Эволюция криптовалюты биткоин как финансового актива

В 2020 г. дискуссия вокруг криптовалют развернулась с новой силой на фоне роста котировок, превысивших уровень конца 2017 г. Целью настоящей работы является анализ возможных факторов ценообразования биткоина на различных этапах становления рынка криптовалют: до пузыря 2017 г., после него и во время пандемии COVID-19. Основным методом анализа являются модели условной гетероскедастичности с использованием условного обобщенного нормального распределения (GARCH-GED). В качестве возможных факторов, связанных с динамикой биткоина, использованы две группы показателей. Первая группа представляет из себя различные количественные показатели, связанные непосредственно с биткоином (внутренние факторы)? — объемы биржевой торговли, объем транзакций в блокчейне биткоина, количество новых и активных кошельков, хэшрейт, объем комиссий в блокчейне, а также динамика поисковых запросов Google Trends. Во вторую группу переменных входят доходности различных финансовых активов — индексов рынков акций, облигаций, товаров и валют. Результаты анализа демонстрируют отсутствие устойчивой корреляции каких-либо из рассматриваемых факторов с доходностями биткоина на протяжении всех рассматриваемых периодов. Так, в период до пузыря 2017 г. внутренние факторы и доходности биткоина демонстрировали в целом сонаправленную динамику, однако после 2017 г. ситуация изменилась. К началу 2021 г. значительно выросла корреляция между доходностями биткоина и традиционными финансовыми активами. Сделан вывод, что биткоин становится востребованным средством диверсификации в качестве высокорискового актива, имеющего, однако, по состоянию на начало 2021 г. некоторые признаки пузыря. Повышенный спрос на потребность инвестирования в биткоин с помощью различных биржевых инструментов (ETF на криптовалюты) в ближайшем будущем может привести к дальнейшему росту цены данной криптовалюты в случае, если такие инструменты будут зарегистрированы на бирже

1. Столбов М.И. К десятилетию рынка криптовалют: текущее состояние и перспективы. Вопросы экономики. 2019;(5):136–148. DOI: 10.32609/0042–8736–2019–5–136–148

2. Шилов К. Д., Зубарев А. В. Блокчейн и распределенные реестры как виды баз данных. Инновации. 2018;12:77–87.

3. Синельникова-Мурылева Е.В., Шилов К. Д., Зубарев А. В. Сущность криптовалют: дескриптивный и сравнительный анализ. Финансы: теория и практика. 2019;23(6):36–49. DOI: 10.26794/2587–5671–2019–23–6–36–49

4. Sockin M., Xiong W. A model of cryptocurrencies. NBER Working Paper. 2020;(26816). DOI: 10.3386/w26816

5. Gans J. S., Halaburda H. Some economics of private digital currency. In: Goldfarb A., Greenstein S. M., Tucker C. E., eds. Economic analysis of the digital economy. Chicago, IL: University of Chicago Press; 2015:257–276. DOI: 10.7208/chicago/9780226206981.003.0009

6. Biais B., Bisiere C., Bouvard M., Casamatta C., Menkveld A.J. Equilibrium Bitcoin pricing. SSRN Electronic Journal. 2020. DOI: 10.2139/ssrn.3261063

7. Cong L.W., Li Y., Wang N. Tokenomics: Dynamic adoption and valuation. The Review of Financial Studies. 2021;34(3):1105–1155. DOI: 10.1093/rfs/hhaa089

8. Chiu J., Koeppl T.V. The economics of cryptocurrencies — Bitcoin and beyond. SSRN Electronic Journal. 2017. DOI: 10.2139/ssrn3048124

9. Hayes A.S. Cryptocurrency value formation: An empirical study leading to a cost of production model for valuing bitcoin. Telematics and Informatics 2017;34(7):1308–1321. DOI: 10.1016/j.tele.2016.05.005

10. Catalini C., Gans J.S. Initial coin offerings and the value of crypto tokens. NBER Working Paper. 2018;(24418). DOI: 10.3386/w24418

11. Chod J., Lyandres E. A theory of ICOs: Diversification, agency, and information asymmetry. Management Science. 2021. In press. DOI: 10.1287/mnsc.2020.3754

12. Симонов А., Зямалов В. Факторы доходности и выживаемости первичных предложений монет в долгосрочной перспективе. Экономический журнал Высшей школы экономики. 2019;23(4):585–604. DOI: 10.17323/1813–8691–2019–23–4–585–604

13. Dyhrberg A. H. Bitcoin, gold and the dollar — A GARCH volatility analysis. Finance Research Letters. 2016;16:85–92. DOI: 10.1016/j.frl.2015.10.008

14. Baur D.G., Dimpfl T., Kuck K. Bitcoin, gold and the US dollar — A replication and extension. Finance Research Letters. 2018;25:103–110. DOI: 10.1016/j.frl.2017.10.012

15. Klein T., Pham Thu H., Walther T. Bitcoin is not the New Gold — A comparison of volatility, correlation, and portfolio performance. International Review of Financial Analysis. 2018;59:105–116. DOI: 10.1016/j.irfa.2018.07.010

16. Shahzad S. J.H., Bouri E., Roubaud D., Kristoufek L., Lucey B. Is Bitcoin a better safe-haven investment than gold and commodities? International Review of Financial Analysis. 2019;63:322–330. DOI: 10.1016/j.irfa.2019.01.002

17. Urquhart A., Zhang H. Is Bitcoin a hedge or safe haven for currencies? An intraday analysis. International Review of Financial Analysis. 2019;63:49–57. DOI: 10.1016/j.irfa.2019.02.009

