رابطه بین روند و حجم در بازار بیت کوین

هدف این مقاله تأیید وجود روابط کوتاه مدت و بلند مدت بین قدرت یک روند و حجم در بازارهای رمزنگاری صعودی و نزولی است. ما مدل تصحیح خطای بردار را در داده های روزانه بیت کوین از 14. 01. 2015 تا 22. 12. 2019 اعمال کردیم. براساس قیمت ها و الگوریتم زیر الگوریتم وایلدر ، میانگین شاخص حرکت جهت محاسبه شد و دوره های روند رو به بالا و رو به پایین تعیین شد. هیچ رابطه طولانی مدت بین قدرت یک روند و حجم در بازارهای نزولی و صعودی وجود ندارد. از این رو ، روندها به تغییرات حجم واکنش نشان نمی دهند. با این حال ، یک رابطه طولانی مدت بین حجم و روند-اما فقط برای روند نزولی-با سرعت تنظیم 88 ٪ وجود دارد. در کوتاه مدت ، وابستگی آماری معنی دار اما بسیار ضعیف آشکار می شود. از این رو ، نتیجه گیری که قدرت روند نسبت به تغییرات حجم غیرقابل حساس است.

روی نسخه خطی کار می کنید؟

معرفی

سرمایه گذاری های کارآمد در ناوبری و مؤثر در بازارهای مالی ، نه تنها از انواع مختلف دارایی بلکه درک روابط بین ابعاد بسیاری از جمله قیمت ، حجم ، نوسانات ، ریسک و سایر موارد نیاز به دانش دارد. یکی از ابعاد پرکاربردترین و تجزیه و تحلیل ، رابطه بین قیمت و حجم است. وینشتاین (1988) نوشت: هرگز به یک شکست که همراه با افزایش قابل توجه حجم نیست ، اعتماد نکنید. تجزیه و تحلیل حجم امکان درک منبع تغییر قیمت را فراهم می کند و یک جهت و کیفیت روند معین را تأیید یا نفی می کند. این حجم نشان می دهد که سرمایه گذاران حرفه ای با اوراق بهادار عظیم سهام را خریداری و می فروشند. افزایش گردش مالی هنگام غلبه بر سطح قابل توجه قیمت ممکن است نشانگر سیگنال های دروغین از بازار باشد ، که ممکن است خاطرنشان کند که پول هوشمند در تلاش است تا سهام را با هزینه کم توزیع کند. پویایی حجم و قیمت معمولاً توسط سرمایه گذاران که ارزهای ، سهام و کالاها را در انواع بازارها تجارت می کنند - متفکرانه و توسعه یافته - توسط دلالان که مشتقات بازی می کنند ، مانند آینده یا گزینه ها و افرادی که در اوراق قرضه سرمایه گذاری می کنند ، استفاده می شود.

مشاهدات مربوط به رابطه بین حجم معاملات و قیمت دارایی توسط بسیاری از دانشمندان طی چند دهه گذشته مورد توجه قرار گرفته است. تحلیلگران فنی و معامله گران انتظار دارند که تغییرات قیمت با حجم همبستگی مثبت داشته باشد. از این رو ، حجم باید در طی یک روند رو به بالا افزایش یابد و باید در حین اصلاح رو به پایین کاهش یابد. در مقابل ، در طی یک روند نزولی ، حجم باید با کاهش قیمت ها افزایش یابد و با افزایش رشد باید کاهش یابد. تحقیقات در این محدوده به طور کامل چنین رابطه ای را تأیید نمی کند. وابستگی به حجم و قیمت بسته به بازار مورد بررسی و دارایی های در نظر گرفته شده ممکن است تغییر کند.< SPAN> مشاهدات رابطه بین حجم معاملات و قیمت دارایی توسط بسیاری از دانشمندان طی چند دهه گذشته مورد توجه قرار گرفته است. تحلیلگران فنی و معامله گران انتظار دارند که تغییرات قیمت با حجم همبستگی مثبت داشته باشد. از این رو ، حجم باید در طی یک روند رو به بالا افزایش یابد و باید در حین اصلاح رو به پایین کاهش یابد. در مقابل ، در طی یک روند نزولی ، حجم باید با کاهش قیمت ها افزایش یابد و با افزایش رشد باید کاهش یابد. تحقیقات در این محدوده به طور کامل چنین رابطه ای را تأیید نمی کند. وابستگی به حجم و قیمت ممکن است بسته به بازار مورد بررسی و دارایی های در نظر گرفته شده تغییر کند. مشاهدات رابطه بین حجم معاملات و قیمت دارایی توسط بسیاری از دانشمندان طی چند دهه گذشته متمرکز شده است. تحلیلگران فنی و معامله گران انتظار دارند که تغییرات قیمت با حجم همبستگی مثبت داشته باشد. از این رو ، حجم باید در طی یک روند رو به بالا افزایش یابد و باید در حین اصلاح رو به پایین کاهش یابد. در مقابل ، در طی یک روند نزولی ، حجم باید با کاهش قیمت ها افزایش یابد و با افزایش رشد باید کاهش یابد. تحقیقات در این محدوده به طور کامل چنین رابطه ای را تأیید نمی کند. وابستگی به حجم و قیمت بسته به بازار مورد بررسی و دارایی های در نظر گرفته شده ممکن است تغییر کند.

