تجزیه و تحلیل ارزهای دیجیتال

در چند سال گذشته، بازار ارزهای دیجیتال، که معمولاً به عنوان ارزهای دیجیتال شناخته می‌شوند، زیرا معاملات با استفاده از رمزنگاری تأیید می‌شوند، از نظر حجم تراکنش‌ها، ارزش بازار و تعداد ارزهای دیجیتال موجود به طور قابل توجهی گسترش یافته است. در 1 ژانویه 2018، ارزش بازار بیت کوین و اتریوم به ترتیب 226 و 75 میلیارد دلار بود. تا 10 می 2021، ارزش بازار بیت کوین به تقریبا 1 تریلیون دلار و اتریوم به 478 میلیارد دلار رسیده بود.

در این مقاله، من ارتباطات متقابل بازار را از نظر قیمت ها و نوسانات اندازه گیری می کنم. اندازه گیری اتصال (یا اتصال) هم برای اندازه گیری و هم برای مدیریت ریسک مهم است. هر چه بازار بیشتر به هم متصل باشد، حساسیت آن به شوک بیشتر می شود. در حالی که بازار ارزهای دیجیتال نسبت به سایر بازارهای مورد مطالعه در ادبیات خیلی بزرگ نیست، با سرعت زیادی در حال رشد است و ارزیابی اولیه ممکن است مفید باشد. علاوه بر این، ریسک مرتبط با سبد ارزهای دیجیتال صرفاً یک مجموع وزنی از خطرات اجزای آن نیست. بلکه، ریسک کلی به نحوه تعامل قطعات بستگی دارد - اینکه آیا و چگونه آنها به هم متصل هستند. به طور مشابه، در یک بازار به هم پیوسته، ریسک یک ارز واحد تنها به ویژگی‌های خاص خود بستگی ندارد، بلکه به نوسانات سایر ارزها و میزان ارتباط آنها نیز بستگی دارد.

هدف من در این نامه فدرال رزرو شیکاگو این است که بررسی کنم چگونه ارزهای دیجیتال از طریق قیمت ها و سرریزهای نوسانات به هم مرتبط می شوند. منظور من از سرریز، انتشار تغییرات در قیمت یا نوسانات (پراکسی برای ریسک) یک ارز دیجیتال به تمام ارزهای دیجیتال باقی مانده در بازار است، و بالعکس، انتشار تغییرات قیمت در بازار به یک ارز دیجیتال خاص.. درک سطح به هم پیوستگی بسیار مهم است زیرا به ما امکان می دهد میزان ریسکی را که مشخصه بازار ارزهای دیجیتال است، کمی کنیم. من این تحلیل‌ها را با در نظر گرفتن مجموعه‌ای از قیمت‌ها و نوسانات ارزهای دیجیتال و با استفاده از معیارهای اتصال پویا به شبکه توسعه یافته توسط دیبولد و یلماز (2009، 2012) انجام می‌دهم.

به نظر من، شاید جای تعجب نباشد که بازار ارزهای دیجیتال به شدت به هم مرتبط است. برای مثال، مقادیر شاخص اتصال که من با استفاده از مشخصات مختلف، اندازه‌های نمونه و پنجره‌های زمانی محاسبه می‌کنم بین 86 تا 97 درصد است (که 100 درصد حداکثر اتصال را نشان می‌دهد). این بدان معناست که بیشتر تغییرات قیمت ها در بازار ارزهای دیجیتال نتیجه سرریزهای بازار است و تنها بخش کوچکی را می توان به ویژگی های منحصر به فرد ارزهای دیجیتال منتسب کرد. به عبارت دیگر، بیشتر نوسانات بازار نتیجه پیوندهایی است که هر گونه حرکت قیمت را در بازار تقویت و بازتاب می دهد. این سرریزهای قوی می تواند نتایج شوک های کل یا رایجی باشد که بر کل بازار تأثیر می گذارد، به عنوان مثال، روند نزولی در سال 2018 و روند صعودی در سال 2020. از این منظر، ارزش کل بازار ارزهای دیجیتال مهم تر از قیمت یا قیمت است. ارزش بازار ارزهای تکدر نهایت، از منظر مدیریت ریسک، این نیز نشان می‌دهد که ایجاد یک سبد متنوع از ارزهای دیجیتال بسیار دشوار است.

