Ethereum динамика курса: ETH/USD (Эфир) — курс на сегодня, онлайн график динамики цен :: РБК.Крипто

Введение

Криптовалюты стали одной из самых актуальных тем в последних экономических и финансовых вопросах.После кризиса Dotcom коммерция в Интернете (электронная коммерция) быстро росла, а отрасли розничной торговли переживали революцию, поскольку интернет-продажи быстро развиваются, и все больше и больше технически подкованных потребителей отправляются за покупками через Интернет. Аппетит инвесторов фондового рынка к акциям электронной коммерции казался ненасытным, поскольку вложения в интернет-магазины были чрезвычайно крупными, несмотря на опасения по поводу будущего Интернета после лопнувшего пузыря доткомов и серьезные опасения по поводу безопасности покупок в Интернете с помощью кредитных карт.До появления первой криптовалюты -Bitcoin- в 2009 году онлайн-коммерция в основном осуществлялась при посредничестве финансовых учреждений, которые выступали в качестве доверенных третьих сторон для обработки электронных платежей. Хотя эта система была достаточно хороша для большинства транзакций, она работала очень медленно из-за контроля финансового учреждения (проблема конфиденциальности и доверия), и это было несколько дорого (транзакционные и комиссионные расходы).

Это вызвало появление децентрализованных криптовалют, которые обходят финансовые контроллеры, поэтому транзакции проходят очень быстро, плавно и с нулевой стоимостью.Криптовалюта определяется как «цифровой актив, предназначенный для работы в качестве средства обмена с использованием криптографии для защиты транзакций и контроля создания дополнительных единиц валюты» . 22 мая 2010 года Ласло Ханец, программист из Флориды, впервые использовал криптовалюту в онлайн-торговле для двух пицц с согласованной суммой в 10 000 биткойнов (Yermack, 2013), что на сегодняшний день (декабрь 2017 г.) было бы эквивалентно 155,80 миллионам долларов США. ).

В 2017 году популярность и использование криптовалют резко возросло.Люди «вкладывают» огромных сумм денег в «активов» , которые не приносили дохода, и эти активы растут в цене только потому, что другие люди также вкладывают в них деньги. Миллиарды долларов были вложены в более чем 1000 новых цифровых монет, выпущенных стартапами в 2017 году. Эти монеты имитируют построение Биткойна, что означает, что ими можно свободно торговать на цифровых биржах и за ними не стоит центральный банк. Это вызвало много сомнений и вопросов относительно настоящего и будущего децентрализованных криптовалют.Есть два основных взгляда. Одна сторона утверждает, что это пузырь без реальных активов, который неизбежно лопнет. Другая сторона полагает, что криптовалютные рынки станут проспектом, который даст миллионам людей возможность участвовать в глобальной финансовой сети стоимостью десятки триллионов долларов. От молодых миллениалов в развивающихся странах с небольшими сбережениями и большими амбициями до семейных владельцев бизнеса, желающих реинвестировать некоторую прибыль в перспективные криптопроекты, такие люди станут основой этой отрасли.

Это также повысило интерес к криптовалютам в сфере экономики и финансовых исследований. Хотя их литература скудна, количество эмпирических исследований заметно растет. В связи с этим мы также проводим исследование, в котором еженедельно изучаем влияние цен на криптовалюты в краткосрочной и долгосрочной перспективе в 2010-2018 гг. С использованием метода ARDL. Поскольку статистические данные по криптовалюте собираются недавно, мы строим индекс «Crypto 50» с его общим объемом торгов и волатильностью, который будет использоваться в нашем анализе.Этот индекс состоит из 50 ведущих криптовалют в соответствии с их рейтингом рыночной капитализации. Мы отбираем пять наиболее распространенных цифровых валют, таких как Биткойн, Ethereum, Litecoin, Dash и Monero, и внимательно изучаем, как эти валюты взаимодействуют с фондовым рынком (индекс SP500), ценами на золото и макроэкономическими показателями (процентная ставка), как вкратце: и в долгосрочной перспективе.

Характеристики криптовалюты

Криптовалюта — это цифровая или виртуальная валюта, использующая криптографию для обеспечения безопасности.Криптовалюту сложно подделать из-за этой функции безопасности. Определяющая черта криптовалюты и, возможно, ее самая привлекательная привлекательность — это ее органическая природа; он не издается каким-либо центральным органом, что делает его теоретически невосприимчивым к вмешательству или манипуляциям со стороны правительства. Он разработан с нуля, чтобы пользоваться преимуществами Интернета и принципами его работы. Вместо того, чтобы полагаться на традиционные финансовые учреждения, которые проверяют и гарантируют ваши транзакции, транзакции с криптовалютой проверяются компьютерами пользователя, подключенными к сети валюты.Поскольку валюта защищена и зашифрована, становится невозможным увеличить денежную массу выше заранее определенной алгоритмической ставки.

Одна криптовалюта, в частности, вошла в публичный лексикон как цифровой актив: биткойн часто считается отцом криптовалют, а все другие криптовалюты называются альткойнами. С 2009 года финансовый мир наблюдает за взлётом биткойнов с восхищением и, во многих случаях, с серьезным скептицизмом.Характеристики Биткойна принципиально отличают его от фиатной валюты, которая пользуется полной верой и доверием своего правительства. Эмиссия фиатной валюты — это высокоцентрализованная деятельность, контролируемая центральным банком страны. С другой стороны, стоимость биткойна полностью зависит от того, что инвесторы готовы платить за него в определенный момент времени. Он использует одноранговую сеть блокчейнов (хронологически упорядоченную цепочку блоков, где каждый блок имеет список информации о транзакциях), где все участники равны, и нет центрального сервера, который сообщает всем, что делать (Nakamoto, 2008).Эта децентрализация поддерживается идеей Сатоши Накамото (2008) о сочетании «доказательства работы», (PoW) с другими криптографическими методами. С математической точки зрения PoW представляет собой хэш-функцию с большим количеством вариантов ответа, так называемый «красивый» хэш считается хеш-функцией, которая начинается с 15 нулей. Хэш каждого блока алгоритмически напрямую связан с предыдущим блоком. То есть, если гипотетически представить хеш-функцию в виде

, где θ — хэш предыдущего блока; ϕ — текущий уровень сложности; и Z — случайный ключ, уникально специфичный для текущего блока.Это указывает на то, что каждый последующий блок неразрывно связан с предыдущим из-за θ, и если какой-либо недобросовестный майнер в какой-то момент решит сгенерировать недопустимый блок, другие участники сети не подтвердят его, потому что хеш предыдущего блока не будет использоваться в нем. И если спамер решит изменить хеш предыдущего блока, то ему придется сделать это и для предыдущего, и так до блока генезиса (самого первого блока, созданного самим Сатоши Накамото).Было бы невероятно много времени, чтобы прочесать всю бухгалтерскую книгу, чтобы убедиться, что человек, добывающий самый последний пакет транзакций, не пробовал ничего забавного. Это потребует огромного объема работы, которая на данный момент практически не под силу одному человеку или даже большой организации. Следовательно, PoW также поддерживает механизмы защиты криптовалюты от взлома.

Однако PoW-майнеры вкладывают средства в современные компьютерные машины, которые работают круглосуточно (потребляя энергию) с целью проверки транзакций (решения хэшей) и создания новых блоков.Как только он находит «красивых» , он объявляет, что блок разрешен, и каждый майнер получает вознаграждение (биткойны), пропорциональное их работе, потраченной на решение хеш-кода. Таким образом, майнинг криптовалюты по протоколу PoW кропотливый, дорогостоящий и лишь от случая к случаю. В качестве альтернативы, многие альткойны начали использовать протокол с «доказательством ставки» (PoS), который более экономичен (дешевле) и экологичен (экологичнее) по сравнению с PoW, который требует большого энергопотребления компьютера для решения математических алгоритмов. хеши.В случае PoS майнерам не нужны дорогие компьютерные машины, создатель нового блока выбирается детерминированным образом, в зависимости от его богатства, также определяемого как ставка.

У большинства криптовалют есть предел добычи. Это означает, что предложение криптовалют со временем будет уменьшаться и при условии при прочих равных условиях должно привести к более высокой цене (инфляции). Однако, в отличие от централизованных фиатных валют, криптовалюты уникальны, поскольку их график вознаграждения за блок является общедоступным.Это означает, что публике уже известна приблизительная дата каждого уменьшения (или уменьшения вдвое). Таким образом, все ожидания должны были быть куплены рынком, и поэтому сокращение предложения не должно влиять на цену торговли криптовалютами. Например, первое сокращение блока биткойнов вдвое произошло 28 ноября 2012 года. Награда за блок упала с 50 BTC за блок до 25 BTC за блок. Позже цена выросла до 260 BTC в апреле 2013 года, а в ноябре 2013 года — до 1163 BTC. Однако неясно, было ли это повышение напрямую связано с уменьшением вознаграждения за блок вдвое.В этом исследовании мы исследуем факторы, которые влияют на цены криптовалюты как в краткосрочной, так и в долгосрочной перспективе.

