صحت مدل های اندازه گیری ریسک در بازار بیت کوین در طول همه گیر COVID-19

از اواخر سال 2019 ، در طی یکی از بزرگترین همه گیر تاریخ ، Covid-19 ، رکود اقتصادی جهانی ادامه دارد. بنابراین ، سرمایه گذاران به دنبال یک سرمایه گذاری جایگزین هستند که در این وضعیت ریسک مالی سود کسب می کند. Cryptocurrency ، مانند بیت کوین ، به یک ابزار جدید ارز برای دلالان و سرمایه گذاران تبدیل شده است و انتظار می رود در صرافی های آینده مورد استفاده قرار گیرد. بنابراین ، این مقاله برای اندازه گیری خطر سرمایه گذاری در بیت کوین از یک مدل ارزش در ریسک (var) استفاده می کند. در این مقاله ، ما نتایج حاصل از از دست دادن روزانه سرمایه گذاری را با استفاده از مدل VAR شبیه سازی تاریخی ، مدل Delta-Normal VAR و مدل VAR شبیه سازی مونت کارلو با سطح اطمینان 99 ٪ ، 95 ٪ و 90 نشان دادیم.٪. در این مقاله روشهای پشتی برای بررسی صحت مدلهای VAR ، که شامل POF Kupiec و نتایج آزمایش آماری Tuff Kupiec بود ، نشان داده شده است. سرانجام ، آزمایش استقلال کریستوفرسن و ارزیابی پیش بینی فاصله کریستوفرسن ، اثربخشی در پیش بینی های استحکام مدل های VAR برای هر سطح اطمینان نشان داد.

کلید واژه ها:

1. معرفی

در حال حاضر ، روند سرمایه گذاری جایگزین در ارز دیجیتال یا رمزنگاری توسط سرمایه گذاران و صاحبان شرکت انجام می شود. آنها معتقدند که این ارزهای رمزنگاری به یک ارز جهانی آینده تبدیل می شوند. Cryptocurrency مشهور ، بیت کوین (BTC) اولین ارز دیجیتال است و در سال 2008 معرفی شد (رایت 2008). BTC در طول رکود اقتصادی بزرگ ناشی از همه گیر Covid-19 ، علاقه گسترده ای ایجاد کرد. همه گیر Covid-19 یک واقعه بی سابقه است که باعث کاهش سرعت در هر بخش از اقتصاد جهانی شده است (سهرابی و همکاران 2020). سرمایه گذاران در بازارهای مالی سرمایه گذاری های خود را محدود می کنند و می خواهند از سرمایه گذاری های سنتی فرار کنند که این کاهش یافته است. بنابراین ، سرمایه گذاران به دنبال رویکردهای جدید برای ارائه بازده موفقیت آمیز برای جبران چنین خطر منفی هستند. آنها معتقدند که BTC یک ابزار مالی جدید و یک سرمایه گذاری جایگزین است (Sukamulja و Sikora 2018). با این حال ، قیمت BTC با تئوری های مالی کلاسیک قابل توصیف نیست (کریستوفک 2015). مطالعه توسط Vukovic و همکاران.(2021) دریافت که همه گیر Covid-19 تأثیر مثبتی بر کارآیی بازار رمزنگاری دارد. سرمایه گذاران نسبت به بازار cryptocurrency واکنش مثبت نشان دادند ، که در آن قیمت BTC در آوریل 2020 در اثر شیوع این بیماری همه از 60،000 دلار فراتر رفت. ارزهای رمزپایه دوره های زیادی از نوسانات قیمت برجسته را در طول رشد و توسعه سریع خود ارائه داده اند. شواهدی وجود دارد که نشان می دهد ارزهای رمزنگاری شده نقش جدیدی را به عنوان ارزهای احتمالی ایمن در طی دوره های استرس قابل توجهی در بازار مالی ایفا می کنند (کوربت و همکاران 2021).

