虚拟关系：比特币和

DPO的优点是，它加快了确认过程，从而提高了交易执行的速度，并且与PoW或PoS系统相比，它允许在一个块中包含更多的交易（Bitshares，2017a，b）。10一些货币使用PoS和PoW机制的混合系统，例如Peercoin、Novacoin、Mintcoin（见表2）。基于PoS和PoW的混合系统可以解决初始硬币分配问题，因为混合PoW/PoS系统使用PoW机制向矿工进行初始硬币分配。之后，PoS机制逐渐取代PoW机制（例如Peercoin、Mintcoin）。因此，PoS和PoW的结合避免了PoS固有的初始分配问题，同时降低了PoW机制系统特性的总体成本（Krawisz，2013；Farell，2015）。例如，Mintcoin在推出PoW后的前五周内使用了PoW，而之后几乎完全切换到PoS系统。用于虚拟货币交易验证的另一种机制是在NEM中使用的重要性证明（PoI）协议（见表2）。PoI旨在解决PoS的弱点，即优先考虑持有大量货币的矿工，这鼓励了硬币的囤积，而不是在交易中使用。在PoS协议中，赌注较小的矿工验证交易和获得奖励的成功几率较低。

在PoI系统下，矿工的优先顺序基于两个标准的组合：（i）虚拟货币的股份，以及（ii）矿工与网络中其他用户的互动和交易强度（Beikverdi，2015）。因此，PoI鼓励使用虚拟货币，但通过根据网络中每个账户的重要性分配奖励（交易费用）来阻止囤积。因此，与基于PoS的货币相比，基于PoI的虚拟货币的流动性更高，而与基于PoW的货币相比，其波动性更小。拜占庭共识协议（BCP）是一种基于拜占庭将军问题的事务验证机制，最初由Lamport、Shostak和Pease（1982）开发。在拜占庭将军实验中“……拜占庭军队的几个师驻扎在敌城外，每个师都由自己的将军指挥。将军们只能通过信使相互沟通。观察敌人后，他们必须决定共同的行动计划。然而，一些将军可能是叛徒，试图阻止忠诚的将军达成协议。将军们必须我们有一个算法来保证（a）所有忠诚的将军都会决定同一个行动计划……和（b）少数叛徒不会导致忠诚的将军采取错误的计划。”由虚拟货币创建的分布式网络面临着类似的问题，参与者需要决定其他网络参与者是否在发送准确的消息（交易）。例如，Ripple使用BCP（见表2）。已经开发了各种算法来解决上述问题。

BCP中使用的共识算法要求80%的网络参与者同意验证每笔交易。该系统的优点是，共识可以快速达成，因此交易可以在几秒钟内进行，与PoW系统所需的几分钟相比更节能，并且该机制与PoS中的硬币所有权分离，从而避免了持有虚拟货币股份的必要性（Schwartz、Youngs和Britto，2014；Farell，2015；Seibold和Samman，2016）。NEM中的大部分奖励（约75%）是根据PoI分数分配的。其余奖励（约25%）分配给货币的营销和开发（Pangburn，2014）。11一些altcoins使用的另一种交易验证机制是烧录证明（PoB）方法。例如，由交易对手使用（见表2）。这种方法要求矿工出示证据，证明他们在交易过程中烧掉了一些数字硬币（如比特币）——他们需要将其发送到一个可验证的无法支付的地址——以换取对方的硬币。PoB的主要优势在于，它为所有用户提供了获得虚拟货币硬币的平等机会。SuperNET与其他虚拟货币不同，它是一篮子虚拟货币，类似于封闭式共同基金。SuperNET的目标是收购有前途的虚拟货币（即创新虚拟货币）市值的10%。

