مقایسه ارزهای دیجیتال و طلا - یک رویکرد سیستمی GARCH

این مقاله به بررسی شباهت ها و تفاوت های بین طلا و چهار ارز دیجیتال (بیت کوین، اتریوم، بیت کوین کش و لایت کوین) با توجه به چهار عامل تعیین کننده می پردازد. برای انجام این کار، ما یک سیستم-GARCH-in-mean را برای دوره ای که از 7/18/2014 شروع می شود تا 7/12/2021 تخمین می زنیم. ما متوجه شدیم که اولاً، حق بیمه نقدینگی تقریباً همیشه برای طلا و ارزهای دیجیتال ناچیز است. دوم، حق نوسانات در طلا و ارزهای دیجیتال وجود دارد. سوم، واکنش ارزهای رمزپایه به تغییرات نرخ ارز، حداقل در صورتی که کشورهای در حال توسعه را شامل شوند، نسبت به طلا بارزتر است. چهارم، طلا وضعیت پناهگاه امنی را نشان می دهد، در حالی که ارزهای دیجیتال اینطور نیستند. بنابراین با توجه به نتایج ما، آنها را نمی توان به عنوان یک ذخیره ارزش در نظر گرفت، بلکه باید به عنوان دارایی های سوداگرانه در نظر گرفته شود.

روی یک دست نوشته کار می کنید؟

از رایج ترین اشتباهات اجتناب کنید و دستنوشته خود را برای سردبیران مجلات آماده کنید.

1. معرفی

استفاده از ارزهای دیجیتال در سال های اخیر به سرعت در حال افزایش است. به دلیل استقلال آن از سیاست های پولی ملی و فناوری محدودکننده عرضه ارزهای دیجیتال، ممکن است استدلال شود که ارزهای دیجیتال مانند طلا دارایی های امنی هستند. طلا معمولاً به عنوان دارایی برای ذخیره ارزش در نظر گرفته می شود، یعنی در مواقع آشفتگی. ما آزمایش خواهیم کرد که آیا ویژگی های ارزهای دیجیتال واقعاً مشابه یا متفاوت از طلا هستند.

ادبیات بررسی خصوصیات نقش ارزهای رمزنگاری شده به سرعت در حال رشد است. این مقاله با برآورد یک مدل جدید سیستم-بازی در این زمینه در این زمینه برای چهار ارز رمزنگاری مختلف (بیت کوین ، اتریوم ، پول نقد بیت کوین و Litecoin) به ادبیات کمک می کند و باعث می شود که نوسانات بین آنها و مقایسه آن به صورت جداگانه با طلا باشد. استفاده از یک برآوردگر سیستم این مزیت را دارد که می توانیم به طور مستقیم مقایسه کنیم که آیا بین ارزهای رمزنگاری و طلا با توجه به عوامل مختلف تفاوت معنی داری وجود دارد. اینها عبارتند از: اول ، نرخ ارز مؤثر برای پوشاندن خواص ارز مانند ، دوم ، حق بیمه نقدینگی ، سوم ، اندازه گیری عدم اطمینان جهانی و چهارم ، حق بیمه نوسانات دارایی اساسی و همچنین سرریزهای نوسانات از سایر دارایی ها. این گفته ، این مقاله سه رشته ادبیات را با توجه به ارزهای رمزنگاری شده و طلا ادغام می کند: اول ، تأثیر عدم اطمینان جهانی برای ارزهای رمزنگاری شده و طلا را به طور همزمان اندازه گیری می کند. دوم ، دو تعیین کننده جدید در زمینه ارزهای رمزنگاری شده با نرخ ارز و نقدینگی چند جانبه معرفی می شوند. سوم ، تفاوت بین طلا و ارزهای رمزنگاری شده از نظر عوامل تعیین کننده به صورت تجربی مورد بررسی قرار می گیرد.

نتایج نشان می دهد که پاسخ منفی به نرخ ارز برای ارزهای رمزنگاری شده بیشتر از طلا است ، یعنی در صورت اضافه شدن کشورهای در حال توسعه. حق بیمه نقدینگی در طلا و همچنین در بازارهای رمزنگاری اهمیت کمتری دارد. Premia نوسانات برای همه دارایی ها وجود دارد. ارزهای رمزپایه و طلا با توجه به عدم اطمینان جهانی تفاوت چشمگیری دارند ، یعنی می توان طلا را به عنوان دارایی پناهگاه ایمن افزایش داد که ارزش آن را در مواقع استرس مالی افزایش می دهد ، برعکس با توجه به هر چهار ارز رمزنگاری صادق است. بنابراین می توان آن ها را به عنوان دارایی های سوداگرانه طبقه بندی کرد.

باقیمانده مقاله به شرح زیر سازماندهی شده است: فرقه. 2 بررسی ادبیات را ارائه می دهد. بخش 3 مدل تخمین را توسعه می دهد. بخش 4 داده های مورد استفاده را توصیف می کند. بخش 5 نتایج و فرقه را ارائه می دهد. 6 سرانجام نتیجه می گیرد.