روش شناسی

یک راه ساده برای اندازه‌گیری وابستگی‌ها و پیوندها در بخش‌های یک سیستم یا بازار، نگاهی به همبستگی‌های زوجی است. در حالی که این معیارها اطلاعاتی هستند، تنها درک محدودی از اتصال را ارائه می دهند، زیرا ماهیت چند بعدی و پویای پیوندهای بین واحدها را نادیده می گیرند. به عنوان مثال، حرکت قیمت مثلا اتریوم امروز ممکن است قیمت برخی از ارزهای دیجیتال را به طور همزمان و برخی دیگر را با تاخیر زمانی تحت تاثیر قرار دهد. این نوع پیوندها با نگاه کردن به همبستگی های زوجی قابل تشخیص نیستند.

مهم است که مجموعه‌ای غنی‌تر از وابستگی‌های متقابل را در نظر بگیریم و مدل‌هایی را در نظر بگیریم که امکان تعامل متقابل متقابل پویا چند متغیره کامل را فراهم می‌کنند، در نتیجه امکان اندازه‌گیری دقیق‌تر اتصال را فراهم می‌کنند. در این زمینه، مدل خودرگرسیون برداری (VAR) یک نامزد طبیعی است زیرا اغلب برای ساخت معیارهای سرریزها و اتصال به کار می رود. برای این منظور، VAR را به گونه‌ای مشخص می‌کنم که ارزهای رمزنگاری شده فردی را بتوان بخشی از یک بازار به هم پیوسته در نظر گرفت. انعطاف‌پذیری ساختار VAR به من اجازه می‌دهد تا همبستگی‌های پویا قیمت و نوسان 2 ارزهای دیجیتال را با دقت خوبی مطابقت دهم و از این رو، وابستگی‌های متقابل آنها را به خوبی خلاصه کنم.

برای ارزیابی میزان ارتباطات متقابل بین ارزهای دیجیتال، از معیارهای ارتباط پویا پیشنهاد شده توسط دیبولد و یلماز (2012) استفاده می‌کنم. من ارتباط بین واحدها را به‌عنوان اهمیت نسبی تغییرات برون‌زای یک ارز دیجیتال در توضیح تغییرات در یک ارز دیجیتال دیگر اندازه‌گیری می‌کنم - برای مثال، کسری از نوسانات قیمت در بیت‌کوین که به نوسانات قیمت اتریوم نسبت داده می‌شود و به قیمت آن سرازیر می‌شود. بیت کوین. در زمینه VAR، این مربوط به تجزیه نوسان 3 از قیمت یک ارز دیجیتال به دو بخش است: بخشی که با تغییرات قیمتی خاص خود توضیح داده می شود و بخشی که با تغییرات قیمتی که از جایی دیگر در بازار ارزهای دیجیتال منشأ می گیرند توضیح داده می شود. این تجزیه نوسانات ارزیابی می‌کند که چه مقدار از تغییرات ارز دیجیتال به دلیل شوک‌های وارداتی (آسیب‌پذیری) است یا اینکه یک ارز دیجیتال چقدر در پخش شوک‌های خود در نقاط دیگر اهمیت دارد (پرداخت سیستمی).

مجموع تمام بخش‌های نوسانی که با تغییرات قیمت «غیر خودی» توضیح داده می‌شود، شاخص کلی اتصال را تعریف می‌کند، که سهم سرریزهای قیمت یا شوک‌های نوسان در همه کلاس‌های ارزهای دیجیتال را در نوسانات کلی بازار اندازه‌گیری می‌کند. در شرایط فرضی که ارزهای دیجیتال به طور مستقل از یکدیگر حرکت می کنند، هیچ سرریزی از یک ارز به ارزهای دیگر وجود نخواهد داشت و شاخص اتصال صفر خواهد بود. مقادیر نسبی تغییرات قیمت غیرخودی نشان دهنده سطح اتصال کلی است.

