financeФинансы: теория и практика/Finance: Theory and PracticeFinance: Theory and Practice2587-56712587-7089Financial University under The Government of Russian Federation10.26794/2587-5671-2024-28-1-133-144finance-2685Research ArticleЦИФРОВЫЕ ФИНАНСОВЫЕ АКТИВЫDIGITAL FINANCIAL ASSETSОценка волатильности основных криптовалют, евро и прямого обменного курса рубляAssessment of the Volatility of the Main Cryptocurrencies, the Euro and the Direct Exchange Rate of the Rublehttps://orcid.org/0000-0002-8234-4936БывшевВ. А.ByvshevV. A.

Виктор Алексеевич Бывшев — доктор технических наук, профессор, профессор кафедры математики факультета информационных технологий и анализа больших данных

Москва

Victor A. Byvshev — Dr. Sci. (Tech.), Prof., Department of Information Technology and Big Data Analysis

Moscow

VByvshev@fa.ruhttps://orcid.org/0000-0003-0039-791XЯщенкоН. А.YashchenkoM. A.

Наталия Алексеевна Ященко — доцент кафедры математики факультета информационных технологий и анализа больших данных

Москва

Nataliya A. Yashchenko — Assoc. Prof., Department of Information Technology and Big Data Analysis

Moscow

nayaschenko@fa.ruФинансовый университетРоссияFinancial UniversityRussian Federation202401032024281133144Copyright © Бывшев В.А., Ященко Н.А., 20242024Бывшев В.А., Ященко Н.А.Byvshev V.A., Yashchenko M.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://financetp.fa.ru/jour/article/view/2685

Развитие финансовых технологий в современных условиях способствовало активному использованию при проведении международных расчетов цифровых финансовых инструментов — криптовалюты. Наличие актуальной информации о волатильности цифровой валюты поможет участникам крипторынка прогнозировать последствия проводимых операций. Целью данной работы является построение новой меры волатильности финансовых активов, в частности, криптовалют, евро и прямого обменного курса рубля. Для получения такой меры был проведен анализ известных мер волатильности, сформулированы требования к мере волатильности финансового актива и, в итоге, выполнена оценка волатильности основных криптовалют, евро и прямого обменного курса рубля по уровням временных рядов ежемесячных котировок упомянутых активов на временном промежутке с 01.01.2022 по 01.04.2023 г. Научную новизну в работе представляет обоснованная новая мера абсолютной волатильности. Основные выводы проведенного исследования: 1) построенная в данной работе мера абсолютной волатильности имеет размерность стоимости актива и измеряет ту часть стоимости актива, которая генерирована неопределенностью в значениях его доходности; 2) самой волатильной криптовалютой является Bitcoin Cash, наименьшую же волатильностью среди криптовалют имеет Bitcoin; 3) волатильность прямого обменного курса рубля (цены американского доллара в рублях) примерно в два раза меньше волатильности Bitcoin; 4) вне конкуренции по волатильности является котировка евро (цена евро в долларах) — 10% за полтора года.

The development of financial technologies in modern conditions has contributed to the active use of digital financial instruments — cryptocurrencies — in international settlements. The availability of up-to-date information on digital currency volatility will help crypto market participants predict the consequences of their transactions. The purpose of this work is to construct a new measure of the volatility of financial assets, in particular, cryptocurrencies, the euro and the direct exchange rate of the ruble. In order to obtain this measure, an analysis of known volatility measures was carried out, requirements for the measure of volatility of a financial asset were formulated, and, as a result, the volatility of the main cryptocurrencies, the euro and the direct exchange rate of the ruble, was assessed by the levels of the time series of monthly quotations of these assets in the time interval from 1.01.2022 to 1.04.2023. The scientific novelty in the paper is a reasonable new measure of absolute volatility. The main conclusions of the study are: 1) the measure of absolute volatility constructed in this paper has the dimension of the asset value and measures the part of the asset value that is generated by uncertainty in the values of its profitability; 2) Bitcoin Cash is the most volatile cryptocurrency, Bitcoin has the least volatility among cryptocurrencies; 3) the volatility of the direct exchange rate of the ruble (the price of the US dollar in rubles) is about half the volatility of Bitcoin; 4) out of competition in terms of volatility is the euro quote (the euro price in dollars) — 10% in a year and a half.