در این مقاله ، ما سعی می کنیم از نظر خطر ، ارزیابی تأثیر علمی از همه گیر در بازار BTC انجام دهیم. در مدیریت ریسک مالی ، می توانیم ریسک بازار را با انحراف استاندارد ، بتا و ارزش در معرض خطر (VAR) و غیره اندازه گیری کنیم. این اقدامات می تواند برای تشخیص ابعاد متفاوت ریسک استفاده شود. روش انحراف استاندارد پراکندگی بازده دارایی را نشان می دهد. Baur و Dimpfl (2017) نشان دادند که می توان از انحراف استاندارد برای اندازه گیری نوسانات بازده روزانه BTC استفاده کرد. بتا خطر سیستماتیک دارایی را نشان می دهد. مهتا و افزلیوس (2017) نشان دادند که بتا بیت کوین نمی تواند اندازه گیری خطر قابل توجهی باشد. VAR یک بازیگر مهم در تعیین نیازهای سرمایه است که توسط کمیته بازل پیشنهاد شده است (Cuoco و Liu 2006). DAS و Rout (2020) با استفاده از VAR ، تأثیر COVID-19 را در شاخص های بازار سهام تجزیه و تحلیل کردند. آنها دریافتند که COVID-19 به طور قابل توجهی بر نوسانات بازار سهام تأثیر می گذارد. علاوه بر این ، همبستگی بازار در دوره COVID-19 بالاترین بود. کوربت و همکاران.(2019) قبل از همه گیر Covid-19 اظهار داشت که BTC و قیمت ها و پویایی های دیگر ارزهای رمزنگاری شده دارای نوسانات بالایی هستند. در طول دوره قبل از Covid-19 ، Likitratcharoen و همکاران.(2018) دریافت که از VAR می تواند به عنوان یک ابزار اندازه گیری خطر برای ارزهای رمزنگاری شود ، که ضررهای احتمالی را برای زمان و احتمال افقی معین نشان می دهد. اگرچه VAR مفید است ، اما اوضاع توسط همه گیر Covid-19 تغییر یافت ، زیرا این بیماری همه گیر باعث استرس بازار شد. پس از شیوع Covid-19 ، Corbet و همکاران.(2021) تعامل معنی داری و قابل توجهی بین قیمت رمزنگاری و اثرات نقدینگی مشخص کرد. قبل از شیوع COVID-19 ، شوک های تعیین شده از طریق تغییرات نقدینگی اثرات قابل توجهی در نوسانات تغییرات قیمت داشتند. بنابراین ، VAR به دلیل وضعیت بازار احتمالاً نقض می شود. در این مقاله به نوسانات BTC در طول همه گیر COVID-19 می پردازد تا بررسی کند که آیا از VAR هنوز هم می تواند برای تعیین تعداد تلفات جانبی استفاده شود. ما با یک مدل VAR شبیه سازی تاریخی ، یک مدل VAR DELTA-NORMAL و یک مدل Monte Carlo Simulation VAR با استفاده از بازگشت روزانه لگاریتمی همکاری می کنیم.

2. بررسی ادبیات

این بررسی ادبیات به سه بخش تقسیم می شود: کارایی بازار cryptocurrency ، ریسک بازار و مدل VAR و COVID-19 و بازار BTC.

2. 1بازده بازارهای cryptocurrency: ناهنجاری ها ، پیش بینی ، آزمایش کارآمد با شکل ضعیف

از آنجایی که فرضیه بازار کارا یک مطالعه رایج در ادبیات مالی است، مطالعات بسیاری نیز در مورد موضوعاتی وجود دارد که این فرضیه را مورد انتقاد قرار می دهند، مانند اثر باند واگن، عدم تقارن اطلاعات، واکنش بیش از حد و کم واکنشی بازار و غیره.(رودولف و همکاران 2021)؛Malkiel (2003) بازده قابل پیش بینی بازار سهام را خلاصه کرد. در این مقاله اشاره شده است که حرکت کوتاه مدت در بازار وجود دارد که ناشی از فرآیند روانی سرمایه گذاری است. Giudici و Pagnottoni (2019) ماهیت پویایی بازده را در طول زمان ارائه کردند. رستا و همکاران(2020) استفاده از قوانین معاملات روزانه و روزانه را برای تخمین سری قیمت بیت کوین توصیه کرد. چن و همکاران(2020) اثر زمانی و مکانی را بر حجم معاملات بیت کوین بررسی کرد.

