Цифровые активы и мировая экономика: как использование статистических моделей может помочь в прогнозировании цены на Биткоин

Цель исследования – изучить потенциал статистического моделирования в прогнозировании цен на криптовалюту Биткоин и его влияния для экономики. В ходе статьи были получены ответы на такие вопросы, как: Какого влияние макроэкономических событий на динамику цены Биткоина? Как быстро криптовалютный рынок стабилизируется после падений? Насколько эффективно статистическое моделирование для решения задачи прогнозировании цены Биткоина? Какая из моделей показывает наилучшие результаты? Какие меры регулирования и контроля криптовалютного рынка необходимы на этапе его становления в Российской Федерации?

Материалы и методы. Были собраны и проанализированы исторические данные о среднемесячных ценах закрытия Биткоина и макроэкономических событиях, таких как пандемия COVID-19 и российско-украинский конфликт. В работе использованы статистические модели, включая ARIMA и LSTM, для прогнозирования будущих цен на Биткоин на основе исторических данных. Точность моделей была вычислена на основе таких показателей как средняя абсолютная ошибка (MAE) и среднеквадратичная  ошибка  (MSE).

Результаты. Анализ влияния макроэкономических событий показал, что в условиях кризиса привлекательность Биткоина увеличивалась и инвесторы использовали данный актив в качестве нового инструмента инвестирования. В ходе анализа последствий русско-украинского конфликта для криптовалютного рынка было выявлена его реакция на геополитические события согласно увеличившимся показателям ликвидности на рынке. В процессе моделирования динамики среднемесячной цены Биткоина наилучшей моделью ARIMA была признана модель с параметрами (1, 1, 0) при MAE = 15,03 %. Модель нейронных сетей LSTM на аналогичном наборе данных показала ошибку МАЕ, равную 2,57 %.

Заключение. Анализ показывает, что биткойн был наиболее привлекательным инвестиционным инструментом во время кризиса пандемии, что привело к резкому росту его цены в 2021 году. Российско-украинский конфликт также повлиял на его цену, вызвав значительное снижение в 2022 году. Однако методы статистического моделирования прогнозируют рост цены Биткоина в первой половине 2023 года, и правительства могут рассмотреть возможность регулирования или контроля его использования для снижения связанных с криптовалютным рынком рисков. Рекомендуемыми мерами являются внедрение нормативных актов, введение налогов на транзакции, разработка национальных цифровых валют, просвещение общественности и предотвращение преступной деятельности.

1. Веб-скрейпинг CryptoCMD [Электрон. ресурс]. 2023. Режим доступа: https://github.com/guptarohit/cryptoCMD.

2. Abdi F. and Ranaldo A. A simple estimation of bid-ask spreads from daily close, high, and low prices // Review of Financial Studies. 2017. Т. 30. № 12. С. 4437–4480. DOI: 10.1093/rfs/hhx084.

3. Boubaker S., Goodell J.W., Pandey D.K. and Kumari V. Heterogeneous impacts of wars on global equity markets: evidence from the invasion of Ukraine // Finance Research Letters. 2022. Т. 48. 102934. DOI: 10.1016/j.frl.2022.102934.

4. Corwin S.A. and Scultz P. A simple way to estimate bid-ask spreads from daily high and low prices // The Journal of Finance. 2012. Т. 67. № 2. С. 719– 760. DOI: 10.1111/j.1540-6261.2012. 01729.x.

5. Cryptocurrency Price Prediction [Электрон. ресурс]. 2023. Режим доступа: https://github.com/abhinavsagar/cryptocurrency-price-prediction.

6. Latif Navmeen., Selvam Joseph Durai., Kapse Manohar., Sharma Vinod and Mahajan Vaishali. Comparative Performance of LSTM and ARIMA for the Short-Term Prediction of Bitcoin Prices // Australasian Accounting, Business and Finance Journal. 2023. № 17(1). С. 256–276. DOI: 10.14453/aabfj.v17i1.15.

7. Sparkes M. Will bitcoin help or hinder Ukraine? // New Scientist. 2022. Т. 253. № 3377. С. 8. DOI: 10.1016/S0262-4079(22)00409-2.

8. The Ruble, the Russian national currency, lost more than 30 % of its value against the dollar [Электрон. ресурс]. 2023. Режим доступа: www.cnbc.com/2022/02/28.

9. Toai T.K., Senkerik R., Zelinka I., Ulrich A., Hanh V.T.X., Huan V.M. ARIMA for ShortTerm and LSTM for Long-Term in Daily Bitcoin Price Prediction. In: Rutkowski, L., Scherer, R., Korytkowski, M., Pedrycz, W., Tadeusiewicz, R., Zurada, J.M. (eds) Artificial Intelligence and Soft Computing. ICAISC 2022. Lecture Notes in Computer Science. 2023. Т. 13588. Springer, Cham. DOI: 10.1007/978-3-031-23492-7_12.

10. Wiseman P. and Mchugh D. Economic dangers from Russia’s invasion ripple across the globe [Электрон. ресурс]. 2022. Режим доступа: https://abcnews.go.com/US/wireStory/economicdangers-russias-invasion-ripple-globe-83197306.