اتصال پویا ارزهای اصلی دیجیتال: یک رویکرد متغیر زمان

افزایش مداوم سرمایه در بازار ارزهای دیجیتال ، آنها را به عنوان یک نیروی اساسی در جهت توسعه مالی جهانی تعیین کرده است. تحقیقات در مورد اتصال ارز دیجیتال پیامدهایی برای قیمت گذاری محصولات مالی مرتبط و تدوین استراتژی های محافظت از ریسک دارد. این مطالعه با هدف تجزیه و تحلیل رابطه در حال تغییر بین چهار ارز برجسته دیجیتال با گذشت زمان انجام شده است. دوره تحقیق ما شامل دوره های عادی ، شیوع و مرحله پس از اپیدمی است. یک روش تصفیه شده TVP-VAR برای انجام این مطالعه اتخاذ شد ، که تجزیه و تحلیل متغیر زمان را تضمین می کند و از خطاهای ناشی از اندازه پنجره نورد و محاسبه ضرر مشاهده جلوگیری می کند. مشخص شده است که ارتباط کل ارزهای دیجیتالی اصلی در اکثر اوقات در روند صعودی قرار دارد که با این حال ، در سال 2020 با گسترش اپیدمی در سطح بین المللی ، به طرز چشمگیری کاهش یافت. همچنین مشخص شده است که ETH یک فرستنده سرریز مداوم است و اگرچه BTC اغلب به عنوان فرستنده نشان داده می شود ، اما در ابتدا سرریز آن به میزان قابل توجهی کاهش می یابد و تا همین اواخر ضعیف می ماند. BNB و XRP به طور معمول گیرنده های سرریز هستند و سرریز BNB بسیار متفاوت است.

1. معرفی

با پیشرفت سریع فناوری blockchain ، پذیرش ارزهای دیجیتال همچنان در حال رشد است و ارزهای دیجیتالی به تدریج با ماهیت غیر متمرکز خود و تحریک مثبت شاخص های اقتصادی و اجتماعی به یک عنصر اصلی توجه عمومی تبدیل می شوند [1]. افزایش مداوم در سرمایه گذاری در بازار ارزهای دیجیتال ، این یک نیروی اساسی را برای توسعه امور مالی جهانی تعیین کرده است. کل سرمایه گذاری در بازار ارزهای دیجیتال به 1. 98 تریلیون رسیده است که در میان آنها سرمایه گذاری در بازار بیت کوین (BTC) و اتریوم (ETH) به ترتیب به 21 میلیارد و 11 میلیارد رسیده است ، به ترتیب ، از سرمایه گذاری بازار برخی از ارزهای حاکمیت ملی فراتر رفته است (داده ها بودند (داده ها)جمع آوری شده از Coingecko در 16 آوریل 2022). ارزهای دیجیتال ، که توسط ارزهای رمزنگاری شده است ، احتمالاً در آینده به یک دارایی مالی اصلی تبدیل می شوند [2].

تجارت ارزهای دیجیتال در فرکانس در حال افزایش است و تعداد فزاینده ای از معامله گران و تحلیلگران را به خود جلب می کند [3]. بسیاری از فن آوری ها و روش های نوظهور مانند AI و Econometrics برای انجام تجزیه و تحلیل سری زمانی در ارزهای دیجیتال استفاده می شود. در میان این روش ها ، چارچوب بردار Autoregression Parameter متغیر زمان (TVP-VAR) به عنوان روشی انعطاف پذیر و قابل اعتماد برای مقابله با ویژگی های ساختارهای اقتصادی اساسی که می توانند با گذشت زمان تغییر کنند ، کار می کند [4]. به طور خاص ، دقیقاً می تواند ویژگی های پاسخ تکانه هر متغیر را در فواصل مختلف در کوتاه مدت در پاسخ به شوک های مختلف ضبط کند [5].

در حالی که استفاده از ارزهای دیجیتالی به یک روند محبوب تبدیل شده است ، به ویژه برای نوسانات آن ، ذاتاً بحث برانگیز است ، که این یک عامل اصلی برای انتخاب ارزهای دیجیتال است [6 ، 7]. نوسانات ارزهای دیجیتال تحت تأثیر رویدادهای خارجی و سایر ارزهای دیجیتال قرار دارد و شیوع Covid-19 نیز این ارتباط را تغییر داده است. تحقیقات در مورد اتصال ارز دیجیتال پیامدهایی برای قیمت گذاری محصولات مالی مرتبط و برنامه ریزی استراتژی های محافظت از ریسک دارد. موارد فوق نیز تمرکز تحقیقات ما در این مقاله است.

