در مورد عوامل ارزش بیت کوین در معرض خطر

این مطالعه به بررسی عوامل ریسک دم بیت کوین می پردازد که بر اساس ارزش در معرض خطر اندازه گیری می شود. گسترش مدل ور خود رگرسیون مشروط پیشنهاد شده توسط انگل و منگانلی (2004), من بررسی 30 رانندگان بالقوه از بیت کوین 5% و 1% ور. برای 5% ور, متغیرهای کمیت, مانند حجم معاملات بیت کوین و نرخ سیاست های پولی, مثبت بود, اما این اثرات تضعیف شد زمانی که نمونه های جدید اضافه شد. 5% ور پاسخ مثبت به شاخص جستجو در اینترنت و منفی به نوسان بازده متغیرهای کالا و شاخص بازار سهام چین. برای 1% ور, متغیرهای مربوط به اقتصاد کلان نقش کلیدی بازی. شاخص احساسات مصرف کننده تاثیر مثبت شدیدی بر واریانس 1% دارد. من هم که 1% ور دارای روابط مثبت با شاخص عدم قطعیت سیاست اقتصادی ایالات متحده و نوسانات بازده در شاخص اوراق قرضه شرکتی.

مقدمه

اگرچه تقریبا یک دهه از معرفی بیت کوین توسط ناکاموتو (2008) می گذرد اما دامنه استفاده از بیت کوین به سرعت در حال گسترش است. نقش های متنوع بیت کوین در بازار مالی به سه طبقه اصلی طبقه بندی می شوند: یک وسیله مبادله, یک فروشگاه ارزش, و یک وسیله سرمایه گذاری. ولان (2013) استدلال می کند که بیت کوین شبیه به ارز است. به گفته ویلان (2013) بیت کوین یک ارز است زیرا یک وسیله مبادله پذیرفته شده در سطح جهانی است. کاتبرتسون (2015) بیان می کند که بیش از خرده فروشان 100,000 پذیرفتن بیت کوین به عنوان پرداخت برای کالاها و خدمات وجود دارد. زیر فقیه محمدی جلالی و حیدری (2020), ما می توانیم بیت کوین در رستوران ها استفاده, مراکز, و دیگر کسب و کارهای بزرگ و کوچک در کشورهایی مانند ایالات متحده, کانادا, هلند, و ژاپن. کو و همکاران. (2021) نشان می دهد که برنامه های فین تک می توانند به عنوان جایگزینی برای پرداخت ها و انتقال پول عمل کنند. با این حال, بیت کوین سهام بسیاری از خواص با طلا, یک نوع از کالا. هر دو بیت کوین و طلا بیشتر ارزش خود را می گیرند زیرا استخراج کمیاب و پرهزینه هستند. این ویژگی باعث می شود که به عنوان ذخیره ارزش عمل کنند و به عنوان یک کالا طبقه بندی می شوند. سلگین (2015) تاکید بر این واقعیت است که بیت کوین نه تنها مشروط بلکه کاملا کمیاب است که به عنوان یک فرم کالای مصنوعی پول تعریف می کند. همچنین می توان استدلال کرد که بیت کوین یکی دیگر از دارایی های سرمایه گذاری است زیرا سرمایه گذاران می توانند با تنظیم مقدار بیت کوین مانند سایر دارایی های سرمایه گذاری مانند سهام و اوراق قرضه ریسک نزولی ثروت خود را از بین ببرند. گلاسر و همکاران. (2014) برجسته کنید که بیت کوین در حال حاضر به عنوان یک دارایی سرمایه گذاری مالی به جای یک ارز عمل می کند و به عنوان وسیله ای برای سرمایه گذاری یا قرض گرفتن در بازار مالی عمل می کند. این را بریوره و همکاران تایید می کنند. (2015) که شواهدی را نشان می دهد که گنجاندن بیت کوین در یک سبد سرمایه گذاری مزایای متنوع سازی قابل توجهی را از نظر تجارت بازده ریسک فراهم می کند. این اثر متنوع سازی توسط قرنی و گلزار (2021) نیز اثبات شده است که بیت کوین می تواند ریسک مربوط به سرمایه گذاری در بازار ارز را به دلیل ادغام کم بین خود محافظت و به حداقل برساند. با توجه به گسترش گسترده و سریع بیت کوین طبیعی است که بازیگران اقتصادی نگران ریسک استفاده از بیت کوین و عوامل خطر هستند. با این حال تحقیقات در مورد مورد اخیر هنوز در مراحل ابتدایی است.