向SuperNET捐款的参与者会收到由SuperNET组成的虚拟货币支持的代币（硬币）（BitScan 2014）。在本研究背景下，必须指出，不同虚拟货币采用的交易验证机制之间的差异可能是虚拟货币价格形成差异的原因。例如，PoW和PoS对货币灵活性、市场流动性和价格波动性有着不同的影响。基于PoS的虚拟货币（或DPO）激励对数字货币本身的投资，而基于PoW的货币激励对基础网络的投资（Krawisz 2013）。根据Krawisz（2013）的观点，在其他条件相同的情况下，基于PoW的虚拟货币将拥有比PoS网络更大的网络，具有更高的容量和更高的流动性，而基于PoS的货币将具有更大的价格稳定性，且对区块链的贡献动机更低。基于PoI的货币的价格行为预计介于基于PoW和基于PoS的虚拟货币之间。与基于PoS的虚拟货币类似，基于PoI的货币预计将具有更大的价格稳定性，因为它刺激了对数字货币本身的投资。另一方面，PoI意味着更大的流动性，最终导致更高的价格对市场冲击（包括比特币）的反应能力。同样，基于BCP的货币的价格行为预计介于基于PoW和基于PoS的虚拟货币之间，因为相对快速的交易执行带来了更大的流动性，并且与硬币所有权分离（没有囤积激励）。

基于PoB的货币的价格行为预计将取决于交易验证过程中需要销毁的虚拟货币。例如，交易对手要求焚烧比特币，因此其价格预计与比特币价格的关联性更强。相比之下，鉴于SuperNET是一篮子虚拟货币，其价格预计将由虚拟货币的整体价格发展推动，而不一定只是比特币价格。综上所述，我们预计以太坊、Litecoin、Dash、Dogecoin、Monero、Namecoin和交易对手的价格，作为基于PoW的比特币（或在交易对手的情况下需要烧掉比特币），与其他Altcoin的价格相比，与比特币价格的关系更为密切。鉴于其他虚拟货币采用了与PoW更为遥远的交易验证机制，PoW从2014年1月2日持续到2月3日。除了统一币的价格外，SuperNET参与者还可以获得类似于SuperNET向虚拟货币社区提供的服务（如营销）产生的股息的报酬（BitScan，2014）。12在比特币中实施，其他条件不变，对于这些货币，我们预计与比特币价格的关系会减弱。对于基于PoS的虚拟货币，我们预计其与比特币价格（以及宏观金融变量等其他市场冲击）的关系最小，因为在这种交易验证机制下，其价格预计会表现出更大的价格稳定性。

3数据来源和可变结构比特币和备用币价格在实证估计中，我们使用2013-2016年期间比特币、6种主要备用币和10种次要备用币的每日数据。altcoins的选择基于三个标准的结合：与比特币相比，它们在货币实施机制上的异同、虚拟货币市场份额以及数据可用性。选定的主要altcoins是那些按市值排名前十的虚拟货币（基于coinmarketcap.com）。选定的次要备用币的市值相对较小；它们不在前十大虚拟货币之列。此外，我们还考虑了两个价格指数——ALT19和ALT100，以反映altcoins的整体价格发展，并对单个altcoins的估计进行稳健性检查。ALT19指数是19个altcoins的综合指标，其中包括19个最重要的altcoins（如Litecoin、Namecoin、NEM）。它被计算为19个独立分量的简单算术和。ALT100指数包括100种不同的altcoins，基本价值为1000，设定于2014年1月6日。与ALT19类似，ALT100是指数中包含的100个单独的altcoins的简单算术和。虚拟货币价格摘自alt19。com，quandl。com、比特币图表。com和etherchain。组织。虚拟货币的供应来源于quandl。com和coinmarketcap。com（表4）。虚拟货币的供给和需求如第2节所述，虚拟货币的供给是外部预定义的，从货币发行之日起，所有虚拟货币市场参与者都知道虚拟货币的供给。

为了进行这项研究，我们从quandl中提取了虚拟货币供求数据。com和coinmarketcap。com（表4）。为了说明虚拟媒体关注驱动的需求，我们在估算公式中包含了特定于货币的维基百科页面浏览量。根据Kristoufek（2013），与虚拟货币相关的搜索频率很好地反映了潜在投资者/用户对特定货币的兴趣（搜索）。维基百科视图是从统计数据中提取的。格罗克。se和工具。wmflabs。组织/页面视图。请注意，没有关于所研究虚拟货币总需求的历史数据（表4）。宏观经济和金融发展为了说明全球宏观经济和金融发展，我们遵循van Wijk（2013），并使用油价、金价、纳斯达克综合指数和10年期国债固定到期利率。黄金价格摘自世界黄金协会纳斯达克综合指数是纳斯达克股票市场上上市的普通股和类似证券的股票市场指数。它是美国股市三大最受关注的指数之一。13（quandl.com），而油价、纳斯达克综合指数和国债利率数据则摘自圣路易斯联邦储备银行（表4）。为了说明altcoin交易所使用的地理/货币构成的差异，我们在估算公式中加入了两种汇率（美元/欧元和人民币/美元）。根据图4和表1，BTC、美元、人民币和欧元是购买altcoins最广泛使用的货币。欧元/美元汇率数据摘自欧洲央行，美元/人民币汇率摘自圣路易斯联邦储备银行（表4）。