با توجه به فرضیه بازار کارآمد بیت کوین (BTC)، تعدادی از مطالعات اخیر انجام شده است که نشان می دهد بازار بیت کوین بازار کارآمدی نیست زیرا قابل پیش بینی تر از بازارهای سهام است (لطیف و همکاران 2017). کوریهارا و فوکوشیما (2017) نشان دادند که بازار بیت کوین (BTC) بازار ضعیفی نیست زیرا قیمت به صورت تصادفی رفتار نمی کند. شواهد تجربی همچنین نشان داد که ممکن است حباب های سفته بازی در بازار ارزهای دیجیتال وجود داشته باشد که می توان آن ها را به عنوان منطقی یا غیرمنطقی طبقه بندی کرد (دیل و همکاران 2005؛ آگوستو و کافراتا 2020). چیا و فرای (2015) توضیح دادند که حباب های منطقی ناشی از خودشکوفایی، قیمت گذاری نادرست اصول بنیادی و وقف متغیرهای برون زا نامربوط با ارزش قیمت گذاری دارایی هستند. حباب های غیرمنطقی توسط عوامل روانی غیر مرتبط با ارزش بنیادی دارایی تشکیل می شوند. در مقابل، ناداراجه و چو (2017) کارایی ضعیف بیت کوین را مطالعه کردند. نتایج نشان داد که هیچ ارتباط سریالی بین بازده بیت کوین وجود ندارد - به عبارت دیگر، بازار کارایی ضعیفی دارد. علاوه بر این، بارتوس (2015) دریافت که بازار بیت کوین کارآمد است زیرا قیمت می تواند تمام اطلاعات شناخته شده را بلافاصله منعکس کند و هیچ کس نمی تواند با استفاده از همان اطلاعات عملکرد بهتری داشته باشد.

2. 2. ریسک بازار و مدل VaR

یک مطالعه اخیر توسط Bouri و همکاران.(2020) با استفاده از رویکرد انسجام موجک برای شاخص های خاص بازار سهام ، دارایی ایمن و خطرناک از خطر نزولی کالاها با توجه به بیت کوین ، طلا و شاخص کالا را بررسی کرد. نتایج نشان داد که وابستگی ضعیف کلی در بین همه ، در حالی که بیت کوین کمترین وابسته است. این مطالعه مزایای تنوع را از طریق ارزش موجک در معرض خطر (VAR) بررسی کرده و موقعیت برتر بیت کوین را نسبت به طلا و کالاها نشان داد. کانلون و همکاران.(2020) ویژگی های ایمن بیت کوین (BTC) ، Ethereum (ETH) و Tether (USDT) رمزنگاری را مورد مطالعه قرار داد. آنها گنجاندن BTC را دریافتند ، و ETH باعث افزایش ریسک نزولی یا VAR می شود ، و ثابت می کند که این دارایی ها برای اکثر بازارهای سهام بین المللی در طول همه گیر Covid-19 یک امنیت امن نبودند. Conlon و McGee (2020) در مورد خصوصیات ایمن Haven BTC برای یک سرمایه گذار آمریکایی که در داخل سرمایه گذاری داخلی در طول همه گیر COVID-19 سرمایه گذاری می کند ، بررسی کردند و دریافتند که تخصیص نمونه کارها به BTC به جای کاهش قرار گرفتن در معرض خطر نزولی افزایش یافته است.

