پارامترهای کلان مالی مؤثر بر قیمت بیت کوین: شواهدی از مدل های ARDL متقارن و نامتقارن

دانشکده مدیریت ، دانشگاه ریاست جمهوری ، ایتگالپور ، راجاناکونته ، یلاهانکا ، بنگالورو 560064 ، کارناتاکا ، هند. P. Srinivasan ، نویسنده مسئول ، [email protected] ؛Bipasha Maity ، bipasha@presidencyuniversity. in ؛K. Krishna Kumar ، nakumark@presidencyuniversity. in.

انتشار آنلاین: 19 آوریل 2022

دوره 14 ، شماره 1 ، 2022 ، ص. 143 175

© P. Srinivasan ، Bipasha Maity و K. Krishna Kumar ، 2022

جعبه ابزار

چکیده ها

خلاصه

بیت کوین ها به عنوان یک طبقه مدرن از دارایی های سرمایه گذاری در حال تحول هستند و برای سرمایه گذاران برای مدیریت ریسک سرمایه گذاری خود بسیار مهم است. در این مقاله به بررسی تأثیر شاخص های مالی کلان اقتصادی بر قیمت بیت کوین با استفاده از نسخه متقارن و نامتقارن مدل های تاخیر توزیع شده خودجوش (ARDL) با شکستگی ساختاری می پردازیم. ارتباط بلند مدت نامتقارن بین قیمت بیت کوین و شاخص های مالی کلان اقتصادی مشخص شده است. نتایج تجربی ما نشان می دهد که بیت کوین نمی تواند برای محافظت در برابر تورم ، نرخ صندوق های فدرال ، بازار سهام و بازارهای کالا استفاده شود. در ادامه می بینیم که بیت کوین را می توان به عنوان وسیله ای برای قیمت های نفت در نظر گرفت. یافته های ما پیامدهای قابل توجهی برای شرکت کنندگان در بازار دارد که دارایی های سرمایه گذاری متناوب را در اوراق بهادار خود در نظر می گیرند.

کلید واژه ها:

• بیت کوین ،
• دارایی پرچین ،
• پارامترهای کلان مالی ،
• مدلهای ARDL متقارن و نامتقارن

مقاله

1. معرفی

از آنجا که ارزهای رمزنگاری شده به عنوان یک طبقه مدرن از دارایی های سرمایه گذاری در حال تحول هستند ، تأثیر عوامل کلان مالی بر قیمت بیت کوین توجه قابل توجهی را در بین دانشگاهیان و پزشکان مشابه دارایی های سرمایه گذاری متعارف به خود جلب کرده است. سهام ، طلا ، سهام و غیره. قیمت بیت کوین توسط نیروهای عرضه و تقاضا تعیین می شود و تحت تأثیر توسعه کلان مالی قرار می گیرد (Kristoufek 2013 ؛ Bouoiyour and Selmi 2015 و Balcilar ، et al. 2017). در اقتصاد پولی ، تئوری کمیت پول براساس این ایده است که تقاضا و عرضه پول سطح قیمت را تعیین می کند. با استفاده از این چارچوب ، بوچولز و همکاران.(2012) تأکید کرد که نیروهای تقاضا و عرضه یکی از محرک های مهم قیمت بیت کوین است. علاوه بر این ، Nai-Fovino ، و همکاران.(2015) و سیایان و همکاران.(2018) بر همبستگی بین شاخص های کلان مالی و قیمت بیت کوین با استفاده از نظریه کینزی تقاضای سوداگرانه برای چارچوب پول تأکید کرد. این تئوری اظهار داشت که شرکت کنندگان در بازار برای دور زدن یک سرمایه از سرمایه گذاری در دارایی های مالی مانند اوراق قرضه و سهام ، ارز را در اختیار دارند. افزایش نرخ بهره باعث کاهش قیمت دارایی های مالی می شود و از این طریق منجر به ضرر سرمایه (بازده منفی) از دارایی های مالی می شود (کینز ، 1936). از این رو ، بازرگانان ممکن است مایل به نگه داشتن ارز مجازی به عنوان یک پناهگاه امن برای جلوگیری از چنین خسارات دارایی های مالی باشند. در مقابل ، کریستوفک (2013) فرض کرد که ارزش گذاری قیمت بیت کوین توسط نیروهای بازار و شاخص های کلان مالی نمی تواند به دلیل این واقعیت که بازارهای بیت کوین برخلاف ارزهای فیات معمولی تنظیم نمی شوند ، تعیین شود. به همین ترتیب ، Bouoiyour و Selmi (2015) شواهدی را مبنی بر اینکه بیت کوین از اصول کلان اقتصادی جدا شده و به عنوان یک دارایی سوداگرانه عمل می کند ، ایجاد کردند.

چندین ادبیات تجربی سعی در کشف مکانیسم های موجود در قیمت گذاری cryptocurrency دارند. با این وجود هیچ اجماعی در مورد عوامل مؤثر بر ارزش واقعی ارزهای رمزپایه وجود ندارد که می تواند تصمیم گیری سرمایه گذاری را هدایت کند. تحقیقات قبلی در مورد شاخص های مالی بیت کوین-ماکرو-مالی تأکید می کند که بیت کوین باید به عنوان یک تنوع ، پرچین یا پناهگاه ایمن (Popper 2015 ؛ Dyhrberg 2016 و Bouri et al. 2017) رفتار شود و نه یک دارایی سوداگرانه (Glaser et al. 2014؛ Ciaian et al. 2016a ؛ Bouri et al. 2017 and Zhu et al. 2017). با این حال ، توانایی بیت کوین ها برای محافظت از سرمایه گذاران در طول آشفتگی بازار به این سؤال تبدیل شده است زیرا قیمت آن به طور همزمان با دارایی های پرخطر حرکت کرده است. شاخص های سهام ، شاخص های کالا ، طلا ، نفت و شاخص دلار آمریکا.