این مطالعه با هدف کشف عوامل ریسک دم بیت کوین است که با ارزش در معرض خطر اندازه گیری می شود. بررسی خطر دم بیت کوین به چند دلیل مهم است. اولین, در سراسر مجموعه ای از اثرات جهانی و بین المللی از بحران های اقتصادی و مالی, خانواده, شرکت, و مقامات نظارتی مشتاق در معرض خطر دم از متغیرهای اقتصادی بوده است. محققان برای نشان دادن این موضوع نشان می دهند که شوک های سنگین به مبانی اقتصادی به توضیح رفتار یک دارایی خاص کمک می کند که در غیر این صورت دشوار است که با نظریه سنتی مالی کلان سازگار باشد. پس از کار بارو (2006), فرضیه فاجعه نادر نشان می دهد که مدل اقتصادی با چندین لحظه قیمت گذاری دارایی های کانونی هنگام گنجاندن ریسک دم در مدل مطابقت دارد. این امر منجر به پدیده ای می شود که تقاضای سرمایه گذاران برای دارایی که به عنوان حق بیمه ریسک دارایی توصیف می شود توسط رفتار دم متغیرهای اقتصادی و مالی دیکته می شود. بولرسلو و همکاران. (2015), اندرسن و همکاران. (2015), کلی و جیانگ (2014) و بسیاری دیگر استدلال می کنند که اقدامات ریسک دم دارای قدرت توضیحی برای حق بیمه ریسک در سری زمانی بازده دارایی است. پاورقی 1 که در جیووانتی (2013), ریسک دم فرمان می دهد حق بیمه خطر در تعادل حاصل از مشکل بین زمانی استاندارد مصرف–سرمایه گذاری هنگامی که یک نماینده به جای سودمندی مورد انتظار مقدار توزیع سودمندی را به حداکثر می رساند. زا و همکاران. (2020) ادبیات مربوط به کاربرد مدل های پویایی نظر را مرور کنید, در جایی که تعامل بین گروهی از عوامل می تواند منجر به حباب های سوداگرانه و سقوط در بازارهای مالی شود. بنابراین ریسک دم یکی از علایق اصلی فعالان بازار است—یعنی ریسک گریزی دم هستند. از این رو, اهمیت حیاتی باید به بررسی خطر شدید بیت کوین متصل, که نکته کلیدی است برای پیدا کردن رانندگان ور بیت کوین. پاورقی 2

علاوه بر این, در مقایسه با سایر دارایی های سنتی, تجزیه و تحلیل ریسک دم باید یک موضوع عمده برای بیت کوین می شود, به خصوص به دلیل بیت کوین نشان می دهد قدر بزرگتر و فرکانس نوسانات قیمت. به عبارت دیگر, نمایشگاه بیت کوین برخی از ویژگی های دارایی های بازار نابالغ, مانند حرکات ناگهانی و شدید قیمت, نوسانات بالا, و حباب حدس و گمان. از این رو, در مدیریت ریسک بیت کوین, مطالعه ریسک دم و عوامل ور شناسایی خود را از اهمیت زیادی برای تخصیص دارایی هستند, انتخاب نمونه کارها, و استراتژی های مصون سازی. رشته ای از ادبیات خاصیت دم سنگین بیت کوین را نشان می دهد. بگوš و همکاران. (2018) شواهدی را نشان می دهد که قیمت های شدید بیت کوین به طور قابل توجهی مکرر است و این بدان معنی است که بیت کوین دم سنگین تری نسبت به بازده سهام دارد. استریدر و همکاران. (2017) از تجزیه و تحلیل ارزش شدید بازده بیت کوین استفاده کنید و نشان دهید که بیت کوین بی ثبات تر و بسیار خطرناک تر از ارزهای فیات سنتی است. جودر و همکاران. (2019) قیمت بیت کوین را با تمرکز بر شناسایی و تجزیه و تحلیل رفتار حباب مطالعه کنید. وجود دوره های حباب مکرر در قیمت بیت کوین را تایید می کنند.

مانع اصلی برای بررسی حرکت دم یک معیار مناسب برای ریسک دم است—ور برای بازده بیت کوین در طول زمان. کلی و جیانگ (2014) ادبیات مربوط به تخمین خطر دم را سازماندهی می کنند. سه روش فعلی برای اندازه گیری پویایی ریسک دم برای بازده دارایی وجود دارد. رویکرد اول بر اساس داده های قیمت گزینه است. نمونه هایی از رویکرد مبتنی بر گزینه شامل باکشی و همکاران. (2003), که مطالعه چولگی ریسک خنثی و کورتوز بازده سهام; بولرسلف و همکاران. (2009) که نحوه ارتباط حق بیمه ریسک واریانس با حق بیمه حقوق صاحبان سهام را بررسی می کند; و بکوس و همکاران. (2011) و گا و سونگ (2015), که استنباط حق بیمه خطر فاجعه از گزینه های. رویکرد دوم به داده های بازگشت پنل متکی است. این رویکرد تلاش می کند تا تغییرات رایج در خطرات دم شرکت های فردی را جذب کند. کلی و جیانگ (2014) هر ماه از سقوط قیمت در سطح شرکت بهره برداری می کنند تا نوسانات رایج خطرات دم را در بین سهام منفرد شناسایی کنند.

