• The Journal of Asian Finance, Economics and Business
• /
• 제7권11호
• /
• pp.45-53
• /
• 2020

Past literatures have not studied the impact of real-world events or information on the return and volatility of virtual currencies, particularly on the COVID-19 event, day-of-the-week effect, daily high-low price spreads and information flow rate. The study uses the ARMA-GARCH model to capture Bitcoin's return and conditional volatility, and explores the impact of information flow rate on conditional volatility in the Bitcoin market based on the Mixture Distribution Hypothesis (Clark, 1973). There were 3,064 samples collected during the period from 1^st of January 2012 to 20^th April, 2020. Empirical results show that in the Bitcoin market, a daily high-low price spread has a significant inverse relationship for daily return, and information flow rate has a significant positive relationship for condition volatility. The study supports a significant negative relationship between information asymmetry and daily return, and there is a significant positive relationship between daily trading volume and condition volatility. When Bitcoin trades on Saturday & Sunday, there is a significant reverse relationship for conditional volatility and there exists a day-of-the-week volatility effect. Under the impact of COVID-19 event, Bitcoin's condition volatility has increased significantly, indicating the risk of price changes. Finally, the Bitcoin's return has no impact on COVID-19 events and holidays (Saturday & Sunday).

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권8호
• /
• pp.3243-3256
• /
• 2020

Recent years have shown a great interest of public in buying and selling of crypto/digital currency. With hundreds of digital currencies in financial market, bitcoin remains the most widely used, adapted, and accepted currency around the world. However, the critics of bitcoin still consider it a threat to modern day power usage. This paper discusses the important pitfalls, pros, and cons related to bitcoin's energy consumption. The paper begins by highlighting the flexibilities cryptocurrency can bring to online money transfers compared to traditional 'fiat' architecture. Then, the focus of the paper entirely remains on listing various facts related to bitcoin's energy utilization including a brief description of several emerging approaches for energy optimization. This paper is concluded by revealing key current challenges associated to bitcoin's energy usage.

• Journal of Information Technology Applications and Management
• /
• 제25권4호
• /
• pp.157-169
• /
• 2018

The purpose of this study was to examine the volatility of bitcoin, diagnose if bitcoin are a systematic risk asset, and evaluate their effectiveness by estimating market beta representing systematic risk using GARCH (Generalized Auto Regressive Conditional Heteroskedastieity) model. First, the empirical results showed that the market beta of Bitcoin using the OLS model was estimated at 0.7745. Second, using GARCH (1, 2) model, the market beta of Bitcoin was estimated to be significant, and the effects of ARCH and GARCH were found to be significant over time, resulting in conditional volatility. Third, the estimated market beta of the GARCH (1, 2), AR (1)-GARCH (1), and MA (1)-GARCH (1, 2) models were also less than 1 at 0.8819, 0.8835, and 0.8775 respectively, showing that there is no systematic risk. Finally, in terms of efficiency, GARCH model was more efficient because the standard error of a market beta was less than that of the OLS model. Among the GARCH models, the MA (1)-GARCH (1, 2) model considering non-simultaneous transactions was estimated to be the most appropriate model.

• Communications for Statistical Applications and Methods
• /
• 제28권5호
• /
• pp.511-520
• /
• 2021

Over the last decade, Bitcoin has attracted a great deal of public interest and Bitcoin market has grown rapidly. One of the main characteristics of the market is that it often undergoes some events or incidents that cause outlying observations. To obtain reliable results in the statistical analysis of Bitcoin data, these outlying observations need to be carefully treated. In this study, we are interested in change point analysis for Bitcoin return series having such outlying observations. Since these outlying observations can affect change point analysis undesirably, we use a robust test for parameter change to locate change points. We report some significant change points that are not detected by the existing tests and demonstrate that the model allowing for parameter changes is better fitted to the data. Finally, we show that the model with parameter change can improve the forecasting performance of Value-at-Risk.