تحقیقات در مورد روابط قیمت و حجم از سال 1966 آغاز شد که یینگ (1966) رابطه نامتقارن بین ارزش مطلق تغییر قیمت روزانه و حجم روزانه را اثبات کرد ، که اظهار داشت که افزایش حجم قوی با کاهش قیمت یا افزایش قیمت همراه است. در سالهای بعد ، نتیجه گیری های مشابه توسط بسیاری از نویسندگان ، مانند Crouch (1970a ، B) ، Westerfield (1977) ، Tauchen and Pitts (1983) و Harris and Gurel (1986) تدوین شد. روابط مثبت نیز بر اساس روابط مورد بررسی بین واریانس قیمت و حجم ، مانند مورگان (1976) ، EPPS و EPPS (1976) ، کرنل (1981) ، Rutledge (1984) ، Bessembinder و Seguin (1993) ، تأیید شد. بریلسفورد (1996) ، کوپر و همکاران.(2000) ، لورنته و همکاران.(2002) ، Statman و همکاران.(2006) ، گریفین و همکاران.(2007) ، گلاسر و وبر (2009) ، اسرائیلی (2015) ترن و مای (2015) ، پلاستون و همکاران.(2019) و Ndjadingwe و Radikoko (2015). رابطه مثبت بین قیمت و حجم مطابق با انتظارات معامله گران فنی است. یکی از توضیحات بسیاری ممکن است پس از دریافت اطلاعات مربوط به حجم تولید شده معامله گران ، که مستقیماً به حرکات قیمت تبدیل می شود ، از طریق جریان اطلاعات در بازار مشاهده شود (Copeland 1976 ؛ Jennings et al. 1981). با این حال ، نویسندگان دیگر رابطه منفی بین قیمت و حجم ، مانند Smirlock و Starks (1985) ، وود و همکاران پیدا کردند.(1985) ، Moosa و Korczak (1999) ، Moosa و همکاران.(2003) ، Kocagil and Shachmurove (1998) ، McMillan and Speight (2002) و Chen et al.(2004). با وجود طیف گسترده ای از مقالات مختلف در مورد رابطه معکوس بین قیمت و حجم ، هیچ توضیحی منحصر به فرد برای این واقعیت وجود ندارد. به عنوان مثال ، بلک (1976) و کریستی (1982) استدلال کردند که این توضیح ممکن است در افزایش ارزش بازار سهام یک شرکت پیدا شود ، که بر نسبت مالی آن تأثیر منفی می گذارد و در نتیجه نوسانات بازده سهام را کاهش می دهد. گلوستن و همکاران.(1993) و چن و گیزلز (2007) فرض كردند كه خبرهای بد بر حجم تأثیر منفی می گذارد. به عنوان مثال ، گرنجر و مورگنسترن (1963) ، گودفری و همکاران ، وابستگی ضعیفی مشاهده نشده است.(1964) ، جیمز و ادمر (1983) ، هریس و راویو (1993) و جی و ژانگ (2019). نویسندگان دیگر متوجه نتایج مختلط از جمله وانگ و هوانگ (2012) ، گیوت و همکاران شدند.(2010) و Amatyakul (2010) ، که رابطه مثبت بین قیمت و حجم را بر اساس یک مؤلفه مداوم مشاهده کردند. با این حال ، در طول پرش ، که نویسندگان با تجارت خصوصی در ارتباط بودند ، این رابطه منفی بود.