2 بررسی ادبیات

نقش اقتصادی ارزهای رمزنگاری شده در سالهای اخیر در ابعاد مختلف به طور گسترده مورد بررسی قرار گرفته است. به ویژه سه مورد از این موارد به طور مستقیم با سؤال تحقیق در این مقاله مرتبط هستند: اول ، به هم پیوستگی ارزهای مختلف رمزنگاری. تجزیه و تحلیل در این زمینه عمدتاً بر سرریزهای نوسانات بین ارزهای مختلف رمزنگاری متمرکز است. پاورقی 1 کوربت و همکاران.(2018) ارتباط محکمی از بیت کوین ، ریپل و Litecoin را در قیمت ها و نوسانات پیدا کنید اما تقریباً هیچ ارتباطی با سایر دارایی های مالی ندارد. Katsiampa (2018) با استفاده از یک مدل BEKK مورب ، نوسانات اتصال بیت کوین و اتر را بررسی می کند. در واقع می توان درجه قابل توجهی از همبستگی آن دو ارز رمزنگاری را تأیید کرد. Katsiampa و همکاران.(2019) این تجزیه و تحلیل را با استفاده از یک مدل BEKK MGARCH گسترش داده و Litecoin را به عنوان یک رمزنگاری سوم اضافه می کند. آنها همچنین ارتباطات محکمی بین این سه ارز رمزنگاری پیدا می کنند. آندرادا-فلیکس و همکاران.(2020) نقش اتصال نوسانات ارزهای مختلف رمزنگاری و ارزهای سنتی را بررسی کنید. آنها دریافتند که اتصال بین ارزهای مختلف رمزنگاری زیاد است اما تقریباً به ارزهای سنتی بی ارتباط نیست.

رشته دوم ادبیات به بررسی رابطه ارزهای رمزنگاری شده با عدم اطمینان جهانی یا بحران می پردازد. Akyildirim و همکاران.(2020) برای ارزهای مختلف رمزنگاری همبستگی با VIX یا VSTOXX را تخمین بزنید. نشان داده شده است که یک همبستگی وجود دارد و در مواقع افزایش استرس مالی افزایش می یابد. کوربت و همکاران.(2020a) بر نقش ارزهای رمزنگاری شده در همه گیر Covid-19 تمرکز کنید. با استفاده از داده های رسانه های اجتماعی ، آنها نشان می دهند که بازده و همچنین حجم معامله شده در طول همه گیر افزایش می یابد و نتیجه می گیرند که اگر عدم اطمینان زیاد باشد ، ارزهای رمزنگاری شده از ارزش هستند. دمیر و همکاران.(2020) یک تمرین موجک را انجام دهید و به جای داده های رسانه های اجتماعی روی موارد COVID-19 یا مرگ و میر تمرکز کنید. به ویژه برای بیت کوین ، گسترش این بیماری همه گیر باعث کاهش بازده در اثر ضربه شد اما پس از آن آنها را افزایش داد.

سوم ، عملکرد ارزهای رمزنگاری شده با یکی از طلاها به عنوان دارایی کلاسیک ایمن ایمن مقایسه می شود تا دریابیم که آیا ارزهای رمزنگاری شده از همان خواص برخوردار هستند. Dyhrberg (2016) یکی از اولین کسانی است که این کار را برای بیت کوین انجام داده است. وی می یابد که بیت کوین را می توان بین ایالات متحده-دلار و طلا به عنوان افراط و تفریط متوسط مبادله و ذخیره ارزش طبقه بندی کرد. Baur and Dimpfl (2018) مطالعه را تکرار و میزان مطالعه می کند و نتیجه می گیرد که بیت کوین نوسانات بازگشت به طور مشخص با طلا و همچنین ایالات متحده آمریکا متفاوت است. کوربت و همکاران.(2020b) همبستگی بازار سهام چین با بیت کوین و طلا را بررسی کنید. حداقل در صورت استفاده از داده های با فرکانس بالا ، همبستگی هر دو با قیمت سهام در همه گیر Covid-19 افزایش می یابد و بنابراین احتمالاً بین بیت کوین و خود طلا نیز وجود دارد. ژانگ و وانگ (2021) اثرات استرس مالی در ایالات متحده و چین بر بیت کوین و طلا را با استفاده از یک چارچوب اتصال نوسانات در حوزه فرکانس زمان تخمین می زنند. آنها دریافتند که سرریزهای نوسانات در افق های کوتاه مدت نسبتاً زیاد هستند و در زمان های نامشخص به میزان قابل توجهی افزایش می یابند. سرانجام ، Katsiampa و همکاران.(2019) از یک مدل DCC-GJR-GARCH برای تخمین عدم اطمینان رمزنگاری در فلزات گرانبها استفاده کنید. آنها دریافتند که فقط طلا در این تنظیم وضعیت ایمن و قابل اطمینان و قابل اعتماد دارد.

این مقاله هر سه رشته ادبیات را ادغام می کند ، بنابراین ما از بین بردن نوسانات تجربی از چهار ارز رمزنگاری مختلف (بیت کوین ، اتریوم ، پول نقد بیت کوین و Litecoin) ، نقش عدم اطمینان جهانی و تفاوت های طلا به طور همزمان تخمین می زنیم. علاوه بر این ، ما دو متغیر دیگر اضافه می کنیم که تاکنون با توجه به ارزهای رمزنگاری شده به بهترین دانش ما مورد بررسی قرار نگرفته است: اول ، نقش نقدینگی و دوم ، تأثیر نرخ ارز چند جانبه. برای انجام این کار ، ما یک مدل سیستم به عنوان متوسط را تخمین می زنیم ، که علاوه بر این به ما امکان می دهد تفاوت های قابل توجهی بین ارزهای رمزنگاری و طلا پیدا کنیم. نزدیکترین این رویکرد احتمالاً لیو و سرلتیس (2019) هستند که یک مدل Varma Garch-in Mean را با توجه به نوسانات و قیمت سهام یا نرخ بهره تخمین می زنند. مجموعه متغیرهای ما متفاوت خواهد بود اما ما همچنین امکان سرریزهای نوسانات را در بین ارزهای مختلف رمزنگاری و طلا فراهم خواهیم کرد.

