Modelling of Cryptocurrency Market Using Fractal and Entropy Analysis in COVID-19

У статті наведено результати моделювання ринку криптовалют методами фрактального та ентропійного аналізу на прикладі шести криптовалют, які займають перші позиції в 20-рейтингу капіталізації. Вибір та застосування обраних методів дослідження засновано на аналізі існуючих методологій та інструментів економічного та математичного моделювання фінансових ринків. Було доведено, що окремі методи не є релевантними, оскільки не забезпечують адекватної оцінки цього ринку, тому комплексний підхід є найбільш доцільним. В роботі використано добові значення криптовалютних пар із серпня 2016 року по серпень 2020 року з бази даних моніторингу та моделювання. Застосування фрактального аналізу дозволило дійти висновку, що часові ряди обраних криптовалют були стійкими. Використання процедури рухомого вікна для обчислення локального коефіцієнта Херста дозволило деталізувати та ізолювати стійкі та антиперсистентні розриви. Міждисциплінарні методи, а саме ентропія Цаліса та вейвлет-ентропія дозволили уточнити результати. Результати дослідження показують, що ентропія Цаліса виявляє особливі (кризові) умови на ринку криптовалют, незважаючи на характер виникнення кризи. Вейвлет-ентропія є попереджувальним показником кризових явищ. Вона надає додаткову інформацію на малих масштабахIn this article, we present the results of simulation for cryptocurrency market based on fractal and entropy analysis using six cryptocurrencies in the first 20 of the capitalization rating. The application of the selected research methods is based on an analysis of existing methodologies and tools of economic and mathematical modeling of financial markets. It has been shown that individual methods are not relevant because they do not provide an adequate assessment of the given market, so an integrated approach is the most appropriate. Daily values of cryptocurrency pairs from August 2016 to August 2020 selected by the monitoring and modelling database. The application of fractal analysis led to the conclusion that the time series of selected cryptocurrencies were persistent. And the use of the window procedure for calculating the local Hurst coefficient allowed to detail and isolate the persistant and antipersistant gaps. Interdisciplinary methods, namely Tsallis entropy and wavelet entropy, are proposed to complement the results. The results of the research show that Tsallis entropy reveals special (crisis) conditions in the cryptocurrency market, despite the nature of the crises’ origin. Wavelet entropy is a warning indicator of crisis phenomena. It provides additional information on a small scale