محققان از روشهای آماری و کمی مختلف برای ضبط و تفسیر رابطه حجم و قیمت استفاده می کنند. به عنوان مثال ، گلیا (2019) و پارک (2010) از روش GARCH استفاده کردند و بین نوسانات قیمت و حجم در بورس هند رابطه مثبت داشتند. وی و همکاران.. آنها نشان دادند که ، در هر دو بازار ، قیمت با حجم دنبال می شود و هیچ اثر سرریز در مرحله تثبیت تشخیص داده نشده است. فلمینگ و کربی (2011) از مدل های سری زمانی یکپارچه استفاده کردند و خاطرنشان کردند که یک حافظه طولانی در نوسانات و پویایی حجم وجود دارد. شی و همکاران.(2018) از یک مدل Tobit استفاده کرد و بین بازار آتی مس و آلومینیوم چینی رابطه مثبتی پیدا کرد. آنها نتیجه گرفتند که حجم معاملات مورد انتظار توانایی ضعیفی در تفسیر نوسانات قیمت نسبت به حجم معاملات غیر منتظره دارد ، که تأثیر توضیحی قوی تری دارد. مشابه نویسندگان دیگر ، آنها یک اثر نامتقارن را مشاهده کردند که حساسیت قوی تری نسبت به ظاهر مثبت نسبت به اطلاعات منفی در بازار نشان داد.

توجه نسبتاً کمی به بررسی رابطه حجم و قیمت در بازار cryptocurrency توجه شد. به عنوان مثال ، Sahoo و همکاران.(2019) ، بر اساس علیت گرنجر که توسط تودا و یاماموتو (1995) و علیت گرنجر غیرخطی ارائه شده توسط Diks و Panchenko (2005) ارائه شده است ، هنگام تجزیه و تحلیل روابط بین حجم و قیمت و حجم و تنوع قیمت ، نتایج متفاوتی دریافت کردند. استفاده از علیت گرنجر خطی علیت قابل توجهی بین بازده بیت کوین و حجم نشان داد. از این رو ، نویسندگان دریافتند که می توان از قیمت برای پیش بینی حجم استفاده کرد. اتخاذ علیت خطی Tod a-Yamamoto دلالت بر این دارد که حجم باعث نوسانات می شود. هر دو رابطه یک طرفه هستند. با این حال ، استفاده از آزمون علیت گرنجر غیرخطی حاکی از علیت دو طرفه بین بازده و حجم بیت کوین است و نشان داد که هیچ علیت خطی بین حجم و نوسانات وجود ندارد. تفاوت های به دست آمده حاکی از برتری مدل های غیرخطی هنگام مدل سازی وابستگی قیمت و حجم است. وانگ و همکاران.. Balcilar و همکاران..

هدف از تجزیه و تحلیل ما بررسی پویایی بلند مدت و کوتاه مدت بین قدرت یک روند اندازه گیری شده توسط شاخص حرکت متوسط جهت (ADX) و حجم در دوره های صعودی و نزولی با استفاده از مدل تصحیح خطای بردار (VECM) است. وادچنین زمینه ای با توجه به بیت کوین توسط سیایان و همکاران به عنوان نمونه در نظر گرفته شد.(2018) ، که از روش تاخیر توزیع شده خودجوش (ARDL) در زمینه رابطه قیمت بیت کوی ن-آلت کوین استفاده کرد. همین تکنیک توسط Sovbetov (2018) و Sriyana (2019) که به دنبال تعیین کننده هایی بودند که ممکن است بر قیمت بیت کوین تأثیر بگذارد ، استفاده شد. وی ادعا کرد ، از جمله ، که قیمت رمزنگاری به بتا ، حجم معاملات و نوسانات بازار در هر دو دیدگاه کوتاه مدت و بلند مدت بستگی دارد. علاوه بر این ، برای بیت کوین ، سرعت همگرایی به یک تعادل طولانی مدت 23. 68 ٪ است. سیایان و همکاران.(2016) و Czapliński و Nazmutdinova (2019) وکتور خودگردان (VAR) ، VECM و ARDL را برای مدل سازی قیمت بیت کوین اعمال کردند. آنها دریافتند که شاخص داو جونز ، نرخ ارز و قیمت نفت فقط در کوتاه مدت بر قیمت بیت کوین تأثیر می گذارد. با این حال ، رفتار سوداگرانه سرمایه گذاران از نظر کوتاه و طولانی بر قیمت بیت کوین تأثیر می گذارد. Kristoufek (2020) با استفاده از VECM بین قیمت بیت کوین و هزینه های معدن ، تعادل طولانی مدت را تشخیص داد.

