Likidite Sıçraması ve Likidite Yayılımı: Yeni Kavramlar

Araştırmacılar, portföy likiditesini iki temel bileşene ayırıyor: likidite sıçraması ve likidite yayılımı. Bu kavramlar, aşırı likiditeye sahip varlıkların davranışlarını daha iyi anlamak için kullanılıyor:

• Likidite Sıçraması: Portföydeki likiditenin büyüklüğünü ölçer. Yüksek likidite sıçraması, ani ve büyük fiyat hareketlerinin göstergesidir.
• Likidite Yayılımı: Portföy likiditesinin zaman içindeki değişkenliğini modellemek için kullanılır. Yüksek likidite yayılımı, likidite volatilitesinin yüksek olduğunu gösterir.

Geleneksel Modellerin Sınırlamaları

Çok değişkenli otoregresif modeller, aşırı likiditeye sahip kripto varlık portföyleri için yetersiz kalıyor. Bu durum, koşullu kovaryans matrisindeki ve posterior kovaryans matrisindeki süreksizliklerden kaynaklanıyor. Araştırmacılar, bu sorunu çözmek için yeni bir yaklaşım geliştirdiler.

Likidite Ayarlı Getiri ve Volatilite: Yeni Bir Çözüm

Deng ve Zhou, varlık düzeyinde getiri ve volatiliteyi likidite ile ayarlayarak, bu süreksizlikleri azaltmayı başardılar. Bu ayarlama sayesinde, aşırı likidite koşullarında bile etkili olan likidite ayarlı VECM-DCC/ADCC-BL modellerinin kullanımını mümkün kıldılar.

Portföy Likidite Ölçütleri: İki Yeni Yaklaşım

Araştırma, iki farklı ancak tamamlayıcı portföy likidite ölçütü ortaya koyuyor:

1. Portföy Likidite Sıçraması: Koşullu kovaryans matrisinin tahmininde likidite ayarlamasının etkisini ölçer.
2. Portföy Likidite Yayılımı: Posterior kovaryans matrisinin tahmininde likidite ayarlamasının etkisini ölçer.

Yeni Modelin Avantajları

Likidite ayarlı VECM-DCC/ADCC-BL modelleri, aşırı likidite koşullarında bile daha iyi tahmin kabiliyeti sunuyor. Bu modeller, günlük koşullu kovaryansı “yumuşatarak” daha rasyonel artışlar sağlıyor ve böylece portföy performansını iyileştiriyor.

Ampirik Kanıtlar ve Uygulama

Araştırmacılar, modellerini test etmek için Binance’de işlem gören 10 büyük kripto varlığı içeren bir portföy kullandılar. Likidite Ayarlı Ortalama Varyans (LAMV) portföyleri, geleneksel Ortalama Varyans (TMV) portföylerine kıyasla daha iyi performans gösterdi.