3 مدل

مدل مورد استفاده در این مقاله بر روی یک مدل نمونه کارها استاندارد استوار است که براساس آن تعیین کننده های خاص بر قیمت یک دارایی تأثیر می گذارد. این را می توان به صورت:

$$x08egin p_t = alpha cdot ex_t+x08eta cdot l_t+gamma cdot r_t+ delta cdot v_t end$$

در Eq(1) ، قیمت دارایی ( (P_T )) یا قیمت طلا یا رمزنگاری است. چهار تعیین کننده سطح قیمت را توضیح می دهند در حالی که ( alpha ، beta ، gamma ) و ( delta ) تأثیر کمی از قیمت دارایی ها را تعیین می کنند: اول ، دارایی ها به عوامل اساسی پاسخ می دهند. از آنجا که ارزهای رمزنگاری شده و همچنین طلا باید دارای خواص ارز باشند ، باید با نوعی نرخ ارز ( (ex_t )) متفاوت باشند ، یعنی اگر ارز اساسی در حال کاهش است و برعکس ، قیمت ها باید افزایش یابد.

دوم ، قیمت دارایی توسط نقدینگی آن هدایت می شود ( (L_T )) ، به این معنی که سرمایه گذاران نیاز به حق بیمه نقدینگی بالاتری دارند و دارایی غیرقانونی تر است. بنابراین ، قیمت ها باید برای دارایی های غیرقانونی بیشتر با هم برابر باشند.

سوم ، دارایی ها تحت تأثیر عدم اطمینان جهانی ( (R_T )) قرار دارند. از یک طرف ، اگر در صورت افزایش عدم قطعیت های جهانی ، سرمایه گذاران می توانند حق بیمه اضافی را درخواست کنند. از طرف دیگر ، همچنین تخفیف برای دارایی هایی که به عنوان پناهگاه های ایمن در دوره های بحران مشاهده می شوند ، امکان پذیر است زیرا این مورد برای طلا وجود دارد.

چهارم ، یک حق بیمه نوسانات توسط سرمایه گذاران خواسته می شود ، به این معنی که دارایی هایی با نوسانات بالاتر ( (V_T )) باید با قیمت های بالاتر به دست بیایند تا همه چیز برابر باشد تا سرمایه گذاران را برای عدم اطمینان بالاتر در بازده های آینده جبران کند. PREMIA نوسانات در داده های با فرکانس بالا معمولاً با اضافه کردن یک Garch-in Mean Term Bollerslev (1986) به معادله مدل سازی می شود (به عنوان مثال ، Katsiampa و همکاران 2019). بنابراین به عنوان یک مشخصات اقتصاد سنجی حق بیمه نوسانات در Eq.(1) می توان با اصطلاح متوسط جایگزین کرد:

$$x08egin p_t = alpha cdot ex_t+x08eta cdot l_t+gamma cdot r_t+ delta cdot sigma _t^2+varepsilon _t end$$

در Eq(2) ( sigma _t^2 ) اصطلاح گارچ را نشان می دهد و ( varepsilon _t ) باقیمانده. مطابق با ادبیات مربوط به تخمین رمزنگاری ، ما از یک مدل استاندارد (1،1) استفاده می کنیم (به Dyhrberg 2016 ؛ Baur and Dimpfl 2018 ؛ Corbet et al. 2020a ، b ؛ Akyildirim et al. 2020 مراجعه کنید):

$$x08egin sigma _t^2 = zeta + eta cdot varepsilon _^2 + heta cdot sigma _^2 end$$

با این حال ، ما می خواهیم معادلات را تخمین بزنیم.(2) و (3) نه تنها فقط برای یک دارایی بلکه برای پنج دارایی مختلف طلا و همچنین چهار ارز رمزنگاری بیت کوین ، اتریوم ، بیت کوین پول نقد و Litecoin. به گفته این ، ما نه تنها نوسانات هر دارایی را به طور جداگانه به حساب می آوریم بلکه امکان همبستگی متقابل دارایی های مختلف را نیز فراهم می کنیم. این منجر به موارد زیر به سیستم می شود:

$$x08eginmathbf =& x08egin varepsilon _ \ varepsilon _ \ varepsilon _ \ varepsilon _ \ varepsilon _ end, mathbf = x08egin ex_t end, mathbf = x08egin r_t end, <mathbf >= شروع l_ &<>0 و<>0 و<>0 و<>0 \ 0 &<>l_ و<>0 و<>0 و<>0 \ 0 &<>0 و<>l_ و<>0 و<>0 \ 0 &<>0 و<>0 و<>l_ و<>0 \ 0 &<>0 و<>0 و<>0 و<>l_ \ پایان ، \<mathbf >=& <> شروع دلتا _ &<> Delta _ &<> Delta _ &<> Delta _ &<> Delta _ \ Delta _ &<> Delta _ &<> Delta _ &<> Delta _ &<> Delta _ \ Delta _ &<> Delta _ &<> Delta _ &<> Delta _ &<> Delta _ \ Delta _ &<> Delta _ &<> Delta _ &<> Delta _ &<> Delta _ \ Delta _ &<> Delta _ &<> Delta _ &<> Delta _ &<> delta _ \ end.end$$

لطفاً توجه داشته باشید که (ex_t ) و (r_t ) مقیاس های ساده ای هستند زیرا این متغیرها برای همه دارایی ها یکسان هستند.