رویکرد سوم اتخاذ شده در این مطالعه مبتنی بر داده های فرکانس بالا است که توسط انگل و مانگانلی (2004) مثال زده شده است. با استفاده از چندکهای رگرسیون پیشنهاد شده توسط کونکر و باست (1978), این روش به طور مستقیم محاسبه ور شرطی از یک سری زمانی از بازده, پاورقی 3 نام به عنوان ور خود رگرسیون شرطی (خاویار). بنابراین روش انگل و منگانلی (2004) برخلاف رویکرد دادههای گزینهای و پانلی نیازی به بازار مشتقات سریع ندارد و همچنین به سطح مقطع زیادی از بازده داراییها نیاز ندارد. پاورقی 4 استدلال های دیگری نیز وجود دارد که خواستار استفاده از مدل خاویار است. با توجه به شواهد قریب به اتفاق در برابر بازگشت بیتکوین به طور معمول توزیع, خاویار, یک روش نیمه پارامتری, هیچ فرض بر توزیع یک سری زمانی نیاز ندارد و به طور مستقیم محاسبه ور با الهام از تداوم کمی از بازده. انگل و منگانلی (2004) نشان می دهند که مدل خاویار در هنگام مقابله با داده های دم چربی از طریق شبیه سازی مونت کارلو به طور کلی از اکثر روش های دیگر وار بهتر عمل می کند. از همه مهمتر اینکه مدل خاویار اجازه می دهد تا متغیرهای توضیحی مستقیما وارد مشخصات سری ور شوند که به نوبه خود تعداد پارامترهای تخمین زده شده و در نتیجه سوگیری تخمین را کاهش می دهد. با توجه به اینکه این مطالعه در تلاش برای پیدا کردن عوامل ور بیت کوین, مشخصه اصلی اقتصادسنجی از مدل خاویار اجازه می دهد رانندگان بالقوه برای ور به به پاورقی مشخصات گنجانیده شود 5 ترجیح داده خواهد شد. همچنین مشخصات خاویار مجهز به چندین امار تست برای اعتبار ور است: کفایت داوطلبان از لحاظ سازگاری پارامترها و استحکام ور تخمین زده شده با استفاده از رابطه دینامیکی بین بازده و ور. به این دلایل, من از استفاده از یک رویکرد دو مرحله ای است که متشکل از تخمین ور و پیدا کردن رانندگان خودداری. بجای, مدل خاویار اجازه می دهد تا من به مطالعه ارتباط بین ور بیت کوین و عوامل بالقوه متعددی به نمایندگی از فعالیت های مختلف اقتصادی و مالی با استفاده از یک روش تک مرحله.

از این رو, من برای اولین بار تخمین سری زمانی یک شرطی 5% ور و ارزیابی عملکرد عوامل زیر انگل و منگانلی (2004), و سپس بررسی یک مورد شدید تر, 1% ور. به گفته فنگ و همکاران. (2018) و پاناگیوتیدیس و همکاران. (2019) که نشان می دهد شکست ساختاری بالقوه, دو دوره نمونه در نظر گرفته. من ابتدا مدل ها را در نمونه ای که دوره 1 اوت 2010 تا 3 ژانویه 2017 را پوشش می دهد تخمین می زنم و سپس نمونه به روز می شود تا دوره 1 اوت 2010 تا 31 دسامبر 2019 را شامل شود. به عنوان رانندگان بالقوه, من استخدام یک مجموعه داده غنی از 30 متغیرهای اقتصادی, طبقه بندی به متغیرهای بیت کوین خاص, که به کالا مربوط, اقتصاد کلان, ارز, بازار سهام, عدم قطعیت, احساسات, و شدت جستجو در اینترنت (جدول 1). به بهترین دانش من, این لیست از متغیرهایی که می تواند ور بیتکوین را تحت تاثیر قرار جامع است, بر اساس ادبیات قبلی.