Обзор литературы

Рынок криптовалюты вызвал беспрецедентный уровень интереса инвесторов в 2016 году. Биткойн, крупнейшая в мире цифровая валюта, выросла более чем на 1500 процентов с начала 2017 года. Однако рынок значительно сложнее, чем можно предположить из публичной лексики. . И хотя было проведено множество исследований, изучающих будущее Биткойна и его волатильность (Polasik et al.2015; Летра, 2016; Буойур и Селми, 2016; Кациампа, 2017; Чиу и Кеппл, 2017; Чу и др. 2017), мало кто изучает более широкий рынок криптовалют и его развитие. Биткойн в настоящее время торгуется по цене около 16 000 долларов США; в начале года цена биткойна составляла 1000 долларов, что вызвало предупреждения некоторых аналитиков и видных финансовых деятелей о том, что это пузырь. Валюта необычайно нестабильна, несмотря на ее постоянно пиковую динамику в последнее время: она выросла на тысячи долларов в один день, а на следующий день упала еще больше.Кациампа (2017) оценивает волатильность Биткойна путем сравнения моделей GARCH и обнаруживает, что модель AR-CGARCH дает наиболее оптимальное соответствие. Он подчеркивает, что рынок очень спекулятивный. Bouoiyour и Selmi (2016) изучают ежедневные цены на биткойны с использованием модели оптимального GARCH и показывают, что волатильность имеет тенденцию к снижению, сравнивая данные до и после 2015 года. Даже несмотря на это, они все еще наблюдают значительную асимметрию на рынке биткойнов, где цены больше зависят от отрицательных, чем положительных шоков.Точно так же Дирберг (2016) исследует асимметричную методологию GARCH для изучения возможностей хеджирования биткойнов и обнаруживает, что ее можно использовать в качестве инструмента хеджирования против акций в индексе фондовой биржи Financial Times и против американского доллара в краткосрочной перспективе.

С другой стороны, Эль Бахрави и Алессандретти (2017) изучают поведение всего рынка (1469 криптовалют) в период с апреля 2013 года по май 2017 года. Они обнаруживают, что криптовалюты появляются и исчезают непрерывно, а их рыночная капитализация растет (супер-) экспоненциально, некоторые статистические характеристики рынка стабильны в течение многих лет.В частности, распределение доли рынка и оборот криптовалют остаются достаточно стабильными.

Существует широкое соглашение о том, что криптовалюты не только повлияют на торговую практику разных стран и бизнес-организаций, но также повлияют на динамику международных отношений. Все еще есть много людей, которые никогда не соглашаются с идеей, что криптовалюты произведут революцию в нашем бизнесе. Они не могут понять, как работает вся технология блокчейн и другие приложения.Кроме того, достижения в области технологий представляют цифровые инструменты, которые компании могут использовать для лучшего взаимодействия со своими клиентами. Растущий переход от традиционных платформ к цифровым платформам также привел к обильному поступлению данных из таких источников, как социальные сети, мобильные устройства, онлайн-платформы розничной торговли и т.д. наборы данных легко распределяются между компаниями в каждом секторе и стране с небольшими затратами или бесплатно.Широкая доступность данных также вызвала озабоченность по поводу конфиденциальности данных отдельных лиц и их онлайн-транзакций. Поскольку каждая транзакция или действие, осуществляемое в Интернете, оставляет за собой цифровой след, люди выбирают более анонимные способы использования Интернета и проведения онлайн-транзакций. Криптовалюта Биткойн была введена для решения проблемы конфиденциальности.

Хотя децентрализация криптовалюты, анонимность транзакций и необратимость платежей предлагают множество преимуществ, Брилл и Кин (2014) полагают, что эти функции также привлекают незаконную деятельность (киберпреступников), такую ​​как отмывание денег, торговля наркотиками, контрабанда и закупка оружия.Этот вопрос привлек внимание влиятельных регулирующих и других государственных органов, таких как Сеть по борьбе с финансовыми преступлениями (FinCEN), SEC и даже ФБР и Министерство внутренней безопасности (DHS). В марте 2013 года FinCEN выпустил правила, в которых биржи виртуальных валют и администраторы были определены как предприятия, предоставляющие денежные услуги, и попали в сферу государственного регулирования. В мае того же года DHS заморозило счет Mt. Gox — крупнейшей биткойн-биржи — в Wells Fargo, утверждая, что он нарушил законы о борьбе с отмыванием денег.А в августе Департамент финансовых услуг Нью-Йорка направил повестки в суд 22 развивающимся платежным компаниям, многие из которых работали с биткойнами, с вопросом об их мерах по предотвращению отмывания денег и обеспечению защиты потребителей. Кроме того, экономист Кеннет Рогофф пишет, что Биткойн никогда не вытеснит деньги, выпущенные государством, потому что «чрезвычайно затруднит сбор налогов или противодействие преступной деятельности». (см. Законность биткойнов в Приложении, таблица 1A).

Подводя итог, Пойсер (2017) выделяет три типа драйверов цен на криптовалюту, сгруппированных по внутренним и внешним факторам.Спрос и предложение криптовалюты — это основные внутренние факторы, которые напрямую влияют на ее рыночную цену. С другой стороны, привлекательность (популярность), легализация (принятие) и несколько факторов макрофинансирования (процентная ставка, фондовые рынки, цены на золото) можно рассматривать как внешние факторы (см. Рисунок 1).

Рисунок 1. Факторы, влияющие на цены криптовалюты

В этом отношении мы исследуем краткосрочные и долгосрочные факторы, влияющие на цены криптовалют в 2010-2018 годах, с использованием метода ARDL на основе еженедельных данных.Во-первых, мы создаем индекс Crypto 50, выбирая 50 лучших криптовалют, которые имеют пропорциональный вклад в вес рыночной капитализации. Таким образом, мы получаем несколько факторов крипторынка, таких как общая рыночная капитализация, объем торгов и волатильность. Мы используем эти факторы в качестве объясняющих переменных для движений цен на криптовалюту наряду с переменными привлекательности и контроля, такими как движения фондового рынка, цены на золото и процентные ставки. В этом исследовании мы приводим доказательства значительной долгосрочной роли привлекательности криптовалют в определении их цен.Мы также наблюдаем слабую форму негативного воздействия со стороны фондовых рынков (индекс SP 500) на рынок криптовалют, в частности Биткойн.

Содержание статьи организовано следующим образом. В следующем разделе описываются данные с описательным анализом и объясняется методологическая установка исследования. Затем мы представляем наши основные выводы, включая наши комментарии и предложения. В последнем разделе приводятся заключительные замечания по исследованию.

Данные и методология

Литература по экономике криптовалюты скудна, поскольку эта тема совсем недавно привлекла внимание к областям исследований.Мы вносим свой вклад в этот контекст, исследуя факторы, которые влияют на цены пяти наиболее распространенных криптовалют в 2010-2018 годах с еженедельными данными. Для этого исследования мы определяем нашу эконометрическую систему следующим образом.

, где м — оптимальная длина лага, определяемая информационными критериями; Pc, t является эндогенной переменной в системе и обозначает цену криптовалюты «c» в натуральном логарифмическом виде в месяц t . Мы рассматриваем все другие переменные в системе как экзогенные.Ω представляет три переменных крипторынка: MARP _t , MARV _t , и MARS _t , которые представляют собой цену индекса Crypto 50 (см. Раздел 4.1), его объем торгов и его волатильность на неделе t ; и ATR _{c, t} — привлекательность валюты «c» . Кроме того, мы также учитываем k набор управляющих переменных Z _i , таких как фондовый рынок (прогнозируемый индексом SP500), обменные курсы (EURO / USD), U.С. процентные ставки и мировая цена на золото.

Данные по криптовалютам собираются с веб-сайта BitInfoCharts ¹ ; цена индекса SP500 получена из Yahoo Finance ² , а макроэкономические данные получены из Всемирного банка ³ . О привлекательности криптовалюты свидетельствует частота ее поиска в Google; мы получаем соответствующие данные из поисковых тенденций Google ⁴ .

¹ BitInfoCharts — https://bitinfocharts.com/

² Исторические цены — https: // finance.yahoo.com/world-indices

³ https://data.worldbank.org/indicator/

⁴ https://trends.google.com/trends

1. Создание индекса Crypto 50

   Прежде всего, мы отбираем 50 крупных криптовалют с ограниченным рынком (эти 50 криптовалют составляют около 92% всего крипторынка). Мы получаем данные о рыночной капитализации, объеме торгов, ценах открытия-закрытия и максимальных-минимальных ценах из Coinsmarketcap ⁵ . Затем мы рассчитываем вес каждой криптовалюты в индексе на основе их рыночной капитализации.Мы устанавливаем цену индекса Crypto 50 ( CRX50 ) путем суммирования всех пятидесяти взвешенных цен по следующей методике.

   , где MC _{i, t} и P _{i, t} — рыночная капитализация и цена криптовалюты i в момент времени t соответственно; и MC _{CRX50, t} — общая рыночная капитализация криптовалют, которая составляет CRX50 , на момент времени t . Мы также получаем дневной объем торгов для индекса CRX50 , просто суммируя объемы торгов всех его составляющих.

   , где VOL _{i, t} — общий объем торгов криптовалютой i на момент времени t . Затем мы вычисляем дневную волатильность нашего индекса CRX50 , используя формулу ниже.

