Time series modelling and cryptocurrencies

Abstract

Nakatomo'nun Bitcoin'i piyasaya sürmesinden sonra kripto paralar insanların dikkatini çekmiştir. Dünya ekonomi ve finans ekosisteminde etkinliği hızlı bir şekilde artan kripto paralar, akademi tarafında da çalışılmaya başlanmış ve son yıllarda popülaritesi giderek artmıştır. Doğrusal Olmayan Otoregresif Dağılım Gecikmeleri (NARDL) yöntemi kripto paralar ile ekonomik ve finansal değişkenler arasındaki asimetrik ilişkileri inceleyebildiği için bu tezin odak noktası olmuştur. Bu modelin normal dağılım varsayımı altında tahmin edicilerin sonlu örnek özelliklerini araştırmak için Monte Carlo simülasyon deneyleri yapılmıştır. Bu tezde NARDL metodunun normal olmayan dağılımlar kullanıldığında güvenilir olup olmadığı incelenmektedir. Kripto para birimlerinin getirilerinin sahip olduğu dağılımların normal olmadığı ve ağır kuyruklu olduğu için bu önemli bir araştırma problemidir. Bu tezde, NARDL modeli normal dağılım ve ağır kuyruklu dağılımlardan olan Student-t ve Skew-t dağılımları için Monte Carlo Simülasyon deneylerine tabi tutulmuştur. Bildiğimiz kadarıyla, literatürde normal dağılıma sahip olmayan zaman serileri için doğrusal olmayan ARDL modelinin tahmin edicilerinin sonlu örnek özellikleri üzerine bir çalışma mevcut değildir. Ayrıca tezimizde tahmin işlemleri biri sırasıyla açık kaynaklı diğeri ise açık kaynaklı olmayan iki farklı yazılımda (R ve STATA) oluşturulan NARDL paketi kullanılarak gerçekleştirilmiştir. Açık kaynaklı yazılım programında oluşturulan modelin güvenilirliği açık kaynaklı olmayan yazılım programında oluşturulan model ile karşılaştırılarak değerlendirilmiştir. Tezin sonuçları, kripto para birimlerinin ekonomi ve finans üzerindeki etkileri hakkında yapılan değerlendirmelerin çoğunlukla doğru olmasına rağmen NARDL modelinin belirli parametrelere sahip normal olmayan dağılımlı değişkenlerin kısa dönemli asimetrik ilişkilerini göstermede yetersiz kaldığını göstermiştir. Tezin bir önemli bulgusu da açık kaynaklı program (R)'da oluşturulan NARDL paketinin tam olarak güvenilir ve doğru sonuçlar vermediğinin saptanmasıdır.Cryptocurrencies have compelled the attention of people after Nakatomo introduced Bitcoin. Cryptocurrencies, whose effectiveness has increased rapidly in the economy and finance, has also started to be studied in academia and has increased in popularity in recent years. The Non-linear Autoregressive Distributed Lags (NARDL) method is the focus of this thesis as it can examine the asymmetric relationships between cryptocurrencies and economic-financial variables. Previously, Monte Carlo simulation experiments were carried out to investigate finite sample properties of the estimators under normal distribution for the model. In this thesis, the reliability of NARDL model has been studied when non-normal distributions are used. This is an important research problem, as the distributions of returns on cryptocurrencies are non-normal and heavy-tailed. In this thesis, the NARDL model was subjected to Monte Carlo simulation experiments for normal distribution and two heavy-tailed distributions called Student-t and Skew-t distributions. To our knowledge, there is no study in the literature on finite sample properties of NARDL estimators for time series with non-normality. In addition, estimations were carried out using the packages both in R and STATA, which are open and closed source software, respectively, in order to evaluate their reliabilities by comparison. The results of thesis indicate that the NARDL model is unable to reveal the short-run asymmetric relationships of variables following non-normal distributions with certain parameters although the inferences made about the effects of cryptocurrencies on the economy and finance are mostly accurate. Another important finding is that the package developed in R is not utterly reliable and accurate.