این تحقیق محدود به بیت کوین است که نماینده برجسته بازار رمزنگاری است. شایان ذکر است که بیت کوین - قدیمی ترین و هنوز هم فعال رمزنگاری و سایر ارزهای رمزنگاری شده - هنوز به عنوان پول به دست نیامده است. بنابراین ، این ارزها دارایی های مالی محسوب می شوند. هم پزشکان و هم نظریه پردازان بازارهای مالی در طبقه بندی واضح ارزهای رمزنگاری شده و نشان می دهند که مکانیسم های جهانی بر رفتار ارزهای رمزنگاری شده در فضای مالی تأثیر می گذارند و توضیح می دهند. برای کسب اطلاعات بیشتر در مورد بیت کوین و سایر ارزهای رمزنگاری شده ، لطفاً به لیو و همکاران مراجعه کنید.(2015) ، Szetela و همکاران.(2016 ، 2020) ، Urquhart (2017) ، Corbet و همکاران.(2018).

مطالعه ما از دو طریق به ادبیات فعلی کمک می کند: با تنظیم یک تحلیل وابستگی متقابل با استفاده از VECM در زمینه تحلیل فنی ، که یافتن آن در ادبیات دشوار است و با بررسی جداگانه بازار رمزنگاری صعودی و نزولی ، که تضمین دقیق تر استنتایج. نتایج به دست آمده ممکن است برای تعیین میزان فعال بودن عوامل فعال در بازار بیت کوین از بازیکنان بلند مدت استفاده شود و سرمایه گذاران بیت کوین را فقط به عنوان یک دارایی سوداگرانه مشاهده می کنند و به اخبار منفی بیش از حد واکنش نشان می دهند. ترکیبی از ADX و حجم توانایی سیگنال سرمایه گذاری را برای کوتاه یا طولانی تقویت می کند ، که ممکن است در هنگام تنظیم استراتژی های سرمایه گذاری خود برای سرمایه گذاران مطلوب باشد. هدف از این تحقیق ارائه طرح های سرمایه گذاری بر اساس ADX نیست. بنابراین ، برای جزئیات بیشتر در مورد استفاده از ADX برای اهداف سرمایه گذاری ، لطفاً به Wilder Jr. (1978) مراجعه کنید.

قسمت باقیمانده این مقاله به شرح زیر است. بخش دوم به ملاحظات نظری تکنیک ها و روش مورد استفاده اختصاص یافته است. شرح داده های مورد استفاده و نتایج تحقیقات تجربی در بخش سوم گنجانده شده است. همه ملاحظات در بخش آخر خلاصه شده است.

روش شناسی

تمرکز تحقیقات ما بر روابط دو طرفه بین قدرت بیت کوین به عنوان یک روند و حجم آن در دوره های صعودی و نزولی است. اول ، ما از قیمت های روزانه بیت کوین برای ساخت ADX استفاده کردیم که به تفصیل در بخش شرح داده شده است. 2. 1 ، که نشانگر قدرت روند است. کمک دو خط حمایتی - مثبت و منفی - اطلاعاتی را در مورد جهت یک روند ارائه می دهد. در مرحله بعدی ، VECM ، که در فرقه شرح داده شده است. 2. 2 ، برای ایجاد و آزمایش روابط طولانی مدت و کوتاه مدت بین قدرت و حجم روند محاسبه شده استفاده شد.

