شور و شوق برای بیت کوین و ارزهای رمزنگاری شده در بین سرمایه گذاران و محققان در سراسر جهان افزایش یافته است (بوری و همکاران ، 2019). سرمایه گذاران با سرمایه گذاری در چنین دارایی مجازی ، جذابیت خود را به سود کوتاه مدت افزایش داده اند. اما در طول همه گیر Covid-19 ، بیت کوین و بازارهای رمزنگاری نیز با نوسانات زیاد با مشکلات زیادی روبرو هستند (کوربت و همکاران ، 2020). بسیاری از مطالعات با دیدن دردهای اقتصادی به دلیل بیماری همه گیر Covid-19 ، تلاش کردند تا تأثیر COVID-19 را در بازارهای مختلف سهام و مالی بررسی کنند. یک مطالعه جدیدتر توسط الوادحی و همکاران.(2020) تأثیر شیوع اولیه COVID-19 را بر قیمت سهام کشورهای مختلف بررسی کرد و دریافت که بازارهای سهام به رشد در موارد COVID-19 و مرگ و میر پاسخ منفی داده اند. مطالعات دیگر همچنین اثر منفی Covid-19 را در بازارهای سهام و سایر بازارهای مالی نشان داد (میشرا و همکاران ، 2020 ؛ ناریان ، 2020).

همانطور که می دانیم ، بیت کوین بسیار بی ثبات است ، شبیه به سهام مختلف و دارایی های مالی (Baig et al. ، 2020 ؛ Chen et al. ، 2020 ؛ Pelster et al. ، 2019 ؛ Sahoo et al. ، 2019 ؛ Sami & Abdallah ، 2020). در عین حال ، قابلیت های محافظت بیشتر در بین سهام های مختلف و دلار آمریکا را فراهم می کند (Dyhrberg ، 2016). در نتیجه ، در طول اپیدمی ، سرمایه گذاران سعی کردند با سرمایه گذاری در ارزهای رمزنگاری شده برای کسب سود در کوتاه مدت ، نمونه کارها خود را متنوع کنند. با این حال ، وضعیت "شیوع Covid-19" اثرات جانبی در بازارهای بیت کوین داشت. در نتیجه ، Lahmiri & Bekiros (2020) دریافتند که بازارهای رمزنگاری در شرایط شیوع Covid-19 در سراسر جهان بی ثبات تر و نامنظم تر هستند. به همین ترتیب ، عثمان و Nduka (2022) کارآیی بازار رمزنگاری را در شرایط COVID-19 و مطالعه توسط کوربت و همکاران بررسی کردند.(2020) عدم اطمینان از بازارهای رمزنگاری شده در طول همه گیر COVID-19 را تشخیص داد. همچنین یک رشته دیگر از مطالعات وجود دارد که حرکت قیمت آینده دارایی ها را از طریق رابطه علت و معلولی پیش بینی می کند (لی و همکاران ، 2016 ؛ Sahoo ، 2021).

مطالعه حاضر به دلایل زیر به ادبیات موجود کمک می کند. مطالعه موجود به بررسی رابطه علی بین بازده همه گیر Covid-19 و بازده بیت کوین (BTCR) ، به ویژه از نظر رویکرد دامنه زمان ، اما هیچ تحقیق به ویژه از نظر حوزه های زمان و فرکانس نگاه نکرده است. اول ، مطالعه حاضر با استفاده از رویکردهای دامنه زمان و فرکانس ، جهت ، قدرت و میزان علیت بین همه گیر COVID-19 و BTCR را بررسی می کند. به طور خاص تر ، این مقاله با بررسی پیوند تجربی بین "موارد تأیید شده Covid-19 و بازده بیت کوین" با استفاده از علیت گرنجر Toda و Yamamoto (1995) (از این پس Tym) و Breitung & Candelon's (2006) "با دیگران متفاوت است. علیت گرنجر طیفی "(از این پس BCG) رویکرد دامنه فرکانس. دوم ، این مطالعه به پیوند بین بازده بیت کوین و افزایش موارد مرگ و میر Covid-19 (CD) فرکانس های زمانی مختلف می پردازد. با بررسی وضعیت COVID-19 و افزایش روز افزون روزانه وقایع تأیید شده COVID-19 ، هدف ارزیابی نوسانات قیمت بیت کوین و هرگونه پتانسیل برای پیش بینی بازار است.