شکل 1 همبستگی منفی بین بیت کوین و طلا را نشان می دهد ، که دلالت بر این دارد که بیت کوین می تواند به عنوان پرچین خوب در برابر حرکات قیمت نامطلوب طلا استفاده شود. این همبستگی پایین همچنین دلالت بر این دارد که بیت کوین مزایای تنوع زیادی را ارائه می دهد. به طور مشابه ، نویسندگان همبستگی منفی بین شاخص بازار کالاهای S& P GSCI و قیمت بیت کوین را همانطور که در شکل 2 نشان داده شده است ، تشخیص داده اند.

همبستگی مثبت قوی بین شاخص بورس سهام DJIA و قیمت بیت کوین در شکل 3 نشان می دهد که هر دو دارایی تا حد زیادی به عنوان یک ابزار سوداگرانه در نظر گرفته می شوند تا یک دستگاه محافظت.

شکل 4 رابطه منفی بین نفت خام و قیمت بیت کوین را نشان می دهد. این بدان معنی است که سکه دیجیتال توانایی محافظت در برابر روند نزولی قیمت نفت خام را دارد.

قیمت بیت کوین و طلا

قیمت بیت کوین و شاخص بازار کالاهای S& P GSCI

قیمت بیت کوین و شاخص بازار سهام DJIA

قیمت بیت کوین و قیمت نفت خام برنت

شکل 5 رابطه مثبت بین شاخص دلار آمریکا و قیمت بیت کوین را نشان می دهد. شاخص بیت کوین و دلار آمریکا دارای ارزش ذاتی یا محدودی نیست و تا حد زیادی نمی تواند معیارهای دریافت ارز فیات را برآورده کند. حرکات مثبت حاکی از آن است که هر دو دارایی تا حد زیادی به عنوان یک ابزار سوداگرانه در نظر گرفته می شوند تا یک دستگاه محافظت.

ما در شکل 6 ارتباط مثبت مثبت بین تورم و قیمت بیت کوین پیدا کردیم که این نشان می دهد که بیت کوین با وجود افزایش قیمت کالاها و خدمات ، برای هدف معامله استفاده می شود. این واقعیت که ارزش بیت کوین توسط بانک مرکزی تنظیم نمی شود که تفاوت عمده ای در ارزهای استاندارد دارد. به عنوان مثال ، بانک مرکزی فدرال رزرو ایالات متحده به منظور کنترل تورم ، دلار از گردش خارج می کند ، در مقابل ، عرضه بیت کوین به دلیل فعالیت های محاسباتی غیر متمرکز معدنچیان ، توانایی سکه دیجیتال را به عنوان یک رسانه معامله افزایش می دهد. از این رو ، یک ابزار معمولی برای ارتقاء ثبات قیمت برای ارزهای رمزپایه غیرقابل دسترسی است.

درک می شود که بین نرخ صندوق های فدرال و قیمت بیت کوین همبستگی مثبت خوبی وجود دارد. اگر فدرال رزرو نرخ بهره بالاتری را تصویب کند ، ممکن است قیمت بیت کوین افزایش یابد زیرا سرمایه گذاران پول خود را از سرمایه گذاری های سوداگرانه مانند اوراق قرضه خارج می کنند. علاوه بر این ، بیت کوین به عنوان یک ارز دیجیتال خصوصی و غیر متمرکز در نظر گرفته می شود و ویژگی های آن همه سرمایه گذاران و معامله گران را در یک شبکه زنجیره بلوک به جای اعتماد به شخص ثالث (مقام مرکزی) که ممکن است همیشه بهترین ها را نداشته باشد ، مجبور می کند تا به یکدیگر اعتماد کنند. منافع. این می تواند منجر به این شود که سرمایه گذاران پس انداز خود را در یک فروشگاه دیجیتالی دارایی ارزش پارک کنند.

قیمت بیت کوین و شاخص دلار آمریکا

قیمت بیت کوین و CPI

قیمت بیت کوین و نرخ صندوق های فدرال

علاوه بر نمایش گرافیکی ، مطالعه حاضر سعی در بررسی تأثیر شاخص های کلان مالی بر قیمت بیت کوین با استفاده از مدل های تاخیر توزیع شده متقارن و نامتقارن (ARDL) دارد. مطالعه ما به سؤالات تحقیق می پردازد که (1) آیا شاخص های کلان مالی بر قیمت بیت کوین تأثیر می گذارد و تا چه اندازه؟(2) آیا بیت کوین یک ابزار پرچین یا پناهگاه امن است یا به سادگی یک دارایی سرمایه گذاری سوداگرانه با استناد به دارایی های مختلف خطرناک؟درک صلاحیت های بیت کوین در اکوسیستم زنجیره بلوک فعلی برای شرکت کنندگان در بازار مالی که به دنبال حمایت از آشفتگی بازار و حرکات قیمت نامطلوب هستند ، قابل توجه است.

2 بررسی ادبیات

ادبیات قبلی در مورد رابطه بین عوامل کلان مالی و ارزهای رمزنگاری شده فرض می کند که جذب بین بیت کوین و سایر دارایی های مالی یک فرآیند پویا است که با گذشت زمان متفاوت است. یک مطالعه پیشگام توسط Wijk (2013) در مورد ارتباط بین بیت کوین و تحولات کلان مالی مانند شاخص های سهام ، نرخ ارز و قیمت نفت بررسی شده است. وی دریافت که شاخص داو جونز ، نرخ ارز یورو و نفتی و قیمت نفت در طولانی مدت تأثیر قابل توجهی در قیمت بیت کوین دارد. با استفاده از مدل تصحیح خطا ، ژو و همکاران.(2017) بررسی کرد که چگونه عوامل اقتصادی به نظر می رسد. شاخص قیمت سفارشی ، شاخص دلار آمریکا ، میانگین صنعت داو جونز ، نرخ صندوق های فدرال و تأثیر قیمت طلای قیمت بیت کوین. نویسندگان دریافتند که این عوامل تأثیر طولانی مدت بر قیمت بیت کوین دارند. سیایان و همکاران.. سما و همکاران.(2018) ارتباط بین بیت کوین ، نرخ ارز دلار آمریکا در قیمت های JPY ، GBP و CNY و طلا را با استفاده از مدل های نوع GARCH مورد مطالعه قرار داد. نتایج حاکی از رابطه معنی داری بین بیت کوین ، نرخ ارز و قیمت طلا است.