   , где P _{h, t} — самая высокая цена регистратора индекса CRX50 в день t , а P _{l, t} — самая низкая цена для индекса CRX50 , зафиксированная в день t .Цена от максимума до минимума для индекса CRX50 рассчитывается с помощью методологии, описанной в уравнении 2.

2. Краткий обзор рынка криптовалют

   Мы кратко резюмируем экономику рынка криптовалют, приводя основные статистические данные. Coin Dance ⁶ регулярно публикует актуальную и историческую статистику отчетов по рынкам криптовалют. Согласно их последнему отчету, 34,4% от общей доли рынка принадлежит Биткойну, а 19,23%, 10,74% и 1,97% доли приходятся на Ethereum, Ripple и Litcoin соответственно.Более того, их отчет показывает, что 96,57% участников рынка криптовалют — мужчины, а женщины — только 3,43%. Возрастное распределение относится к способности рынка криптовалют привлекать широкий круг людей от очень молодых до очень старых. В отчете приводятся статистические данные только по возрасту 18+, из которых 8,36% участников рынка — это люди в возрасте от 18 до 24 лет, а 45,71% и 30,62% приходятся на людей в возрасте 25-34 и 35-44 лет соответственно. Интересно, что доля пожилых людей (45+) составляет около 16%, что свидетельствует о том, что рынок криптовалют привлекает к финансовой деятельности от самых молодых до пожилых людей.Статистика интереса к криптовалюте и сродства также показывает, что люди криптовалютного сообщества в основном занимаются финансовой деятельностью, используя инвестиционные возможности.

   ---

   ⁵ https://coinmarketcap.com/

   ⁶ https://coin.dance

   Рисунок 2. Доля рынка криптовалют и демографические показатели вовлеченности

   Рисунок 3. Интерес и близость сообщества Биткойн

   С другой стороны, частота поиска в Google для «Биткойн» (или «Биткойн» ) и «Блокчейн» терминов также показывает довольно значительную корреляцию с Биткойн и Цены на альткойны соответственно (см. Рисунок 4).Это, по-видимому, важный объясняющий фактор цен на криптовалюту; поэтому мы используем этот индикатор для оценки привлекательности криптовалюты в этом исследовании.

   Рисунок 4. Рыночная капитализация биткойнов-альткойнов и биткойн-блокчейн Тенденции поиска в Google

   Подводя итог, мы кратко обрисовываем некоторые цифры, относящиеся к криптовалюте, в таблице 1, плюс мы описываем наши данные с краткими сокращениями и статистикой в ​​таблице 2.

   Таблица 1. Обзор рынка криптовалют

   905 905 X5 905 млн XNUMX миллионов долларов США 905 218 7518,28 XM 905 218 7518,28 XM 905 905 905 905 905

   	Биткойн	Ethereum	Dash	Litecoin	Monero
   Итого	16,7 млн ​​BTC		96,8 млн ETH
   Цена (долл. США)	14 729,86 долл. США	1 082,47 долл. США	1067,01 долл. США	248,93 долл. США	389 долл. США.18
   Рыночная капитализация. (Долл. США)	248 миллиардов долларов	106 миллиардов долларов	8 миллиардов долларов	13 миллиардов долларов	6 миллиардов долларов
   транзакций / час	13,609	49,900	614		614	/ час	121 019 BTC (1,8 миллиарда долларов США)	558 178 ETH (612 миллионов долларов США)	9 276 DASH (10 миллионов долларов США)	559 875 LTC (140 миллионов долларов США)	683 751 (140 миллионов долларов США)63 миллиона долларов США)
   Ср. Стоимость транзакции	8,89 BTC (131 519 долларов США)	11,19 ETH (12 273 долларов США)	15,10 DASH (16 146 долларов США)	92,76 LTC (23 174 доллара США)	Средняя транзакция Стоимость	0,366 BTC (5 416,88 долл. США)	0,197 ETH (216,3 долл. США)	0,605 DASH (647,12 долл. США)	10,83 LTC (2 706 долл. США)15 долларов США)	9,35 XMR (3638,33 доллара США)
   Время блока	9 м 17 с	15,8 с	2 м 37 с	2 м 33 с	2 м 0 с		800,814	1,346,832	1,487116
   Блоки за 24 часа	154	5460	548	562	713	905 905 9019 905 905	23	30
   Вознаграждение за блок	12.50 BTC (246 517 долларов США)	3 ETH (4744 доллара США)	3,60 DASH (3 867 долларов США)	25 LTC (6321 доллар США)	5,43 XMR (218619 долларов США	долларов США) 9050 1, * 10 12	2,003 * 10 15	70,58 * 10 6	3,7 * 10 6	75,8 * 10 9
   Скорость хеширования 15.58 * 10 18	169.10 * 10 12	1,93 * 10 15	99,98 * 10 12	6,26 * 10 8
   Прибыльность майнинга / день	2.436418 USD	2.436418 USD	0,0355 USD	2,4905 USD
   Wealth Distribution Первые 10 добавлений Top 100 добавлений Top 1000 добавлений Top 10,000 добавлений	10 — 5,25% 100 — 17,89% 1000 — 34.25% 10000 — 55,66%	10 — 10,82% 100 — 33,90% 1000 — 53,75% 10000 — 69,61%	10 — 6,32% 100 — 15,64% 1000 — 28,53% 10000 — 92,37%	10 — 14,44% 100 — 48,61% 1000 — 65,91% 10000 — 79,96%	10 — 18,03% 100 — 51,17% 1000 — 71,85% 10000 — 84,29%
   100 Крупнейшие транзакции в Последние 24 часа	713 840 BTC (10,56 миллиарда долларов) 24,58% Итого	1055897 ETH (1 доллар США.1 миллиард) 7,88% Итого	128 562 DASH (137 миллионов долларов) 57,75% Итого	2 806 164 LTC (701 миллион долларов) 20,88% Итого	2 042 328 XMR (794 миллиона долларов) 13,25% Всего 13,25% Первый блок (Genesis)	2009-01-09	2015-07-30	2014-01-19	2011-10-08	2014-04-18
   Размер цепочки блоков	178,49 ГБ	293,11 ГБ	5.04 ГБ	12,69 ГБ	39,22 ГБ