نامه یادآوری به گونه ذیل تنظیم شده است. بخش دوم داده ها و روش شناسی را توصیف می کند. یافته های اصلی در بخش III مورد بحث قرار گرفته است و پس از آن بحث در مورد اظهارات نتیجه گیری در بخش IV.

ii. داده ها و روش شناسی

الف) داده ها

ما از دو پروکسی برای همه گیر COVID-19 ، یعنی تعداد کل موارد تأیید شده (CC) و تعداد کل مرگ و میر ناشی از COVID-19 (CD) استفاده می کنیم. ما داده ها را از پایگاه داده CEIC Global Premium با فرکانس روزانه تهیه می کنیم. داده های روزانه بیت کوین (BTC) از coinmarketcap.com تهیه می شود. داده های ما دوره 15 مارس 2020 تا 15 دسامبر 2021 را شامل می شود. سری بازگشت بیت کوین به صورت (_ = محاسبه می شود<(lnPC>_ - _) ، ) که در آن BTCR بازده قیمت بیت کوین است و کامپیوتر قیمت بیت کوین را نشان می دهد.

ب-تست علیت گرنجر دامنه فرکانس

علیت دامنه زمان ، یک اقدام آماری واحد را توضیح می دهد که با دیدن "افق زمانی نامحدود" ، تجزیه و تحلیل فرکانس را در نظر می گیرد. با این حال ، مطالعات Geweke (1982) اثر علی را نه تنها کل فرکانس را پوشش می دهد. بلکه در فرکانس های مختلف متفاوت است. به همین ترتیب ، آنها به مشکل علیت دامنه فرکانس غیرخطی اشاره می کنند. با دیدن مشکلات ، Breitung & Candelon (2006) فرآیند اتورگرایی پارامتر را به مدل VAR پیشنهاد کرده و رویکردهای مختلف دامنه فرکانس (از فواصل مختلف فرکانس) را به علیت اجازه می دهد. رویکرد BCG در ادبیات مورد آزمایش قرار گرفته است (به عنوان مثال ، بوری و همکاران ، 2017 ؛ Tiwari et al. ، 2014 ؛ Bekiros et al. ، 2017). با دنبال کردن مطالعات قبلی ، مطالعه حاضر همچنین از آزمون BCG برای بررسی تأثیر علی بین COVID-19 و BTCR استفاده می کند. این آزمون به وضوح با استفاده از معادلات زیر توضیح داده شده است:

که در آن ( beta ) = (<mid x08eta>_ beta_

mid ') و ماتریس محدودیت ( omega) ) به صورت زیر بیان شده است:

[r ( omega) = سمت چپ ( start cos ( omega) & cos (2 omega) ldots cos (p omega) \ sin ( omega) & sin (2 sin (2 sin (2 sin (2 sin (2 sin (2 sin (2 sin (2 sin)امگا) ldots. sin (p omega) end right) ]

در اینجا BCG از NULL برای فاصله فرکانس ( omega epsilon (0 ، pi) ) با حضور F-Statistic که تقریباً در (F (2 ، t - 2p) توزیع می شود ، استفاده می کند.) و (t = 2 pi/w ، ) که در آن دوره است و w به عنوان فرکانس زمان در نظر گرفته می شود.

iiiیافتههای اصلی

اول ، ما ترتیب یکپارچه سازی سری BTCR ، CC و CD را با استفاده از سه تست ریشه واحد ، یعنی افزایش یافته Dickey-Fuller ، فیلیپس و پرورون و Kwiatkowski ، فیلیپس ، اشمیت و شین بررسی می کنیم. این نتایج در جدول 1 گزارش شده است. به طور کلی ، نتیجه می گیریم که BTCR ، CC و CD یک فرآیند ثابت را دنبال می کنند و حاوی ریشه واحد نیستند.

