یادداشتی در مورد نرخ صندوق های بیت کوین و فدرال

  • 2021-02-20

این مطالعه به بررسی تأثیر بالقوه سیاست فدرال رزرو بر پویایی قیمت بیت کوین می پردازد. تحقیقات تجربی مبتنی بر روش شناسی برای تعیین میزان تأثیر نرخ صندوق های فدرال بر روی بیت کوین از طریق اثرات خطی ، غیرخطی و سرریز است. این مجموعه مجموعه ای از شش دارایی نماینده ، از جمله بیت کوین ، نرخ صندوق های فدرال ، S& P 500 ، اوراق بهادار 10 ساله خزانه داری ایالات متحده ، USD/EUR و طلا را از ژانویه 2015 تا فوریه 2021 پوشش می دهد. شواهدی ارائه شده است که نرخ صندوق های فدرال دارای اثرات غیرخطی است واثرات سرریز موقت بر روی بیت کوین ها.

روی نسخه خطی کار می کنید؟

مقدمه

در این مقاله به نقشی که نرخ صندوق های فدرال در پویایی قیمت بیت کوین ایفا کرده است ، بررسی شده است. قیمت بیت کوین 2020-2021 از قیمت بیت کوین به بالاترین زمان بالاتر از 60،000 دلار می رسد. گرایش به سمت اتخاذ صنعت ارزهای رمزنگاری شده با افزودن بیت کوین به ترازنامه آنها ، باعث افزایش علاقه عمومی به بیت کوین به عنوان یک وسیله پرداخت خصوصی معتبر شده است. در حالی که در زمان تأسیس Satoshi فرض شده (Nakamoto 2008) به ارزش تقریبی دلار آمریکا رسیده است ، به کانال سرمایه گذاری سرمایه تبدیل شده است که ارزش بازار خود را تا 1 تریلیون دلار محاصره می کند. بیت کوین با بیشترین سهم (17. 60 ٪) در کل سرمایه گذاری بازارهای رمزنگاری شده ، به اولین رمزنگاری غیر متمرکز در جهان تبدیل شده است. پاورقی 1

جالب اینجاست که مفهوم بیت کوین در پی بحران مالی در 31 اکتبر 2008 پدیدار شد. پاورقی 2 از این رو ، احتمالاً تولد پاورقی بیت کوین 3 ممکن است یک پاسخ مستقیم به بحران مالی جهانی باشد (به عنوان مثال ، Fantacci و Gobbi2021). در همین راستا ، اخیراً ، در پی بحران سیاره ای دیگر ، هنگامی که سازمان بهداشت جهانی Covid-19 را در 11 مارس 2020 اعلام کرد ، یک بیماری همه گیر ، می توان یک روند چشمگیر در ارزهای رمزنگاری را مشاهده کرد. مجموعه ای غنی از مقالات وجود دارد که در مورد پاورقی طبیعت 4 ارزهای دیجیتالی خصوصی ، به ویژه در مورد اینکه آیا آنها ارز واقعی هستند یا دارایی های شبیه به کالا هستند ، بحث می کند (به عنوان مثال ، Gronwald 2019 ؛ Balvers and McDonald 2021 ؛ Obstfeld 2021).