من تجزیه و تحلیل خود را بر اساس دو مشخصات VAR پایه گذاری می کنم. در یک مشخصات ، قیمت ورود به سیستم روزانه و نوسانات 19 Cryptocurrencies 4 بارگیری شده از Coinbase. com و Investing. com در نظر گرفته شده است. در حالی که تصدیق می شود که قیمت های همان cryptocurrency می تواند در سالن های تجاری متفاوت باشد ، این وب سایت ها نشان دهنده سیستم عامل های محبوب برای ارزیابی ارزش دلار بسیاری از ارزهای رمزنگاری شده است. اگرچه من در تاریخ های قبلی برای برخی از ارزهای رمزنگاری شده داده ام ، ابعاد کامل بخش مقطع از اول ژانویه 2018 آغاز می شود. نمونه در 10 مه 2021 به پایان می رسد و منجر به یک بعد سری زمانی نسبتاً بزرگ ، یعنی 1،227 نقطه داده (داده می شود (T بزرگ ، متوسط N). مشخصات دوم قیمت ورود به سیستم و نوسانات 33 ارز رمزنگاری 5 را از اول ژانویه 2020 ، تا 10 مه 2021 (478 نقطه داده) در نظر می گیرد. در این حالت ، اندازه مقطع بزرگ است ، و طول سری زمانی کوتاه تر است (متوسط T ، بزرگ N). شاید جالب باشد که می بینید که آیا اقدامات اتصال با بزرگتر شدن سطح مقطع تغییر می کند یا خیر.

از آنجا که در هر دو مشخصات تعداد متغیرها بی اهمیت نیست ، تخمین یک وار بدون محدودیت مشکل ساز است زیرا تعداد پارامترهایی که باید تخمین زده شود بسیار بزرگ است ، حتی اگر کسی فقط از یک تاخیر استفاده کند. برای کاهش لعنت ابعاد ، من هم رویکردهای منظم و هم انقباض بیزی را در نظر می گیرم. با تنظیم منظم ، منظورم تکنیک هایی است که در تخمین ضرایب از یک عملکرد مجازات استفاده می کنند ، بنابراین یک مشکل تخمین ترغیب تر و تخمین های با واریانس کوچکتر را تولید می کنند. من از تکنیک های زیر استفاده می کنم: خط الراس (که در آن پارامترها با یک عملکرد درجه دوم مجازات می شوند) ، لاسو (که در آن پارامترها با یک تابع مقدار مطلق مجازات می شوند) و برآوردگرهای خالص الاستیک (که برآوردگرهای خط الراس و لاسو را ترکیب می کنند). با انقباض بیزی ، من به مقدماتی مراجعه می کنم که به نفع یک رفتار ریشه در واحدهای واحد هستند ، به طوری که پیشینی من هیچ اتصال بین ارزهای دیجیتال را تصور نمی کنم. در هر دو مورد ، مجازات و انقباض توسط مجموعه ای از هایپرپارامترها کنترل می شوند که مقادیر آنها بهینه انتخاب می شوند. من VAR را با استفاده از سه تاخیر تخمین می زنم و افق اتصال (یعنی افق واریانس خطای پیش بینی) را تا 12 روز تنظیم می کنم.

نتایج

شکل 1 شاخص اتصال کلی را در قیمت ها و نوسانات ارزهای رمزنگاری شده با استفاده از رویکردهای مختلف مجازات و مقدمات برای دو دوره نمونه ، یعنی از اول ژانویه 2018 ، تا 10 مه 2021 و از اول ژانویه 2020 تا 10 مه گزارش می دهد.، 2021.

1. شاخص اتصال بازار cryptocurrency

یادداشت ها: حداقل اتصال 0 و حداکثر 100 است. دو ردیف اول سرریز قیمت ورود به سیستم است و دو ردیف آخر سرریز نوسانات هستند. واحدها درصد هستند. منابع: محاسبات نویسنده بر اساس داده های Coinbase. com و Investing. com.

انقباض	خط الراس	کمند	شبکه الاستیک
قیمت	بزرگ t متوسط n	86	88	94	94
	متوسط t بزرگ n	96	96	96	97
نوسان	بزرگ t متوسط n	93	91	91	89
	متوسط t بزرگ n	95	96	96	96