جدول 1. نتایج تست ریشه واحد

توجه: این جدول نتایج به دست آمده از Dickey و Fuller (ADF) ، فیلیپس و پرورون (PP) و Kwiatkowski ، فیلیپس ، اشمیت و شین (KPSS) را گزارش می کند. مقادیر p در پرانتز گزارش شده است.*** ،*به ترتیب اهمیت آماری را در سطح 1 ٪ و 10 ٪ نشان می دهد.

پس از شناسایی همه متغیرها در سطح ثابت هستند ، در مرحله دوم ، ما از تست علیت خطی Tym استفاده می کنیم. این نتایج در جدول 2 ارائه شده است. ما این فرضیه تهی را رد می کنیم که CC Granger باعث BTCR در سطح اهمیت پنج درصد نمی شود. این بدان معنی است که تعداد کل موارد تأیید شده گرنجر باعث BTCR می شود ، اما علیت معکوس از نظر آماری ناچیز است. وقتی سی دی را به عنوان یک پروکسی برای همه گیر در نظر می گیریم ، علیت گرنجر بین CD و BTCR را نمی یابیم. این به دلیل پایین بودن میزان مرگ و میر در مقایسه با کل موارد تأیید شده در جهان (2. 1 ٪) است. بنابراین تأیید شده است که این یافته ها دانش روشنگری را برای سرمایه گذاران به وجود می آورد تا بخشی از نمونه کارها سرمایه گذاری خود را در بازار بیت کوین در طول همه گیر Covid-19 متنوع کنند.

جدول 2. نتایج تست علیت Granger Toda-Yamamoto

در این جدول جهت علیت بین بازده COVD-19 و بازده بیت کوین گزارش شده است.** از نظر آماری در سطح 5 ٪ معنی دار است. BTCR ، CC و CD نشان دهنده بازده بیت کوین ، COVID-19 به ترتیب با استفاده از تعداد کل موارد تأیید شده و مرگ به ترتیب ارائه می شود. مقادیر p در پرانتز هستند.

در مرحله سوم ، در مورد دامنه فرکانس ، این مطالعه به بررسی رفتار متغیرها ، یعنی BTCR به "شوک فرکانس بالا گذرا" در متغیر دیگر ، می گویند CC ، معادل و "دائمی تا با فرکانس پایین نیست. شوک. "

توجه داشته باشیم که از 0. 28 تا 1. 49 فرکانس (میانگین فرکانس کم تا میانی) ، موارد CC باعث BTCR در سطح اهمیت 10 ٪ می شود ، اما اثر علیت برای دامنه فرکانس بالا پس از منطقه فرکانس 1. 5 پیدا نمی کند (به صفحه A مراجعه کنیداز شکل 1). این نشان می دهد که CC فقط در فرکانسهای متوسط از روز 4 تا 24 ، به عنوان T = 4 ، با فرکانس 4 تا 24 ، ظرفیت پیش بینی کننده ای برای BTCR دارد. اما 3 روز اولیه و دوره طولانی هیچ ارتباطی علّی بین آنها ندارد. این نشان می دهد که هرچه فرکانس پایین تر باشد ، دوره زمانی و برعکس بالاتر باشد. به طور مشابه ، ما از پانل B توجه می کنیم که هیچ اثر علّی از BTCR به CC از فرکانس متوسط تا طولانی وجود ندارد ، مگر در مورد منطقه فرکانس کوتاه (با ( omega = 0. 7 تا 0. 001). )

شکل 1. علیت دامنه فرکانس

یادداشت ها: شکل 1 علیت دامنه فرکانس را نشان می دهد. پانل A = علیت از CC تا BTCR ، پانل B = علیت از BTCR به CC ، پانل C = علیت از CD به BTCR ، و پانل D = علیت از BTCR تا CD.