در هر دو وضعیت، فدرال رزرو برای مقابله با بحران مالی و شیوع ویروس کرونا در 16 دسامبر 2008 و 16 مارس 2020، نرخ های خود را 100 bp کاهش داد. سایر مداخلات بازار آزاد عمدتاً به میزان - 25 bp، یک بار با - 50 bp در 3 مارس 2020 رخ داد. در 16 مارس 2020، نرخ های صندوق فدرال رزرو به بزرگترین کاهش یک روزه خود (-77. 27٪) از سال 1961 از 1. 1 به 0. 25 رسید.٪. همانطور که در شکل 1 نشان داده شده است، کاهش زیر 0. 1٪ در 18 آگوست 2020 دنبال می شود، جایی که در همان زمان، بیت کوین رالی خود را تسریع کرد و قیمت ها را از 5, 074 (16 مارس 2020) به 10, 007 (7 مه 2020) رساند.، 21, 384 (16 دسامبر 2020)، 32, 127 (4 ژانویه 2021)، 40, 666 (8 ژانویه 2021)، 52, 269 (17 فوریه 2021) و 61, 1132 مارس از قیمت بیت کوین 2, 1130M ضرب شده است16، 2020، تا 13 مارس 2021. علاوه بر این، بزرگی این دو کاهش قابل توجه نرخ بهره ممکن است انتظار نمی رفت، اگرچه وقوع یک نتیجه منطقی از دستور دوگانه فدرال رزرو با توجه به قانون فدرال رزرو است. در واقع، تعدیل‌های سیاست فدرال رزرو، که بر حسب واکنش‌های سیاست پولی به نوسانات اقتصاد کلان بیان شده است، با هدف تثبیت سطح عمومی قیمت‌ها (هدف‌گذاری تورم) صورت می‌گیرد. اگرچه گاهی اوقات، مداخلات فدرال رزرو برای جلوگیری از ضررهای گسترده در بازارهای مالی مشکوک بوده است. اصطلاح "فدرال رزرو" نشان می دهد که مداخلات فدرال رزرو با هدف جلوگیری ضمنی از کاهش قیمت سهام فراتر از یک سطح مناسب است (پول 2008). استدلال قرار دادن فدرال رزرو از دهه 1990 توسط چندین مقاله تجربی مشاهده و مورد بحث قرار گرفته است، که برخی از آنها تمایل دارند وجود چنین سیاستی برای هدف قرار دادن قیمت سهام را نشان دهند (به عنوان مثال، D'Amico و Farka 2011؛ Cieslak و Vissing-Jorgensen 2020 را ببینید.، در حالی که دیگران به سادگی واکنش بازار سهام به نرخ وجوه فدرال را تایید می کنند (به عنوان مثال، برنانکه و گرتلر 1999؛ ریگوبون و ساک 2004). مکانیسمی که سیاست فدرال رزرو ممکن است بر بیت کوین تأثیر بگذارد زمانی است که نرخ کاهش یکباره به طور شگفت انگیزی زیاد است و نرخ بهره واقعی را در قلمرو منفی آنها فشار می دهد، که ممکن است جریان سرمایه را به سمت سکه های دیجیتال خصوصی هدایت کند. پی نوشت 5

figure 1

قیمت بیت کوین در مقابل نرخ های صندوق فدرال رزرو. توجه: شکل 1 تحول قیمت بیت کوین و نرخ های صندوق فدرال رزرو را نشان می دهد. دو خط عمودی خاکستری دقیقاً مطابق با 3 و 16 مارس 2020 است، زمانی که نرخ‌های صندوق فدرال رزرو به ترتیب 50 و 100 واحد کاهش یافت. دوره: 01/01/2015–02/28/2021