18. Shahzad S.J.H., Balli F., Naeem M.A., Hasan M., Arif M. Do conventional currencies hedge cryptocurrencies? The Quarterly Review of Economics and Finance. 2021. In press. DOI: 10.1016/j.qref.2021.01.008

19. Glaser F., Zimmermann K., Haferkorn M., Weber M. C., Siering M. Bitcoin — Asset or currency? Revealing users’ hidden intentions. In: Proc. 22nd European conf. on information systems (ECIS-2014). (Tel Aviv, June 9–11, 2014). Frankfurt am Main: Goethe University; 2014. URL: https://www.researchgate.net/publication/286338705_Bitcoin_-_Asset_or_currency_Revealing_users’_hidden_intentions

20. Baur D.G., Hong K., Lee A.D. Bitcoin: Medium of exchange or speculative assets? Journal of International Financial Markets, Institutions and Money. 2018;54:177–189. DOI: 10.1016/j.intfin.2017.12.004

21. 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: 10.26794/2587–5671–2018–22–2–66–89

22. Liu Y., Tsyvinski A. Risks and returns of cryptocurrency. The Review of Financial Studies. 2021;34(6):2689–2727. DOI: 10.1093/rfs/hhaa113

23. Dastgir S., Demir E., Downing G., Gozgor G., Lau C.K.M. The causal relationship between Bitcoin attention and Bitcoin returns: Evidence from the Copula-based Granger causality test. Finance Research Letters. 2019;28:160–164. DOI: 10.1016/j.frl.2018.04.019

24. Liu Y., Tsyvinski A., Wu X. Common risk factors in cryptocurrency. NBER Working Paper. 2019;(25882). DOI: 10.3386/w25882

25. Chu J., Chan S., Nadarajah S., Osterrieder J. GARCH modelling of cryptocurrencies. Journal of Risk and Financial Management. 2017;10(4):17. DOI: 10.3390/jrfm10040017

26. Малкина М., Овчинников В. Рынок криптовалют: сверхреакция на новости и стадные инстинкты. Экономическая политика. 2020;15(3):74–105. DOI: 10.18288/1994–5124–2020–3–74–105

27. Федорова Е.А., Бечвая К.З., Рогов О.Ю. Влияние тональности новостей на курс биткоина. Финансы: теория и практика. 2018;22(4):104–113. DOI: 10.26794/2587–5671–2018–22–4–104–113

28. Aalborg H.A., Molnár P., de Vries J.E. What can explain the price, volatility and trading volume of Bitcoin? Finance Research Letters. 2019;29:255–265. DOI: 10.1016/j.frl.2018.08.010

29. Bianchi D. Cryptocurrencies as an asset class? An empirical assessment. The Journal of Alternative Investments. 2020;23(2):162–179. DOI: 10.3905/jai.2020.1.105

30. Bianchi D., Dickerson A. Trading volume in cryptocurrency markets. SSRN Electronic Journal. 2019. DOI: 10.2139/ssrn.3239670

31. Alexander C., Dakos M. A critical investigation of cryptocurrency data and analysis. Quantitative Finance. 2020;20(2):173–188. DOI: 10.1080/14697688.2019.1641347

32. Enders W. Modeling volatility. In: Enders W. Applied econometric time series. 4th ed. Hoboken, NJ: John Wiley & Sons, Inc.; 2015:118–180.

33. Fama E. F. The behavior of stock-market prices. The Journal of Business. 1965;38(1):34–105. URL: http://www.e-m-h.org/Fama65.pdf

34. Mandelbrot B. B. The variation of certain speculative prices. In: Mandelbrot B. B. Fractals and scaling in finance: Discontinuity, concentration, risk. New York: Springer-Verlag; 1997:371–418.

35. Nelson D.B. Conditional heteroskedasticity in asset returns: A new approach. Econometrica. 1991;59(2):347–370. DOI: 10.2307/2938260

36. Curto J.D., Pinto J.C., Tavares G.N. Modeling stock markets’ volatility using GARCH models with Normal, Student’s t and stable Paretian distributions. Statistical Papers. 2009;50(2):311–321. DOI: 10.1007/s00362–007–0080–5

37. Alberg D., Shalit H., Yosef R. Estimating stock market volatility using asymmetric GARCH models. Applied Financial Economics. 2008;18(15):1201–1208. DOI: 10.1080/09603100701604225

38. Fisher T. J., Gallagher C. M. New weighted portmanteau statistics for time series goodness of fit testing. Journal of the American Statistical Association. 2012;107(498):777–787. DOI: 10.1080/01621459.2012.688465

39. Ghalanos A. Package ‘rugarch’: Univariate GARCH models. R package version 1.4–4. 2020. URL: https://cran.rproject.org/web/packages/rugarch/rugarch.pdf

40. Vlaar P. J.G., Palm F. C. The message in weekly exchange rates in the European monetary system: Mean reversion, conditional heteroscedasticity, and jumps. Journal of Business & Economic Statistics. 1993;11(3):351–360. DOI: 10.1080/07350015.1993.10509963

41. Andersen T. G. Return volatility and trading volume: An information flow interpretation of stochastic volatility. The Journal of Finance. 1996;51(1):169–204. DOI: 10.1111/j.1540–6261.1996.tb05206.x

42. Fantazzini D., Kolodin N. Does the hashrate affect the Bitcoin price? Journal of Risk and Financial Management. 2020;13(11):263. DOI: 10.3390/jrfm13110263

43. Shanaev S., Sharma S., Shuraeva A., Ghimire B. The marginal cost of mining, Metcalfe’s law and cryptocurrency value formation: Causal inferences from the instrumental variable approach. SSRN Electronic Journal. 2019. DOI: 10.2139/ssrn.3432431