یافته های اصلی این مطالعه را می توان به شرح زیر خلاصه: برای 5% ور, متغیرهای کمیت تعیین نقدینگی سرمایه گذاران نگه یافت می شود رانندگان مهم ور بیت کوین در دوره اول. هرچه حجم معاملات بیت کوین و نرخ سیاست پولی بیشتر در نوسان باشد خطر دم بیت کوین بیشتر است. پاورقی 6 اما این اثرات در دوره دوم کاهش می یابد. این مشاهدات با این واقعیت سازگار است که بیت کوین پس از 2017 بالغ تر شده است. به عبارت دیگر, به عنوان بازار بیت کوین می شود عمق و بلوغ بیشتر, جای کمی برای متغیرهای سمت عرضه را تحت تاثیر قرار ور بیت کوین وجود دارد. در هر دو دوره تغییرات بازده در متغیرهای کالا و شاخص کامپوزیت شانگهای اثرات منفی بر ور بیت کوین دارند. رابطه منفی بین تغییر بازده در شاخص قیمت کالا و ور بیت کوین نشان می دهد که بیت کوین می تواند یک پناهگاه امن برای کالاها در مفهوم دم. ارتباط منفی بین تغییر در بازده در شاخص کامپوزیت شانگهای و ور بیت کوین ممکن است به جریان سرمایه از بازار مالی چین به بازار بیت کوین نسبت داده. به خوبی شناخته شده است که سرمایه گذاران در بازار سهام چین به دنبال یک مقصد امن تر برای سرمایه گذاری زمانی که ارزش بازار سهام چینی و ارز نگران کننده است. شدت جستجو در اینترنت نیز معلوم می شود در توضیح ور بیت کوین مفید.

برای 1% ور, متغیرهای مربوط به اقتصاد کلان نقش کلیدی در توضیح ور بیتکوین بازی. بزرگترین ضریب به شاخص احساسات مصرف کننده متصل است. انتظارات و نگرش بازیگران اقتصادی نسبت به شرایط اقتصاد کلان اثرات مهمی بر ور بیت کوین دارد. تغییر در بازده در شاخص اوراق قرضه شرکتی تاثیر مثبتی بر ور بیت کوین. نوسانات بزرگ در نرخ بهره منعکس چرخه اقتصاد کلان تجاوز در ور بیتکوین. رابطه مثبت بین شاخص عدم قطعیت سیاست اقتصادی ایالات متحده و ور بیت کوین نیز شناسایی شد. تنوع بالا در عدم قطعیت سیاست اقتصادی باعث افزایش ور بیت کوین می شود. علاوه بر این, قابل توجه است که متغیرهای مربوط به بازار ایالات متحده به طور قابل توجهی به ور بیت کوین مرتبط. در حالی که پاسخ ور بیت کوین به اروپا, ژاپنی, چینی, و شاخص های بازار سهام بین المللی و شاخص های عدم قطعیت سیاست های اقتصادی خاموش هستند, ضرایب قابل توجهی در شاخص بازار سهام ایالات متحده, شاخص اوراق قرضه شرکت, و شاخص عدم قطعیت سیاست های اقتصادی مشاهده می شود.

باقیمانده این مقاله به شرح زیر تنظیم شده است: در بخش" مطالعات مرتبط " مروری بر ادبیات دارم. در بخش "ارزش خود رگرسیون مشروط در معرض خطر" یک مدل اقتصادسنجی برای تخمین خاویار بازده بیت کوین با رانندگان معرفی می کنم. دادههای به کار گرفته شده برای فاکتورها در بخش "دادهها" و نتایج تجربی در بخش "نتایج تجربی" شرح داده شدهاند. بخش "نتیجه گیری" نتیجه گیری این مقاله.