активдоходность активакриптовалютамеры волатильностиassetasset yieldcryptocurrencymeasures of volatilityReferencesPhillips P.C.B., Shi S., Yu J. Testing for multiple bubbles: Historical episodes of exuberance and collapse in the S&P 500. International Economic Review. 2015;56(4):1043–1078. DOI: 10.1111/iere.12132Phillips P.C.B., Shi S., Yu J. Testing for multiple bubbles: Historical episodes of exuberance and collapse in the S&P 500. International Economic Review. 2015;56(4):1043–1078. DOI: 10.1111/iere.12132Filimonov V., Sornette D. A stable and robust calibration scheme of the log-periodic power law model. Physica A: Statistical Mechanics and its Applications. 2013;392(17):3698–3707. DOI: 10.1016/j.physa.2013.04.012Filimonov V., Sornette D. A stable and robust calibration scheme of the log-periodic power law model. Physica A: Statistical Mechanics and its Applications. 2013;392(17):3698–3707. DOI: 10.1016/j.physa.2013.04.012Geuder J., Kinateder H., Wagner N.F. Cryptocurrencies as financial bubbles: The case of Bitcoin. Finance Research Letters. 2019;31. DOI: 10.1016/j.frl.2018.11.011Geuder J., Kinateder H., Wagner N.F. Cryptocurrencies as financial bubbles: The case of Bitcoin. Finance Research Letters. 2019;31. DOI: 10.1016/j.frl.2018.11.011Enoksen F.A., Landsnes Ch.J., Lučivjanská K., Molnár P. Understanding risk of bubbles in cryptocurrencies. Journal of Economic Behavior and Organization. 2020;176:129–144. DOI: 10.1016/j.jebo.2020.05.005Enoksen F.A., Landsnes Ch.J., Lučivjanská K., Molnár P. Understanding risk of bubbles in cryptocurrencies. Journal of Economic Behavior and Organization. 2020;176:129–144. DOI: 10.1016/j.jebo.2020.05.005Zhang J., Xu Y., Wang H. Cryptocurrency price bubble detection using log-periodic power law model and wavelet analysis. SSRN Electronic Journal. 2021. DOI: 10.2139/ssrn.3983539Zhang J., Xu Y., Wang H. Cryptocurrency price bubble detection using log-periodic power law model and wavelet analysis. SSRN Electronic Journal. 2021. DOI: 10.2139/ssrn.3983539Kyriazis N., Papadamou S., Corbet S. A systematic review of the bubble dynamics of cryptocurrency prices. Research in International Business and Finance. 2020;54:101254. DOI: 10.1016/j.ribaf.2020.101254Kyriazis N., Papadamou S., Corbet S. A systematic review of the bubble dynamics of cryptocurrency prices. Research in International Business and Finance. 2020;54:101254. DOI: 10.1016/j.ribaf.2020.101254Caferra R., Tedeschi G., Morone A. Bitcoin: Bubble that bursts or Gold that glitters? Economics Letters. 2021;205:109942. DOI: 10.1016/j.econlet.2021.109942Caferra R., Tedeschi G., Morone A. Bitcoin: Bubble that bursts or Gold that glitters? Economics Letters. 2021;205:109942. DOI: 10.1016/j.econlet.2021.109942Уилан Ч. Голые деньги: откровенная книга о финансовой системе. Пер. с англ. М.: Манн, Иванов и Фербер; 2022. 384 с.Wheelan Ch. Naked money: A revealing look at our financial system. New York, NY: W.W. Norton & Co.; 2017. 368 p. (Russ. ed.: Wheelan Ch. Golye den’gi: otkrovennaya kniga o finansovoi sisteme. Moscow: Mann, Ivanov and Ferber; 2022. 384 p.).Крылов Г. О., Лисицын А.Ю., Поляков Л. И. Сравнительный анализ волатильности криптовалют и фиатных денег. Финансы: теория и практика. 