واریانس ها و متغیرهای متغیر با استفاده از یک مورب-bekk-garch Engle و Kroner (1995) تخمین زده می شوند. بنابراین ، این شکل زیر را دارند:

$$x08egin <mathbf >_ <mathbf, mathbf>= & شروع sigma _^2 &<> sigma _ cdot sigma _ &<> sigma _ cdot sigma _ &<> sigma _ cdot sigma _ &<> sigma _ cdot sigma _ \ sigma _ cdot sigma _ &<> sigma _^2 &<> sigma _ cdot sigma _ &<> sigma _ cdot sigma _ &<> sigma _ cdot sigma _ \ sigma _ cdot sigma _ &<> sigma _ cdot sigma _ &<> sigma _^2 &<> sigma _ cdot sigma _ &<> sigma _ cdot sigma _ \ sigma _ cdot sigma _ &<> sigma _ cdot sigma _ &<> sigma _ cdot sigma _ &<> sigma _^2 &<> sigma _ cdot sigma _ \ sigma _ cdot sigma _ &<> sigma _ cdot sigma _ &<> sigma _ cdot sigma _ &<> sigma _ cdot sigma _ &<> sigma _^2 \ end ، \<mathbf >= & <> شروع zeta _ &<> Zeta _ &<> Zeta _ &<> Zeta _ &<> zeta _ \ 0 &<> Zeta _ &<> Zeta _ &<> Zeta _ &<> zeta _ \ 0 &<>0 و<> Zeta _ &<> Zeta _ &<> zeta _ \ 0 &<>0 و<>0 و<> Zeta _ &<> zeta _ \ 0 &<>0 و<>0 و<>0 و<> Zeta _ پایان ،<mathbf >= شروع eta _ &<>0 و<>0 و<>0 و<>0 \ 0 &<> eta _ &<>0 و<>0 و<>0 \ 0 &<>0 و<> eta _ &<>0 و<>0 \ 0 &<>0 و<>0 و<> eta _ &<>0 \ 0 &<>0 و<>0 و<>0 و<> eta _ پایان ، \<mathbf >= & <> شروع theta _ &<>0 و<>0 و<>0 و<>0 \ 0 &<> تتا _ و<>0 و<>0 و<>0 \ 0 &<>0 و<> تتا _ و<>0 و<>0 \ 0 &<>0 و<>0 و<> تتا _ و<>0 \ 0 &<>0 و<>0 و<>0 و<> heta _ \ end.end$$

4 داده

در این بخش داده های مورد استفاده را شرح می دهیم. در طول مقاله ، ما از داده های روزانه استفاده می کنیم ، به استثنای تعطیلات آخر هفته و تعطیلات. با توجه به مدل بخش قبلی ، ما در سیستم خود پنج متغیر وابسته داریم. این قیمت های طلا ، بیت کوین ، اتریوم ، Bitcoin Cash و Litecoin است. به منظور مقایسه قیمت ها ، همه آنها در ایالات متحده آمریکا بیان شده اند. حتی اگر ارزهای طلا و رمزنگاری به ارزهای مختلفی معامله شوند ، ما از دلار آمریکا به عنوان ارز پیشرو در جهان استفاده می کنیم تا به مجموعه ای از متغیرها قابل اعتماد اعتماد کنیم. به عنوان مثال ، تمام متغیرهای توضیحی دیگر نیز به صورت دلار آمریکا یا در صورت نرخ ارز در برابر دلار آمریکا مدل سازی می شوند.

چهار ارز رمزنگاری شده به دلیل اهمیت نسبی آنها در بازار رمزنگاری که با سرمایه گذاری در بازار آنها اندازه گیری می شود ، انتخاب می شوند. علاوه بر این ، ما دو محدودیت دیگر در مورد ارزهای رمزنگاری شده را در این تجزیه و تحلیل در نظر می گیریم. اول ، ارزهای رمزنگاری شده باید برای مدتی به طور فعال معامله شوند تا بتوانند نقاط داده کافی را تولید کنند تا بتوانند نتایج معنی دار را تخمین بزنند. این به عنوان مثال ، دلیل عدم حضور Dogecoin یا Solana است. دوم ، stablecoins مانند Tether از تجزیه و تحلیل خارج می شوند ، زیرا موارد با تعریف به برخی از ارزها یعنی ایالات متحده آمریکا ثابت می شوند. از ژوئیه 2021 (پایان دوره نمونه ما) سهم در سرمایه گذاری در بازار چهار ارز رمزنگاری ما در بازار کلی cyrptocurrency از جمله stablecoins عبارت است از: بیت کوین 43. 69 ٪ ، اتریوم 18. 10 ٪ ، Litecoin 1. 09 ٪ و بیت کوین 0. 89 ٪.

قیمت ها به همراه نشانگر نقدینگی برای آن پنج دارایی جمع آوری می شوند. همانطور که اغلب در ادبیات استفاده می شود ، نقدینگی با استفاده از پیشنهادات زیر بنای دارایی اندازه گیری می شود (به عنوان مثال ، برنوت و اردوغان 2012 ؛ افونسو و همکاران 2015 یا کلوز 2021). بنابراین ، یک سیگنال های پخش شده با پیشنهاد بالاتر ، نقدینگی دارایی را پایین می آورد ، که باید منجر به حق بیمه نقدینگی بالاتر شود که توسط سرمایه گذاران مورد نیاز است. در دسترس بودن گسترش های مختلف پیشنهاد ، تعیین دوره نمونه ما است. برای ارزهای رمزنگاری هیچ داده طولانی مدت مربوطه وجود ندارد. بنابراین ، اولین داده ها برای بیت کوین در تاریخ 7/18/2014 ، برای Bitcoin Cash در تاریخ 2/12/2018 برای Ethereum و Litecoin در تاریخ 11/01/2018 در دسترس است. پایان نمونه برای کلیه دارایی های 7/12/2021 است.