مطالعات مرتبط

تا به امروز اکثر مطالعات موجود بر بازده و نوسانات بیت کوین متمرکز شده اند. با این حال, ادبیات در خطر دم بیت کوین بسیار اندک است. برای عوامل تعیین کننده بازده بیت کوین, پاناگیوتیدیس و همکاران. (2018) اهمیت 21 درایور بالقوه بازده بیت کوین را با استفاده از رگرسیون لاسو بررسی کنید. به عنوان کمند اجازه می دهد تا یک زیر مجموعه از متغیرهای به انتخاب شود, می توان عملکرد در میان رانندگان بالقوه مقایسه. محققان دریافتند که شدت جستجو و بازده طلا و عدم قطعیت سیاست مهمترین عوامل تعیین کننده هستند. این نتایج توسط دمیر و همکاران تایید شده است. (2018), که قدرت پیش بینی شاخص عدم قطعیت سیاست اقتصادی در بازده روزانه بیت کوین تجزیه و تحلیل. محققان نتیجه گرفتند که بیت کوین می تواند به عنوان یک ابزار محافظت در برابر عدم قطعیت بر اساس شواهدی مبنی بر اینکه بازده بیت کوین با شاخص عدم قطعیت سیاست اقتصادی ارتباط منفی دارد. در حالی که لی و وانگ (2017) نشان می دهد که اقدامات فعالیت های مالی و اقتصاد کلان رانندگان از بازده بیت کوین هستند, بیک و البک (2015) برجسته که بازده بیت کوین توسط عوامل اقتصادی اساسی اما با انگیزه های سوداگرانه رانده نمی. اهرون و همکاران. (2021) نشان می دهد که عوامل خطر منحنی عملکرد, به این معنا که, سطح, شیب, و اجزای انحنا, مستقل از بازده بیت کوین هستند, نشان می دهد که شوک از چرخه اقتصاد کلان هیچ تاثیری بر بازار بیت کوین. پولاسیک و همکاران. (2015) نشان می دهد که بازده بیت کوین توسط احساسات بیان شده در روزنامه ها و تعداد کل معاملات هدایت می شود. مشابه پولاسیک و همکاران. (2015), کریستوفک (2015) نشان می دهد که حجم معاملات بیت کوین و علاقه سرمایه گذاران, پروکسی توسط جستجوهای گوگل, تاثیر بر بازده بیت کوین. مای و همکاران. (2018) تعاملات پویا بین رسانه های اجتماعی و بازده بیت کوین را بررسی کنید. این نشان می دهد که پست های انجمن با افزایش ارزش بیت کوین همراه است.

در همین حال, ادبیات ارقام مربوط به دارایی های متعارف به عنوان رانندگان بالقوه بازده بیت کوین در نظر. این اجازه می دهد تا مطالعه ارتباط در سراسر دارایی ها و بینش بیشتر به طبقه بندی و هویت بیت کوین فراهم می کند. جی و همکاران. (2019) استدلال می کند که بیت کوین جایگزینی برای طلا است و نشان می دهد که افزایش قیمت طلا تقاضا برای ارزهای دیجیتال را کاهش می دهد و بنابراین ارتباط سرریز بازگشت برای بازار ارزهای دیجیتال را تضعیف می کند. با این حال, الخزعلی و همکاران. (2018) این ادعا را رد کنید که بیت کوین و طلا مشابه هستند. این نشان می دهد که بازگشت و نوسانات طلا به اخبار اقتصاد کلان واکنش نشان می دهند در حالی که بیت کوین بیشتر به شیوه ای مشابه واکنش نشان نمی دهد. مقاله جالب توسط کوتموس (2018) به بررسی ارتباط تجربی بین بازده بیت کوین و فعالیت معامله, پروکسی توسط تعداد کل نشانی بیت کوین منحصر به فرد. یک نشانی منحصر به فرد به یک شناسه اشاره دارد که به عنوان یک مقصد ممکن برای پرداخت بیت کوین عمل می کند. مدل های ور دو متغیره به کار رفته در این مطالعه ارتباط قوی بین بازده بیت کوین و فعالیت های معامله را توضیح می دهد. این منجر به این ادعا می شود که بیت کوین به عنوان جایگزینی برای یک وسیله مبادله معامله می شود. بوری و همکاران. (2017ب) بررسی کنید که بیت کوین می تواند به عنوان یک ابزار مالی جایگزین برای شاخص های عمده سهام جهان عمل کند, اوراق قرضه, نفت, طلا, و دلار. نتایج تجربی نشان می دهد که بیت کوین دارای جذابیت سرمایه گذاری در این است که بازده خود را به طور معکوس با کسانی که در سهام چین و اقیانوسیه است. با به کارگیری ور جایگزین و عامل افزوده مدل ور, پاناگیوتیدیس و همکاران. (2019) پویایی بازده بیت کوین را با استفاده از بازده بازار سهام تخمین بزنید, نرخ ارز, و بازده طلا و نفت. نتایج نشان می دهد تعامل قابل توجهی بین بیت کوین و بازارهای سهام سنتی. به ویژه نشان می دهد که تاثیر بازار بر بیت کوین افزایش یافته است. با استفاده از سری بازگشت روزانه از شاخص های سهام, به نمایندگی از شش بورس سهام وجوه معامله (صندوقها), و پنج ارز رمزنگاری اصلی, از جمله بیت کوین, کریستجان پولر و همکاران. (2020) چند عملی بودن نامتقارن را در رابطه متقابل بین بیت کوین و صندوق های سرمایه گذاری سهام پیدا کنید. باور و همکاران. (2018 الف) به تجزیه و تحلیل همبستگی کلی تکیه کنید تا ثابت کنید که بازده بیت کوین با سایر بازده دارایی های معمولی همبستگی ندارد و این بدان معنی است که هیچ شباهتی بین بیت کوین و طلا و همچنین دلار وجود ندارد. باور و همکاران.