علاوه بر این ، پانل های C و D به ترتیب علیت را از CD به BTCR و برعکس ترسیم می کنند. یافته های ما نشان می دهد که بدون در نظر گرفتن دوره های کوتاه ، متوسط و طولانی فرکانس برای تجزیه و تحلیل ، هیچ رابطه علّی بین آنها وجود ندارد. در نتیجه این یافته ها ، سرمایه گذاران که می خواهند در بازارهای بیت کوین و cryptocurrency سرمایه گذاری کنند ، باید رفتار گذشته بازار بیت کوین را در شرایط COVID-19 قبل از پارکینگ سبد سهام خود در بازار بیت کوین بررسی کنند. یافته های ما همچنین حاکی از آن است که سرمایه گذاران و معامله گران بیت کوین باید به خط روند میان مدت و بلند مدت موارد COVID-19 توجه کنند ، زیرا می بینیم موارد Covid-19 ظرفیت پیش بینی کننده BTCR در طول افق زمانی میان مدت دارند.

IVنتیجه

در این مقاله رابطه علّی بین بازده همه گیر COVID-19 و بیت کوین بررسی شده است. داده های ما دوره 15 مارس 2020 تا 15 دسامبر 2021 را شامل می شود. با استفاده از آزمون علیت تودا-یاماموتو گرنجر ، این مطالعه نشان داد که از تعداد کل موارد تأیید شده Covid-19 با بازده بیت کوین رابطه علی وجود دارد. با این حال ، هنگامی که این مطالعه از آزمون علیت گرنجر طیفی استفاده کرد ، نتیجه بسته به منطقه زمانی متفاوت است. ما متوجه شدیم که اثر علی تعداد کل موارد تأیید شده COVID-19 به بیت کوین فقط در فرکانس های کوتاه و متوسط باز می گردد. این نشان داد که در فرکانس میان مدت ، تعداد کل موارد تأیید شده COVID-19 ما را قادر می سازد تا بازده بیت کوین را پیش بینی کنیم. از دیدگاه سیاست ، سرمایه گذاران باید قبل از سرمایه گذاری وجوه خود در بازار بیت کوین ، به رشد تعداد کل موارد تأیید شده COVID-19 در سراسر جهان ، به ویژه در اقتصادهای بزرگ ، توجه کنند.

ارسال شده: 14 ژانویه 2022 AEST

پذیرفته شده: 18 آوریل 2022 AEST

منابع

Al-Awadhi ، A. M. ، Alsaifi ، K. ، Al-Awadhi ، A. ، & Alhammadi ، S. (2020). مرگ و بیماریهای عفونی مسری: تأثیر ویروس COVID-19 بر بازده بورس سهام. مجله امور مالی رفتاری و تجربی ، 27 ، 100326. https://doi.org/10. 1016/j. jbef. 2020. 100326

Baig ، A. S. ، Haroon ، O. ، & Sabah ، N. (2020). خوشه بندی قیمت پس از معرفی آینده بیت کوین. نامه های مالی کاربردی ، 9 ، 36-42. https://doi.org/10. 24135/afl. v9i0. 200

Bouri ، E. ، Gil-Alana ، L. A. ، Gupta ، R. ، & Roubaud ، D. (2019). مدل سازی نوسانات حافظه طولانی در بازار بیت کوین: شواهدی از تداوم و استراحت ساختاری. مجله بین المللی مالی و اقتصاد ، 24 (1) ، 412-426. https://doi.org/10. 1002/ijfe. 1670

Bouri ، E. ، Roubaud ، D. ، Jammazi ، R. ، & Assaf ، A. (2017). کشف علیت دامنه فرکانس بین طلا و بورس سهام چین و هند: شواهدی از شاخص های نوسانات ضمنی. نامه های تحقیقاتی مالی ، 23 ، 23-30. https://doi.org/10. 1016/j. frl. 2017. 06. 010

Breitung ، J. ، & Candelon ، B. (2006). آزمایش برای علیت کوتاه و بلند مدت: یک رویکرد دامنه فرکانس. مجله اقتصاد سنج ، 132 (2) ، 363-378. https://doi.org/10. 1016/j. jeconom. 2005. 02. 004