صرف نظر از اندازه نمونه ، مقدمات یا رویکرد منظم که من استفاده می کنم ، می دانم که بازار cryptocurrency بسیار بهم پیوسته است. به طور خاص ، نتایج نشان داده شده در ردیف اول شکل 1 نشان می دهد که در دو سال گذشته ، 86 ٪ تا 94 ٪ عدم قطعیت قیمت cryptocurrency ناشی از شوک های غیر شهری یا سرریز بازار است ، یعنی نوسانات قیمت که از برخی سرچشمه می گیردیا مجموعه ای از ارزهای رمزنگاری شده و به بقیه ارزهای دیجیتال موجود در بازار پخش می شود. این درصد افزایش می یابد که من استخر بیشتری از ارزهای دیجیتال را در نظر می گیرم. علاوه بر این ، در شکل 2 ، من شاخص اتصال کلی محاسبه شده با گذشت زمان ، یعنی در ویندوزهای همپوشانی 200 روز تقویم از اول ژانویه 2018 ، تا 10 مه 2021 ، به منظور ضبط بی ثباتی ممکن است. شاخص اتصال از سال 2018 نسبتاً پایدار و به طور قابل توجهی بالاتر از 90 ٪ باقی مانده است. این نتیجه حاکی از آن است که عدم اطمینان (یا ریسک) مرتبط با قیمت یک ارز دیجیتال به خصوصیات خاص خاص خود بستگی ندارد و بیشتر به نوسانات قیمتتمام ارزهای دیجیتالی دیگر موجود در بازار. از این رو ، بازار بسیار بهم پیوسته و نسبت به شوک ها حساس است. علاوه بر این ، خطر مرتبط با نمونه کارها از ارز دیجیتال بسیار متمرکز خواهد بود. نتیجه گیری های مشابه را می توان هنگام نگاه به سرریزهای نوسانات شکل 1 به دست آورد.

2. شاخص اتصال نورد

منابع: محاسبات نویسنده بر اساس داده های Coinbase. com و Investing. com.

شکل 3 گزارش سرریز جهت را از یک رمزنگاری خاص به بقیه بازار در نمونه طولانی تر گزارش می کند. این میزان میزان نوسانات در قیمت تأثیر ارز دیجیتال ، به طور متوسط ، قیمت سایر ارزهای دیجیتال ، به عنوان مثال ، یک اندازه گیری مصنوعی از سطح گسترش سیستمیک از واحدهای جداگانه است. سرریزهای جهت دار تمایل به بزرگی دارند. ارز که بزرگترین سرریز جهت دار را ایجاد می کند ، بیت کوین است. به طور خاص ، حدود 10 ٪ از نوسانات قیمت در سایر ارزها ناشی از نوسانات قیمت بیت کوین است. اهمیت سیستمی مشابه به Cardano و Ethereum نسبت داده می شود ، که به طور جداگانه بخش غیرقانونی از کل بازار Cryptocurrency را نشان می دهد. دو بازیکن مهم دیگر از نظر کلاه بازار ، سکه Binance و XRP ، سرریز قابل توجهی ایجاد نمی کنند. سرریز جهت دار دریافت شده توسط هر ارز دیجیتال به نظر می رسد کوچک و با تغییر کمی در ارز (در اینجا نشان داده نشده است). به طور خلاصه ، نتایج در شکل 3 نشان می دهد که سرریزهای جهت دار در دوره کامل نمونه بسیار کم است. هر ارز به صورت جداگانه دارای یک قیمت کوچک به قیمت سایر ارزها است ، اما با هم جمع می شوند ، این ریخته ها بسیار بزرگتر از شوکهای خاص برای هر ارز است.

3. گسترش سیستمیک: میانگین سرریزهای جهت دار از یک رمزنگاری به دیگران

توجه: مقادیر با برآوردگرهای خالص الاستیک محاسبه می شوند. منابع: محاسبات نویسنده بر اساس داده های Coinbase. com و Investing. com.

رمز	فهرست مطالب
بیت کوین	10. 3
کاردانو	10. 3
اتر	9.8
ویجک	8.9
پول نقد بیت کوین	8.0
دورو	7.8
خط تیره	7.6
ZCASH	7.3
نهان	6.8
ترون	5.1
لیتر	5.0
IOTA	3.0
ستاره	2.5
نئو	1.9
ائوس	1.5
اتریوم کلاسیک	1.4
XRP	1.3
سکه دوتایی	0.5
qtum	0.5