این مقاله از روش‌های جایگزین برای بررسی رابطه بین نرخ‌های صندوق فدرال رزرو و بیت‌کوین استفاده می‌کند. در گام اول به بررسی رابطه خطی همزمان و عقب مانده می پردازد. با این حال، نرخ‌های صندوق‌های فدرال رزرو به‌صورت روزانه تغییر نمی‌کند، که تأثیر آن‌ها را طبق استاندارد OLS محدود می‌کند و تخمین آنها را به ندرت از نظر آماری معنادار می‌کند. این ممکن است توضیح دهد که چرا اکثر مطالعات روی بیت کوین، نرخ های بلندمدت را به جای نرخ های کوتاه مدت انتخاب کرده اند و به طور کلی، نرخ های صندوق های فدرال رزرو را در تنظیمات اقتصاد سنجی خود نادیده گرفته اند. به همین دلیل، در مرحله دوم، بررسی تحت یک چارچوب غیرخطی با تجزیه و تحلیل اثرات آستانه و مرتبه بالاتر تکمیل می شود. با این حال، این تنظیم ممکن است ویژگی‌های غیرخطی دائمی را در بین نرخ‌های فدرال رزرو و بیت‌کوین‌ها ثبت کند، اما ویژگی‌های موقتی ضروری را که در یک زمان خاص رخ می‌دهند، نیست. به همین دلیل، در گام سوم، این مقاله رویکرد روش‌شناختی دیبولد و یلماز (2009، 2014) را برای بررسی اثرات سرریز از نرخ‌های صندوق فدرال رزرو به قیمت بیت‌کوین اتخاذ می‌کند. آنها از تجزیه واریانس در خودرگرسیون برداری برای ارزیابی وابستگی بین متغیرها استفاده می کنند. آنها شدت وابستگی متقابل بین دارایی ها را تعیین می کنند و اجازه تجزیه اثرات سرریز بین متغیرهای منبع و گیرنده را می دهند. این روش چندین مزیت را ارائه می دهد، از جمله رابطه دو طرفه بین متغیرها و ردیابی تکامل سرریزها در طول زمان. این رویکرد توسط چندین مقاله اخیر به کار گرفته شده است (Greenwood-Nimmo et al. 2016; Do et al. 2016; Barunik et al. 2016; Finta and Aboura 2020 و غیره). انگیزه انتخاب چنین تنظیمی علاقه به محاسبه سرریزهای جهت دار برای شناسایی فرستنده شوک ها به بازده قیمت بیت کوین به صورت موقت است.

سهم این مقاله ، تعیین میزان تأثیر نرخ صندوق های فدرال در بازده قیمت بیت کوین ، کمیت (آستانه ، مرتبه بالاتر و اثرات سرریز) است. این مجموعه داده شامل سری زمانی از مشاهدات روزانه از 01/01/2015 تا 02/28/2021 در دارایی های مالی نماینده (شاخص سهام S& P 500 ، اوراق قرضه دولت 10 ساله ایالات متحده ، نرخ صندوق های فدرال ، نرخ ارز USD/EUR ، طلا) است. این مجموعه داده ها از طریق متغیرهای اقتصادی اضافی ایالات متحده (FRB اسمی ، ادعای اولیه هفتگی ، شاخص تولید صنعتی ، کل حقوق و دستمزد غیرقانونی ، شاخص قیمت مصرف کننده) برای تأثیرات سرریز ماکروفینسی به حساب می آید. در میان ارزهای رمزپایه ، فقط بیت کوین مورد بررسی قرار می گیرد زیرا این نماینده در بین همسالان خود بیشترین نماینده است ، زیرا استقرار انواع ارزهای جدید رمزنگاری را از سال 2009 آغاز کرده است.

یافته اصلی بر تأثیر نرخ صندوق های فدرال در قیمت بیت کوین تأکید دارد.

این مقاله به صورت زیر سازمان دهی می شود. بخش 2 بررسی ادبیات را نشان می دهد. بخش 3 روش استفاده شده را تشریح می کند. بخش 4 توضیحات داده را ارائه می دهد. بخش 5 در مورد یافته های تجربی بحث می کند. سرانجام ، فرقه6 نتیجه گیری

