Forecasting quantiles of cryptocurrency returns using MCMC algorithms

• Main Author: Chaparro Sepulveda, Carlos Alberto
• Other Authors: Luger, Richard
• Format: Dissertation
• Language: French
• Published: Université Laval 2021
• Subjects: Bitcoin > Évaluation > Simulation par ordinateur.; Méthode de Monte-Carlo > Logiciels > Conception.; R (Langage de programmation); Sites Web dynamiques > Conception.; Régression quantile > Informatique.; C++ (Langage de programmation); Temps réel (Informatique)
• Online Access: http://hdl.handle.net/20.500.11794/71062

Ce travail résume les étapes et les technologies nécessaires pour construire une application web dynamique permettant de faire l'analyse de données financières en temps réel à l'aide des langages de programmation R et C++. R est utilisé pour la collecte et traitement des données entrantes ainsi que pour générer tout output. C++ est utilisé pour accélérer les simulations Monte-Carlo. L'output de ce travail consiste en l'application web elle-même et les fonctions permettant d'estimer les paramètres des modèles de régression quantile de la famille CAViaR. Le code pour reproduire ce travail est organisé de la façon suivante : Un paquetage R pour l'application shiny, disponible à l'adresse https://gitlab.com/cacsfre/simulr. Un paquetage R pour estimer les paramètres des modèles de la famille CAViaR, disponible à l'adresse https://gitlab.com/cacsfre/caviarma. Le code R pour générer le présent document avec bookdown, disponible à l'adresse https://gitlab.com/cacsfre/msc. La famille de modèles CAViaR a été utilisée pour obtenir une estimation du quantile q[indice α] au niveau α. Ces modèles s'adressent directement au quantile d'intérêt au lieu de le calculer indirectement comme dans d'autres cas, par exemple les modèles de type GARCH où l'on s'intéresse plutôt à la volatilité σ² . Les résultats obtenus ici sont comparables à ceux se trouvant dans la littérature tel qu'illustré dans les chapitres 3 et 4.