   Таблица 2. Описательная статистика

   905.86 Litcoin цена 183 905 0,43653459081909E019

   Серия		Abbr	Среднее значение	Среднее значение	Макс.	Мин.	Стандартное отклонение	Асимметрия	Эксцесс	N
   ЦЕНА	Цена биткойнов	BITPP	4,43	5,48	9,72	-2,81	-0,76	2,86	390
   	Цена Ethereum	ETHP	2,91	2,48	6,87	-0.80	905 9018 905 9018 905 9018 905 905 9018 905 цена	DASP	2,28	1,85	7,35	-0,53	1,84	1,01	3,01	203
   	Litcoin18	1,36	5,75	0,15	1,16	1,24	3,85	245
   	Цена Monero	MONP	0,63		2,15	193
   	EURO / USD Цена	EURP	1,25	1,28	1,48	1,04	0,12	-018 1	390
   	Цена на золото	GOLP	7,21	7,17	7,51	6,96	0,14	0,57	2,27 905 905 905 905 905 905 905 905 905 905 905 905 905 905 905 905	7,53	7,91	6,96	0,24	-0,23	1,81	390
   	MARKET CAP	Bitcoin mar.cap	BIT18 12.	3,47	297,53	0,00	34,99	5,67	39,72	390
   		Ethereum mar.cap	ETHM	0,02 905 905 9018 905 905 905 905 905 905 9019 905 905 2,28	8,65	126
   Dash mar.cap		DASM	0,54	0,03	9,55	0,00	1,46	4.31	23,70	203
   Litcoin mar.cap		LITM	0,78	0,18	19,01	0,04	2,23		0,04	2,23	6,0319 905	MONM	2,19	0,24	95,46	0,03	7,74	8,74	97,55	193
   			5 ТОРГОВЫЙ ОБЪЕМ 905 Биткойн	5 ТОРГОВЫЙ ОБЪЕМ		4,04	10,01	2,25	1,75	1,15	3,60	210
   	Объем Ethereum		ETHV	3,45 905 905 905 905	3,0	2,18	126
   	Объем панели		DASV	-0,42	-1,25	6,71	-4,65	2,62	0,8185	0,8185	203
   	Объем Litcoin		LITV	2,00	1,26	8,13	-0,37	1,96	1,31	3,16 905 905 905 905 MONero	-0,15	6,15	-4,00	2,41	0,43	2,15	193
   	РЫНОК		Цена CRX50	MARP	31	5,37	9,23	-2,81	2,75	-0,86	2,96	390
   CRX50 маржинальный колпачок		MARM	-0,3	4,10	-1,01	3,34	390
   Объем CRX50		MARV	-2,04	-2,54	3,99	-4,32		1,97 1,97.20	3,51	210
   Летучесть CRX50		MARS	-3,11	-3,21	0,04	-9,87	1,07	-9,87	1,07	Биткойн-тренд	BITA	0,78	0,78	2,00	0,30	0,34	1,32	4,92	390
   		Ehereum тренд 905THA14	0,00	2,00	0,00	0,40	3,23	9,85	126
   Тренд Dash	DASA	0,15		0,00 905	10,87	203
   Тренд Litcoin	LITA	0,10	0,00	2,00	0,00	0,32	3,49	12.87	245
   Тренд Monero	MONA	0,31	0,30	2,00	0,00	0,21	4,75	33,38		5 193 Спецификация модели Перед коинтеграционным анализом мы должны убедиться, что переменные интегрированы в одинаковой степени. Мы исследуем характеристики всех рядов, используя расширенный тест модульного корня Дики-Фуллера (ADF), как показано ниже. , где ΔΩ t — первая разность переменной Ω ; Τ — это тренд, а θ 1 — его множитель; k — оптимальная длина лага; и ε t — остаточный член белого шума. Здесь ADF выдвигает гипотезу H 0 ( ρ = 0) против альтернативы ( ρ <0), и отклонение нуля подтверждает стационарность Ом . Мы отображаем результаты теста ADF в таблице 3, где мы находим, что большинство серий нестационарны на уровне.Но их можно преобразовать в стационарные с помощью методологии первого дифференцирования. Таким образом, мы заключаем, что все ряды представляют собой переменные I (1) , за исключением волатильности (сигма) и нескольких рядов привлекательности, которые кажутся равными I (0) . Поисковые серии не интегрированы в одинаковой степени, мы решили использовать структуру коинтеграции с авторегрессией и распределенным запаздыванием (ARDL), которая также известна как подход связанного тестирования. Этот метод применим для серий со смесью переменных I (0) и I (1) , но ни одна из них не должна быть I (2) . Таблица 3. Результат анализа АПД 123 9654 91 51 200 200 6355 68 43 Серия Уровень Первое различие Вероятн. Задержка Макс.задержка N Вероятн. Задержка Макс.задержка N ЦЕНА BITPP 0.3360 1 16 388 0,0000 0 16 388 388 388 2 12 123 0,0000 1 12 123 123 0 14 202 0,0000 0 14 0003 14 0003 0 15 244 0,0000 0 15 243 2 14 190 0,0000 1 14 190 14 190 14 190 14 190 14 190 0 16 389 0,0000 0 16 388 50 0 16 389 0,0000 0 16 8 388 1 16 388 0.0000 0 16 388 0 388 03 0.1352 3 16 386 0,0238 2 16 386 386 3 12 122 0,0003 1 12 123 123 123 9847 0 14 202 0,0375 1 14 0002 14 2000003 2 15 242 0,0458 2 15 24183 24183 0 14 190 0,0174 0 14 3 180002 14 62 180002 6 BITV 0.1214 1 14 208 0.0000 3 3 3 0.0231 0 12 125 0,0000 0 12 124 124 124 124 124 2 14 200 0,0000 1 14 200 2 14 207 0,0000 1 14 9019 14 207 207 207 0 14 190 0,0000 1 14 188 188 905ET .2931 1 16 388 0,0000 0 16 388 388 3 16 386 0,0000 2 16 38683 2 14 207 0,0000 3 14 205 1 16 388 0,0000 5 16 38363 38363 38363 38363 .0732 2 16 388 0,0051 1 16 388 388 1 12 124 0,0308 0 12 124 124 124 124 1433 2 14 200 0,0165 0 14 19 14 19 14 19 14 19 14 19 14 19 2 15 242 0,0334 1 15 24283 24283 24283 0 15 190 0,0291 0 15 189 189 статистика, полученная с помощью теста модульного корня ADF с использованием уровней и первых разностей. Критерий длины лага установлен как информационный критерий (SIC) Schwarz (1978) с автоматическим максимумом 25 лагов. Тестируемая модель включает индивидуальные эффекты и индивидуальные линейные тренды. Методология связанного тестирования впервые была предложена Pesaran et al. (2001), тестирует потенциальную коинтеграцию переменных I (0) и I (1) в долгосрочной перспективе. Этот метод также предоставляет некоторые свидетельства краткосрочной динамики серий и исправления ошибок. Таким образом, мы вспоминаем уравнение 1 и корректируем его в соответствии с подходом ARDL, следуя Pesaran et al. (2001), как показано ниже. , где X обозначает четыре связанные с криптовалютой переменные: MARP , MARV , MARS и ATR ; и Z обозначает четыре управляющих переменных: SPP , EURP , GOLP и INT .Запаздывание зависимой переменной начинается от 1 до оптимальной длины лага ( м ). Однако независимые переменные начинаются с нулевого запаздывания и продолжаются до своего оптимального значения, то есть n 1 -n 8 , которые определены Schwartz (1978) информационным критерием (SIC). Таким образом, нулевая гипотеза φ 1 = φ 2j = φ 3j = 0 проверяется анализом Вальда, где отклонение H 0 , согласно Pesaran et al (2001) ниже и верхняя граница критических значений указывает на существование долгосрочной коинтеграции между рядами, только если невязка уравнения 1.0 ( ε t ) является стационарным. В случае обоснования этих требований модель ограниченного исправления ошибок (RECM) может быть сформулирована следующим образом. , где ECT c — стационарный остаток белого шума для долгосрочного уравнения 2 ( ε t ), а λ c — его множитель, который, как ожидается, будет статистически значимым в диапазоне -1 и 0 для устойчивости модели RECM (3). В случае, если λ c оценивается положительно, тогда модель страдает от последовательно коррелированных остаточных членов (проблема автокорреляции).И если λ c оценено отрицательно, но больше 1 (в абсолютном выражении), то модель является нестабильной, состоящей из структурных разрывов, которые необходимо контролировать (Sovbetov and Saka, 2018). Выводы Во-первых, мы гарантируем, что невязка модели уравнения 1 ( ε t ) является стационарной на уровне значимости 1%. Затем мы используем тест выбора оптимального лага ARDL в программном обеспечении Eviews 9.0 для модели уравнения 3, устанавливая максимальную длину лага равной 4 в соответствии с SIC.В результате тест находит спецификацию ARDL (3,1,1,0,0,0,0,0,0,0) как наиболее подходящую для модели BITP, где значение SIC (10,8776) является минимальным (см. Рисунок 5, Панель А). Другими словами, SIC предполагает, что наша модель ARDL должна включать только три лага зависимых переменных ( P c ), одно отставание MARP и MARV . Для надежности этой модели ARDL мы исследуем ее остаточную величину при последовательной корреляции LM и тесте на гетероскедастичность. Мы обнаружили, что невязки не включают эти две проблемы, поскольку вероятности статистики хи-квадрат LM-теста последовательной корреляции Бреуша-Годфри и теста гетероскедастичности Бреуша-Пагана-Годфри превышают 11% и 12% соответственно.Однако процентные значения довольно близки к уровню значимости 10%, поэтому мы используем устойчивые к HAC стандартные ошибки в модели ARDL. Далее мы исследуем стабильность модели с помощью теста CUSUM, который проверяет изменения кумулятивной суммы рекурсивных остатков с течением времени. На панели B рисунка 5 мы демонстрируем графический результат теста CUSUM, где четко видно, что линия CUSUM (синяя) не превышает ± 5% значимости (две красные) линии, что указывает на стабильность нашей модели в течение периода анализа. Панель А. Выбор задержки ARDL с помощью SIC Panel B. Результат теста CUSUM для модели ARDL Рисунок 5. Выбор задержки ARDL для модели BITP с SIC и стабильность выбранной модели ARDL Панель A. Выбор задержки ARDL с помощью SIC Panel B. CUSUM Результат теста для ARDL модели Рисунок 6. Выбор задержки ARDL для модели ETHP с SIC и стабильность выбранной модели ARDL Панель А. Выбор задержки ARDL с помощью SIC Panel B. Результат теста CUSUM для модели ARDL Рисунок 7. Выбор задержки ARDL для модели DASP с SIC и стабильность выбранной модели ARDL Панель A. Выбор задержки ARDL с помощью SIC Panel B. CUSUM Результат теста для ARDL модели Рис. 8. Выбор лага ARDL для модели LITP с SIC и стабильность выбранной модели ARDL Панель А. Выбор задержки ARDL с помощью SIC Panel B. Результат теста CUSUM для модели ARDL Рис. 9. Выбор запаздывания ARDL для модели MONP с SIC и стабильностью выбранной модели ARDL Аналогичным образом, на основе минимального значения SIC, мы выбираем наиболее подходящие модели ARDL для ETHP (см. Рисунок 6), DASP (см. Рисунок 7), LITP (см. Рисунок 8) и MONP ( см. рисунок 9). После определения наиболее подходящих моделей для наших пяти криптовалют, мы запускаем уравнение 1 для каждой модели отдельно.