(2018ب) زوم دامنه دارایی و نتیجه گیری کرد که بیت کوین متفاوت از تمام دارایی های سنتی است, مانند ارز, انصاف, اوراق قرضه, انرژی, و فلزات گرانبها.

رشته دیگری از ادبیات نوسانات بیت کوین را مطالعه می کند. تیواری و همکاران. (2019) از هفت مشخصات هتروسکداستیسیته شرطی خود رگرسیون تعمیم یافته و مدل های نوسانات تصادفی برای ارزیابی مدل مناسب برای پویایی سری بازده بیت کوین استفاده کنید. محققان دریافتند که مدلهای نوسان تصادفی به طور مداوم از مدلهای گارچ بهتر عمل می کنند و همزمان تفاوت قابل توجهی در مشخصات مدل بین بیت کوین و شاخص بازار سهام نشان می دهند. اورکوهارت (2017) می یابد که مدل های خود رگرسیون ناهمگن (هار) در مدل سازی نوسانات بیت کوین نسبت به مدل های گارچ سنتی برتر هستند. او همچنین در می یابد که گنجاندن جهش و اجزای پیوسته از مدل های کندهار می افزاید: اطلاعات به مدل. کاتسیامپا (2017) عملکرد چندین مدل رقابتی از نوع گارچ را برای توضیح نوسانات بیت کوین بررسی می کند و یک مدل ارجح را به عنوان مشخصات ترجیحی انتخاب می کند. او معتقد است که نوسانات بیت کوین متشکل از بلند - و اجزای کوتاه مدت, اما این بیشتر توسط کنراد و همکاران به تفصیل شرح. (2018) با مدل گارچ-میداس. این شواهد نشان می دهد که حق بیمه ریسک نوسانات اس اند پی 500 و شاخص خشک بالتیک اثرات مثبت قابل توجهی بر نوسانات طولانی مدت بیت کوین دارند و نتیجه می گیرند که فعالیت اقتصادی با نوسانات بیت کوین ارتباط تنگاتنگی دارد. بلاو (2017) نیز نتایج تقریبا مشابهی را نشان می دهد. با تکیه بر تجزیه و تحلیل رگرسیون خطی تک متغیره و چند متغیره, بلاو (2017) این ادعا را رد می کند که تجارت سوداگرانه, بی ربط به تصمیمات اقتصادی منطقی, منجر به نوسانات بیت کوین. بالسیلار و همکاران. (2017) تجزیه و تحلیل رابطه علی بین حجم معاملات و بازده بیت کوین و نوسانات بیش از کل توزیع مشروط خود را. نتایج نشان می دهد که حجم می تواند بازده بیت کوین بیش از کمی اعم از پیش بینی 0.25 به 0.75, در حالی که هیچ پیش بینی برای نوسانات بیت کوین در هر نقطه از توزیع شرطی وجود دارد. بیستروم و کریگیر (2018) حجم جستجوی گوگل را با شاخص های ریسک بازار در نوسانات بیت کوین مقایسه می کنند. ارتباط مثبت قوی تری بین نوسانات بیت کوین و حجم جستجو پیدا می کنند.