یک راه جایگزین برای تفسیر این الگوها، اذعان به این موضوع است که شوک‌های رایج یا کل ممکن است منشأ سرریزهای قوی در کل بازار باشند. وقتی به ساختار کوواریانس مولفه غیرقابل پیش‌بینی تغییرات قیمت، یعنی باقیمانده‌های VAR نگاه می‌کنیم، مشخص می‌شود که یک عامل پنهان بخش بزرگی از این نوسانات را توضیح می‌دهد، که نشان‌دهنده اشتراکات زیادی در بازار ارزهای دیجیتال است. من شواهد غیرقطعی پیدا کردم که این عامل پنهان می تواند با یک ارز خاص یا زیر مجموعه ای از آنها مرتبط باشد - نتیجه ای که نتایج تجزیه و تحلیل با VAR را منعکس می کند. در عوض، به نظر می‌رسد که تکامل این مؤلفه مشترک در طول زمان، روندهای بازار را در بر می‌گیرد، یعنی روند نزولی در سال 2018 و روند صعودی در سال 2020.

نتیجه

با توجه به گسترش بسیار سریع بازار ارزهای دیجیتال در چند سال گذشته، سطح ارتباط متقابل در بازار را بررسی می‌کنم و برخی پیامدها را برای اندازه‌گیری و مدیریت ریسک مورد بحث قرار می‌دهم. من این کار را با تجزیه و تحلیل معیارهای قیمت ها و سرریزهای نوسان در مجموعه بزرگی از ارزهای دیجیتال انجام می دهم. تحلیل من نشان می دهد که بازار ارزهای دیجیتال به شدت به هم مرتبط است. برای مثال، مقادیر شاخص اتصال که من با استفاده از مشخصات مختلف، اندازه‌های نمونه و پنجره‌های زمانی محاسبه می‌کنم بالای 90 درصد است. این بدان معنی است که بیشتر تغییرات قیمت ارزها در بازار ناشی از سرریزهای بازار است و تنها بخش کوچکی را می توان به ویژگی های خاص ارزهای دیجیتال منتسب کرد. این سرریزهای قوی می تواند نتایج شوک های کل یا رایج باشد که بر کل بازار تأثیر می گذارد. بیت کوین، بزرگترین ارز از نظر ارزش بازار، تنها تأثیر محدودی بر قیمت و نوسانات سایر ارزهای دیجیتال دارد. در واقع، نوسانات قیمت بیت کوین تنها 10 درصد از نوسانات سایر ارزهای موجود در بازار را توضیح می دهد.

یادداشت

1 ارزش بازار یک ارز رمزنگاری شده برابر است با قیمت فعلی ارز به دلار آمریکا برابر تعداد کل توکن‌های موجود در بازار که اغلب به عنوان عرضه در گردش از آن یاد می‌شود.

2 نوسانات روزانه با استفاده از اختلاف مربع بین لاگ های قیمت های بالا و پایین محاسبه می شود. من نتایج مشابهی را با در نظر گرفتن نوسانات واقعی مبتنی بر محدوده روزانه مورد استفاده در Demirer و همکاران به دست آوردم.(2018).

3 به طور خاص، من با ماتریس واریانس کوواریانس خطای پیش‌بینی در افق‌های خاص کار می‌کنم. در ادبیات، شناسایی شوک‌های خاص واحد معمولاً بر اساس نمایش میانگین متحرک تعمیم‌یافته VAR است، همانطور که در پسران و شین (1998) مورد بحث قرار گرفت، که تصور می‌شود راحت باشد زیرا تجزیه‌های واریانسی را تولید می‌کند که تغییری نسبت بهترتیب متغیرها

4 بایننس کوین، بیت کوین، بیت کوین کش، کاردانو، دش، EOS، اتریوم، اتریوم کلاسیک، آیوتا، لایت کوین، مونرو، NEM، نئو، Qtum، Stellar، TRON، VeChain، XRP، Zcash.

5 بایننس کوین، بیت کوین، بیت کوین کش، بیت کوین اس وی، بیت تورنت، کاردانو، چین لینک، کیهان، دای، دش، دکرد، دوج کوین، EOS، اتریوم، اتریوم کلاسیک، توکن FTX، توکن Huobi، آیوتا، لایت کوین، میکر، مونرو، NEM, Neo, Polygon, Qtum, Stellar, THETA, TRON, UNUS SED LEO, USD Coin, VeChain, XRP, Zcash.