هدف از این مقاله بررسی ارتباط بین ارزهای اصلی دیجیتال است. به طور دقیق تر ، این مطالعه به چهار ارز اصلی دیجیتالی که در مارس 2022 در رتبه بندی سرمایه آنها در رتبه بندی شده اند ، تمرکز دارد (یعنی ، BTC ، ETH ، BNB و XRP ؛ USDT و USDC ، که نرخ ارز ثابت نسبت به دلار آمریکا دارند. مستثنی)این ارزها از خصوصیات متفاوتی برخوردار هستند ، که BTC اولین و در حال حاضر بزرگترین رمزنگاری از نظر سرمایه در بازار است ، ETH به دلیل وجود قراردادهای هوشمند انعطاف پذیرتر است ، BNB بر اساس بزرگترین مبادله رمزنگاری ، Binance و XRP توسعه می یابدارز اصلی شبکه موج دار بودن. این چهار ارز دیجیتال اساساً نمایانگر ارزهای دیجیتالی اصلی هستند و بنابراین اشیاء این مطالعه هستند. با استفاده از روش اصلاح شده TVP-VAR ، یک مدل متغیر زمان برای چهار ارز تهیه شده است ، و سپس از روش Diebold و Yilmaz [8] برای اندازه گیری اتصال پویا آنها استفاده شد. این رویکرد ترکیبی به ما امکان می دهد تا ضمن جلوگیری از تنظیم خودسرانه اندازه نورد پنجره ، روابط متغیر زمان را بین این چهار ارز دیجیتال اندازه گیری کنیم.

در مرحله اول ، ما می دانیم که کل ارتباط برای بیشتر اوقات به جز سال 2020 هنگام وقوع بیماری همه گیر در حال حرکت است اما به طور قابل توجهی تحت تأثیر وقایع قرار دارد و از ابتدای اپیدمی تاکنون بسیار بی ثبات است. ما می دانیم که ETH و BTC به طور کلی تأثیر مثبت بر روی سایر ارزهای دیجیتال دارند که ETH دارای بالاترین اثر سرریز و BTC است که اخیراً پس از کاهش قابل توجه اثر سرریز بالاتری دارند. BNB و XRP اساساً تحت تأثیر سایر ارزها قرار گرفته اند ، در حالی که اثر سرریز BNB اخیراً به صفر نزدیک است. از طریق تجزیه و تحلیل زوجی ، همچنین ثابت می شود که ETH بیشترین تأثیر را در سایر ارزها دارد و BNB نیز تحت تأثیر وقایع مرتبط با خود قرار دارد.

طرح این مطالعه به شرح زیر است. بخش 2 توضیحات داده ها و روش های این مطالعه را گزارش می کند. نتایج تجزیه و تحلیل داده ها در بخش 3 شرح داده شده است و بخش 4 در مورد یافته ها و نتیجه گیری این مطالعه صحبت می کند.

1. 1بررسی ادبیات

علاوه بر بررسی ماهیت (به عنوان مثال ، پروتکل و معماری [9]) و عملکرد (به عنوان مثال ، تعویض ارز [10]) ارزهای دیجیتال ، تأکید بر تحقیقات مربوط به قیمت در ارزهای دیجیتال است. مطالعات کافی برای شناسایی الگوهای و ویژگی های قیمت گذاری ارز دیجیتال انجام شده است. به عنوان مثال ، Sirignano و Cont [11] از روش یادگیری عمیق برای یافتن ویژگی های جهانی قیمت گذاری ارز دیجیتال استفاده کردند. Alessandretti و همکاران.[12] و Fang و Chen [13] از تکنیک های یادگیری ماشین استفاده کردند تا قیمت های رمزنگاری را پیش بینی کنند و تشکیل قیمت را تعیین کنند. ویژگی های سری زمانی ارز دیجیتال نیز مورد بررسی قرار گرفته است. به عنوان مثال ، Kyriazis [14] کارآیی و فرصت های تجاری سودآور ارزهای دیجیتال را مورد تجزیه و تحلیل قرار داد و لیوییریس و همکاران.[15] یک مدل یادگیری عمیق برای پیش بینی ویژگی های سری زمانی ارزهای دیجیتال ایجاد کرد. ریسک مربوط به قیمت نیز توجه محققان را به خود جلب کرده است. به عنوان مثال ، لیو و تسیوینسکی [16 ، 17] به طور سیستماتیک اجزای خطر ارزهای رمزپایه و مزایای مربوطه را مورد تجزیه و تحلیل قرار دادند.