Chen ، C. ، Liu ، L. ، & Zhao ، N. (2020). ترس از احساسات ، عدم اطمینان و پویایی قیمت بیت کوین: مورد Covid-19. امور مالی و تجارت بازارهای نوظهور ، 56 (10) ، 2298-2309. https://doi.org/10. 1080/1540496x. 2020. 1787150

Corbet ، S. ، Larkin ، C. ، & Lucey ، B. (2020). اثرات مسری همه گیر Covid-19: شواهدی از طلا و ارزهای رمزنگاری شده. نامه های تحقیقاتی مالی ، 35 ، 101554. https://doi.org/10. 1016/j. frl. 2020. 101554

Dyhrberg ، A. H. (2016). قابلیت های محافظت از بیت کوین. آیا این طلای مجازی است؟نامه های تحقیقاتی مالی ، 16 ، 139-144. https://doi.org/10. 1016/j. frl. 2015. 10. 025

Geweke ، J. (1982). اندازه گیری وابستگی خطی و بازخورد بین سری های زمانی چندگانه. مجله انجمن آماری آمریکا ، 77 (378) ، 304-313. https://doi.org/10. 1080/01621459. 1982. 10477803

Lahmiri ، S. ، & Bekiros ، S. (2020). تأثیر بیماری همه گیر COVID-19 بر پایداری و بی نظمی پی در پی بازارهای عدالت و cryptocurrency. Chaos ، Solitons & Fractals ، 138 ، 109936. https://doi.org/10. 1016/j. chaos. 2020. 109936

Li ، H. ، Zhong ، W. ، & Park ، S. Y. (2016). تست متقاطع تعمیم یافته برای علیت گرنجر غیرخطی با برنامه های مربوط به پول-خروجی و روابط قیمت و حجم. مدل سازی اقتصادی ، 52 ، 661-671. https://doi.org/10. 1016/j. econmod. 2015. 09. 037

Mishra ، A. K. ، Rath ، B. N. ، & Dash ، A. K. (2020). آیا بازار مالی هند به دلیل شیوع COVID-19 در مقایسه با پس از شیطنت و GST ، به دلیل شیوع COVID-19؟امور مالی و تجارت بازارهای نوظهور ، 56 (10) ، 2162-2180. https://doi.org/10. 1080/1540496x. 2020. 1785425

Narayan ، P. K. (2020). آیا COVID-19 مقاومت نرخ ارز را در برابر شوک ها تغییر داده است؟نامه های اقتصاد آسیا ، 1 (1) ، 1-4. https://doi.org/10. 46557/001c. 17389

Pelster ، M. ، Breitmayer ، B. ، & Hasso ، T. (2019). آیا معامله گران Cryptocurrency پیشگام هستند یا فقط به دنبال ریسک هستند؟شواهدی از حساب کارگزاری. نامه های اقتصاد ، 182 ، 98-100. https://doi.org/10. 1016/j. econlet. 2019. 06. 013

Sahoo ، P. K. (2021). بازارهای همه گیر و رمزنگاری Covid-19: یک تحلیل تجربی از یک رابطه علّی خطی و غیرخطی. مطالعات در اقتصاد و دارایی ، 38 (2) ، 454-468. https://doi.org/10. 1108/sef-09-2020-0385

Sahoo ، P. K. ، Sethi ، D. ، & Acharya ، D. (2019). آیا بیت کوین یک سهام نزدیک است؟شواهد علیت خطی و غیرخطی از یک رابطه قیمت و حجم. مجله بین المللی امور مالی مدیریتی ، 15 (4) ، 533-545. https://doi.org/10. 1108/ijmf-06-2017-0107

سامی ، م. ، و عبدالله ، دبلیو. (2020). Cryptocurrency و سهام سهام: مکمل یا جایگزین؟شواهدی از کشورهای خلیج فارس. نامه های مالی کاربردی ، 9 ، 25-35. https://doi.org/10. 24135/afl. v9i0. 214

Tiwari ، A. ، Arouri ، M. ، & Teulon ، F. (2014). قیمت نفت و تعادل تجارت: تجزیه و تحلیل دامنه فرکانس برای هند. ECONگاو نر ، 34 ، 663-680.