• 정보보호학회논문지
• /
• 제28권2호
• /
• pp.303-310
• /
• 2018

비트코인은 2009년 사토시 나카모토가 제안한 암호 화폐로 중앙 기관 없이 통화가 발행, 관리되는 분산 합의 구조를 가지고 있다. 채굴은 이러한 분산 합의 구조의 중추를 담당하는 작업으로 대기 중인 비트코인의 거래를 블록화하여 비트코인의 블록체인(장부)에 포함시키는 역할을 한다. 블록의 생성에는 컴퓨팅 자원이 필요하기 때문에, 채굴을 담당하는 채굴자에게 보상으로 비트코인이 지급되며, 이 보상을 통해 새로운 비트코인이 발급된다. 비트코인은 2100만개 까지만 발행할 수 있도록 설계되었으며, 인플레이션에 대비하기 위해 채굴 과정에 반감기라는 개념이 도입되었다. 2009년에 50 BTC이었던 보상은 현재 12.5 BTC인 상태이나 채굴 보상의 실제 가치는 더욱 늘어났다. 이는 2017년 1월 12일 기준 1 BTC당 924,000원이던 비트코인이 2017년 12월 10일 기준 16,103,306원이 되어 실질 보상액을 증가시켰기 때문이다. 가격 상승으로 인해 신규 채굴자가 지속적으로 유입되고 있음에도 채굴이 실제로 어느 정도 수익성이 있는지에 대한 연구는 미비한 상태이다. 본 논문에서는 비트코인의 채굴 구조를 살펴보고 비트코인의 채굴에 어느 정도의 수익성을 기대할 수 있는지를 살펴보고자 한다.

• 한국전자거래학회지
• /
• 제22권4호
• /
• pp.117-128
• /
• 2017

비트코인의 국내 활용 증가와 함께 비트코인을 둘러싼 다양한 문제들이 발생하고 있다. 이에 따라 제도적 차원에서 비트코인을 어떻게 다루어야 하는지가 지속적으로 논의되고 있으며 비트코인의 자산 성격을 분류하는 것은 이러한 논의에 중요한 기준점이 될 것이다. 본 연구는 비트코인의 자산성격에 관한 선행연구들을 기초로 하여 기능적 측면에서 비트코인의 자산성격을 분류하였다. 회귀분석을 통해 금과 미소비자물가지수(CPI), 미달러화가치(DXY), 주가지수(S&P500) 등과의 상관관계를 분석하고, 비트코인과 동일지표들 간의 상관관계를 분석하여, 금과 비트코인이 지표들과의 관계에서 유사하게 반응하는지 검증하였다. 분석 결과 비트코인은 금과 유사한 방향성으로 보이며 인플레이션과 통화가치에 대해 위험회피기능과 수익률측면에서 투자가치를 지닌 투자자산기능을 확인할 수 있었다. 이러한 기능성과 더불어 투자자산기능의 주된 요인인 가격변동성을 고려하면, 비트코인은 화폐로 분류하기 보다는 고위험 금융투자자산으로 분류하여 제도권에 편입하는 것이 관리적 측면에서 효율적일 것이다.

