比特币价格的主要驱动因素是什么？小波证据

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《What are the main drivers of the Bitcoin price? Evidence from wavelet
  coherence analysis》
---
作者：
Ladislav Kristoufek
---
最新提交年份：
2014
---
英文摘要：
  Bitcoin has emerged as a fascinating phenomenon of the financial markets. Without any central authority issuing the currency, it has been associated with controversy ever since its popularity and public interest reached high levels. Here, we contribute to the discussion by examining potential drivers of Bitcoin prices ranging from fundamental to speculative and technical sources as well as a potential influence of the Chinese market. The evolution of the relationships is examined in both time and frequency domains utilizing the continuous wavelets framework so that we comment on development of the interconnections in time but we can also distinguish between short-term and long-term connections.
---
中文摘要：
比特币已经成为金融市场上一种迷人的现象。由于没有任何中央当局发行这种货币，自其受欢迎程度和公众兴趣达到较高水平以来，它就一直存在争议。在这里，我们通过研究比特币价格的潜在驱动因素，从基本面到投机和技术来源，以及中国市场的潜在影响，为讨论做出贡献。利用连续小波框架，在时域和频域中检查关系的演变，以便我们及时评论互连的发展，但我们也可以区分短期和长期连接。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Computational Finance        计算金融学
分类描述：Computational methods, including Monte Carlo, PDE, lattice and other numerical methods with applications to financial modeling
计算方法，包括蒙特卡罗，偏微分方程，格子和其他数值方法，并应用于金融建模
--
一级分类：Physics        物理学
二级分类：Data Analysis, Statistics and Probability        数据分析、统计与概率
分类描述：Methods, software and hardware for physics data analysis: data processing and storage; measurement methodology; statistical and mathematical aspects such as parametrization and uncertainties.
物理数据分析的方法、软硬件：数据处理与存储；测量方法；统计和数学方面，如参数化和不确定性。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Statistical Finance        统计金融
分类描述：Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--

---
PDF下载：
--> What_are_the_main_drivers_of_the_Bitcoin_price?_Evidence_from_wavelet_coherence_.pdf (1.55 MB)

2022-5-11 10:26:08 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：比特币 Quantitative Applications Mathematical relationship

比特币价格的主要驱动因素是什么？来自小波相干分析的证据拉迪斯拉夫·克里斯图费卡（Ladislav Kristoufeka），班特经济研究所，布拉格查理大学社会科学学院，捷克共和国布拉格奥普莱塔洛娃26号，110 00，捷克共和国科学院信息论与自动化研究所，Pod Vodarenskou Vezi 4号，182 08，欧盟捷克共和国布拉格，电话：+420266052243，电子邮件：kristouf@utia.cas.czAbstractBitcoin已经成为金融市场的一个迷人现象。由于没有任何中央当局发行这种货币，自其受欢迎程度和公众兴趣达到较高水平以来，它就一直存在争议。在这里，我们通过研究比特币价格的潜在驱动因素，从基本面到投机和技术来源，以及对中国市场的潜在影响，为讨论做出贡献。利用连续小波框架，在时域和频域中对关系的演变进行了研究，以便我们在时间上评论互连的发展，但我们也可以区分短期和长期连接。关键词：比特币、小波、相关性、时频分析1简介比特币[1]是标准货币（美元、欧元、日元等）的潜在替代货币，具有各种优势，如低或无费用、可控且已知的货币生成算法，以及所有交易的信息透明度。它的成功引发了一场关于新的替代加密货币的展览，这些货币通常被称为“Altcoins”，具有各种动机和目的。比特币仍然是一种领先的加密货币，以其大约60亿美元的巨额资本，它安全地主导着其他加密货币。当然，哪里有好的一面，哪里就有坏的一面。

在比特币越来越受欢迎和公众关注的过程中，比特币系统被指责并被贴上有组织犯罪和洗钱的标签，它一直是黑客反复攻击的目标，给比特币所有者造成了一些重大损失[2]。然而，需要注意的是，这些不利因素对标准现金货币来说也不是完全遥远的。尽管比特币经常在各种金融博客甚至主流金融媒体上讨论，但研究界仍然主要关注比特币的技术、安全和法律问题[2、3、4、5、6、7]，而关于经济和金融方面的讨论相对较少。Bornholdt&Sneppen[8]构建了一个具有投票者式动态的模型，并表明比特币在其他加密货币上没有特殊优势，还不如被其他加密货币取代。Kondor等人[9]在一个标准的复杂网络框架中研究了比特币网络，他们表明比特币的网络特征随着时间的推移而演变，这是因为比特币被更频繁地接受为一种支付手段。此外，他们还表明，比特币的财富在时间上越来越积累，这种积累与吸引网络中新连接的能力密切相关。Garcia等人[10]通过社交媒体使用、搜索查询和用户群，利用投资者的数字行为痕迹研究比特币泡沫。他们在社交媒体使用和用户群中发现了积极的反馈循环。在我们之前的研究[11]中，我们关注的是通过谷歌搜索查询和维基百科上的搜索词测量的比特币价值的投机部分，这表明比特币价格的泡沫和破灭周期至少可以部分地由对货币的兴趣来解释。