شاخص حرکت جهت متوسط

به عنوان پایه ای از تحقیقات ما ، ADX که توسط Wilder Jr. (1978) ساخته شده است ، استفاده می شود. این شاخص مزایایی دارد که برای ارزهای رمزنگاری شده مطلوب است. ADX برای پشتیبانی فنی از تجارت کالاها طراحی شده است اما می تواند برای دارایی های مالی نیز استفاده شود. ADX برای مدیریت نوسانات بازار بر اساس دامنه قیمت طراحی شده است و همراه با دو خط حمایتی - خطوط حرکتی مثبت و منفی - می تواند برای تشخیص و اندازه گیری قدرت و جهت یک روند استفاده شود. کاربرد اصلی آن تصمیم گیری در مورد اینکه آیا موقعیت طولانی یا کوتاه در بازارهای روند داشته باشد یا خیر. در این تحقیق ، استراتژی های تجاری احتمالی ناشی از سیگنال های تولید شده توسط ADX مورد بحث قرار نمی گیرد بلکه برای تشخیص تفاوت های احتمالی در بزرگی روند در بازارها مورد استفاده قرار می گیرد.

ADX ابزاری پیچیده است که بر اساس شاخص های دیگر ، مانند حرکت جهت دار (DM) ، میانگین نرخ واقعی ، شاخص جهت دار (DI) و حرکت جهت واقعی (TDM) ساخته شده است. وایلدر جونیور (1978) در کتاب خود مراحل مفصلی را که برای محاسبه ADX باید انجام شود ، شرح داد. اول ، به علاوه و منهای DM و دامنه واقعی (TR) محاسبه می شود ، که پایه و اساس سایر شاخص های ADX به طور مستقیم ، مانند به علاوه و منهای DI است. توضیحات مفصلی از روش محاسبه ADX به شرح زیر ارائه شده است.

TR به عنوان بزرگترین تفاوت بین بالا و امروز امروز ، ارزش مطلق امروز و نزدیک به امروز ، یا ارزش مطلق کم و نزدیک امروز و دیروز ، درک شده است. به طور رسمی ، یک TR در Eq شرح داده شده است.(1):

$$_ = حداکثر \ سمت چپ \ _-_ \\ \ \ سمت چپ | _-_ \ راست | \\ \ Left | _-_ \ \ RIGHT | \ END \ RIGHT. $ $

مقایسه تفاوت بین دو پایین متوالی با تفاوت بین اوج مربوطه آنها نشانگر DM است. DM Plus (+ DM) وضعیتی است که در آن منهای جریان جریان قبلی بالاتر از منهای کم قبلی است (به معادله 2 مراجعه کنید). نقاط رابطه مخالف در منهای DM ( - DM). بنابراین ، DM برابر است با منهای جریان بالا ، و - DM برابر است با منهای کم قبلی جریان کم جریان دارد (نگاه کنید به معادله 3). با فرض ، DM مثبت است. بنابراین ، هنگامی که یک شاخص یک عدد منفی است ، آنگاه روی صفر تنظیم می شود. به طور رسمی:

هنگامی که هر دو - DM و + DM برابر با صفر برابر هستند ، یک روز در داخل ذکر می شود ، که در شرایطی است که هیچ DM مشاهده نمی شود.

برای گرفتن یک گرایش واقعی در تغییر روند ، معرفی یک پارامتر هموار سازی ضروری است. در این کار ، فرضیات اصلی وایلدر دنبال می شود و شاخص های بیش از 14 روز به طور متوسط است. در نماد ، 14 در یک شاخص پایین برای نشان دادن تعداد روزهایی که بر روی آن صافی انجام می شود استفاده می شود.

The initial value of a smoothed TR ( \(__>\) ) is a simple sum of a TR over a number of days (see Eq. 4). The same rule applies to the initial DM ( \(__>\)) مقادیر (نگاه کنید به معادله 6).

$$_<14(_)>= \ sum_^_$$

مقادیر یک TR صاف برای دوره های بعدی به عنوان مجموع سیزده برابر مقدار TR قبلی و مقدار یک TR از یک دوره فعلی که توسط چهارده تقسیم می شود محاسبه می شود (نگاه کنید به معادله 5).

$$_<14(_)>=_<14(_)>-\ frac_<14\left(_\right)>>+__>$$

این تکنیک هموار سازی برای سایر شاخص های هموار مورد استفاده در مقاله که مانند Eqs محاسبه می شود ، کاربرد دارد.(7-10):