARCH and GARCH are employed to analyze and evaluate volatility and profitability compared to previous periods. The study provides a basis for estimating, studying and analyzing these models in order to construct a diversified investment portfolio, as well as to make out-of-sample predictions. The methodology is employed on a set of 10 cryptocurrencies, which make up a portfolio. The results show significant volatility trends in the cryptocurrency market, indicating that hetero-elastic models offer better performance in terms of normal estimation. Specifically, the GARCH model stands out by offering a clearer and more interpretable analysis of volatility, revealing its behavior during the analyzed period.