自那以后，比特币吸引了更多的关注，因为它与美元的汇率在2013年11月底和12月初突破了1000美元的水平（在Mt.Gox市场上，比特币的最高价格为1242美元，在不到11个月的时间里，为买入并持有策略创造了超过9000%的荒谬潜在收益）。经过一些后续调整后，比特币的价值在2013年和2014年的间歇期稳定在每比特币900美元到1000美元之间。然而，比特币信誉和声誉受到巨大打击的是，历史上最著名的比特币市场Mt.Gox交易所破产，此后比特币价格开始缓慢稳定下降，波动性相当低，现在（2014年4月）的比特币交易价约为500美元。在这里，我们从更广泛的角度讨论比特币的价格。我们关注价格变动的各种可能来源，从基本面到投机和技术来源，并研究相互联系在时间上的表现，但也有不同的规模（频率）。为此，我们利用连续小波分析，特别是小波相干性，它能够定位序列之间的相关性，以及序列在时间和尺度上的演化。本文中使用的小波框架的详细描述见方法部分。需要强调的是，时间和频率方面对比特币价格动态都很重要，因为近年来比特币经历了疯狂的演变，如果认为价格的退出力量在其存在期间保持不变，那就太天真了。此外，频域观点提供了区分短期和长期相关性的机会。

我们表明，动力学的时间和频率特征确实都值得研究，并揭示了各种有趣的关系。2.方法2。1数据比特币价格指数数据比特币价格指数（BPI）是美元（USD）和比特币（BTC）之间的汇率指数。对于要纳入BPI的特定交易所，有各种标准，截至目前，三家交易所——比特币交易所、比特邮票交易所和BTC-e——都满足了这些标准。历史上，Mt.Gox交易所也曾是该指数的一部分，但由于其关闭，这些标准不再满足。BPI以1分钟为基础提供，它是覆盖交易所的简单平均值。该系列可在以下网址免费获得：http://www.coindesk.com/price.Due为了提高数据可用性，我们从2011年9月14日开始分析这些关系。区块链区块链(http://www.blockchain.info)freely提供了关于比特币市场的非常详细的系列。每天，我们报告分析中使用的以下时间序列：o流通中的比特币总量o不包括外汇交易的交易数量o估计产出量o交易量与交易量之比o散列率o流通中的比特币总量由已知算法和渐近式给出，达到2100万比特币。新比特币的创建是由反映比特币矿工计算能力（哈希率）的困难驱动和监管的。比特币矿工通过解决计算要求高的任务来验证正在进行的交易和比特币的唯一性，并获得新的（新开采的）比特币作为奖励。报酬和困难由一个已知的公式给出。比特币主要用于两个目的——购买和汇率交易。区块链提供交易总数及其交易量，不包括汇率交易（交易所交易）。

此外，还提供了贸易量（主要是购买量）与外汇交易之间的比率。有关BTC与各种货币之间的汇率系列，请访问http://www.bitcoincharts.com.There，我们通过四个最重要的交易所——比特币交易所、比特邮票交易所、BTC-e交易所和Mt.Gox交易所——获得的交易量占比特币市场上所有美元交易所交易量的90%以上。尽管Mt.Gox已经处于破产状态，但我们仍将其纳入总交易量，因为它曾是2013年最大的交易所上升量，将其排除在外将严重影响实际交易量。破产后，交易量已趋近于零。为了研究美元和中国人民币（CNY）比特币市场之间的关系，我们使用了迄今为止最大的人民币交易所BTCNY市场的价格和交易量。搜索引擎我们利用谷歌趋势提供的数据http://trends.google.com维基百科http://http://stats.grok.se.对于两者，我们都对“比特币”这个术语感兴趣。谷歌趋势标准提供每周数据，而维基百科系列则是每日数据。要获得用于谷歌搜索的dailyseries，需要在三个月内下载谷歌趋势数据。然后，使用上一个重叠月对序列进行链接和重新缩放。金融压力指数金融压力指数（FSI）由克利夫兰联邦储备银行提供athttps://www.clevelandfed.org/research/data/财务压力指数/。FSI可分为不同的组件。然而，我们使用总体指数来控制各种财务压力。黄金价格金衡盎司的黄金价格从https://www.gold.org/research由于瑞士法郎的稳定性和缺乏扩张性货币政策，我们使用瑞士法郎的价格。然而，无论使用何种货币，结果差别不大。根据Grinsted等人。