В таблице 4 представлены результаты этих анализов, где мы наблюдаем правдоподобные результаты. Эти модели включают как краткосрочную, так и долгосрочную динамику. Во всех случаях P t-1 дает статистически значимые оценки на уровне 1%. Мы можем получить долгосрочные множители связанных переменных, используя формулу -φ i / φ 1 , где i имеет массив {21, 22, 23, 24, 31, 32, 33, 34 }, что соответствует { MARP, MARV, MARS, ATR, EURP, GOLP, SPP, INT }.Однако сначала нам нужно выполнить тест Вальда, выдвигая гипотезу H 0 : φ i = 0 , чтобы проверить, имеют ли эти ряды (переменные рынка криптовалют и контрольные переменные) статистически значимые долгосрочные взаимодействия с Pt ( криптовалюта BITP, ETHP, DASP, LITP, и MONP ). Мы сообщаем результаты теста Уолта в таблице 5 для каждой криптовалюты, где также указаны критические значения для нижней ( I (0) ) и верхней ( I (1) ) границ для каждого случая.Случай I следует использовать для моделей, которые не включают ни пересечения, ни каких-либо тенденций. Случай II следует использовать для моделей, которые включают только ограниченное пересечение без каких-либо тенденций. Другими словами, перехват разрешен только в долгосрочной модели (Unrestricted ECM), но не в краткосрочной (Restricted ECM) модели. С другой стороны, случай III допускает неограниченный перехват, но никаких тенденций. В этом случае краткосрочная модель имеет точку пересечения и не имеет трендов. Случай IV следует использовать для моделей, которые включают как неограниченный перехват, так и ограниченный тренд.Таким образом, краткосрочная спецификация этих моделей включает перехват, в то время как долгосрочная спецификация включает фактор тренда. Следовательно, важно указать краткосрочные и долгосрочные модели ARDL. В этом отношении мы следуем простой логике, мы смотрим, добавляет ли включение точки пересечения и тенденции статистическую значимость в модели или нет. Однажды мы обнаруживаем, что они статистически значимы; мы оставили их в модели. Следуя этой методологии, мы видим, что фактор тренда оказывается незначительным во всех случаях ( BITP, ETHP, DASP, LITP, и MONP ).Таким образом, мы пренебрегаем им во всех случаях. С другой стороны, перехваты в моделях BITP , LITP и MONP кажутся значимыми только в долгосрочной перспективе, но не в краткосрочной. Поэтому для этих трех моделей мы выбрали спецификацию case II. Перехват оказывается статистически незначимым только в модели DASP , следовательно, удаляя его из модели, мы получаем спецификацию случая I. Наконец, мы наблюдаем этот перехват в неограниченной краткосрочной модели ETHP , поскольку он получил статистическую значимость на уровне 1%.Таким образом, мы выбрали вариант III для модели ETHP . Таблица 4. Результаты моделей ARDL 0,0944 ** (0,0375) -905,0 ) (0,0032) (0,0032) 0,1085 *** (0,0311) 0,01 0,0349 (0,0316) 0,5454 9000ats3 3 29282 0 0,01 Переменная ΔBITP ΔETHP ΔDASP ΔLITP ΔLITP ΔLITP ΔLITP — 0,2362 ** (0,1165) 0.2188 *** (0,0799) 0,9310 *** (0,1865) ΔPt-2 0,0260 ** (0,0131) — — 0,1422) 0,2297 ** (0,1187) — ΔMARPt 0,6966 *** (0,0715) 0,7837 *** (0,0117) 0.7573 *** (0,0084) 0,0484 *** (0,0071) ΔMARVt 0,1312 *** (0,0328) – — 0,0061 *** (0,0015) MARPt-1 (φ21) 0,0676 *** (0,0209) 0,0839 *** (0,0320)83 0.1419 ** (0,0618) 0,1101 ** (0,0562) MARVt-1 (φ22) 0,0121 ** (0,0055) 0,0287 ** (0,0124) 0,0107 *** (0,0041) 0,0265 * (0,0154) 0,0143 (0,0187) MARSt-1 (φ230003 -0,0328 (0.0364) -0,0205 (0,0214) -0,0090 (0,0162) -0,0028 (0,0032) 0,0521 *** (0,0162) 0,0328 (0,0493) 0,0288 *** (0,0101) 0,0202 EURPt-1 (φ31) 0.0628 (0,0428) 0,0376 (0,0909) 0,0126 (0,0344) 0,0164 (0,0380) 03 905 GOLPt-1 (φ32) -0,0333 (0,0439) 0,0131 (0,0374) -0,0023 .0109 (0,0597) 0,0092 (0,0401) SPPt-1 (φ33) 0,0696 * (0,0368) 0,0165 * (0,0103) 0,0122 (0,0169) INTt-1 (φ34) 2 -0.0128 (0,0702) -0,0049 (0,0172) -0,0189 (0,0328) -0,0001 16 (0,000519) ) -0,0851 *** (0,0299) -0,2181 *** (0,0529) -0,8801 *** (0,1179) -0,4127 *** (0,0780) -0,4331 *** (0,1091) перехват -0.0391 *** (0,0118) -0,0597 *** (0,0276) — 0,0325 *** (0,0035) 0,0404 *** (0,0060) R-квадрат 0,7122 0,5929 0,4703 0,5791 0,5454 9000ats3 2,0629 1,9929 1,9489 BG LM Test 0,1095 0,1095 BPG Test 0,1216 0,0738 0,0655 0.0588 0,1302 Примечания: Числа в таблице являются оценками, полученными методом ARDL с максимальным допуском 4 лагов. Мы используем SIC при выборе длины лага. Стандартные ошибки находятся в характеристиках устойчивости к HAC с ядром Бартлетта и фиксированной полосой пропускания Newey-West (1987) 5. Таблица 5 представляет тест Вальда наших пяти моделей в сравнении с критическими значениями нижних и верхних границ для k = 8 Пезаран и др. (2001).Это k указывает количество исходных регрессоров в модели, за исключением зависимой переменной. Таблица показывает, что вычисленная F-статистика превышает критические предельные значения даже на уровне значимости 1% во всех случаях, что свидетельствует о сильных долгосрочных коинтеграциях среди упомянутых рядов. Таблица 5. F-тест с граничными критическими значениями 4,1 10% уровень 5% уровень 1% уровень Границы Нижняя граница ] 9000 [Верхняя граница I3 (0) [I (1)] Нижняя граница [I (0)] Верхняя граница [I (1)] Нижняя граница [I (0)] Верхняя граница [I (1)] Тест Вальда Случай I 1.66 2,79 1,91 3,11 2,45 3,79 DASP (5,04 ***) 0 0 0 2,85 2,11 3,15 2,62 3,77 BITP (8,96 ***) 6.40 ***) MONP (5,28 ***) Вариант III 1,95 3,06 2,22 3,3983 3,3983 ETHP (7,53 ***) Вариант IV 2,13 3,09 2,38 3,42 2,38 3,493 4.06 Примечания: Критические значения для каждого случая взяты из Pesaran et al (2001) Table CI. k указывает количество исходных регрессоров в модели. Следовательно, в модели уравнения 1 оно равно 8 (без учета зависимой переменной Pt-1). Тест Вальда предполагает нулевое значение H 0 : φ i = 0 . Уровни значимости соответственно: *: 10%, **: 5% и ***: 1%. Теперь мы можем приблизительно оценить величину коинтеграций (долгосрочных отношений), вычислив отрицательное отношение коэффициентов независимых переменных к зависимым ( -φ i / φ 1 ).В таблице 6 показаны эти долгосрочные множители, автоматически полученные программным обеспечением Eviews, а в скобках указаны их стандартные ошибки, устойчивые к HAC. Согласно результатам, мы документально подтверждаем, что долгосрочная рыночная бета (коэффициент MARP ) является статистически значимой на уровне 1% в моделях Биткойн и Эфириум, где его множитель составляет 0,79 и 0,38 соответственно. В то время как модели Dash, Litcoin и Monero предсказывают его как 0,11, 0,34 и 0,25 соответственно при уровне значимости 5%. Мы считаем, что эти результаты стали очевидны, поскольку Биткойн и Эфириум составляют самую большую долю рынка всего криптовалютного рынка, а их бета-коэффициент показывает более высокую реакцию на рынок в долгосрочной перспективе.Другими словами, увеличение на 1 единицу в MARP приводит к увеличению биткойнов и Ethereum на 0,79 и 0,38 единицы соответственно. С другой стороны, объем торгов, по-видимому, оказывает значительное долгосрочное влияние на Биткойн на уровне значимости 1% и на Ethereum, Litcoin и Monero при уровне значимости 10%. В случае модели Dash это оказывается статистически незначимым. Результат показывает, что увеличение еженедельного объема торгов на единицу вызывает увеличение на 0,14, 0,13, 0,06 и 0,03 криптовалют Биткойн, Эфириум, Litcoin и Monero в долгосрочной перспективе.Сигма, на которую указывает волатильность рынка криптовалют, оказывает статистически значимое долгосрочное влияние на все криптовалюты. Знак воздействия отрицательный, что указывает на увеличение волатильности рынка на единицу, в результате чего Биткойн упадет на 0,15 единицы, Ethereum на 0,15 единицы, Dash на 0,02, Litcoin на 0,02 единицы и Monero на 0,01 единицы в долгосрочной перспективе. Кроме того, мы наблюдаем, что привлекательность (выраженная частотой поискового запроса Google) также определяет значимые коэффициенты для Биткойна и Эфириума на уровне значимости 1%, а для Litcoin и Monero — на уровне значимости 10%.