از آنجا که قیمت دارایی در ایالات متحده آمریکا نشان داده شده است ، این همچنین یک ارز است که نرخ ارز مبتنی بر آن است. با این حال ، استفاده از نرخ ارز دو جانبه ، به عنوان مثال ، نسبت به یورو منطقی نیست ، زیرا این ممکن است نشان دهنده تکامل کلی ایالات متحده آمریکا نباشد. بنابراین ، ما از نرخ ارز مؤثر استفاده می کنیم. این موارد به صورت اسمی مورد استفاده قرار می گیرند و همچنین قیمت دارایی اسمی است. بانک شهرک های بین المللی (BIS) دو نوع نرخ ارز مؤثر روزانه را جمع می کند. مورد اول نرخ ارز مؤثر و مؤثر نسبت به 24 اقتصاد دیگر است. پاورقی 2 مورد دوم نرخ ارز مؤثر است که شامل 24 اقتصاد از کل باریک و اضافه کردن 34 اقتصاد دیگر است. پاورقی 3 بنابراین در کل 58 اقتصاد تحت پوشش نرخ ارز مؤثر است. ما از هر دو نرخ ارز مؤثر استفاده خواهیم کرد زیرا ممکن است تفاوت هایی بین نمونه های کشور وجود داشته باشد ، یعنی ، زیرا نرخ ارز مؤثر مؤثر به خصوص کشورهای در حال توسعه و انتقال اضافه می کند که ممکن است هنگام استفاده از ارزهای رمزنگاری شده متفاوت از کشورهای توسعه یافته رفتار کنند.

برای پوشش عدم اطمینان جهانی ، از دو متغیر غالباً استفاده می شود: اولین مورد شاخص نوسانات (VIX) است که نوسانات ضمنی S& P 500 را پوشش می دهد. بنابراین ، نوسانات بالاتر درجه بالاتری از استرس جهانی را نشان می دهد. مورد دوم ، گسترش اوراق قرضه دولت BBB شرکت های ایالات متحده است. پاورقی 4 گسترش در حال افزایش در اینجا نشانگر افزایش عدم اطمینان جهانی است. ما از هر دو اقدامات استفاده خواهیم کرد اما از نظر کیفی تأثیر یکسانی در قیمت دارایی خود خواهیم داشت.

لطفاً توجه داشته باشید که هیچ داده ای برای نوسانات (متقاطع) جمع آوری نشده است ، زیرا این متغیرها از طریق گارچ در سیستم تخمین زده می شوند.

آمار توصیفی و همچنین تست های ثابت بودن متغیرها مطابق با پیشنهاد حسن و همکاران.(2022) در جدول 1 آورده شده است. از آزمون jarque-bera آشکار است که به نظر می رسد همه متغیرها از توزیع غیر عادی پیروی می کنند. علاوه بر این ، یعنی پنج قیمت دارایی و همچنین نرخ ارز مؤثر در سطح غیر ثابت است. بنابراین ، ما همان روشی را که اغلب در برآورد رمزنگاری استفاده می شود ، دنبال می کنیم و نرخ رشد روزانه را می سازیم ، بنابراین به عنوان مثال ، بازده دارایی با توجه به همه متغیرها. پاورقی 5 هنگام استفاده از این تحول ، تمام متغیرها ثابت به نظر می رسند.

5 نتیجه

در این بخش نتایج تخمین ما ارائه شده است. از آنجا که ما عمدتاً به تفاوت بین طلا و ارزهای مختلف رمزنگاری علاقه مند هستیم ، یک روش دو مرحله ای را دنبال می کنیم. در مرحله اول ، ما یک سیستم دو متغیره متشکل از قیمت دارایی های طلا و تنها یک رمزنگاری را تخمین می زنیم. این منجر به مقایسه جفت ارزهای مختلف رمزنگاری با طلا می شود. در مرحله دوم ، مدل را همانطور که در فرقه شرح داده شده است تخمین می زنیم. 3 ، بنابراین شامل طلا و چهار ارز رمزنگاری شده در یک سیستم. به منظور صرفه جویی در فضا در جداول ، ما ثابت معادلات کواریانس را نشان نمی دهیم زیرا آنها بیشتر ناچیز هستند و از نوسانات متقاطع فردی ارزهای رمزنگاری شده تا یک ضریب خلاصه می کنند. نتایج دقیق تر در هر دو بعد در صورت درخواست در دسترس است.

با استفاده از یک برآوردگر سیستم این مزیت را دارد که می توان تفاوتهای معنی داری در ضرایب تخمین زده شده از طریق آزمون های والد تشخیص داد. بنابراین ، ما برای یافتن تفاوت بین طلا و چهار ارز رمزنگاری شده از آن استفاده خواهیم کرد.

نتایج هنگام استفاده از VIX به عنوان یک شاخص عدم قطعیت جهانی در جدول 2 ارائه شده است ، در حالی که آزمون های مربوط به والد مربوط به ضرایب آماری متفاوت در جدول 3 نشان داده شده است. جداول دو مجموعه تخمین را نشان می دهد ، یکی با استفاده از نرخ ارز مؤثر و یکبا استفاده از کل باریک. ما می توانیم نتیجه گیری های مختلفی را از این نتایج بدست آوریم: اول ، به نظر می رسد حق بیمه نقدینگی برای طلا یا ارزهای رمزنگاری به سختی مرتبط نیست. تنها استثناء Litecoin است ، جایی که در واقع ضریب منفی قابل توجه مورد انتظار می تواند یافت ، در حالی که برای همه دارایی های دیگر نتایج ناچیز است. بنابراین ، جای تعجب نیست که تنها تفاوت های مهم بین طلا و رمزنگاری با توجه به حق بیمه نقدینگی را می توان در مقابل Litecoin یافت ، بنابراین برای Litecoin ، پاسخ به مسائل نقدینگی به طور قابل توجهی برجسته تر از آن استطلا