Das و Kannadhasan (2018) ارتباط بین قیمت بیت کوین و عوامل جهانی را مورد بررسی قرار دادند. شاخص سهام ، عدم اطمینان سیاست اقتصادی ، قیمت نقطه طلا و نوسانات ضمنی و قیمت نفت خام با استفاده از تجزیه و تحلیل مبتنی بر موجک. آنها یک رفتار تعاملی چند مقیاس قابل توجه بیت کوین با عوامل جهانی در محیط متوسط تا بلند مدت و نه در کوتاه مدت مشخص کردند. با استفاده از مدل ARDL ، Bouri و همکاران.(2018) مشخص کرد که حرکات قیمت بیت کوین را می توان بر اساس قیمت کالا و قیمت طلا پیش بینی کرد. Sukamulja و Sikora (2018) عوامل مؤثر بر حرکت قیمت بیت کوین را با استفاده از مدل تصحیح خطا ، عملکرد پاسخ تکانه و تجزیه و تحلیل تجزیه واریانس مورد مطالعه قرار دادند. نتایج به دست آمده از مطالعه آنها نشان داد که شاخص های کلان اقتصادی و تقاضای بیت کوین ها بر نوسانات قیمت بیت کوین در کوتاه مدت و بلند مدت تأثیر می گذارد.

Kjaerland و همکاران.(2018) مدل های ARDL و GARCH را به کار برد و نشان داد که قیمت بیت کوین تحت تأثیر بازده S& P 500 و جستجوهای Google است. علاوه بر این ، یافته ها حاکی از آن است که شاخص نوسانات CBOE (VIX) ، قیمت نفت ، قیمت طلا و حجم معاملات بیت کوین ناچیز است.̇çellioğlua و öner (2019) اثرات شاخص بورس سهام S& P 500 ، قیمت طلا ، قیمت نفت ، معیار دو ساله نرخ بهره اوراق بهادار ایالات متحده و شاخص دلار آمریکا را بر قیمت چهار ارز رمزنگاری عمده ، یعنی بررسی کردند. بیت کوین ، Litecoin ، Ethereum و Ripple. آنها از تجزیه و تحلیل داده های پانل استفاده کردند و نشان دادند که افزایش قیمت طلا ، قیمت نفت و شاخص S& P 500 منجر به افزایش قیمت ارزهای رمزپایه می شود ، در حالی که افزایش در معیار دو ساله نرخ بهره اوراق قرضه ایالات متحده و شاخص دلار آمریکا منجر به کاهش قیمت می شودارزهای رمزپایه. با استفاده از مدل تصحیح خطا ، آندران و همکاران.(2019) پاسخ قیمت بیت کوین به شوک تولید ناخالص داخلی ، تورم ، نرخ ارز و JCI (شاخص کامپوزیت جاکارتا) را بررسی کرد. آنها دریافتند که عوامل کلان اقتصادی تأثیر معنی داری بر قیمت بیت کوین دارند. Kusumastuty و همکاران.(2019) تأثیر متغیرهای پولی را بر قیمت cryptocurrency با استفاده از مدل بردار Autoregression (VAR) نشان داد و نشان داد که هیچ تأثیر معنی داری از متغیرهای پولی بر قیمت رمزنگاری در مرحله اولیه وجود ندارد. با این حال ، نتایج در مراحل بعدی رابطه معنی داری را نشان داد.

زویک و سید (2019) از مدل رگرسیون آستانه استفاده کردند و ثابت کردند که طلا پیش بینی کننده قابل توجهی از قیمت بیت کوین است. علاوه بر این ، Adebola و همکاران.(2019) ارتباط بین ارزهای رمزنگاری و قیمت طلا را بررسی کرد و یکپارچه سازی همزمان برای چند ارز رمزنگاری شد. Poyser (2019) با استفاده از رویکرد سری زمانی ساختاری بیزی ، مشخص کرد که قیمت بیت کوین با متغیرهای کلان اقتصادی مرتبط است. Tiwari و همکاران.(2019) همبستگی های متغیر زمان بین شش بازار Cryptocurrency و S& P 500 با استفاده از یک مدل Copula-ADCC-Egarch را بررسی کرد. آنها دریافتند که همبستگی های متغیر زمان بسیار کم است ، نشان می دهد که رمزنگاری به عنوان یک دارایی پرچین در برابر خطر بازار سهام S& P 500 عمل می کند. Kurka (2019) تأیید کرد که اتصال بین ارزهای رمزنگاری شده و دارایی های سنتی ناچیز است. ünvana (2019) تأثیر قیمت بیت کوین را بر روی شاخص های اصلی سهام با استفاده از مدل تصحیح خطا و تجزیه و تحلیل علیت گرنجر تجزیه و تحلیل کرد. نویسنده علیت قابل توجهی در بین متغیرها پیدا کرد. اخیراً ، کوربت و همکاران.(2020) رابطه بین پوشش خبری کلان اقتصادی و بازده بیت کوین را با استفاده از مدل رگرسیون ارزیابی کرد و دریافت که اخبار مربوط به بیکاری و اعلامیه های کالاهای بادوام تأثیر قابل توجهی در بازده بیت کوین دارد. اخبار مربوط به تولید ناخالص داخلی و شاخص قیمت مصرف کننده تأثیر قابل توجهی در بازده بیت کوین ندارد.

