STRESS DELLE STABLECOIN E MERCATI DELLE CRIPTOVALUTE: PREVISIONE DEI RENDIMENTI, DELLA VOLATILITÀ E DEL RISCHIO DI CODA MEDIANTE MODELLI WHITE-BOX E BLACK-BOX

Stablecoins are the settlement layer of the cryptocurrency market: the two largest, Tether (USDT) and USD Coin (USDC), account for more than four fifths of a market worth roughly 315 billion dollars, and the overwhelming majority of crypto trades are priced and settled against them. Their one-dollar peg is the closest thing the crypto ecosystem has to a risk-free anchor — and when that anchor slips, the entire market feels it. This thesis asks whether stablecoin stress — measured through peg deviations, deviation volatility and abnormal trading volumes, and summarized in a daily Stablecoin Stress Index (SSI) — contains predictive information for Bitcoin returns, volatility and crash risk beyond standard market and macro-financial variables (gold, the US dollar index, the VIX). The empirical design compares two families of models on three prediction tasks over the period July 2020 – March 2026: interpretable “white-box” models (OLS with Newey–West inference, ARIMAX, Ridge and Lasso, splines and generalized additive models, GARCH-family volatility models including a purpose-built GARCH-X with the SSI in the variance equation, logistic regression and discriminant analysis) against flexible “black-box” machine-learning models (decision trees, bagging, random forests, gradient boosting/XGBoost, support vector machines and feed-forward neural networks). All models follow the same protocol: estimation on data through January 2026, hyperparameter tuning by expanding-window time-series cross-validation, model selection on February 2026, and a single final evaluation on March 2026. Three results stand out. First, next-day returns remain essentially unpredictable for every model — an honest confirmation of near-efficiency at the daily horizon. Second, volatility is where stablecoin stress earns its keep: the GARCH-X model augmented with the SSI significantly outperforms the standard GARCH(1,1) benchmark out of sample in both evaluation months (Diebold–Mariano p = 0.013 and p = 0.035), and gradient boosting delivers the lowest QLIKE loss in the validation month (in the calm test month a simple rolling 30-day variance is marginally better). Third, stablecoin stress variables rank among the most important predictors of large-drawdown days: the best classifier, a random forest, reaches an AUC of 0.71 on the validation month under 2 the main 10th-percentile crash definition — rising to 0.80 on the extreme 5th-percentile tail — and classifiers trained only on pre-event data produce sharply elevated real-time crash probabilities around the Terra/UST collapse (May 2022), the FTX failure (November 2022) and the USDC–SVB depeg (March 2023). The thesis concludes that the stablecoin layer operates as a barometer of crypto-market fragility: it does not tell us where prices go next, but it tells us a great deal about how violently they may move.

Le stablecoin sono lo strato di regolamento del mercato delle criptovalute: le due maggiori, Tether (USDT) e USD Coin (USDC), rappresentano oltre quattro quinti di un mercato che vale circa 315 miliardi di dollari, e la grande maggioranza degli scambi in criptovalute è prezzata e regolata contro di esse. Il loro ancoraggio a un dollaro è quanto di più vicino a un’àncora priva di rischio esista nell’ecosistema crypto — e quando quell’àncora scivola, l’intero mercato lo avverte. Questa tesi si chiede se lo stress delle stablecoin — misurato attraverso le deviazioni dal peg, la loro volatilità e i volumi di scambio anomali, e sintetizzato in uno Stablecoin Stress Index (SSI) giornaliero — contenga informazione predittiva per i rendimenti, la volatilità e il rischio di crollo del Bitcoin, oltre alle variabili di mercato e macro-finanziarie standard (oro, indice del dollaro, VIX). Il disegno empirico confronta due famiglie di modelli su tre compiti previsivi nel periodo luglio 2020 – marzo 2026: i modelli interpretabili “white-box” (OLS con inferenza Newey–West, ARIMAX, Ridge e Lasso, spline e modelli additivi generalizzati, modelli di volatilità della famiglia GARCH — incluso un GARCH-X costruito ad hoc con l’SSI nell’equazione della varianza —, regressione logistica e analisi discriminante) contro i modelli flessibili “black-box” di machine learning (alberi decisionali, bagging, random forest, gradient boosting/XGBoost, support vector machine e reti neurali feed-forward). Tutti i modelli seguono lo stesso protocollo: stima sui dati fino a gennaio 2026, scelta degli iperparametri con cross-validation a finestra espandibile per serie storiche, selezione dei modelli su febbraio 2026 e un’unica valutazione finale su marzo 2026. Tre risultati emergono. Primo, i rendimenti a un giorno restano sostanzialmente imprevedibili per ogni modello — una conferma onesta della quasi-efficienza del mercato all’orizzonte giornaliero. Secondo, la volatilità è il terreno dove lo stress delle stablecoin si guadagna il posto: il modello GARCH-X aumentato con l’SSI batte significativamente il benchmark GARCH(1,1) fuori campione in entrambi i mesi di valutazione (Diebold–Mariano p = 0,013 e p = 0,035), e il gradient boosting ottiene la perdita QLIKE più bassa nel mese di validazione (nel mese di test, più calmo, una 4 semplice varianza mobile a 30 giorni risulta lievemente migliore). Terzo, le variabili di stress delle stablecoin figurano tra i predittori più importanti dei giorni di forte ribasso: il miglior classificatore, un random forest, raggiunge un’AUC di 0,71 nel mese di validazione con la definizione principale di crollo al decimo percentile — che sale a 0,80 sulla coda estrema del quinto percentile — e classificatori addestrati solo su dati pre-evento producono probabilità di crollo in tempo reale nettamente elevate attorno al collasso di Terra/UST (maggio 2022), al fallimento di FTX (novembre 2022) e al depeg di USDC–SVB (marzo 2023). La tesi conclude che lo strato delle stablecoin opera come un barometro della fragilità del mercato crypto: non ci dice dove andranno i prezzi, ma ci dice molto su quanto violentemente potranno muoversi.