با توجه به اقدامات ریسک بازار ، از مدل های ریسک بازار و از مدل های VAR برای اندازه گیری ویژگی بارز ریسک استفاده می شود. به نظر می رسد که بازار سهام نسبت به اخبار مربوط به شیوع Covid-19 که سرمایه گذاران با ضررهای نامطلوب روبرو بوده اند ، واکنش منفی نشان می دهند. اولسن (1997) تأکید کرد که نگرانی اصلی سرمایه گذاران پتانسیل ضرر شدید ناشی از سرمایه گذاری یا ریسک نزولی است. نشان داده شده است که ریسک نزولی در بازار قیمت گذاری شده است و سرمایه گذاران نیاز به بازده بالاتری در سهام دارند که خطر نزولی بیشتری دارند (آنگ و همکاران 2006). از VAR برای اندازه گیری خطر نزولی که توسط JP Morgan در سال 1994 پیشنهاد شده است استفاده می شود و به یک روش محبوب برای اندازه گیری ریسک تبدیل می شود. این مدل از دست دادن احتمالی سرمایه گذاری که ممکن است با یک احتمال خاص و دوره زمانی اتفاق بیفتد تعیین می کند. تفسیر مدل این است که حداکثر ضرر مورد انتظار سرمایه گذاری باید در سطح اطمینان باشد.

بوری و همکاران.(2017) توضیح داد که بیت کوین دارای ویژگی های محدودیت محدود است و فقط ویژگی های ایمن و ایمن برای سهام آسیایی دارد. Baur et al.(2018) نشان داد که بیت کوین عمدتاً به عنوان یک سرمایه گذاری سوداگرانه به کار می رود. قیمت BTC در بین دارایی های دیگر مانند کالاها یا سهام دارای نوسانات بالایی است (رودولف و همکاران 2021). انحراف استاندارد آن 100 برابر بیشتر از ارزهای فیات در بازارهای FX است. به همین دلایل ، بسیاری از شرکت کنندگان در بازار بیت کوین احتمالاً به عنوان یک دارایی سوداگرانه نسبت به یک ارز رفتار می کنند (Baur and Dimpfl 2017). نوسانات شدید ممکن است بازده رضایت بخش برای سرمایه گذاران یا دلالان ایجاد کند ، اما ممکن است منجر به خسارات شدید شود. از این رو ، در این مقاله از مدل VAR استفاده می شود تا یک اندازه گیری خطرناک از BTC باشد. مطالعه قبلی بیماری همه گیر قبل از Covid-19 نشان داد که VAR می تواند یک اندازه گیری خطر مناسب برای بازارهای رمزنگاری باشد (Likitratcharoen و همکاران 2018). نتایج کلی این مطالعه نشان داد که شبیه سازی تاریخی VAR و مدل های VAR Delta-Normal روشهای اندازه گیری خطر مناسب هستند ، در حالی که مدل VAR شبیه سازی تاریخی دقت بیشتری نسبت به مدل VAR Delta-Normal ارائه می دهد. این مقاله با هدف اضافه کردن مدل VAR شبیه سازی مونت کارلو که بسیار انعطاف پذیر و قدرتمندترین است ، به جای فرض خطی بودن مدل Delta-Normal VAR. این مدل می تواند در دوره های نگهدارنده طولانی تر ، عوامل خطر اساسی اعمال شود و کلیه خصوصیات توزیع مطلوب را در بر بگیرد.

2. 3بازار Covid-19 و BTC

همه گیر Covid-19 به طور مستقیم عامل اصلی رکود اقتصادی جهانی است. این امر منجر به وحشت و بسته شدن موقت مشاغل در اکثر اقتصادها شده است زیرا تعداد موارد مثبت کرونوویروس افزایش یافته است (اوکوری و لین 2021). دولت ها برای جلوگیری از شیوع ویروس که در آن اثرات اقتصادی متفاوتی بر هر نوع تولیدی دارد ، قفل های قفل را اجرا کرده اند (Sadowski و همکاران 2021).