سیایان و همکاران.(2016b) تعیین کننده های سنتی قیمت بیت کوین را با استفاده از چارچوب مفهومی بر اساس مدل Barro (1979) بررسی کرد. آنها دریافتند که تحولات کلان مالی در دراز مدت تأثیر معنی داری بر قیمت بیت کوین ندارد. جی و همکاران.(2018) روابط معاصر و عقب مانده بین بیت کوین و سایر کلاسهای دارایی را مورد بررسی قرار داد و دریافت که دارایی های سرمایه گذاری نقش مهمی در تعیین بازار بیت کوین ندارند. پیو و لی (2019) تأثیر FOMC (کمیته بازار آزاد فدرال) و اطلاعیه های اخبار کلان اقتصادی بر قیمت بیت کوین را با استفاده از مدل GARCH تجزیه و تحلیل کردند. آنها دریافتند که اعلامیه های FOMC تأثیر قابل توجهی دارند اما تغییر قیمت بیت کوین از اعلام اخبار کلان اقتصادی کاملاً منزوی است. گوریب و همکاران.(2019) بررسی کرد که آیا بازده ارزهای رمزنگاری شده با سرمایه در بازار برتر تحت تأثیر اخبار عمده اقتصاد کلان با استفاده از یک مدل وکتور اتورگرایی (VAR) است و دریافتند که اعلامیه اخبار کلان اقتصادی تأثیر قابل توجهی در ارزهای اصلی رمزنگاری به جز مونرو ندارد.

Goczek و Skliarov (2019) مدل تصحیح خطای بردار (VEC) را اعمال کردند و نتیجه گرفتند که کالاها و بورس سهام تأثیر مثبتی بر قیمت بیت کوین دارند اما قوی نیستند. Panagiotidis و همکاران.(2019) اثرات عوامل اقتصادی کلان مانند بازده بورس ، نرخ ارز ، بازده طلا و نفت ، نرخ صندوق های فدرال ، نرخ وام تجاری خارجی و روند اینترنت را بر بازده بیت کوین بررسی کرد. با استفاده از مدل های VAR و توابع پاسخ ضربه ، نویسندگان تعامل قابل توجهی بین قیمت بیت کوین و بازارهای عمده سهام پیدا کردند ، اما تعامل ضعیف تر با عوامل کلان اقتصادی. کان و همکاران.(2019) رابطه بین قیمت های پیشرو هفت ارز رمزپایه و عوامل اقتصادی را مورد بررسی قرار داد. قیمت نفت ، قیمت طلا ، نرخ بهره ، دلار آمریکا و S& P500. نویسندگان برای داده های هفتگی بیت کوین ، Litecoin ، Ripple ، Stellar ، Monero ، Dash و Bytecoin ، از علیت گرنجر و رویکردهای نوع Garch استفاده کردند و دریافتند که عوامل اقتصادی تأثیرات قابل توجهی بر ارزهای مجازی ندارند.

نگوین و همکاران.(2019) تأثیرات نامتقارن سیاست های پولی بر بازده رمزنگاری در طول رژیم های سفت شدن پولی و تسکین پولی را با استفاده از روش کلی مدل لحظات (GMM) بررسی کرد. نتایج نشان داد که پاسخ های قابل توجهی از چهار ارز رمزنگاری عمده به سیاست های پولی سفت کننده چینی است. با این حال ، سیاست های پولی ایالات متحده به طور قابل توجهی بر بازده رمزنگاری تأثیر نمی گذارد. با استفاده از یک روش درخت تصمیم ، Bayramoğlu و Başarır (2019) رابطه بین بیت کوین ، شاخص سهام S& P 500 ، قیمت طلا ، قیمت نفت ، نرخ ارز یورو/دلار و نرخ بهره قبض خزانه داری را بررسی کردند. نتایج تجربی نشان داد که شاخص های کلان مالی تأثیر معنی داری بر قیمت بیت کوین به جز شاخص S& P 500 ندارند. اخیراً ، Charfeddine و همکاران.(2020) از رویکردهای متغیر متغیر زمان و همبستگی شرطی دو متغیره دو متغیره استفاده کرد و شواهدی از همبستگی ضعیف بین ارزهای گریه و دارایی های معمولی ایجاد کرد.

مطالعات اولیه رابطه متقارن (خطی) بین قیمت رمزنگاری و شاخص های کلان اقتصادی را با استفاده از رویکردهای مختلف اقتصاد سنجی بررسی کرده بود. مدل های Arch and Garch ، تکنیک های ادغام Johansen ، مدل های VAR و مدل های VEC. این تکنیک ها رابطه کوتاه مدت و بلند مدت بین رگرسیون و رگرسیون و بدون در نظر گرفتن اثر نامتقارن برای مدل سازی بیت کوین را بررسی می کنند. کوربت و همکاران.(2020) خاطرنشان كرد كه سری قیمت بیت کوین به صورت نامتقارن به تغییرات مثبت و منفی در شاخص های کلان اقتصادی-مالی پاسخ می دهد. علاوه بر این ، کار پیشگام توسط Bouri و همکاران.(2018) تأکید کرد که از مدل های همبستگی غیر استاندارد (نامتقارن) برای کشف پیچیدگی و روابط پنهان بین کلاس های بیت کوین و دارایی استفاده کند. این امر باعث می شود تا یک تکنیک تجربی پویا را بررسی کند که این تأثیر نامتقارن بر قیمت بیت کوین را بررسی می کند. علاوه بر این ، مطالعات قبلی به شکستن ساختاری بالقوه در سری قیمت های بیت کوین که می تواند منجر به نتایج مغرضانه هنگام انجام تجزیه و تحلیل اقتصادسنجی شود ، نمی پردازد. همچنین مشخص شد که ادبیات قبلی فقط بر روی شاخص های خاص اقتصادی و مالی متمرکز شده است تا عوامل تعیین کننده قیمت بیت کوین را مورد بررسی قرار دهد و عوامل مهم مانند حجم معامله ، نرخ هش و جذابیت سرمایه گذار را نادیده بگیرد. این می تواند منجر به استنباط مغرضانه و توصیه های نادرست سیاست شود. بنابراین ، تجزیه و تحلیل گسترده برای اطمینان از استنتاج آماری صحیح مطلوب است.

