20.500.12556/RUL-143592 Predicting Bitcoin’s volatility master's thesis Napovedovanje volatilnosti Bitcoina The master's thesis addresses analyzing and modeling the volatility of Bitcoin, the cryptocurrency with the largest marketcap. Volatility is a statistical measure of the dispersion of returns. We approximated it with realized volatility calculated on intra-daily log returns. We defined two baseline models based on a constant value and martingale property and tried to outperform them with both econometric and machine learning models. We used three error functions relative to our baseline models: MAE, MAPE, and RMSE. The best-performing econometric model is the HAR model. The best-performing machine learning model, which also outperforms the HAR model, is the LSTM recurrent neural network. Magistrsko delo obravnava analizo in modeliranje volatilnosti Bitcoina, kriptovalute z največjo tržno kapitalizacijo. Volatilnost je statistična mera razpršenosti donosov. Aproksimirali smo jo z realizirano historično volatilnostjo, na podlagi visoko frekvenčnih logaritemskih donosov. Definirali smo dva osnovna modela, bazirana na konstantni vrednosti in martingalski lastnosti, ter ju poskušali preseči z ekonometričnimi modeli in modeli strojnega učenja. Uporabili smo tri različne funkcije napak, relativno na naše osnovne modele: MAE, MAPE in RMSE. Najuspešnejši ekonometrični model je model HAR, najuspešnejši model strojnega učenja je rekurenčna nevronska mreža tipa LSTM. Slednja je boljša tudi od modela HAR. volatility forecasting time series cryptocurrency time-series analysis machine learning recurrent neural networks LSTM volatilnost napovedovanje časovne vrste kriptovaluta analiza časovnih vrst strojno učenje rekurenčne nevronske mreže LSTM true false false Angleški jezik Slovenski jezik Magistrsko delo/naloga 2022-12-29 08:15:02 2022-12-29 08:15:05 2024-05-29 10:51:24 0000-00-00 00:00:00 2022 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 519.2 130088 135369475 7645.pdf 7645.pdf 1 75C06ACF41419BF99E518D20588D35B2 ad7faa4cba34ff2899a8b18c9426ab7db0d34b59ee857c563042e4f609a6b47e 513674c1-8748-11ed-9c94-00155dcfd717 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=165336 Fakulteta za matematiko in fiziko 0 0 0