شبیه به تجزیه و تحلیل در بازده بیت کوین, بررسی نوسانات می تواند کمک به محققان مالی روشن رابطه بین بیت کوین و دارایی های سنتی. دیهربرگ (2016) نشان می دهد که نتایج تخمین گارچ شباهت های بین بیت کوین و طلا و همچنین دلار را ثابت می کند. او نتیجه می گیرد که بیت کوین جایی بین یک کالا و یک ارز است. این توسط بوری و همکاران پشتیبانی می شود. (2017), که بررسی رابطه بازگشت نوسانات بیت کوین و پیدا کردن یک شباهت بین بیت کوین و طلا. بر اساس یک چارچوب گارچ نامتقارن, نتایج خود را نشان می دهد که بیت کوین دارای یک اموال پناهگاه امن شبیه به طلا. در مقابل, چند مقاله رد بیانیه ای که خواص وجود دارد که سهام بیت کوین با طلا. کلاین و همکاران. (2018) تمرکز بر رفتار نوسانات برای پیدا کردن تمایز بین بیت کوین و طلا. این پژوهشگران ویژگیهای واریانس شرطی بیت کوین و طلا را با هم مقایسه کرده و تفاوتهایی را در ساختارهایشان یافتهاند. گلاسر و همکاران. (2014) برجسته کنید که بیت کوین به عنوان یک دارایی سرمایه گذاری مالی به جای یک ارز عمل می کند و به عنوان وسیله ای برای سرمایه گذاری یا قرض گرفتن در بازار مالی عمل می کند. رویکردهای تخمین قوس و گارچ را اعمال می کنند و مستند می کنند که حجم شبکه بیت کوین نیست بلکه حجم معاملات بیت کوین است که ارتباط تنگاتنگی با توجه کاربر جدید دارد. نتایج متفاوتی توسط انیس (2013) گزارش شده است. با استفاده از تجزیه و تحلیل گارچ, او گزارش می دهد که بازده بیت کوین مستقل از بازارهای سهام و اوراق قرضه هستند, در حالی که به عنوان یک پرچین برای یورو عمل می کند, حمایت از این ایده که بیت کوین یک دارایی پولی جایگزین است. استاوریانیس و بابالوس (2017) به انواع رویکردهای اقتصادسنجی مانند مدل گارچ نامتقارن و فول بک کی تکیه میکنند و ویژگیهای دینامیکی بیت کوین و شاخص اس اند پی 500 و طلا را بررسی میکنند. نتیجه گیری می شود که بیت کوین هیچ یک از ویژگی های شاخص بازار سهام یا طلا را ندارد.

در واقع مطالعات اخیر بر روی خطر دم بیت کوین متمرکز شده است که شامل دو رشته اصلی ادبیات است. رشته اول به وابستگی ریسک دم در میان ارزهای رمزپایه می پردازد. بوری (2019) از کوار برای تخمین خطر مشروط دم برای ارزهای رمزپایه استفاده کنید. او متوجه می شود که ارزهای رمزنگاری شده از جمله بیت کوین در بازارهای ارزهای رمزنگاری شده در معرض خطر دم قرار دارند در حالی که با توجه به دارایی های دیگر مانند بازار سهام ایالات متحده یا طلا در معرض خطر دم نیستند. هوین (2019) خطرات سرایت را در میان ارزهای رمزپایه بررسی می کند. کوپولا تی دانشجو نشان می دهد که ارزهای رمزنگاری شده دارای توزیع مشترک در مقدار شدید هستند که باعث روند نزولی همزمان می شود. خو و همکاران. (2020) وابستگی متقابل ریسک دم را در بین 23 ارز رمزنگاری شده با استفاده از چارچوب شبکه محور رویداد دم تجزیه و تحلیل کنید. این یافته ها نشان می دهد که یک اثر سرریز قابل توجه در بازارهای ارزهای دیجیتال وجود دارد.

رشته دوم بر رابطه بین بیت کوین و دارایی های سنتی به معنای دم متمرکز است. فنگ و همکاران. (2018) پانوشت 7 , بوری و همکاران. (2020) و حسین شهزاد و همکاران. (2019) پاورقی 8 حرکت دم بیت کوین را با شاخص بازار سهام مقایسه کنید. فنگ و همکاران. (2018) ادعا می کنند که بیت کوین یک دارایی تنوع خوب برای سهام است زیرا دم چپ خود را با دم سمت چپ از نامربوط است&پ 500, یورو استوکس 50, نیکی 225, و شاخص سی سی 300. مشابه فنگ و همکاران. (2018), بوری و همکاران. (2020) گزارش دهید که بیت کوین یک پناهگاه امن برای شاخص های سهام ایالات متحده است. برعکس, حسین شهزاد و همکاران. (2019) نشان می دهد که بیت کوین یک ملک امن برای سرمایه گذاری در بازار سهام در طول دوره های شدید بازار نشان نمی دهد. چند مطالعه رانندگان متمایز ریسک دم بیت کوین را بررسی کرده اند. با استفاده از اندازه گیری خطر سقوط پیشنهاد شده توسط چن و همکاران. (2001), کالیواس و همکاران. (2020) نشان می دهد که عدم اطمینان اقتصادی با خطر سقوط قیمت بیت کوین ارتباط منفی دارد. با استفاده از همان اندازه گیری از خطر تصادف, کشتن از سر ترحم و همکاران. (2021) نشان می دهد که شاخص احساسات تاثیر مثبتی بر ریسک سقوط قیمت بازار دارد. با این حال, ادبیات ذکر شده در بالا یک تصویر ناقص از خطر دم بیت کوین زیرا تنها بررسی مستقیم متقابل همبستگی سری های زمانی و موفق به اتخاذ یک اندازه گیری دقیق تر از خطر دم, پاورقی 9 که لیست جامع از عوامل نامزد برای ور بیت کوین بررسی نمی. بنابراین من به دنبال مشارکت در این زمینه هستم.