برای پرداختن به شکافهای موجود در ادبیات ، این مطالعه سعی در بررسی تأثیر شاخص های مالی کلان اقتصادی بر قیمت بیت کوین با استفاده از نسخه متقارن و نامتقارن مدل های تاخیر توزیع شده خودجوش (ARDL) با شکستگی ساختاری است. علاوه بر این ، نویسندگان نیروهای اصلی محرک داخلی قیمت بیت کوین را درج کرده اند. کل حجم معاملات ارزش USD در صرافی های اصلی بیت کوین (حجم تجارت) ، تعداد معاملات در روز که معاملات منحصر به فرد در روز را به استثنای 15 آدرس محبوب (فعالیت شبکه) ، قدرت دستگاه های ماینر (نرخ هش) و جذابیت سرمایه گذار حساب می کند ، حساب می کند.(Google Trends) برای ارائه یک مدل جامع تر از پیوند بازار cryptocurrency و شاخص های مالی کلان اقتصادی. اطلاعات اعطا شده در این کار می تواند برای سرمایه گذاران و تنظیم کننده ها مفید باشد ، کسانی که در زمان واقعی به این نوع رمزنگاری علاقه مند شده اند. از همه مهمتر ، مسلح به آگاهی از بیت کوین به عنوان یک تنوع ، پرچین یا پناهگاه امن در برابر دارایی های کلان اقتصادی و مالی ، کاربران و بازرگانان بیت کوین می توانند تصمیمات سرمایه گذاری بگیرند.

3 داده و روش

3. 1 داده

مطالعه حاضر بر روی داده هایی که ماهانه به صورت ماهانه برای دوره از اوت 2010 تا فوریه 2020 تهیه شده است ، متمرکز شده است. شاخص متوسط صنعتی داو جونز ، شاخص قیمت مصرف کننده ، نرخ مؤثر صندوق های فدرال ، شاخص دلار آمریکا (USDI) ، قیمت طلا در بازار شمش لندن مستقر در دلار آمریکا (دلار آمریکا در هر اونس تروی) و شاخص بازار کالاهای S& P GSCI از آن استخراج می شودبانک تحقیقات فدرال سنت لوئیس (https://research. stlouisfed.org). قیمت بیت کوین (BTC) ، که به دلار آمریکا آمده است از http://bitcoincharts.com استخراج می شود.

پس از Poyser (2017) ، نویسندگان سه نوع توصیف کننده پلتفرم را به عنوان متغیرهای کنترل درج کرده اند. آمار ارزی ، اطلاعات معدن و فعالیت شبکه. برای آمار ارز ، نویسندگان شامل حجم تجارت مبادله USD (جلد) هستند که نشان دهنده کل حجم معاملات ارزش USD در مبادلات عمده بیت کوین است. با توجه به اطلاعات معدن ، نویسندگان شامل نرخ هش (هاشرات) هستند که قدرت دستگاه های ماینر را اندازه گیری می کند. به منظور ضبط فعالیت شبکه (ترانس) ، تعداد معاملات در روز در نظر گرفته می شود که معاملات منحصر به فرد در روز به استثنای 15 آدرس محبوب ترین. برای این مطالعه داده ها از quandl.com به دست می آید. به دنبال کریستوفک (2013) و Kjaerland و همکاران (2018) ، نویسندگان از نمایش داده های بیت کوین در Google Trends برای اندازه گیری جذابیت/احساسات سرمایه گذار در بیت کوین استفاده کرده اند. این داده ها در https://trends. google.com/trends/explore؟date=all& q=bitcoin در دسترس هستند.

3. 2 روش شناسی

تکنیک های ARDL متقارن ARDL و نامتقارن ARDL برای بررسی تأثیر شاخص های کلان اقتصادی-مالی بر قیمت بیت کوین استفاده می شود. شکل کلی روش ARDL متقارن ارائه شده توسط Pesaran و همکاران.(1996 ، 2001) فرم زیر را می گیرد:

جایی که LN ورود به سیستم طبیعی است و ∆ اولین اپراتور تفاوت است. ارتباط بلند مدت بین متغیرهای پیشنهادی با استفاده از معادله (1) مورد بررسی قرار می گیرد. همانطور که در Pesaran و Pesaran (1997) بیان شده است ، از آمار F برای آزمایش وجود رابطه بلند مدت تحت فرضیه تهی از عدم ادغام استفاده می شود (β₁= β₂= β₃= β₄= β₅= β₆= β₇= β₈= β₉= β₁₀= β₁₁= β₁₂= 0) در برابر فرضیه جایگزین حضور ادغام (β₁≠ β₂≠ β₃≠ β₄≠ β₅≠ β₆≠ β₇≠ β₈≠ β₉≠ β₁₀≠ β₁₁≠ β₁₂≠ 0) ، که به آن گفته می شود (FBTC | BTC ، CPI ، DJIA ، فدراسیون ، روغن ، USDI ، طلا ، GSCI ، هاشرات ، جلد ، ترانس ، گوگل). اگر ثابت F-Statistic بالاتر از حد بالایی از مقدار بحرانی باشد ، یک رابطه طولانی مدت پایدار وجود دارد.

مشخصات ARDL مدل تصحیح خطا به شرح زیر است:

در معادله فوق (2) ، γ₁اصطلاح تصحیح خطا است و αs پارامترهای کوتاه مدت و ε است_tفرض می شود فرآیندهای تصادفی ثابت با میانگین واریانس صفر و ثابت است. تحت معادله (2) ، اثر کوتاه مدت بر اساس اهمیت ضرایب هر متغیر درون زا تاخیر ارزیابی می شود.

شین و همکاران(2014) اخیراً مدل ARDL نامتقارن را با استفاده از تجزیه مجموع جزئی منفی و مثبت ایجاد کرده اند که امکان شناسایی اثر نامتقارن را در کوتاه مدت و بلند مدت می دهد. از آنجایی که رویکرد ARDL نامتقارن توسعه ای از مدل یکپارچه سازی متقارن ARDL است، ما سری های منفی و مثبت تجزیه شده متغیرهای برون زا را برای ایجاد مشخصات ARDL نامتقارن ترکیب کردیم.