دوم ، پاسخ به نرخ ارز مؤثر برای تمام دارایی هایی است که به نظر می رسد منفی است و به نظر می رسد که عمدتاً قابل توجه است. با این حال ، ضرایب از یک طرف با توجه به دارایی های مختلف و از طرف دیگر بین نرخ ارز گسترده و باریک مؤثر متفاوت هستند. در حالی که ضرایب تقریباً با اندازه تقریباً (-0. 5 ) برای طلا در تمام مشخصات وجود دارد ، ضرایب پاسخ برای اتریوم ، پول نقد بیت کوین و Litecoin با سطح بیش از 1-بیشتر است. حتی از همه مهمتر ، تخمین های مربوط به این سه ارز رمزنگاری در هنگام استفاده از نرخ ارز مؤثر به جای کل باریک بیشتر است. این نتیجه ای به این نتیجه می رسد که فقط برای کل گسترده ، ما تفاوت های معنی داری بین طلا و سه ارز رمزنگاری را مشخص می کنیم ، یعنی این سه نفر نسبت به تغییرات در نرخ ارز نسبت به طلا واکنش نشان می دهند. نتیجه این که این سه ارز رمزنگاری پاسخ قوی تری به نرخ ارز مؤثر نشان می دهد ، معقول است زیرا تفاوت بین جمع گسترده و باریک شامل کشورهای در حال توسعه و انتقال با کل یک بانک مرکزی با اعتبار کمتری نسبت به کشورهای توسعه یافته است که شاخص باریک را تشکیل می دهند. از آنجا که بانک مرکزی داخلی اعتبار کمتری دارد ، احتمالاً ارزهای رمزنگاری خصوصی در کشورهای توسعه یافته جایگزین دیگری در آن کشورها هستند.

سوم ، بین هر چهار ارز رمزنگاری و طلا در مورد تأثیر عدم اطمینان جهانی تفاوت های معنی داری وجود دارد. در حالی که برای طلا ، پاسخ (در هر صورت) به طور قابل توجهی مثبت است که نقش طلا را به عنوان یک دارایی بدون آب ایمن تأکید می کند ، ضرایب به نظر می رسد که برای همه ارزهای رمزنگاری شده در تمام مشخصات به طور قابل توجهی منفی است. بنابراین ، ارزهای رمزنگاری را نمی توان در مواقع استرس مالی به عنوان یک هیزم ایمن تلقی کرد. بنابراین ، نتایج ما مطابق با آکیلدیریم و همکاران است.(2020) ، کوربت و همکاران.(2020) یا دمیر و همکاران.(2020). بنابراین جای تعجب ندارد که در مقایسه با طلا ، تفاوت در رابطه با عدم اطمینان جهانی برای هر چهار ارز رمزنگاری به طور قابل توجهی پایین است.

چهارم ، در مورد نوسانات ، سرمایه گذاران واقعاً تمایل به حق بیمه دارند. این برای هر دو طلا و ارزهای رمزنگاری شده است. کاملاً حیرت انگیز ، حق بیمه برای طلا نسبت به اتریوم ، پول نقد بیت کوین و Litecoin بیشتر است ، حتی اگر فقط در چند مورد از این مشخصات تفاوت معنی داری باشد. با این حال ، اگر طلا و ارزهای رمزپایه به طور هم زمان حرکت کنند ، این اثر تا حدودی توسط ضرایب پاسخ بالاتر جبران می شود ، حتی اگر فقط برای پول نقد بیت کوین این اختلافات قابل توجه باشد.

سرانجام ، اگر نوسانات در بین ارزهای رمزنگاری به طور هم زمان حرکت کند ، هیچ حق بیمه نقدینگی اضافی مورد نیاز وجود ندارد ، احتمالاً به این دلیل که خطرات مربوط به ارزهای مختلف رمزنگاری شده برابر است. با این نتایج ما از یافته های کوربت و همکاران پشتیبانی می کند.(2018) Katsiampa (2018) یا Andrada-Felix و همکاران.(2020)

هنگام استفاده از اوراق قرضه دولت BBB شرکت به جای VIX به عنوان شاخص برای عدم اطمینان جهانی ، نتایج به طور عمده تقویت می شوند (به جداول 4 و 5 مراجعه کنید) ، یعنی با توجه به حق بیمه نقدینگی ، نرخ ارز و حق بیمه نقدینگی. اگرچه اندازه ضریب با توجه به عدم قطعیت جهانی با تخمین قبلی متفاوت است ، اکنون می توان نتیجه گیری مشابه را در حال حاضر ترسیم کرد ، به این معنی که طلا وضعیت امنیتی ایمن را نشان می دهد در حالی که چهار ارز رمزنگاری نمی کنند.

6. نتیجه گیری

در این مقاله ، ما یک سیستم جدید-Garch-in-Mean برای طلا و چهار ارز رمزنگاری را تخمین زده ایم و تفاوت های معنی داری بین هر دو نوع را مشخص کرده ایم. به بهترین دانش ما ، ما اولین کسی هستیم که اندازه گیری نقدینگی و نرخ ارز را در تخمین قرار می دهیم ، حتی اگر دریافتیم که حق بیمه نقدینگی کمتر در همه دارایی ها نقش دارد. پاسخ منفی به تغییرات نرخ ارز برای ارزهای رمزنگاری شده بیشتر است ، یعنی اگر کشورهای در حال توسعه در نرخ ارز گنجانده شوند. Premia نوسانات تمایل دارد برای کلیه دارایی هایی که مطابق با یافته های Corbet و همکاران است ، وجود داشته باشد.(2018) ؛Katsiampa (2017 ، 2019) یا Andrada-Felix و همکاران.(2020). با این حال ، ما نمی توانیم سرریزهای نوسانات مطالعات درست ذکر شده بین ارزهای رمزنگاری شده را تأیید کنیم. این ممکن است نتیجه دوره نمونه مختلف یا مجموعه های مختلف ارزهای رمزنگاری شود. مهمتر از همه ، ارزهای رمزنگاری شده با طلا در هنگام عدم اطمینان جهانی متفاوت است. در حالی که طلا در مواقع افزایش استرس به عنوان یک مخزن ایمن دیده می شود ، برعکس با توجه به هر چهار ارز رمزنگاری صادق است ، بنابراین نتایج ما مطابق با Baur و Dimpfl (2018) است. لطفاً توجه داشته باشید که این نتایج ممکن است در آینده تغییر کند ، زیرا داده های جدید مانند سایر مطالعات سری زمانی در دسترس قرار می گیرند.