داو جونز و S& P500 در مارس 2020 به اندازه 30 ٪ کاهش ارزش ها را تجربه کرده بودند (اقبال و همکاران 2021). با این حال ، BTC بر خلاف اخبار مربوط به شیوع Covid-19 واکنش نشان داده است و به نظر می رسد از سایر دارایی ها بهتر عمل می کند (اقبال و همکاران 2021). گودل و گوته (2021) اظهار داشتند که چنین بیماری همه گیر تأثیر مثبت بر قیمت BTC دارد. ماریانا و همکاران.(2021) دریافت که بازده BTC با بازده S& P500 همبستگی منفی دارد. Béjaoui و همکاران.(2021) شواهد کوتاه مدت و بلند مدت از رابطه بین قیمت BTC ، معیارهای رسانه های اجتماعی و شدت همه گیر Covid-19 را مورد مطالعه قرار داد. آنها دریافتند که بحران سلامت COVID-19 به طور قابل توجهی بر شبکه های رسانه های اجتماعی و قیمت BTC تأثیر گذاشته است.

لاهمی و بکیروس (2020) دریافتند که سطح ثبات در بازارهای رمزنگاری شده به طور قابل توجهی کاهش یافته است در حالی که سطح بی نظمی به طور قابل توجهی تقویت می شود. ارزهای رمزنگاری شده در طول همه گیر COVID-19 در مقایسه با بازار سهام ، بی ثبات تر ، بی ثباتی تر و بی نظمی تر شدند. آنها اظهار داشتند که ارزهای رمزنگاری شده را می توان در مقابل سهام عدالت ریسک پذیر دانست. علاوه بر این ، Vojtko و Cisár (2020) نتیجه گرفتند که قیمت BTC به دلیل نوسانات بالای آن پایدار نیست. کایال و روهیل (2021) دریافتند که قیمت BTC نسبت به سایر ارزها ، به ویژه برای دلار آمریکا ، یورو و ین ، بی ثبات است. برای بررسی نوسانات آن ، رودولف و همکاران.(2021) ثبات نوسانات را بر اساس سطح بازده هر بیت کوین بر روی شاخص های اصلی معامله شده با BTC و طلا با استفاده از مدل GARCH مورد مطالعه قرار داد. کاستیلو و همکاران.(2021) تأثیر بیماری همه گیر COVID-19 بر واریانس شرطی بازده سهام با استفاده از مدل EGARCH-D-ST را مورد بررسی قرار داد. آنها مقایسه عملکرد پشتی را بین مدل EGARCH-D-ST نشان دادند. آنها نتیجه گرفتند که تغییرات ناگهانی در نوسانات برای تداوم نوسانات به میزان قابل توجهی کاهش می یابد. مدل EGARCH-D-ST تعداد استثنائات را نزدیک به تعداد مورد انتظار استثنائات ارائه داد.

3. داده ها و روش شناسی

3. 1داده ها

اول ، داده های BTC Daily قیمت بسته بین 28 آوریل 2020 و 30 آوریل 2021 از Finance Yahoo جمع آوری شد همانطور که در شکل 1 نشان داده شده است. 11 مارس 2020.

دوم ، بازگشت لگاریتمی روزانه BTC محاسبه می شود. می توان آن را بیان کرد r t = l n (p t p t - 1) جایی که P T و P T - 1 = قیمت ها در روز T و T-1 به ترتیب.

این بازده لگاریتمی روزانه برای آزمایش مدل های VAR استفاده می شود. شکل 2 سر و صدای بازگشت روزانه یک ساله بین 28 آوریل 2020 و 30 آوریل 2021 را نشان می دهد. بین 10. 10 و 0. 10 متغیر است.

3. 1. 1. ارزش شبیه سازی تاریخی در معرض خطر

مدل VAR شبیه سازی تاریخی به سادگی داده های بازده را با هم ترتیب می دهد و مقدار صدک را برای هر سطح اطمینان داده شده (آلفا) محاسبه می کند. این مدل فرض می کند که رفتار بازده آینده در سرمایه گذاری باید با داده های تاریخی تکرار شود. مقدار var توسط تعریف شده است

var t + 1 1 - α = q α (t = 1 n) جایی که var t + 1 1 - α = مقدار در معرض خطر در 1 - α برای زمان t + 1 ؛ q α (t = 1 n) = یک مقدار در α ازt = 1 n ؛ t = 1 n = بازگشت دارایی i ؛ هنگامی که زمان برابر با t بین t = 1 تا n است.