برای ارزیابی عملکرد مدل های ARDL متقارن و نامتقارن تخمین زده شده، آزمایش های تشخیصی مختلف برای بررسی همبستگی سریال، فرم عملکردی، غیر عادی بودن و ناهمسانی انجام می شود. علاوه بر این، این مطالعه همچنین تست های پایداری پیشنهاد شده توسط براون و همکاران را انجام می دهد.(1975)، یعنی CUSUM (جمع تجمعی) و CUSUMSQ (CUSUM مربعات) باقیمانده های بازگشتی. فرضیه صفر بی ثباتی زمانی رد می شود که نمودارهای CUSUM و CUSUMSQ در سطح معنی داری پنج درصد باقی بمانند.

4 نتایج و بحث

4. 1 تست ریشه واحد

پرون (1989) و لیبورن و نیوبولد (2003) تأکید کردند که شواهد به دست آمده از آزمون های ریشه واحد سنتی یعنی. آزمون دیکی-فولر تقویت شده (ADF)، آزمون فیلیپس-پرون (PP) و آزمون کویاتکوفسکی-فیلیپس-اشمیت-شین (KPSS) ممکن است در جهت رد فرضیه صفر ریشه واحد در زمانی که یک گسست ساختاری در یک زمان وجود دارد، سوگیری داشته باشند. سلسله. از این رو، پرون (1989) آزمون دیکی-فولر اصلاح شده را با گنجاندن متغیرهای ساختگی برای توضیح یک تغییر ساختاری تحت دو شکل، یعنی. مدل پرت افزایشی (AO) و مدل پرت ابتکاری (IO) که به ترتیب شوک های فوری و تدریجی را ثبت می کند. نتایج آزمون ریشه واحد نقطه شکست در جدول 1 نشان داده شده است. نتایج تجربی نشان می دهد که متغیرهای کلان مالی ثابت هستند یا در سطح، I(0) یا تفاوت اول، I(1) نشان دهنده ترتیب ادغام است. مخلوطی از I(0) و I(1)، بنابراین ARDL را به رویکرد ترجیحی تبدیل می کند.

تست ریشه واحد با نقطه شکست

جدول 1 (ادامه)

توجه: *، ** و *** به ترتیب در سطح 1٪، 5٪ و 10٪ نشان دهنده اهمیت است. طول تاخیر بر اساس معیار اطلاعات شوارتز انتخاب شد. روش انتخاب نقطه شکست بر اساس کمینه سازی آماره t دیکی فولر بود. ارقام داخل پرانتز مقادیر p هستند. مقادیر p گزارش شده مقادیر p یک طرفه مجانبی هستند و از Vogelsang (1993) گرفته شده اند.

4. 2 تجزیه و تحلیل شکست سازه

برای رویکرد قوی ARDL ، این مطالعه استراحت ساختاری بالقوه در سری بیت کوین را با استفاده از آزمون BAI و Perron (1998) مشخص کرد و نتایج در جدول 2 نشان داده شده است. یافته ها به وضوح نشان می دهد که نقاط شکست قابل توجه در حدود مارس 2013 و مه 2017 است. وقفه قابل توجهی که در حدود مارس 2013 رخ داد ، صرفاً به دلیل مکانیسم وثیقه اقتصاد قبرس بود که موجی از اداره بانکی و شکار برای پناهگاه های ایمن پولی را برانگیخت. بیت کوین به عنوان یک سرمایه گذاری جایگزین در نظر گرفته می شد که در درجه اول توسط دولت ها و مستقل از سیاست های پولی قابل کنترل نبود. بنابراین ، قیمت بیت کوین در مارس 2013 افزایش یافته است. علاوه بر این ، افزایش قیمت توسط سرمایه گذاران برجسته مستقر در سیلیکون-واللی و سرمایه گذاران زرنگ و دانا که گفته می شود با شناخت پیامدهای بحران قبرس-یونانی و شرط بندی بر روی آن ، درگیر دستکاری بازار هستند ، هدایت می شود. با پیشنهاد در بیت کوین (گاندال و همکاران 2018).

یکی دیگر از وقفه های قابل توجه در ماه مه سال 2017 به دلیل افزایش حرکت در قیمت بیت کوین بود زیرا ژاپن ، نروژ و روسیه استفاده از ارزهای رمزپایه را مشروعیت داده اند. مشاغل پذیرش بیت کوین همچنان رو به افزایش است و سرمایه گذاران در حال خرج کردن بیت کوین به عنوان پرچین در برابر منافع اقتصادی گسترده تر هستند. علاوه بر این ، ارزش بیت کوین به دلیل تجارت فعال در بین سرمایه گذاران خرده فروشی ، سرمایه گذاران نهادی ، قانونگذاران و شرکتهای مالی میراث افزایش یافته است.

4. 3 تست ادغام مرزهای ARDL

قبل از استفاده از آزمون همبستگی مرزهای ARDL ، لازم است طول تاخیر مناسب متغیرهای کلان مالی را تعیین کنید. نتایج در جدول 3 ارائه شده است. با استفاده از معیارهای بهینه طول تاخیر. معیار خطای پیش بینی نهایی (FPE) ، معیار اطلاعات شوارتز (SIC) و معیار اطلاعات هانان-کین ، ARDL (1 ، 1 ، 1 ، 1 ، 1 ، 1 ، 1 ، 1 ، 1 ، 1 ، 1 ، 1) انتخاب شدبه عنوان مدل مناسب برای این سریال.

گرگوری و همکاران.(1996) نشان می دهد که تست های ادغام معمولی در پذیرش تهی عدم ادغام بدون هیچ گونه ادغام در حضور استراحت ساختاری مغرضانه هستند. به دنبال Kisswani و همکاران.(2017) و دوب و همکاران.(2018) ، این مطالعه رویکرد آزمایش مرزهای متقارن و نامتقارن ARDL را با استفاده از شکستگی های ساختاری که در حدود مارس 2013 و مه 2017 رخ داده است ، تخمین می زند. جدول 4 نشان می دهد که F-Statistics محاسبه شده برای ARDL متقارن و نامتقارن در بالا قرار داردمقادیر بحرانی محدود به ترتیب در سطح 1 ٪ و 5 ٪ از اهمیت. بنابراین ، رد فرضیه تهی به نفع رابطه بلند مدت بین شاخص های کلان اقتصادی-مالی و قیمت بیت کوین پشتیبانی می کند.