Это указывает на то, что увеличение популярности биткойнов, Ethereum, Litcoin и Monero на 1 единицу в Google приводит к увеличению их долгосрочных цен на 1,27, 0,24, 0,07 и 0,05 единицы соответственно. Частота поиска в Google оказывается незначительным фактором для Dash. Переходя к макроэкономическим контрольным переменным, мы замечаем, что большинство из них кажутся статистически незначимым фактором для объяснения движения цен на криптовалюты. Только индекс SP500 имеет слабую форму значимого коэффициента (уровень 10%) в моделях Биткойн, Ethereum и Litcoin.Положительный знак SPP указывает на то, что увеличение единицы приводит к повышению цен на биткойн, Ethereum и Litcoin на 0,81, 0,21, 0,04 соответственно в долгосрочной перспективе. Логика этих отношений кажется неоднозначной. Обычно при увеличении SPP можно ожидать более сильного доллара США по отношению к другим фиатным валютам (включая криптовалюты). Таблица 6. Долгосрочные оценки моделей криптовалюты ARDL 0,03 (0,0827) BITP ETHP DASP LITP MONP 9000 44 *** (0,0599) 0,3847 *** (0,0654) 0,1073 ** (0,0519) 0,3438 ** (0,1649) 0,2542 ** (0,1202) 905 MARV 0,1425 *** (0,0349) 0,1316 * (0,0713) 0,0122 (0,0177) 0,0264 0,05 (0,0187) MARS -0.1511 *** (0,0526) -0,1504 *** (0,0564) -0,0233 * (0,0125) -0,0218 ** (0,0102) -0,0065 ** (0,0032 ) ATR 1,2750 *** (0,1511) 0,2389 *** (0,0721) 0,0373 (0,0328)83 0,0473 ** (0,0197) EURP 0.7381 *** (0,2446) 0,1724 (0,1149) 0,0143 (0,0385) 0,0397 0,0502) GOLP -0,3913 (0,2788) 0,0601 (0,0795) -0,0026 (0,0681)83 81) -0,0212 (0,0401) SPP 0,8179 * (0,4250) 0,2141 * (0,113319 0,050003 0,0400 * (0,0213) 0,0282 (0,0184) INT -0,3725 (0,2357) 820003 50683) -0,0056 (0,0243) -0,0458 (0,0464) -0,0002 (0,0171) (0,0171) — — 0,3668 *** (0,0739) 0,4284 *** (0,0817) Примечания: — запустите неограниченный метод ARDL с устойчивыми к HAC стандартными ошибками в скобках.Уровни значимости: 10% (*), 5% (**) и 1% (***). Далее мы оцениваем уравнение исправления краткосрочных ошибок (4) и сообщаем результат этого анализа в таблице 7. Очевидно, все модели ECM генерируют согласованные коэффициенты. Коэффициент MKT означает, что увеличение доходности криптовалютного рынка на единицу приводит к увеличению Bitcoin, Ethereum, Dash, Litcoin и Monero на 0,85, 0,39, 0,04, 0,12 и 0,09 единицы соответственно в краткосрочной перспективе. Обратите внимание, что краткосрочные коэффициенты Биткойна и Эфириума выше по сравнению с их долгосрочными коэффициентами, что указывает на то, что их ответы более чувствительны в краткосрочной перспективе.Аналогичным образом, увеличение объема торгов на рынке криптовалют на единицу приводит к увеличению упомянутых криптовалют на 0,03, 0,01, 0,007, 0,005 и 0,004 единицы соответственно при уровне значимости 1% -5%. Эти краткосрочные коэффициенты кажутся меньше, чем их долгосрочные значения в таблице 6, что указывает на то, что реакция криптовалют на колебания объема рыночных торгов выше в долгосрочной перспективе. Таблица 7. Краткосрочные оценки моделей криптовалюты с исправлением ошибок ARDL 2087 *** (0,0429) ΔPt-2 ) (0,0451) 90INT0597 (0,1106) BITP ETHP DASP LITP MONP — 0,1585 *** (0,0545) 0,3973 *** (0,0651) 0,5271 *** (0,1163) 0,1251 *** (0,0115) – 0,1162 *** (0,0322) 0,1862 *** (0,0642) 3 9 ΔMARP 0.8485 *** (0,0983) 0,3914 *** (0,0457) 0,0414 ** (0,0187) 0,1195 ** (0,0531) 0,0874 ** ( ΔMARV 0,0315 *** (0,0022) 0,0113 *** (0,0011) 0,0075 ** (0,0034) 0,0053 ** (0,00527) 0,0053 ** (0,002719) 0,0053 ** (0,002719) 9 0,0041 ** (0,0020) ΔMARS -0.3896 ** (0,1902) -0,2409 * (0,1453) -0,1695 * (0,0913) -0,1991 ** (0,0977) -0,134197 * (0,0 ΔATR 0,1372 * (0,0817) 0,0538 (0,0644) 0,0270 (0,0451) (0.0436) ΔEURP 0,0723 (0,1131) 0,0473 (0,0899) 0,0148 0,0148 0,0 0,0148 0,03 0,0280 (0,0409) ΔGOLP 0,1399 (0,1664) -0,000003 62950768 (0,1452) 0,0462 (0,0565) 0,0301 (0,0403) ΔSPP ΔSPP 0,12 (0,0676) 0,0410 (0,0718) -0,0360 (0,0328) -0,0203 (0,0302)83 (0,0302)83 -0,0234 (0,0844) -0,0022 (0,0087) -0,0175 8 (0,0314190) C – 1,1541 *** (0,2118) – – 19 ECT – – – -0.2368 *** (0,0361) -0,1276 *** (0,0303) -0,1020 *** (0,0212) -0,2291 *** 73 (0,0303) ) -0,1427 *** (0,0335) Примечания: Оценки получены с помощью краткосрочной модели RECM ARDL со стандартными ошибками, устойчивыми к HAC, в скобках. ECT t-1 показывает скорость адаптации к долгосрочному равновесию.Уровни значимости: 10% (*), 5% (**) и 1% (***). Описание данных и сокращения см. В таблице 2. Волатильность рынка также оказывается статистически значимой и имеет отрицательный знак, как и в долгосрочной перспективе. Более того, его краткосрочные величины в несколько раз превышают их долгосрочные, что свидетельствует о том, что криптовалюты демонстрируют более жесткую реакцию на волатильность рынка в краткосрочной перспективе. Интересно, что фактор привлекательности дает незначительные оценки почти во всех моделях, кроме Биткойна, который предсказывает 0.14 на уровне значимости 10%. Это указывает на то, что влияние привлекательности на криптовалюту зависит от временного фактора, что указывает на то, что она имеет скрытые характеристики, и для ее формирования (также может быть признание рынком) требуется время. С другой стороны, макроэкономические управляющие переменные кажутся несущественными во всех краткосрочных моделях, за исключением модели Биткойн, которая прогнозирует оценку фактора SPP как -0,2020 при уровне значимости 10%. Это указывает на то, что увеличение индекса SP500 на единицу приводит к снижению цен на биткойны на 0.20 единиц в краткосрочном периоде. В долгосрочной перспективе задокументирована обратная зависимость с абсолютной величиной в несколько раз. Это действительно подтверждает отрицательную корреляцию между ценами на биткойны и индексом SP500 в краткосрочной перспективе. Наконец, члены исправления ошибок ( ECT ) во всех моделях кажутся статистически значимыми на уровне 1% с отрицательным знаком, что соответствует теории ECM. Модель Биткойна, похоже, исправляет 23,68% неравновесия предыдущего периода, приближаясь к своему долгосрочному уровню.Эта скорость корректировки в Etherem, Dash, Litcoin и Monero составляет 12,76%, 10,20%, 22,91% и 14,27% соответственно. Заключительные замечания В этой статье с использованием еженедельных данных исследуются факторы, влияющие на цены пяти наиболее распространенных криптовалют, таких как Биткойн, Ethereum, Dash, Litecoin и Monero, в период с 2010 по 2018 год, а также приводятся некоторые результаты. Во-первых, использование разностной методологии для стационарной обработки рядов устраняет потенциальные долгосрочные взаимодействия между рядами; поэтому мы используем метод авторегрессионного распределенного запаздывания (ARDL) для учета как краткосрочной, так и долгосрочной динамики цен на криптовалюту, поскольку наша выборка данных состоит из смеси переменных I (0) и I (1).Неограниченный долгосрочный анализ ARDL и ограниченный краткосрочный анализ исправления ошибок обнаруживают статистически значимое влияние таких факторов криптовалютного рынка, как общие рыночные цены, объем торгов и волатильность, на пять криптовалют в долгосрочной и краткосрочной перспективе соответственно. Бета-версия крипторынка получает долгосрочный множитель 0,79 для Биткойна и 0,38 для Ethereum при уровне значимости 1%, в то время как он создает долгосрочные воздействия 0,11, 0,34 и 0,25 на Dash, Litcoin и Monero на уровне значимости 5%. .Это указывает на то, что Биткойн и Эфириум более чувствительны к рынку в долгосрочной перспективе. В краткосрочном периоде увеличение доходности криптовалютного рынка на единицу приводит к краткосрочному увеличению биткойнов, Ethereum, Dash, Litcoin и Monero на 0,85, 0,39, 0,04, 0,12 и 0,09 единицы соответственно. Поскольку краткосрочные мультипликаторы Биткойна и Эфириума больше, чем их долгосрочные коэффициенты, мы делаем вывод, что эти ответы этих двух криптовалют более чувствительны в краткосрочной перспективе. Объем торгов, по-видимому, оказывает значительное долгосрочное влияние на Биткойн на уровне значимости 1% и на Ethereum, Litcoin и Monero на уровне значимости 10%, что указывает на то, что увеличение еженедельного объема торгов на единицу вызывает 0.14, 0,13, 0,06 и 0,03 в криптовалютах Биткойн, Ethereum, Litcoin и Monero в долгосрочной перспективе. В случае краткосрочной динамики все пять криптовалют получают статистически значимые оценки. Однако эти оценки кажутся меньше их долгосрочных величин, что указывает на то, что реакция криптовалют на колебания объема рыночных торгов в долгосрочной перспективе выше. Аналогичным образом, волатильность рынка криптовалют, по-видимому, является статистически значимым детерминантом как в долгосрочной, так и в краткосрочной перспективе для всех криптовалют.