Bitcoin daily trend forecasting through the box-jenkins methodology

• Autores: David Daniel Brito Chávez
• Localización: International Journal of Professional Business Review: Int. J. Prof.Bus. Rev., ISSN 2525-3654, ISSN-e 2525-3654, Vol. 9, Nº. 8, 2024 (Ejemplar dedicado a: Continuous publication; e04892)
• Idioma: inglés
• Títulos paralelos:
  • Previsão da tendência diária do Bitcoin por meio de análise de série temporal sob a abordagem Box-Jenkins
  • Pronósticos de la tendencia diaria del Bitcoin a través de la metodología de Box-Jenkins
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Objetivo. Identificar y analizar un modelo que pronostique la tendencia diaria de la moneda electrónica Bitcoin mediante análisis de series de tiempo bajo el enfoque de Box-Jenkins.

    Marco teórico: En los últimos años se han generados monedas electrónicas como el Bitcoin, como una alternativa a las formas de pago  tradicionales. Grandes tiendas online facilitan el uso del Bitcoin. Una característica del Bitcoin, su valor fluctúa de manera diaria. Esto plantea a los inversionistas la necesidad de analizar el comportamiento del Bitcoin mediante técnicas estadísticas.

    Método. La metodología estadística de análisis de series de tiempo bajo el enfoque de Box-Jenkins, logra modelar las distintas componentes de una serie histórica, mediante los modelos ARIMA(p,d,q). Esta metodología pronosticar el precio de Bitcoin y sus tendencias hacía la alza o baja. Se utiliza el software estadístico abierto R.

    Resultados y discusión. Se analiza una muestra de la fecha 2023-01-01 a la fecha 2023-08-02. Se estabiliza la varianza de la serie, para proceder a la modelación del precio mínimo diario. Después de especificar diversos modelos con las funciones de autocorrelación y autocorrelación parcial, se determino el modelo que mejor explica el comportamiento como el ARIMA(4,1,2), realizando las pruebas estadísticas correspondientes y el análisis de los residuales. Con este modelo se calcularon diez pronósticos con sus respectivos intervalos de predicción. Contrastando con los valores observados correspondientes, los diez están dentro de los intervalos de predicción y siete pronostican bien la tendencia de la serie.

     

  • English

    Objective: Identify and analyze a model that forecasts the daily trend of the electronic currency Bitcoin through time series analysis under the Box-Jenkins approach.

    Theoretical Framework: In recent years, electronic currencies such as Bitcoin have been generated as an alternative to traditional forms of payment. Large online stores facilitate the use of Bitcoin. A characteristic of Bitcoin, its value fluctuates daily. This presents investors with the need to analyze the behavior of Bitcoin using statistical techniques.

    Method: The statistical methodology of time series analysis under the Box-Jenkins approach manages to model the different components of a historical series, using the ARIMA(p,d,q) models. This methodology predicts the price of Bitcoin and its upward or downward trends. The open statistical software R is used.

    Results and Discussion: A sample is analyzed from the date 2023-01-01 to the date 2023-08-02. The variance of the series is stabilized to proceed with the modeling of the daily minimum price. After specifying various models with autocorrelation and partial autocorrelation functions, the model that best explains the behavior was determined as ARIMA(4,1,2), performing the corresponding statistical tests and analyzing the residuals. With this model, ten forecasts were calculated with their respective prediction intervals. Contrasting with the corresponding observed values, all ten are within the prediction intervals and seven predict the trend of the series well.

    Research Implications: Contributes to the analysis of the behavior of Bitcoin with the statistical methodology of time series analysis.

    Originality/Value: Modeling Bitcoin behavior with the Box-Jenkins approach.

  • português

    Mirar. Identificar e analisar um modelo que prevê a tendência diária da moeda eletrônica Bitcoin por meio de análise de séries temporais sob a abordagem Box-Jenkins.

    Referencial teórico: Nos últimos anos, moedas eletrônicas como o Bitcoin foram geradas como alternativa às formas tradicionais de pagamento. Grandes lojas online facilitam o uso do Bitcoin. Uma característica do Bitcoin é que seu valor flutua diariamente. Isto apresenta aos investidores a necessidade de analisar o comportamento do Bitcoin utilizando técnicas estatísticas.

    Método. A metodologia estatística de análise de séries temporais sob a abordagem Box-Jenkins consegue modelar os diferentes componentes de uma série histórica, utilizando os modelos ARIMA(p,d,q). Esta metodologia prevê o preço do Bitcoin e suas tendências ascendentes ou descendentes. O software estatístico aberto R é usado.

    Resultados e discussão. Uma amostra é analisada a partir da data 2023-01-01 até a data 2023-08-02. A variância da série é estabilizada para prosseguir com a modelagem do preço mínimo diário. Após especificar vários modelos com funções de autocorrelação e autocorrelação parcial, o modelo que melhor explica o comportamento foi determinado como ARIMA(4,1,2), realizando os testes estatísticos correspondentes e analisando os resíduos. Com este modelo foram calculadas dez previsões com seus respectivos intervalos de predição. Contrastando com os valores observados correspondentes, todos os dez estão dentro dos intervalos de previsão e sete predizem bem a tendência da série.