[12] ，使用小波方法检查的序列不应远离高斯分布，且主要不是多峰。如果这些序列实际上是多模的，建议将它们转换为均匀分布，然后分析原始序列的分位数。因此，基于小波框架和基于重要性的相关蒙特卡罗模拟的推断是可靠的。为此，我们对所有原始序列进行了相应的转换，因为它们中的大多数以及主要的比特币价格都是多模态的，因此我们基于量化分析来解释结果。2.2小波a小波ψu，s（t）是一个实值平方可积函数，定义为ψu，s（t）=ψT-我们√s（1），标度为s，在时间t处的位置为u。如果容许性条件Cψ=Z+∞|ψ（f）|fdf<+∞, （2） 其中，ψ（f）是小波的傅里叶变换，任何时间序列都可以从其小波变换重构回来。小波的平均值为零，并且标准化，因此+∞-∞ψ（t）dt=0和r+∞-∞ψ（t）dt=1。连续小波变换Wx（u，s）是通过小波ψ（.）在所研究的级数x（t）上，使wx（u，s）=Z+∞-∞x（t）ψ*T-我们dt√s（3）式中ψ*（.）是ψ（.）的复共轭。原始序列可以从给定频率的连续小波变换中重构，这样就不会有信息丢失[13,12]。从广泛的小波中，我们选择Morlet小波，它在时间和频率局部化之间提供了良好的平衡[12,14]。连续小波框架可以推广到二元情形，以研究两个序列在时间和跨尺度上的关系。然后将连续小波变换推广为交叉小波变换，即wxy（u，s）=Wx（u，s）W*y（u，s）（4），其中Wx（u，s）和Wy（u，s）分别是序列x（t）和y（t）的连续小波变换[15]。

由于交叉小波变换通常是复杂的，交叉小波功率| Wxy（u，s）|通常用于衡量两个序列之间的协同运动。交叉小波功率揭示了时间-频率空间中序列具有高功率的区域，因此可以将其理解为时间-频率空间中的局部协方差。然而，对于标准协方差，|Wxy（u，s）|的解释力是有限的，因为它是无界的。为了解决这一缺点，小波相干性被引入为rxy（u，s）=|ssWxy（美国）|ss | Wx（美国，美国）|ss | Wx（y，s）|, （5） 其中S是平滑算子[12,16]。平方小波相干性范围在0到1之间，可以解释为时间和频率上的平方相关。由于所用小波的上述复杂性，以及反过来使用平方相干而不是相干本身，有关关系方向的信息丢失。为此，相位差被称为φxy（u，s）=tan-1I南部（西南部（美国））R南部（西南部（美国））!, （6） 其中I和R分别表示虚部算子和实部算子。从图形上看，相位差用箭头表示。如果箭头指向右（左），则序列正（负）相关，即它们分别处于同相或反相，如果箭头指向下（上），则第一个序列领先另一个π（反之亦然）。这种关系通常是两者的结合，即如果箭头指向东北，则序列正相关，第二个序列领先第一个序列。请注意，对阶段关系的解释部分取决于对该关系的特定预期，因为阶段内的领先关系很容易成为反阶段的滞后关系。请参考参考。

[12] 详细描述。最近，有人提出用部分小波相干性来控制两个变量对第三个变量的共同影响[17,18]，定义为Rpy，x，x=|Ryx- RyxR*yx|1.- 莱克斯1.- Rxx. （7） 部分小波相干性范围在0到1之间，在控制了x（t）在时间和频率上局部化的影响后，可以将其理解为序列y（t）和x（t）之间的平方偏相关。3结果我们分析了2011年9月14日至2014年2月28日期间比特币（BTC）与美元（USD）汇率的驱动因素。之所以选择这种特定的汇率对，是因为美元市场的交易量占绝大多数，其次是人民币（CNY）。由于涵盖最重要的美元交易所的比特币价格指数的可用性，分析期受到限制。请注意，对特定交易所进行分析是不可行的，因为历史上最重要的市场Mt.Gox在2014年比特币取款出现严重问题后破产。因此，我们使用Cointdesk比特币价格指数（BPI），该指数被构建为流动性最强的交易所的平均价格。有关BPI的更多详细信息，请参阅方法部分。价格指数的演变如图1所示，我们观察到比特币价格主要由爆炸性泡沫事件所主导，随后进行了修正，但修正后的价格再也不会回到泡沫前阶段的起始值。分析期从每比特币大约5美元开始，到大约600美元结束。

尽管比特币价格的最新动态可以被描述为缓慢下降的趋势，但在不到30个月的时间内购买并持有近12000%的潜在收益仍然具有吸引力。与美元、欧元、日本货币等标准货币相比，比特币因前所未有的数据可用性而大放异彩。每天要知道全球经济中美元的总量是完全不现实的。以类似的方式，甚至不可能追踪使用美元和其他货币进行的交易数量。然而，比特币每天都公开、自由地提供此类信息。这样的数据可用性允许进行更精确的统计分析。我们从可能影响比特币价格的各个方面，或者通常作为比特币汇率的驱动因素而被八卦的各个方面来看待比特币价格。我们从经济驱动因素或潜在的基本面影响开始，然后是交易和技术驱动因素、对比特币的兴趣影响、其可能的避风港地位，最后，我们关注中国比特币市场的影响。3.1经济驱动力在经济理论中，货币的价格通常由其在交易中的使用、供应和价格水平驱动。所有这些变量的时间序列都是可用的，或者我们可以从其他序列中重建它们，更多细节请参见方法论部分。作为交易使用的衡量标准，即对货币的需求，我们使用贸易和外汇交易量之间的比率，我们简称为贸易兑换率。因此，该比率显示了货币兑换市场交易量与贸易量（购买、服务等）之间的比率。因此，比率越低，比特币用于“现实世界”交易的频率就越高。