وجود رابطه پویا بلند مدت بین شاخص های کلان اقتصادی-مالی و قیمت بیت کوین می تواند با مطالعه ضرب های پویا بیشتر غنی شود. نمودار ضرب پویا در پیوست 1 قدرت پیش بینی بلند مدت نامتقارن تغییرات مثبت و منفی در شاخص های کلان اقتصادی و مالی را نشان می دهد.

تست شکستگی های ساختاری متعدد Ba i-Perron برای بیت کوین

توجه: ** نشان دهنده اهمیت در سطح 5 ٪ است. مقادیر بحرانی از BAI و Perron (2003) بدست می آید.

معیارهای انتخابی تاخیر بهینه

توجه: * ترتیب تاخیر را که توسط معیار انتخاب شده است نشان می دهد. LR ، FPE ، AIC ، SIC و HQ بیانگر آمار تست نسبت احتمال اصلاح شده پی در پی ، معیار خطای پیش بینی نهایی ، معیار اطلاعات Akaike ، معیار اطلاعات Schwarz و معیار اطلاعات Hannan-Quinn است.

آزمون مرزهای ARDL برای ادغام

توجه: * و ** به ترتیب در سطح 1 ٪ و 5 ٪ از اهمیت ویژه ای برخوردار است. مقادیر بحرانی از Pesaran و همکاران تعیین می شود.(2001) و شین و همکاران.(2014). k تعداد رگرسیون در معادله است.

خط سیاه نشان دهنده تأثیر مثبت رگرسیون در رگرسیون است در حالی که خط نقطه سیاه نشان دهنده تأثیر منفی است. خط قرمز نقطه ای چمباتمه پاسخ عدم تقارن را نشان می دهد. خطوط قرمز نقطه ای ریوی نشانگر مرزهای فوقانی و پایین عدم تقارن است. با توجه به شاخص قیمت مصرف کننده ، به نظر می رسد تأثیر تغییرات منفی بر قیمت بیت کوین مثبت است. قیمت بیت کوین به سرعت و مثبت پاسخ می دهد و هم به افزایش و هم در کاهش نرخ وجوه فدرال و تأثیر آن پس از حدود 4-5 ماهه مربوط به وضعیت تعادل آن صاف شد. ما مشاهده می کنیم که قیمت بیت کوین به سرعت و مثبت به افزایش و کاهش قیمت سهام سهام پاسخ می دهد. به نظر می رسد تأثیر تغییرات مثبت در قیمت بورس سهام نسبت به تغییرات منفی در قیمت بیت کوین برجسته تر است. علاوه بر این ، ما دریافتیم که قیمت بیت کوین به سرعت و منفی پاسخ می دهد تا قیمت نفت کاهش یابد. در حالی که قیمت ها به افزایش شاخص دلار آمریکا پاسخ منفی می دهند و تأثیر آن پس از حدود 3-4 ماهه صاف شد. با حرکت به قیمت بازار کالا ، تأثیر تغییرات منفی تأثیر مثبتی بر قیمت بیت کوین داشت و به سرعت به حالت تعادل رسید. همچنین مشخص شد که قیمت بیت کوین برای کاهش قیمت طلا واکنش منفی دارد. سرانجام ، ما مشاهده می کنیم که قیمت بیت کوین برای کاهش عوامل داخلی مانند فعالیت شبکه ، نرخ هش و روندهای گوگل منفی پاسخ می دهد ، در حالی که پاسخ برای افزایش حجم تجارت مثبت است.

همانطور که آزمایش مرزهای ARDL و تجزیه و تحلیل ضرب پویا ، اثرات ادغام نامتقارن تغییرات مثبت و منفی در شاخص های کلان اقتصادی و مالی بر قیمت بیت کوین را تأیید می کند ، برآوردهای بلند مدت و کوتاه از عوامل مؤثر بر قیمت بیت کوین با استفاده از هر دو متقارن بررسی می شودو به ترتیب ARDL نامتقارن به ترتیب در جدول 5 و جدول 6 نشان داده شده است.

4. 4تخمین های ARDL متقارن

جدول 5 نتیجه رویکرد ARDL متقارن بلند مدت و کوتاه مدت را نشان می دهد. از قیمت بیت کوین به عنوان متغیر وابسته استفاده می شود و عوامل تعیین کننده کلان مالی آن به عنوان متغیرهای مستقل برای تخمین کشش بلند مدت و کوتاه استفاده می شود.

ضریب بلند مدت شاخص داو جونز تأثیر مثبت و معنی داری بر قیمت بیت کوین دارد ، دلالت بر افزایش یک واحد در شاخص بازار سهام ایالات متحده منجر به افزایش قیمت بیت کوین 1. 973 واحد خواهد شد. اثر مثبت نشان می دهد که هر دو دارایی تا حد زیادی به عنوان یک ابزار سوداگرانه در نظر گرفته می شوند تا یک وسیله محافظت در طولانی مدت. شاخص دلار آمریکا تأثیر طولانی مدت منفی و قابل توجهی در قیمت بیت کوین دارد ، دلالت بر افزایش یک واحد در شاخص دلار آمریکا با 4. 829 واحد کاهش قیمت بیت کوین همراه خواهد بود. این بدان معنی است که بیت کوین می تواند در برابر شاخص دلار آمریکا در دراز مدت باشد. با این حال ، CPI ، Fedrate ، روغن ، طلا و GSCI تأثیرات قابل توجهی بر روی قیمت بیت کوین ندارند ، دلالت بر اینکه بیت کوین نمی تواند یک پرچین در برابر شاخص های کلان اقتصادی و مالی باشد. تورم ، نرخ صندوق های فدرال ، قیمت نفت ، قیمت طلا و قیمت بازار کالا. علاوه بر این ، عوامل کنترل (داخلی) یعنی. حجم تجارت و فعالیت شبکه نقش مهمی داشت.