مدل VAR شبیه سازی تاریخی از داده های بی قید و شرط استفاده می کند که در آن روی دم چپ تمرکز می کند و بنابراین شدید بازده توزیع شده نگران نیست.

3. 1. 2. ارزش دلتا-طبیعی در معرض خطر

مدل VAR DELTA-NORMAL VAR یا مدل واریانس واریانس VAR از داده های تاریخی برای محاسبه پارامترهای اصلی استفاده می کند: میانگین ، انحراف استاندارد و همبستگی. این مدل فرض بر این است که توزیع داده های جمع آوری شده توزیع عادی متقارن است که در آن پوستی صفر است و کورتوز سه است. با این حال ، اگر بازده داده های مورد استفاده برای پیش بینی سرمایه گذاری به طور عادی توزیع نشود ، ممکن است این مدل پیش بینی کند. اگرچه مدل VAR Delta-normal دارای نقصی است که با توزیع عادی گنجانیده شده است ، اما سادگی آن مزیت این مدل است. ما می توانیم از نظر ریاضی فرم را به صورت بیان کنیم

var 1 - α = m + z α s جایی که var 1 - α = مقدار در معرض خطر در 1 - α ؛ M = میانگین ورود به سیستم تاریخی در سرمایه گذاری ؛ z α = نمره استاندارد توزیع عادی در α ؛ S = انحراف استاندارد از ورود به سیستم در سرمایه گذاری.

3. 1. 3. ارزش شبیه سازی مونت کارلو در معرض خطر

شبیه سازی مونت کارلو انتظار دارد که حرکات عوامل خطر با نقشه هایی از برخی از توزیع از پیش تعیین شده ایجاد شود. این روش شامل نمونه گیری از اعداد شبه تصادفی است که برای تولید VAR مورد نظر طبقه بندی شده اند. این روش انعطاف پذیر ترین است اما به یک بار محاسباتی عظیم و فرضیات فرآیند تصادفی نیاز دارد (جوریون 2011). در این مقاله ، شبیه سازی مونت کارلو برای N = 1 ، 000 ، 000 بار برای نزدیک شدن به قضیه حد مرکزی انجام می شود.

فرض کنید رفتار قیمت ، S T ، در زمان T یک حرکت هندسی براونیایی را دنبال می کند که μ و σ ثابت هستند و روند آن به عنوان تعیین می شود

d s t = μ s t d t + σ s t d w t جایی که μ رانش است ، σ نوسانات است و w t ∼ n (0 ، t) یک فرآیند وینر است. توسط Lemma Itô ، یک روند بازده قیمت دنبال می شود d ln s t = (μ - 1 2 σ 2) d t + σ d w t

معادله (5) برای انجام شبیه سازی مونت کارلو استفاده می شود. از آنجا که w با توزیع عادی فرض می شود ، می توانیم استاندارد کنیم که w t = t z t باشد که در آن z t ∼ n (0 ، 1). ما برای این شبیه سازی از زبان برنامه نویسی ریاضی ، MATLAB استفاده می کنیم.

3. 2پشتی

3. 2. 1. تست POF Kupiec

آزمایش POF Kupiec همچنین به عنوان نسبت شکست شناخته می شود. این برای مدل های VAR اعمال می شود تا ثابت کند که نسبت شکست از نظر آماری برابر با نسبت پیشنهادی از عدم موفقیت در فاصله اطمینان است. به عبارت دیگر ، اگر میزان مشاهده شده از عدم موفقیت از یک مدل با میزان پیشنهادی عدم موفقیت متفاوت باشد ، نتایج آزمون فرضیه تهی را رد می کند و این بدان معنی است که مدل نادرست است. با این حال ، در صورت پذیرش نتایج آزمون ، نشان می دهد که یک مدل دقیق است (Halilbegovic و Vehabovic 2016). فرضیه تهی آزمون را می توان به صورت