ادبیات مرتبط

ارزهای رمزپایه در میان بزرگترین بازارهای بدون نسخه در جهان قرار می گیرند. ادبیات مربوط به ارزهای رمزنگاری شده از زمان آغاز به کار ، افزایش چشمگیر را دنبال کرده است زیرا هنوز چندین سؤال در حال تعلیق در مورد چگونگی سرعت چنین پول خصوصی وجود دارد. علاوه بر این ، با وجود صدها مقاله در مورد این موضوع ، به نظر نمی رسد که محرک های اصلی بیت کوین و همسالان آن را شناسایی کنیم. فراتر از این واقعیت که این یک بازار بالغ نیست ، هنوز هم ناهمگونی در قدرت توضیحی عوامل رمزنگاری بازار و به ویژه در مورد بازده قیمت بیت کوین وجود دارد. برای این منظور ، Koutmos (2020) بحث می کند که چرا مطالعات در پیوند قیمت بیت کوین به اصول اقتصادی به طور کلی هنگام عدم توجه به رژیم های نرخ ارز مشکل دارند. با این حال ، یکی دیگر از توضیحات احتمالی دستکاری قیمت در اکوسیستم بیت کوین است ، جایی که معاملات مشکوک ممکن است بازده غیر طبیعی را توجیه کند ، همانطور که توسط گاندال و همکاران پیشنهاد شده است.(2018). گریفین و شمس (2020) همچنین از این دیدگاه دفاع می کنند که دستکاری قیمت می تواند اثرات تحریف کننده قابل توجهی در ارزهای رمزپایه داشته باشد ، به این معنی که قیمت آنها بسیار بیشتر از عرضه/تقاضای استاندارد و اخبار اساسی است. فولی و همکاران.(2019) با ادعای اینکه یک چهارم از کاربران بیت کوین در فعالیت غیرقانونی شرکت می کنند ، بیشتر پیش بروید. با این حال ، موفقیت مردمی بیت کوین ها به سادگی به این عوامل کاهش نمی یابد ، زیرا چندین مقاله تعیین کننده های اقتصادی واضح از این دارایی های رمزنگاری شده را پیدا می کنند. مقالات مربوط به سؤال تحقیق ما را می توان به طور گسترده ای به دو دسته طبقه بندی کرد: مطالعاتی که در مورد عوامل تعیین کننده بیت کوین و مطالعاتی که در مورد پیوندهای بین ارزهای رمزنگاری و سایر بازارها بحث می کنند ، بحث می کنند. از این پس ، ما برخی از مطالعات اخیر را در معرض دید قرار دادیم که بررسی می کند کدام متغیر به احتمال زیاد قیمت رمزنگاری و رفتار نوسانات را توضیح می دهد.