ARDL متقارن کوتاه مدت نشان می دهد که ضریب اصطلاح تصحیح خطا (ECT) در سطح یک درصد منفی و از نظر آماری معنی دار است و این نشان می دهد که این سیستم توانایی بازگشت به تعادل طولانی مدت را پس از یک کوتاه مدت دارد. شوکه شدن. مقدار ضریب تصحیح خطا نشان می دهد که 53 درصد از عدم تعادل در قیمت بیت کوین از شوک سال جاری در دوره بعد قابل تنظیم است.

تخمین های ARDL متقارن

توجه: * و *** به ترتیب در سطح 1 ٪ و 10 ٪ از اهمیت ویژه ای برخوردار است.

این نشان می دهد که سکه دیجیتال توانایی محافظت در برابر ریسک در برابر حرکات قیمت بازار سهام ایالات متحده را ندارد ، بلکه بیت کوین به عنوان ابزار سوداگرانه رفتار می شود. با این حال ، سایر عوامل کلان اقتصادی و مالی تأثیر معنی داری بر قیمت بیت کوین در کوتاه مدت ندارند ، از این رو ممکن است بیت کوین در برابر تورم ، شاخص دلار آمریکا ، نرخ صندوق های فدرال ، قیمت نفت ، قیمت طلا و قیمت بازار کالا نباشدبشراین تأیید می کند که به نظر می رسد بیت کوین بیشتر شبیه یک سرمایه گذاری سوداگرانه است تا یک دستگاه پرچین. علاوه بر این ، نتایج در جدول نشان می دهد که آدمک های ساختاری و درایورهای داخلی مانند حجم معاملات ، فعالیت شبکه ، نرخ هش و روندهای گوگل از نظر آماری معنی دار هستند.

4. 5 تخمین ARDL نامتقارن

نویسندگان بیشتر به تخمین های مدل ARDL نامتقارن توجه کرده اند و نتایج مربوطه در جدول 6 گزارش شده است. از برآوردهای بلند مدت در پانل A ، مشخص شده است که مجموع جزئی تغییر منفی در شاخص قیمت مصرف کننده منفی و قابل توجه استتأثیر بر قیمت بیت کوین ، در حالی که جمع جزئی تغییر مثبت در شاخص قیمت مصرف کننده تأثیر مثبت و ناچیز بر قیمت بیت کوین دارد. نتایج مورد بررسی تغییرات منفی در شاخص قیمت مصرف کننده نشان می دهد که کاهش یک واحد در شاخص قیمت مصرف کننده منجر به کاهش 57. 089 واحد در قیمت بیت کوین می شود.

برآورد ARDL نامتقارن

جدول 6 (ادامه)

توجه: *، ** و *** به ترتیب 1 ٪ ، 5 ٪ و 10 ٪ سطح قابل توجهی را نشان می دهد.

مبلغ جزئی تغییر مثبت در شاخص بازار سهام ایالات متحده تأثیر مثبت و معنی داری بر قیمت بیت کوین دارد ، در حالی که جمع جزئی تغییر منفی در شاخص بورس سهام ایالات متحده تأثیر منفی و ناچیز بر قیمت بیت کوین دارد. این بدان معنی است که افزایش یک واحد در شاخص بازار سهام ایالات متحده باعث افزایش قیمت بیت کوین با 4. 316 واحد می شود. علاوه بر این ، نتایج جدول نشان می دهد که شوکهای منفی یا مثبت سایر عوامل کلان اقتصادی و مالی تأثیر معنی داری بر قیمت بیت کوین در دراز مدت ندارند. با توجه به عوامل داخلی ، مجموع جزئی تغییرات منفی در نرخ هش و فعالیت شبکه به ترتیب تأثیر مثبت و معنی داری بر قیمت بیت کوین دارد.

نتایج برآورد کوتاه مدت نامتقارن در پانل B نشان می دهد که شوکهای منفی در شاخص قیمت مصرف کننده تأثیر منفی و معنی داری بر قیمت بیت کوین دارد. این نشان می دهد که کاهش یک درصدی در شاخص قیمت مصرف کننده منجر به کاهش 57. 089 درصدی قیمت بیت کوین می شود. مشخص شده است که شوک منفی در نرخ صندوق های فدرال با ضریب منفی از نظر آماری معنی دار است ، دلالت بر این دارد که کاهش یک درصدی در نرخ صندوق های فدرال باعث می شود قیمت سکه های دیجیتال 0. 508 درصد کاهش یابد. در کوتاه مدت ، مشخص می شود که شوک منفی در قیمت نفت با ضریب مثبت آماری معنادار ، دلالت بر این دارد که کاهش یک درصدی قیمت نفت باعث می شود قیمت بیت کوین 1. 626 درصد افزایش یابد. نتایج مورد بررسی تغییرات منفی در شاخص بازار کالاهای GSCI نشان می دهد که کاهش یک واحد در شاخص بازار کالاها منجر به کاهش قیمت بیت کوین 1. 307 درصد در کوتاه مدت می شود. علاوه بر این ، نتایج نشان می دهد که عوامل داخلی مانند حجم معاملات ، فعالیت شبکه ، نرخ هش و روندهای گوگل پاسخ های نامتقارن قابل توجهی به تغییرات در قیمت بیت کوین داشتند. ضریب مقدار اصطلاح تصحیح خطا (-0. 675) نشان می دهد که حدود 67 درصد از عدم تعادل در قیمت بیت کوین در سال جاری اصلاح می شود.

برای بررسی استحکام رویکردهای ARDL متقارن و نامتقارن تخمین زده شده ، از تست های تشخیصی استفاده شده و نتایج در جدول 7 نشان داده شده است. از پانل A و پانل B ، استنباط می شود که تخمین های متقارن و نامتقارن از تمام آزمایشات تشخیصی عبور می کند. علاوه بر این ، طرح آمار Cusum و Cusumq برای رویکردهای ARDL متقارن و نامتقارن بین مرزهای بحرانی در سطح اهمیت 5 درصد قرار دارد (به شکل 8 و شکل 9 مراجعه کنید). این تأیید می کند که ضرایب تخمین زده شده از مدلهای متقارن و نامتقارن از نظر پارامتری در طول دوره نمونه پایدار بودند.