Знак воздействия отрицательный, что указывает на увеличение волатильности рынка на единицу, в результате чего Биткойн упадет на 0,15 единицы, Ethereum на 0,15 единицы, Dash на 0,02, Litcoin на 0,02 единицы и Monero на 0,01 единицы в долгосрочной перспективе. В краткосрочной перспективе это влияние может быть многократным, что указывает на то, что криптовалюты демонстрируют более серьезную реакцию на волатильность рынка в краткосрочной перспективе. Привлекательность криптовалют также имеет значение для всех, кроме Dash, но только в долгосрочной перспективе. Он выводит значимые коэффициенты для Биткойна и Эфириума на уровне значимости 1% и для Litcoin и Monero на уровне значимости 10%, указывая на то, что повышение привлекательности Биткойна, Ethereum, Litcoin и Monero на 1 единицу приводит к 1.27, 0,24, 0,07 и 0,05 единиц увеличиваются в их долгосрочных ценах соответственно. В случае краткосрочного анализа фактор привлекательности дает незначительные оценки почти для всех моделей, кроме Биткойна, который получает оценку 0,14 при 10% уровне значимости. Это указывает на то, что формирование и признание привлекательности криптовалют зависит от временного фактора. Другими словами, они медленно перемещаются по рынку. В случае контрольных переменных индекс SP500 имеет слабую форму положительного значимого коэффициента (уровень 10%) в моделях Биткойн, Ethereum и Litcoin.Хотя логика этих положительных долгосрочных отношений кажется неоднозначной, они полностью исчезают в краткосрочной перспективе, в то время как только модель Биткойна предсказывает отрицательную оценку, которая является статистически значимой 10% -ной значимостью. Это подтверждает, что при увеличении SPP можно ожидать более сильного доллара США по отношению к другим фиатным валютам (включая криптовалюты). Наконец, члены коррекции ошибок (ECT) во всех моделях кажутся статистически значимыми на уровне 1% с отрицательным знаком, что соответствует теории ECM.Модель Биткойна, похоже, исправляет 23,68% неравновесия предыдущего периода, приближаясь к своему долгосрочному уровню. Эта скорость корректировки в Etherem, Dash, Litcoin и Monero составляет 12,76%, 10,20%, 22,91% и 14,27% соответственно. Основным ограничением исследования является задержка (новизна, неясность и непонятность) большей части информации, связанной с криптовалютами. Это совершенно новый рынок и совершенно новая тема для научных исследований. Мы также считаем, что если мы сможем адаптировать криптовалюту через прокси (легализация любой криптовалюты в качестве платежного инструмента), мы считаем, что это улучшит нашу модель еще больше.Кроме того, некоторые криптовалюты содержат спекулятивные пузыри, особенно Биткойн, поэтому будущие исследования должны попытаться измерить объем этого пузыря, задавая вопрос: «Находимся ли мы на пике пузыря Биткойн?». Буойюр Дж. И Селми Р. (2016). Биткойн: начало новой фазы? Economics Bulletin , 36, 1430–40. Брилл А. и Кин Л. (2014). Криптовалюты: новое поколение финансирования терроризма? Defense Against Terrorism Review , 6 (1), 7-30. Чиу Дж. И Кёппл Т. (2017). Экономика криптовалют — Биткойн и не только . Банк Канады. Чу, Дж. Чан, С., Надараджа, С., и Остерридер, Дж. (2017). GARCH Моделирование криптовалют. Журнал рисков и финансового менеджмента , 10 (17), 1-15. DOI: 10.3390 / jrfm10040017 Dyhrberg, A. (2016). Возможности хеджирования Биткойн. Это виртуальное золото? Письма о финансовых исследованиях , 16, 139–44. Эль-Бахрави, А., и Алессандретти, Л. (2017). Эволюционная динамика рынка криптовалют. Royal Society Open Science , 4 (170623), http://dx.doi.org/10.1098/rsos.170623 Katsiampa, P. (2017). Оценка волатильности биткойнов: сравнение моделей GARCH. Economics Letters , 158, 3–6. Letra, I.J.S. (2016). Что движет стоимостью криптовалюты? Анализ волатильности и предсказуемости. Доступно в Интернете: https://www.repository.utl.pt/handle/10400.5/12556 (по состоянию на 15 декабря 2017 г.). Ньюи У. и Уэст К. (1987). Простая положительная полуопределенная матрица ковариаций, согласованная с гетероскедастичностью и автокорреляцией. Econometrica , 55 (3), 703-08. Песаран, М.Х., Шин, Ю., и Смит, Р.Дж. (2001). Подходы тестирования границ к анализу взаимосвязей уровней. Журнал прикладной эконометрики , 16 (3), 289-326. Поласик, М., Пиотровска, А., Вишневски, Т.П., Котковски, Р., Лайтфут, Г. (2015). Колебания цен и использование биткойнов: эмпирическое исследование. International Journal of Electronic Commerce , 20 (1), 9-49 Poyser, O. (2017). Изучение детерминант цены Биткойна: применение байесовских структурных временных рядов. Диссертация. Schwarz, G.E. (1978), Оценка размеров модели. Анналы статистики , 6 (2), 461–464, DOI: 10.1214 / aos / 1176344136. Совбетов Ю., Сака Х. (2018). Для танго нужны два: взаимодействие между свопами на дефолт по кредиту и национальными фондовыми индексами. Журнал экономики и финансового анализа , 2 (1), стр. 129-149. Ермак, Д. (2013). Биткойн — настоящая валюта? Экономическая оценка. Серия рабочих документов NBER , №: 19747. doi: 10.3386 / w19747 Ethereum фиксирует новый рекордный максимум цены — рыночная капитализация ETH превышает 510 миллиардов долларов — новости рынка Bitcoin News Девять дней назад биткойн достиг нового исторического максимума (ATH), и теперь второй ведущий криптоактив — Ethereum — достиг ATH в пятницу утром.Ethereum достиг максимума в 4416 долларов за единицу и с тех пор снизился примерно на 2% по сравнению с этой ценовой позицией. Ethereum достиг нового исторического максимума Вторая по величине капитализация рынка криптовалют принадлежит эфириуму (ETH), его стоимость сегодня составляет около 510 миллиардов долларов. В настоящее время на торги эфиром выделено 28,9 млрд долларов, а рейтинг рыночной капитализации ETH составляет около 18,8%. ETH достигли рекордного уровня во время утренних торговых сессий 29 октября, достигнув максимума в 4416 долларов за ETH. С начала года эфириум (ETH) вырос на 1013%, а за последние 30 дней криптоактив увеличился на 54,7%. Тетер стабильной монеты (USDT) — это топ-пара, торгующая с эфириумом (ETH) в пятницу, на долю которой приходится 43,53% всех сделок. Далее следуют USD (20,65%), BTC (9,75%), BUSD (7,90%), EUR (4,03%) и KRW (3,34%). Binance — самая активная биржа, торгующая Ethereum на сегодняшний день, на нее приходится 24,94% всей торговой активности ETH. За Binance следуют платформы для торговли криптовалютами, такие как Lbank, Coinbase, FTX, Yobit и Huobi Pro. Цена на Ethereum намного выше, чем исторический максимум криптоактивов с 2017 года, поскольку с тех пор цена на 8985,15% выше. Хешрейт Ethereum составляет примерно 725 терахешей в секунду (TH / s), а на платформе Nicehash находится около 3,6% хешрейта Ethereum. Рентабельность инвестиций (ROI) в Ethereum (ETH) с момента его внедрения составляет 9 364,4% сегодня, если человек принял участие в продаже Genesis. Что вы думаете о том, что Эфириум достиг рекордного максимума в пятницу? Сообщите нам, что вы думаете по этому поводу, в разделе комментариев ниже. Теги в этой истории ETH, ETH за все время максимума, свопы ETH, Ethereum, Ethereum (ETH), Ethereum high, обновление рынка, рынки, Nicehash, цены, Terahash, торговля, Торговые сессии, USD, USDT Изображение предоставлено : Shutterstock, Pixabay, Wiki Commons, tradingview, Заявление об ограничении ответственности : Эта статья предназначена только для информационных целей. Это не прямое предложение или ходатайство о покупке или продаже, а также рекомендация или одобрение каких-либо продуктов, услуг или компаний.Bitcoin.com не предоставляет инвестиционных, налоговых, юридических или бухгалтерских консультаций. Ни компания, ни автор не несут ответственности, прямо или косвенно, за любой ущерб или убытки, вызванные или предположительно вызванные использованием или использованием любого контента, товаров или услуг, упомянутых в этой статье, или связанных с ними. биткойнов против Ethereum: что лучше купить? Неудивительно, что инвесторы интересуются криптовалютами. Они являются одними из самых эффективных классов активов в этом году.