نتیجه گیری که می تواند از تحلیل ما نتیجه بگیرد این است که ارزهای رمزنگاری شده در بین یکدیگر متفاوت هستند اما در همه ابعاد نیستند. در حالی که ما نشان داده ایم که اختلافاتی در ارزهای رمزپایه وجود دارد ، حداقل با توجه به نقدینگی ، نوسانات و نرخ ارز ، آنها برای عدم اطمینان جهانی تفاوت ندارند. بنابراین ، همه آنها یک خاصیت اصلی ارز یا طلا را که فروشگاهی با ارزش است ، انجام نمی دهند. این گفته می شود ، ارزهای رمزپایه باید به عنوان دارایی سوداگرانه تلقی شوند. بنابراین می توان برای جلوگیری از بحران مالی ناشی از آنها ، نیاز به تنظیم آن دارایی ها داشت. اما ما همچنین دیدیم که مقررات باید در سطح جهانی هماهنگ شود زیرا ارزهای رمزنگاری به کشورهای خاص محدود نمی شوند. گفته می شود ، نه تنها کشورهای توسعه یافته باید یک رویکرد هماهنگ برای مقررات پیدا کنند بلکه کشورهای در حال توسعه نیز باید درج شوند.

یادداشت

البته نقش نوسانات در ارزهای رمزپایه نیز بدون تمرکز بر بهم پیوستن به ارزهای مختلف رمزنگاری مورد بررسی قرار گرفته است. به عنوان مثال ، Katsiampa (2017) ، Baur and Dimpfl (2018) ، Chaim and Laurini (2018 ، 2019) و Troster et al.(2019).

24 اقتصاد تحت پوشش نرخ ارز باریک به سمت آمریکا عبارتند از: استرالیا ، اتریش ، بلژیک ، کانادا ، تایپه چینی ، دانمارک ، فنلاند ، فرانسه ، آلمان ، یونان ، هنگ کنگ ، ایرلند ، ایتالیا ، ژاپن ، کره ، هلند ، هلند ،نیوزیلند ، نروژ ، پرتغال ، سنگاپور ، اسپانیا ، سوئد ، سوئیس و انگلستان.

34 اقتصاد اضافی که در نرخ ارز مؤثر تحت پوشش قرار می گیرد عبارتند از: الجزایر ، آرژانتین ، برزیل ، بلغارستان ، شیلی ، چین ، کلمبیا ، کرواسی ، قبرس ، جمهوری چک ، استونی ، مجارستان ، ایسلند ، هند ، اندونزی ، اسرائیل ، لتونی ، لیتوانیا ، لیتوانیا ، لیتوانیا ، لتونیلوکزامبورگ ، مالزی ، مالت ، مکزیک ، پرو ، فیلیپین ، لهستان ، رومانی ، روسیه ، عربستان سعودی ، جمهوری اسلواکی ، اسلوونی ، آفریقای جنوبی ، تایلند ، ترکیه و امارات متحده عربی.

مطالعات دیگر با استفاده از اوراق قرضه دولت BBB شرکت های ایالات متحده به عنوان معیار عدم اطمینان جهانی عبارتند از: Dötz و Fischer (2010) ، Beoth and اردوغان (2012) ، Klose و Weigert (2014) یا Klose (2021).

به عنوان مثال ، آردیا و همکاران را ببینید.(2019) ، لیو و سرلتیس (2019) ، آکیلدیریم و همکاران.(2020) ، کوربت و همکاران.(2020b) ، لیو و تسیوینسکی (2021) ، حسن و همکاران.(2021).