• 한국융합학회논문지
• /
• 제12권4호
• /
• pp.249-258
• /
• 2021

최근 암호화폐거래소로 투자자들이 몰리면서 비트코인 가격이 급등락하고 있다. 본 연구의 목적은 딥러닝 모형을 이용하여 비트코인의 가격을 예측하고, 투자전략을 통해 비트코인의 수익성이 있는지를 분석하는 것이다. 비선형성과 장기기억 특성을 보이는 비트코인 가격 예측모형으로는 LSTM을 활용하며, 예측 가격을 입력변수로 하는 이동평균선 교차전략의 수익성을 분석하였다. 2013년부터 2021년까지의 LSTM 예측 가격을 이용한 비트코인 이동평균선 교차전략의 투자 성과는 단순 시장가격을 이용한 이동평균선 교차전략과 벤치마크전략 Buy & Hold 보다 각각 5.5%와 46% 이상의 수익률 개선 효과를 보여주었다. 최근 데이터까지 확장하여 분석한 본 연구의 결과는 기존의 연구들과 마찬가지로 암호화폐 시장의 비효율성(inefficiency)을 지지하고 있으며, 비트코인 투자자들에게는 딥러닝 모형을 이용한 투자전략의 실전 활용 가능성을 보여주었다. 향후 연구에서는 다양한 딥러닝 모형들의 성과 비교를 통해 최적의 예측모형을 개발하고 비트코인 투자전략의 수익성을 개선할 필요가 있다.

• 인터넷정보학회논문지
• /
• 제23권5호
• /
• pp.103-110
• /
• 2022

봇넷은 금전적인 요구부터 국가적 위협에 이르는 다양한 목적을 위해 악용되어왔으며 사이버보안 분야에서 가장 위협적인 공격 유형 중 하나이다. 봇넷은 초창기 중앙집중식 구조로 출현한 이후 P2P 구조로 발전되어 왔다. 비트코인은 2008년 Satoshi Nakamoto가 발표한 최초의 블록체인 기술 기반의 온라인 암호화폐로 전 세계에서 가장 널리 통용되고 있는 암호화폐이며 비트코인 사용자가 증가함에 따라 비트코인 네트워크는 더욱 확장되고 있다. 이에 따라, 비트코인 네트워크를 C&C 채널로 사용하는 봇넷이 등장했으며 최근에는 다양한 연구가 수행되고 있다. 본 연구에서는 비트코인 환경에서 암호화된 봇넷 C&C 통신 메커니즘과 기법을 제안하고 비트코인 테스트넷에서 실제로 구축한 후 다양한 실험을 통해 성능평가를 해봄으로써 제안 기법의 유효성을 확인하고 궁극적으로는 비트코인 네트워크에서의 봇넷 위협의 가능성과 대응 필요성을 알리고자 한다.

• 한국산업정보학회논문지
• /
• 제23권4호
• /
• pp.81-92
• /
• 2018

Bitcoin is a cryptographic digital currency and has been given a significant amount of attention in literature since it was first introduced by Satoshi Nakamoto in 2009. It has become an outstanding digital currency with a current market capitalization of approximately $60 billion. By 2019, it is expected to have over 5 million users. Nowadays, investing in Bitcoin is popular, and along with the advantages and disadvantages of Bitcoin, learning how to forecast is important for investors in their decision-making so that they are able to anticipate problems and earn a profit. However, most investors are reluctant to invest in bitcoin because it often fluctuates and is unpredictable, which may cost a lot of money. In this paper, we focus on solving the Bitcoin forecasting prediction problem based on deep learning structures and neural decomposition. First, we propose a deep learning-based framework for the bitcoin forecasting problem with deep feed forward neural network. Forecasting is a time-dependent data type; thus, to extract the information from the data requires decomposition as the feature extraction technique. Based on the results of the experiment, the use of neural decomposition and deep neural networks allows for accurate predictions of around 89%.

• International Journal of Computer Science & Network Security
• /
• 제23권7호
• /
• pp.210-218
• /
• 2023

The author presents a simple data-driven intraday technical indicator trading approach based on Genetic Programming (GP) for return forecasting in the Bitcoin market. We use five trend-following technical indicators as input to GP for developing trading rules. Using data on daily Bitcoin historical prices from January 2017 to February 2020, our principal results show that the combination of technical analysis indicators and Artificial Intelligence (AI) techniques, primarily GP, is a potential forecasting tool for Bitcoin prices, even outperforming the buy-and-hold strategy. Sensitivity analysis is employed to adjust the number and values of variables, activation functions, and fitness functions of the GP-based system to verify our approach's robustness.