اولین جریان مطالعات به بررسی عوامل تعیین کننده بیت کوین می پردازد. کنراد و همکاران.(2018) از مدل Garch-Midas برای بررسی عوامل اقتصادی نوسانات بیت کوین بلند مدت با دارایی های مختلف استفاده کنید (2017-2017). آنها دریافتند که با سطح بالاتری از فعالیت اقتصادی جهانی ، نوسانات بیت کوین افزایش می یابد. Lyocsa و همکاران.(2020) از مدلهای فاکتور قیمت گذاری دارایی استاندارد استفاده کنید تا بررسی کنید که آیا ارزهای اصلی رمزنگاری شده با سهام ، ارزها ، کالاها ، عوامل کلان اقتصادی و عوامل خاص بازار رمزنگاری (2011-2018). آنها نتیجه می گیرند که بازده cryptocurrency دارای قرار گرفتن در معرض پایین کلاس های دارایی استاندارد (سهام ، ارز و کالاها) است. با این حال ، آنها خاطرنشان می کنند که بازده ارزهای رمزنگاری شده را می توان با دو عامل خاص برای این بازارها پیش بینی کرد (حرکت و توجه سرمایه گذاران). مامون و همکاران.(2020) از مشخصات DCC-GJR-GARCH برای بررسی نقش ریسک ژئوپلیتیکی در سرمایه گذاری بیت کوین (2010-2015) استفاده کنید. آنها تأکید می کنند که ریسک ژئوپلیتیکی و عدم اطمینان سیاست اقتصادی ایالات متحده در شرایط نامطلوب اقتصادی بسیار مهمتر است. سه مطالعه نرخ صندوق های فدرال را به تعیین کننده های اقتصادی بیت کوین اضافه می کند. Panagiotidis و همکاران.(2018) از رگرسیون Lasso برای انتخاب متغیر در بین 21 متغیر که احتمالاً بر بازده قیمت بیت کوین تأثیر می گذارد (2010-2017) استفاده می کند. آنها دریافتند که شدت جستجو در Google ، Gold و عدم اطمینان سیاست ها بیشتر از اهمیت برخوردار است و توسط بازارهای سهام ، نرخ ارز ، نفت و نرخ بهره دنبال می شود. Panagiotidis و همکاران.(2019) از مدل های VAR/FAVAR برای سنجش تعامل بین 19 متغیر و بازده بیت کوین (2010-2018) استفاده کنید. آنها متوجه می شوند که بیت کوین ممکن است نسبت به افزایش نرخ صندوق های فدرال واکنش مثبت نشان دهد اما نسبت به افزایش نرخ تسهیلات سپرده گذاری ECB واکنش منفی نشان می دهد. جالب اینجاست که آنها اضافه می کنند "چنین استدلالی برای تأیید سخت است. بنابراین ، تحقیقات بیشتر در مورد پاسخ بیت کوین به شوک نرخ بانک مرکزی لازم است. "Dyhrberg (2016) از یک چارچوب GARCH استفاده می کند که در آن متغیرهای عقب مانده (نرخ صندوق های فدرال ، طلا ، نرخ ارز ، شاخص سهام) در میانگین معادله قرار می گیرند تا در صورت تأثیر بر قیمت بیت کوین (2010-2015) تأثیر بگذارند. نرخ صندوق های فدرال تاخیر به میزان قابل توجهی بر قیمت بیت کوین تأثیر می گذارد ، که نشان می دهد بیت کوین مانند یک ارز عمل می کند. مجموعه ای از مقالات از مدل های هوش مصنوعی استفاده می کنند تا بیشتر از توضیح حرکات قیمت بیت کوین (غیرخطی) توضیح دهند. جانگ و لی (2018) از شبکه های عصبی بیزی تغذیه شده با متغیرهای اقتصادی و فناوری (2011-2017) استفاده می کنند.

آنها دریافتند که این رویکرد با موفقیت می تواند سری زمان قیمت بیت کوین را توضیح دهد. Adcock و Gradojevic (2019) از چندین مدل غیر پارامتری برای مقایسه عملکرد پیش بینی جهت خود از بازده بیت کوین (2011-2018) با شبکه های عصبی مصنوعی بر اساس تجزیه و تحلیل فنی استفاده می کنند. آنها نشان می دهند که رویکرد ANN توانایی پیش بینی برتر را ارائه می دهد ، و آنها در مورد وجود غیرخطی در سری BTC/USD اظهار داشتند. Atsalakis و همکاران.(2019) برای پیش بینی بازده بیت کوین (2011-2017) از یک رویکرد یادگیری ماشین بر اساس مدل های عصبی فازی استفاده کنید. آنها نتیجه می گیرند که این یک روش کارآمد برای پیش بینی حرکات بیت کوین است. Gradojevic و همکاران.(2021) برای پیش بینی بازده بیت کوین (2018-2019) از چندین مدل یادگیری ماشین استفاده شده برای داده های نمونه برداری شده در فرکانس های ساعتی و روزانه استفاده کنید. آنها مدل جنگل تصادفی را در پیش بینی بیت کوین دقیق ترین می دانند. چن و همکاران.(2021) از دو مدل یادگیری ماشین تغذیه شده با متغیرهای اقتصادی و فناوری استفاده کنید (2011-2017). آنها دریافتند که چنین عوامل تعیین کننده از استفاده از نرخ ارز قبلی برای پیش بینی نرخ ارز بیت کوین مهمتر هستند.