2018;22(2):66–89. DOI: 10.26794/2587–5671–2018–22–2–66–89Krylov G.O., Lisitsyn A. Yu., Polyakov L.I. Comparative analysis of volatility of cryptocurrencies and fiat money. Finance: Theory and Practice. 2018;22(2):66–89. (In Russ.). DOI: 10.26794/2587–5671–2018–22–2–66–89Andersen T.G., Bollerslev T. Answering the skeptics: Yes, standard volatility models do provide accurate forecasts. International Economic Review. 1998;39(4):885–905. DOI: 10.2307/2527343Andersen T.G., Bollerslev T. Answering the skeptics: Yes, standard volatility models do provide accurate forecasts. International Economic Review. 1998;39(4):885–905. DOI: 10.2307/2527343Куссый М.Ю. Методологические аспекты измерения волатильности. Ученые записки Крымского федерального университета имени В.И. Вернадского. Экономика и управление. 2018;4(1):59–78. URL: https://cyberleninka.ru/article/n/metodologicheskie-aspekty-izmereniya-volatilnostiKussy M. Yu. Metodological characteristics of volatility assessment. Uchenye zapiski Krymskogo federal’nogo universiteta imeni V.I. Vernadskogo. Ekonomika i upravlenie = Scientific Notes of V.I. Vernadsky Crimean Federal University. Economics and Management. 2018;4(1):59–78. URL: https://cyberleninka.ru/article/n/metodologicheskie-aspekty-izmereniya-volatilnosti (In Russ.).Аганин А.Д., Пересецкий А.А. Волатильность курса рубля: нефть и санкции. Прикладная эконометрика. 2018;(4):5–21. URL: https://cyberleninka.ru/article/n/volatilnost-kursa-rublya-neft-i-sanktsiiAganin A. D., Peresetsky A. A. Volatility of ruble exchange rate: Oil and sanctions. Prikladnaya ekonometrika = Applied Econometrics. 2018;(4):5–21. URL: https://cyberleninka.ru/article/n/volatilnostkursa-rublya-neft-i-sanktsii (In Russ.).Аганин А.Д., Маневич В.А., Пересецкий А.А., Погорелова П.В. Сравнение моделей прогноза волатильности криптовалют и фондового рынка. Экономический журнал Высшей школы экономики. 2023;27(1):49–77. DOI: 10.17323/1813–8691–2023–27–1–49–77Aganin A., Manevich V., Peresetsky A., Pogorelova P. Comparison of cryptocurrency and stock market volatility forecast models. Ekonomicheskii zh urnal Vysshei shkoly ekonomiki = The HSE Economic Journal. 2023;27(1):49–77. (In Russ.). DOI: 10.17323/1813–8691–2023–27–1–49–77Barndorff-Nielsen O.E., Shephard N. Econometric analysis of realized volatility and its use in estimating stochastic volatility models. Journal of the Royal Statistical Society. Series B: Statistical Methodology. 2002;64(2):253–280. DOI: 10.1111/1467–9868.00336Barndorff-Nielsen O.E., Shephard N. Econometric analysis of realized volatility and its use in estimating stochastic volatility models. Journal of the Royal Statistical Society. Series B: Statistical Methodology. 2002;64(2):253–280. DOI: 10.1111/1467–9868.00336Бывшев В. А. Эконометрика. М.: Финансы и статистика; 2008. 480 с.Byvshev V. A. Econometrics. Moscow: Finansy i statistika; 2008. 480 p. (In Russ.).Бывшев В. А. Моделирование финансово-экономических временных рядов в R. М.: Фин. ун-т при Пра вительстве Рос. Федерации; 2019. 110 с.Byvshev V. A. Modeling of fi nancial and economic time series in R. Moscow: Financial Univers ity under the Government of the Russian Federation; 2019. 110 p. (In Russ.).

The authors declare that there are no conflicts of interest present.