4估计方法本分析中使用的建模方法是Shin和Pesaran（1999）提出的自回归分布滞后（ARDL）模型，其中首先估计协整空间（即长期关系），然后在此空间内检验特定的经济假设。协整是研究比特币和altcoin供求变量的短期和长期动态以及宏观经济发展的有力工具。这是因为，只要这些变量之间存在协整关系，就意味着各个非平稳变量之间存在平稳的长期均衡关系，如果这些变量偏离了长期均衡，系统中至少有一个变量恢复到长期均衡水平（Juselius 2006）。为了分析比特币和低价币价格之间的动态关系，我们将ARDL边界测试方法应用于Pesaran和Shin（1999）以及Pesaran et al.（2001）开发的协整。在本研究的背景下，这种方法的一个重要优点是，它能够同时估计长期和短期参数，避免了内生性问题，并且可以不考虑潜在回归系数是I（0）、I（1）还是相互协整（Pesaran和Shin，1999）。然而，根据瓦塔拉（2004），如果模型中存在I（2）变量，Pesaran et al.（2001）计算的F统计量将无效，因为边界检验基于序列应为I（0）或I（1）的假设。

因此，在应用ARDL边界测试之前，我们使用单位根测试确定所有变量的积分顺序，以确保没有一个变量的积分顺序为I（2）或更高。为了确定时间序列的平稳性，我们使用了三种单位根检验：增广Dickey-Fuller（ADF）检验、Dickey-Fuller-GLS检验（DF-GLS）和Zivot-Andrews检验（ZA）。我们同时应用ADF和DF-GLS检验，因为DF-GLS检验被认为是Elliot、Rothenberg和Stock（1996）推荐的自回归单位根的更有效的单变量检验。该测试是对传统增广Dickey-Fuller（ADF）t测试的简单修改，因为它在运行ADF测试回归之前应用了广义最小二乘（GLS）去趋势。与ADF测试相比，DF-GLS测试在样本量和功率方面具有最佳的整体性能。“当存在未知的平均值或趋势时，它的威力显著增强”（Elliot、Rothenberg和Stock，1996）。然而，正如Perron（1989）所述，具有永久影响的外源性冲击的存在将导致即使存在单位根，也不会拒绝单位根假设。为了考虑序列中的潜在结构断裂，在进行传统测试时，这可能会导致有偏差的结果，此外，我们还应用了Zivot-Andrews测试14（Zivot和Andrews，1992），允许一个内生确定的结构断裂。Zivot和Andrews检验考虑了截距、趋势或两者的结构断裂。允许结构断裂的单位根假设检验可以防止检验结果偏向单位根，也可以识别结构断裂发生的时间。

为了研究序列之间是否存在长期关系，我们使用Pesaran等人（2001）的界限测试程序。ARDL界限检验基于Wald检验（F统计量）。在变量间无协整的零假设下，Wald检验的渐近分布是非标准的。Pesaran等人（2001）为协整检验提出了两个临界值。临界下界假设所有变量均为I（0），这意味着被检验变量之间不存在协整关系。上界假设所有变量都是I（1），这意味着被测变量之间存在协整关系。当计算的F统计量大于上限临界值时，则拒绝无长期关系的零假设。如果F统计量低于下限临界值，则不能拒绝零假设（被检验变量之间不存在协整）。当计算出的F统计量介于下限和上限之间时，则结果是不确定的。ARDL（p，q，…，q）模型的经验表示如下：（1）     其中，p是滞后因变量的数量，q指定回归器的滞后数量，t=最大值（p，q）。。。，T、 为了简单起见，我们假设K×1向量xt中的所有变量的滞后阶q都相同。yt为因变量（虚拟货币价格），xt为自变量，wt为外生变量，ut为随机“干扰”项，c0和c1t分别为确定性变量、截距项和时间趋势。在第二步中，使用选定的ARDL模型估计长期关系。