جریان دوم مطالعات به بررسی سرریزهای بین بازارهای رمزنگاری و سایر بازارها می پردازد. Symitsi و Chalvatzis (2018) از مشخصات VAR-BEKK-AGARCH برای تجزیه و تحلیل سرریز بین بیت کوین و شاخص های سهام انرژی پاک ، انرژی سوخت فسیلی و شرکتهای فناوری استفاده می کنند (2011-2018). آنها توجه می کنند که به سرریزهای شوک نامتقارن دو طرفه بین شاخص های بیت کوین و سهام می پردازند. بوری و همکاران.. آنها خاطرنشان می کنند که بازده بیت کوین به ویژه مربوط به کالاها است. وانگ و همکاران.(2019) از یک مدل MVQM-Caviar برای بررسی اثرات سرریز ریسک شاخص های EPU و VIX در بیت کوین (2010-2018) استفاده کنید. آنها دریافتند که خطر قیمت بیت کوین مستقل از تغییرات EPU است اما مربوط به اطلاعات نوسانات است. Gillaizeau و همکاران.(2019) از رویکرد Diebold و Yilmaz (2012) برای برآورد بازده و سرریزهای نوسانات تاریخی بالا در بین پنج ارز (USD ، AUD ، CAD ، EUR و GBP) به نقل از بیت کوین استفاده کنید. آنها خاطرنشان می کنند که اتصال از طریق سرریز نوسانات بین BTC/USD و BTC/EUR بیشترین موارد را دارد. واضح است که به نظر می رسد USD/EUR تأثیرگذارترین جفت FX در بیت کوین ها است. Cajner و همکاران.(2020) از مشخصات GARCH (TGARCH ، GJR-GARCH ، EGARCH) برای مطالعه سرریزهای نوسانات از نرخ هدف صندوق فدرال FOMC و اطلاعیه های سیاست QE (2013-2017) تا 58 دارایی دیجیتال استفاده کنید. آنها شواهد قابل توجهی در مورد سرریزهای نوسانات از اعلامیه های سیاست پولی ایالات متحده به دارایی های دیجیتال پیدا می کنند. Lyocsa و همکاران.(2020) از مدل HAR برای مطالعه در صورتی که اعلامیه های خبری بر نوسانات بیت کوین ها تأثیر می گذارد (2013-2018) استفاده کنید. آنها شواهد کمی پیدا می کنند که نشان می دهد نوسانات بیت کوین تحت تأثیر برنامه ریزی های اخبار کلان اقتصادی ایالات متحده ، از جمله اطلاعیه های سیاست پولی قرار دارد. مطالعات دیگر در مورد سرریزها در بین بازده و نوسانات در ارزهای رمزنگاری شده برای بررسی سطح ادغام آنها با استفاده از روشهای جایگزین (انتقال آنتروپی ، واریانس خطای پیش بینی ، کوپلا دو متغیره ، اتصال به همبستگی دم و غیره) و بیشتر تأیید نقش غالب بازار بیت کوین در میان آن ، بحث می کند. همسالان (Huynh et al. 2020 ؛ Ji et al. 2021 ؛ Xu et al. 2021 ، و غیره).

به بهترین دانش ما ، هیچ یک از مطالعات موجود ، سرریز بین نرخ صندوق های فدرال و بازده قیمت بیت کوین را بررسی نمی کند. هیچکدام از آنها آستانه یا اثر مرتبه بالاتر را بین هر دو متغیر کشف نمی کنند. به طور کلی ، هیچ یک از آنها به ویژه روی نقشی که با نرخ صندوق های فدرال فدرال ایفا می کند ، تمرکز نمی کنند. این تحقیق سعی در تحقق شکاف دارد.

روش شناسی

مدل های رگرسیون خطی

ثبت دیدگاه

مجموع دیدگاهها : 0در انتظار بررسی : 0انتشار یافته : ۰
قوانین ارسال دیدگاه
  • دیدگاه های ارسال شده توسط شما، پس از تایید توسط تیم مدیریت در وب منتشر خواهد شد.
  • پیام هایی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
  • پیام هایی که به غیر از زبان فارسی یا غیر مرتبط باشد منتشر نخواهد شد.