ارزش خود رگرسیون مشروط در معرض خطر

در این بخش روش تخمین سری ور شرطی با استفاده از مشخصات خاویار با استفاده از بازده روزانه شاخص قیمت بیت کوین و متغیرهای توضیحی به دنبال انگل و منگانلی (2004) معرفی شده است. ایده کلیدی خاویار به رسمیت شناختن کمیت مداوم بازگشت است. خاویار با مدلسازی کمی بازده روزانه به طور مستقیم با مشخصات حاصل می شود. مشخصات کلی خاویار به شرح زیر است:

جایی که مقدار توزیع بازده بر روی متغیر مربوطه با سطح اطمینان \(\تتا\) \(\در\) (0,1) در زمان تی, \(\تتا\) است 5% و 1% مرتبط با ور در این مطالعه, پاورقی 10 \(\واروک\) بردار پارامترهای ناشناخته است, و الف بردار توضیحی قابل مشاهده است متغیرها. \(پ = س + تحقیق + 1\) بعد \(\واروک\) است و ل تابعی از تعداد محدودی از مقادیر عقب مانده مشاهده شدگان است. اصطلاحات خود رگرسیون \(\بتا _ واروک)\) اطمینان حاصل می کنند که کمی با گذشت زمان "هموار" تغییر می کند. نقش \(ل (ز_)\) پیوند دادن \(وار_ (\واروک)\) به متغیرهای توضیحی متعلق به مجموعه اطلاعات است. این مطالعه دو مشخصات انگل و منگانلی (2004) را گسترش می دهد: مقدار مطلق متقارن و شیب نامتقارن.

من از علامت گذاری استفاده می کنم \((ر)^+ = حداکثر(ر, 0), (ر)^- = -دقیقه(ر, 0). \ ) به عنوان یک پروکسی برای مجموعه اطلاعات, بازگشت عقب مانده در بیت کوین, \(ر_\), زیر انگل و منگانلی استفاده می شود (2004). علاوه بر این, رانندگان بالقوه ور بیت کوین, \(ایکس_\), در کنار بازده عقب مانده به عنوان یکی دیگر از اجزای مجموعه اطلاعات شامل, است که از تشکیل 30 متغیرهای اقتصادی و مالی, همانطور که در بخش بعدی توضیح داد. پاورقی 11 مدل خاویار با درج مستقیم یک متغیر توضیحی در مشخصات این قابلیت را دارد که دینامیک پیچیده دم را از طریق ساختار پارامتری مجزا ثبت کند.

در مشخصات قدر مطلق متقارن, \(\بتا _1\) و \\(\بتا _2\) به ترتیب ثابت و ضرایب ور عقب مانده هستند. دو ضرایب, \(\بتا _3\) و \(\بتا _4\), گرفتن پاسخ به بازده گذشته و متغیر توضیحی. در مشخصات شیب نامتقارن برای هر بازگشت عقب مانده دو اصطلاح لازم است و راننده اجازه می دهد تا پاسخ به بازده مثبت و منفی و راننده متفاوت باشد. برای عوامل ور بیت کوین, پارامترهای مورد علاقه هستند \(\بتا _4\) در مشخصات ارزش مطلق متقارن و \(\بتا _5\) و \(\بتا _6\) در مشخصات شیب نامتقارن. در مشخصات قدر مطلق متقارن می توان رابطه بی قید و شرط بین راننده و ور بیت کوین را تخمین زد. در مشخصات شیب نامتقارن رابطه شرطی بین راننده و ور بیت کوین تخمین زده می شود زیرا \(\بتا _5\) ( \(\بتا _6\) ) رابطه وابسته به حالت را نشان می دهد زمانی که راننده در مسیر صعودی (رو به پایین) قرار دارد. هر دو مشخصات میانگین بازگشت به این معنا که ضریب ور عقب مانده است به محدود نمی 1.

where daily Bitcoin returns are defined as \(r_t\) = ln( \(P_t\) ) - ln( \(P_\) ), \(\Omega _\) is the information set at time t , and \(Quant_(e_ | \Omega _) = 0\) means that the \(\theta\) -quantile of the error term is zero. Then, the \(\theta\) th regression quantile is defined as any \(\hat>پارامترهای ناشناخته با استفاده از کمی های رگرسیون تخمین زده می شوند که توسط کونکر و باست (1978) معرفی شده است. پویایی بازگشت بیت کوین به شرح زیر است:

\ ) که حل می کند