منابع

• Afonso ، A. ، Arghyrou ، M. ، & Kontonikas A. (2015): عوامل تعیین کننده عملکرد اوراق قرضه در EMU گسترش می یابد. مقاله کار ECB شماره 1781 ، فرانکفورت A. M.
• Akyildirim ، E. ، Corbet ، S. ، Lucey ، B. ، Sensoy ، A. ، & Yarovaya ، L. (2020). رابطه بین نوسانات ضمنی و بازده رمزنگاری. نامه های تحقیقاتی مالی ، 33 ، 101212. ArticleGoogle Scholar
• Andrada-Felix ، J. ، Feandez-Perez ، A. ، & Sosvilla-Rivero ، S. (2020). پسر عموی دوردست یا نزدیک: اتصال بین ارزهای رمزنگاری و فواصل ارز سنتی. مجله بازارهای بین المللی مالی ، موسسات و پول ، 67 ، 101219. ArticleGoogle Scholar
• Ardia ، D. ، Bluteau ، K. ، & Rüede ، M. (2019). تغییر رژیم در پویایی نوسانات بیت کوین گارچ. نامه های تحقیقاتی مالی ، 29 ، 266-271. Articlegoogle Scholar
• Baur ، D. ، & Dimpfl ، T. (2018). نوسانات نامتقارن در ارزهای رمزپایه. نامه های اقتصاد ، 173 ، 148-151. Articlegoogle Scholar
• Beoth ، K. ، & Erdogan ، B. (2012). بازده اوراق قرضه حاکمیت گسترش می یابد: یک رویکرد ضریب متغیر. مجله پول و دارایی بین المللی ، 31 (3) ، 639-656. Articlegoogle Scholar
• Bollerslev ، T. (1986). ناهمگونی مشروط به خودی تعمیم یافته. مجله اقتصاد سنج ، 31 ، 307-327. Articlegoogle Scholar
• Chaim ، P. ، & Laurini ، M. (2018). نوسانات و پرش های برگشتی در بیت کوین. نامه های اقتصاد ، 173 ، 158-163. Articlegoogle Scholar
• Chaim ، P. ، & Laurini ، M. (2019). وابستگی غیرخطی در بازارهای cryptocurrency. مجله اقتصاد و دارایی آمریکای شمالی ، 48 ، 32-47. Articlegoogle Scholar
• Corbet ، S. ، Hou ، Y. ، Hu ، Y. ، Larkin ، C. ، & Oxley ، L. (2020). هر بندری در طوفان: Cryptocurrency Safe-Havens در طول همه گیر Covid-19. نامه های اقتصاد ، 194 ، 28-34. Articlegoogle Scholar
• Corbet ، S. ، Larkin ، C. ، & Lucey ، B. (2020). اثرات مسری همه گیر Covid-19: شواهدی از طلا و ارزهای رمزنگاری شده. نامه های تحقیقاتی مالی ، 35 ، 101554. ArticleGoogle Scholar
• Corbet ، S. ، Meegan ، A. ، Larkin ، C. ، Lucey ، B. ، & Yarovaya ، L. (2018). بررسی روابط پویا بین ارزهای رمزنگاری و سایر دارایی های مالی. نامه های اقتصاد ، 165 ، 109377. ArticleGoogle Scholar
• Demir ، E. ، Bilgin ، M. ، Karabulut ، G. ، & Doker ، A. (2020). رابطه بین ارزهای رمزپایه و همه گیر Covid-19. بررسی اقتصادی اوراسیا ، 10 ، 349-360. Articlegoogle Scholar
• Dötz ، N. ، & Fischer ، C. (2010). چه چیزی می تواند کشورهای EMU "گسترش اوراق قرضه حاکمیت در مورد درک بازار از احتمالات پیش فرض در طول بحران مالی اخیر ، به ما بگوید؟مقاله بحث و گفتگو Deutsche Bundesbank سری 1: مطالعات اقتصادی 11-2010.
• Dyhrberg ، A. (2016). بیت کوین ، طلا و دلار: تجزیه و تحلیل نوسانات گارچ. نامه های تحقیقاتی مالی ، 16 ، 85-92. Articlegoogle Scholar
• Engle ، R. ، & Kroner ، K. (1995). قوس تعمیم یافته همزمان چند متغیره. نظریه اقتصاد سنجی ، 11 (1) ، 122-150. Articlegoogle Scholar
• حسن ، ب. ، حسن ، ک. ، عبدالکریم ، ز. و رشید ، م. (2022). کاوش در مورد ویژگی های پرچین و پناهگاه های امن رمزنگاری در عدم اطمینان سیاست. نامه های تحقیقاتی مالی ، 46 (قسمت A) ، 102272.
• Hassan ، K. ، Hasan ، B. ، & Rashid ، M. (2021). استفاده از فلزات گرانبها برای محافظت از سیاست cryptocurrency و عدم اطمینان قیمت. نامه های اقتصاد ، 206 ، 109977. ArticleGoogle Scholar
• Katsiampa ، P. (2017). برآورد نوسانات برای بیت کوین: مقایسه مدل های GARCH. نامه های اقتصاد ، 158 ، 3-6. Articlegoogle Scholar
• Katsiampa ، P. (2019). همبستگی نوسانات بین بیت کوین و اتر. نامه های تحقیقاتی مالی ، 30 ، 221-227. Articlegoogle Scholar
• Katsiampa ، P. ، Corbet ، S. ، & Lucey ، B. (2019). اثرات سرریز نوسانات در ارزهای رمزپایه پیشرو: تجزیه و تحلیل Bekk-Mgarch. نامه های تحقیقاتی مالی ، 29 ، 68-74. Articlegoogle Scholar
• Klose ، J. (2021). اندازه گیری خطرات کاهش مجدد در شواهد منطقه یورو از داده های نظرسنجی. مطالعات در اقتصاد و دارایی ، 38 (5) ، 964-986. Articlegoogle Scholar
• Klose ، J. ، & Weigert ، B. (2014). بازده حاکمیت در طول بحران یورو گسترش می یابد: عوامل اساسی در مقابل خطر کاهش مجدد. امور مالی بین المللی ، 17 (1) ، 25-50. Articlegoogle Scholar
• لیو ، جی. ، و سرلتیس ، ا. (2019). نوسانات در بازار cryptocurrency. بررسی اقتصاد باز ، 30 ، 779-811. Articlegoogle Scholar
• Liu ، J. ، & Tsyvinski ، A. (2021). خطرات و بازده cryptocurrency. بررسی مطالعات مالی ، 34 ، 2689-2727. Articlegoogle Scholar
• Troster ، V. ، Tiwari ، A. ، Shabaz ، M. ، & Macedo ، D. (2019). بازده و خطر بیت کوین: تجزیه و تحلیل عمومی و گاز. نامه های تحقیقاتی مالی ، 30 ، 187-193. Articlegoogle Scholar
• ژانگ ، H. ، و وانگ ، ص. (2021). آیا بیت کوین یا طلا نسبت به استرس مالی به طور یکسان واکنش نشان می دهد؟شواهدی از ایالات متحده و چین. بررسی بین المللی اقتصاد و دارایی. ، 71 ، 629-648. Articlegoogle Scholar

منابع مالی

بودجه دسترسی آزاد توسط Projekt Deal فعال و سازماندهی شده است. به نمایندگی از همه نویسندگان ، نویسنده مربوطه اظهار می دارد که هیچ بودجه ای برای گزارش وجود ندارد.

اطلاعات نویسنده

نویسندگان و وابستگی ها

1. Thm Dchool Business Gießen ، Technische Hochschule Mittelhessen ، Gießen ، آلمان Jens Klose

1. جنس کلوز