И… Неудивительно, что инвесторы интересуются криптовалютами. Они являются одними из самых эффективных классов активов в этом году. И криптосообщество сплотилось вокруг развивающегося класса активов, разжигая шумиху о том, что криптовалюты — это следующее большое событие в финансах. Биткойн впервые был продан в 2009 году. Тогда вы могли купить один из новых цифровых токенов менее чем за 1 цент. Цены росли и росли — хотя и с большой волатильностью на протяжении многих лет — и по состоянию на октябрь.19 января Биткойн был близок к своему рекордному максимуму — более 60 000 долларов. Ethereum дебютировал в 2015 году по цене менее 3 долларов и вырос до более чем 1400 долларов к 2018 году. На момент написания этой статьи Ethereum торговался на уровне более 3800 долларов. Для сравнения, акции General Electric Co. (тикер: GE) стоили чуть менее 3 долларов в 1995 году с поправкой на дивиденды и дробление акций с тех пор. Сегодня он стоит около 104 долларов. Хотя это две крупнейшие криптовалюты по рыночной капитализации, на этом сходство более или менее заканчивается.Биткойн и Эфириум — это совершенно разные животные, созданные по разным причинам и с разной внутренней динамикой. Но хватит истории — инвесторы хотят знать, что лучше покупать: Биткойн или Эфириум? Вот краткое изложение некоторых из самых важных соображений относительно перспектив инвестиций для каждой криптовалюты. [ ПРОЧИТАТЬ: Подпишитесь на новости об акциях в нашем информационном бюллетене об инвестициях.] Биткойн Де-факто лидер криптовалюты, никакая другая монета даже близко не может сравниться с биткойном, который торгуется под биткойнами.Рыночная капитализация Биткойна сейчас превышает 1 триллион долларов. Общая рыночная капитализация всех криптовалют составляет примерно 2,5 триллиона долларов, а второй по значимости цифровой валютой является Ethereum с рыночной стоимостью около 450 миллиардов долларов. Вот некоторые ключевые вещи, которые инвесторы должны знать о BTC в дебатах об инвестициях Биткойн и Эфириум: 1. Он пользуется высочайшим вниманием со стороны крупных инвесторов. Близнецы Винклвосс, известные выпускники Гарварда, утверждающие, что Марк Цукерберг украл их идею для Facebook Inc.(FB), как известно, пытались создать фонд, торгующий на бирже биткойнами, но они были отвергнуты Комиссией по ценным бумагам и биржам США. Crypto становится широко признанным активом в инвестиционном сообществе. Как индивидуальных, так и институциональных инвесторов наблюдается растущий аппетит к инвестициям в криптовалюту. Этот интерес будет только расти, поскольку SEC недавно утвердила первые ETF фьючерсов на биткойны, которые будут выведены на рынок. 2. Относительная стабильность, простота и приемлемость. Децентрализованная валюта, недоступная для Федеральной резервной системы или любого другого центрального банка и с заранее определенным максимальным предложением, является привлекательной концепцией, с которой люди во всем мире могут найти отклик. А в случае с Биткойном высокое мнение рынка об этой концепции было тщательно проверено и подтверждено с течением времени. «Биткойн — это дефицитная цифровая валюта и средство сбережения. Несмотря на то, что она все еще нестабильна, она, как правило, является одной из самых стабильных криптовалют с самой длинной историей и является наиболее стабильным и наиболее эффективным инвестиционным активом год за годом в течение последних 10 лет », — говорит Стив Эрлих, генеральный директор и соучредитель. в Voyager Digital, брокере криптоактивов. Алекс Адельман, генеральный директор и соучредитель Lolli, первого приложения для вознаграждения биткойнов, позволяющего людям зарабатывать биткойны при совершении покупок в Интернете, подчеркивает уникальную роль, которую играет монета. «Мы считаем, что Биткойн — это революционная валюта, дефицитная в цифровом виде, в которой может участвовать любой человек в мире, что уникально для всего остального», — говорит Адельман. 3. Количество ограничено. Будет только 21 миллион биткойнов. Этот известный предел глобального предложения является основной причиной, по которой некоторые инвесторы считают криптовалюту сродни цифровому золоту.Однако, в отличие от золота, новые открытые запасы невозможны, и почти 90% биткойнов, или 18,6 миллиона, уже добыты. Скорость создания новых BTC также замедляется со временем из-за процесса, известного как уменьшение вдвое биткойнов, который снижает скорость создания биткойнов вдвое каждые 210 000 транзакций блока. Последний раз биткойн упал вдвое в мае 2020 года; при нынешних темпах следующее сокращение вдвое произойдет где-то в 2024 году. [ SEE: Инвестирование в Moonshots: 7 новых технологий, на которые стоит обратить внимание.] Эфириум Прежде чем спросить себя: «Что мне покупать: Биткойн или Эфириум?» вы должны понимать различные мотивы, лежащие в основе Биткойн и Эфириум или ETH. 1. Ethereum преследует другую цель, чем Биткойн. Две ведущие криптовалюты имеют совершенно разные варианты использования и цели, при этом Ethereum работает как децентрализованная сеть, поверх которой можно создавать приложения. Многие токены криптовалюты фактически выпускаются в сети Ethereum. «Когда люди сравнивают Биткойн и Эфириум, это немного похоже на сравнение золота с электричеством. Они оба ценны, но используются по-разному », — говорит Адельман. «Ethereum — это инфраструктура. Это блокчейн, который только зарождается, но может произвести революцию в финансах и технологиях ». Возможность использовать платформу Ethereum для изменения способов ипотечных переводов, торговли ценными бумагами и во многих других областях помогла реализовать ее следующую характеристику. 2. Есть еще развитие. Естественно, поскольку полезность Ethereum ограничена только изобретательностью мировых разработчиков, вокруг платформы больше активности. Технически криптовалюта, используемая для облегчения транзакций Ethereum, называется эфиром, но обычно ее называют Ethereum. В любом случае, количество репозиториев, связанных с Ethereum, на платформе разработчиков Github составляет 263, против четырех репозиториев Биткойна. Репозитории похожи на папки проектов, где разработчики, сотрудничающие через Github, могут получить доступ к информации о проекте. 3. Принципиально изменился способ создания блоков. Вместо майнеров с наибольшей вычислительной мощностью, имеющих наибольшее преимущество в успешном создании новых токенов, теперь это право предоставляется тем, у кого наибольшие доли владения. «Ethereum был обновлен для чеканки нового ETH с помощью процесса, называемого доказательством доли (PoS)», — говорит Дэниел Полоцки, генеральный директор и основатель CoinFlip, оператора биткойн-банкоматов. «При использовании PoS пользователи должны вносить залог или« ставку »в виде ETH, чтобы стать валидатором в сети.Таким образом, чем больше ETH поставлено на ставку, тем выше стоимость, потому что в обращении находится меньше ETH », — поясняет Полоцкий. «Кроме того, подтверждение доли исключает затраты, связанные с майнингом, такие как затраты на электроэнергию и оборудование, а это означает, что майнеры будут продавать меньше ETH. Вместо этого будут размещены эти ETH, что еще больше увеличит стоимость », — говорит Полоцкий. Рост децентрализованных финансов или DeFi — еще один бычий катализатор для Ethereum. Идея состоит в том, что традиционные финансовые посредники, такие как брокерские конторы и биржи, устраняются.Эта идея приобрела новую популярность, поскольку некоторые брокерские компании, такие как Robinhood, запретили инвесторам покупать акции, такие как GameStop Corp. (GME) и AMC Entertainment Holdings Inc. (AMC), ранее во время безумной биржевой акции в начале 2021 года. [ Прочтите: Как блокчейн может преобразовать индустрию финансовых услуг.] Стоит ли покупать биткойн или Ethereum? Окончательный спор между Биткойном и Эфириумом, поскольку инвестиции сводятся к профилю риска инвестора.У обоих есть бычьи катализаторы в обозримом будущем, поскольку мир становится все более цифровым и признание криптовалюты растет. Биткойн является более распространенным и более стабильным из двух, хотя оптимистичные настроения среди экспертов в этой области, похоже, только выросли за последний год для Ethereum. Как и в случае с большинством инвестиций, возможно, более высокий риск Ethereum влечет за собой потенциал для более высокого вознаграждения. В любом случае, это уже не 2009 год: обе валюты быстро прошли этап проверки концепции; Пришло время инвесторам, которые раньше не рассматривали этот класс активов, начать серьезно относиться как к BTC, так и к ETH. Больше из U.S. News Какую криптовалюту лучше всего покупать сейчас? 7 претендентов 8 акций с коротким сжатием, которые могут вырасти в октябре года 5 акций IPO, за которыми стоит следить в октябре Биткойн против Эфириума: что лучше купить? первоначально появился на usnews.com Обновление 19.10.21: эта история была опубликована ранее и дополнена новой информацией. . ← Предыдущая запись Следующая запись → Добавить комментарий Отменить ответ Ваш адрес email не будет опубликован. Обязательные поля помечены * Комментарий * Имя * Email * Сайт