Autoregression وکتور پارامتر متغیر زمان (TVP-VAR) به طور گسترده ای برای مطالعه اتصال پویا بین ارزها یا سایر ابزارهای مالی استفاده شده است. به عنوان مثال ، وان و او [18] از این روش برای مطالعه رابطه پویا در بین ارزهای کشورهای G7 استفاده کردند و دریافتند که دلار آمریکا یک فرستنده خالص است. Primiceri [19] این روش را برای مطالعه سیاست های پولی اتخاذ کرد. Balcilar و همکاران.[20] از آن برای مطالعه همبستگی بین آینده نفت خام و بازارهای کالا استفاده کرد. برخی از محققان همچنین از این رویکرد برای تجزیه و تحلیل ارتباط بین ارزهای دیجیتال و سایر ابزارهای مالی ، به عنوان مثال ، داهیر و همکاران استفاده کرده اند.[21] از آن برای مطالعه تعامل بین بیت کوین و بازار سهام استفاده کرد. برای اتصال ارزهای دیجیتال ، Balli و همکاران.[22] ، حسن و همکاران.[23] ، و جی و همکاران.[24] روشهای مختلفی را برای تجزیه و تحلیل اتصال بین ارزهای متعدد در دوره های خاص اتخاذ کرد. با این حال ، لازم به ذکر است که این مطالعات از محدودیت های روش شناختی رنج می برند (به عنوان مثال ، مطالعه زمان متفاوت به اندازه کافی دقیق نیست ، و جلوگیری از خطاهای ناشی از تنظیم دستی پارامترها دشوار است) ، و این که آنها بیشتر روی آن متمرکز شده انددوره های قبل از COVID-19.

1. 2تازگی

در مورد جدید بودن مقاله ما ، اول از همه ، مطالعه ما یک دوره طولانی را در بر می گیرد ، که به طور قابل توجهی قابلیت تعمیم و صدا بودن یافته ها را بهبود می بخشد. به طور خاص ، وضعیت ارزهای دیجیتال در محیط های تنگ پولی تحقیقات کمی دریافت کرده است. این امر به این دلیل است که در طول توسعه سریع ارزهای دیجیتال ، ارزهای ملی عمدتاً در وضعیت سست قرار داشتند. مطالعه ما شامل دوره عادی ، دوره شیوع همه گیر ، دوره نجات اقتصادی و دوره اخیر پس از امور است (یعنی تورم همچنان در حال افزایش است و کشورها شروع به سفت شدن سیاست های پولی خود می کنند). شدت سیاست های اقتصادی در سراسر جهان ، تغییرات چشمگیر در ارزش بازار و ویژگی های ارزهای مختلف دیجیتالی در سالهای اخیر اهمیت مطالعه ما را به همراه دارد. دوم ، یک روش تصفیه شده TVP-VAR در مطالعه ما اتخاذ شد ، که تجزیه و تحلیل متغیر زمان را تضمین می کند و از خطاهای ناشی از اندازه پنجره نورد و محاسبه ضرر مشاهده جلوگیری می کند. سوم ، داده های مورد تجزیه و تحلیل در این مطالعه از قیمت روزانه چهار ارز دیجیتال که محبوب ترین و بزرگترین بازار در بازار هستند ، حاصل می شود. این به اطمینان حاصل می شود که یافته ها و نتیجه گیری های ما دقیق و نماینده است.

2. داده ها و روش شناسی

2. 1داده ها

داده های قیمت Daily BTC ، ETH ، BNB و XRP (در USD) در دوره زمانی از 1 ژانویه 2018 ، تا 28 فوریه 2022 از Yahoo Finance به دست آمد. اختلاف ورود بین قیمت نزدیک روزانه و قیمت باز قیمت بازقیمت ارز دیجیتال مربوطه به عنوان تغییر قیمت روزانه در نظر گرفته می شود که به عنوان مشخص می شود

همانطور که در جدول 1 نشان داده شده است ، BTC ، ETH و BNB در حالت قدردانی قرار دارند و XRP در دوره انتخاب شده در حالت استهلاک قرار دارد. انحراف استاندارد آنها نشان می دهد که همه آنها بسیار بی ثبات هستند. کمبود BTC ، ETH و XRP منفی است و این نشان می دهد که احتمالاً آنها به میزان قابل توجهی کاهش می یابند.

میز 1 توضیحات داده های ما (این جدول ویژگی های اصلی داده های جمع آوری شده را شرح می دهد).

2. 2روش شناسی

ما اتصال پویا را با روش تصفیه شده بر اساس TVP-VAR اندازه گیری می کنیم ، که توسط Antonakakis و همکاران ارائه شده است.[25]این روش بر اساس مدل ارائه شده توسط Diebold و Yilmaz [8] به منظور ضبط تغییرات داده به روشی انعطاف پذیر و انعطاف پذیر تر افزایش یافته است. علاوه بر این ، نیازی به تنظیم اندازه پنجره نورد و محاسبه ضرر مشاهده نیست.

مدل TVP-VAR به شرح زیر است: