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利益达到很高水平以来，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。
---
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)

2022-6-24 18:34:03 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 Econophysics

比特币价格的主要驱动因素是什么？小波相干分析证据Ladislav Kristoufeka，baInstitute of Economic Studies，Faculty of Social Sciences，CharlesUniversity in Prague，Opletalova 26，110 00，Prague，Czech Republic，EUbInstitute of Information Theory and Automation，Academy of Sciences of Czech Republic，Pod Vodarenskou Vezi 4，182 08，Prague，CzechRepublic，EU，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利益达到较高水平以来，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（continuouswavelets）框架，在时域和频域中检查关系的演变，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、可控且已知的货币创建算法以及所有交易的信息透明度。它的成功引发了一场新的替代加密货币的博览会，通常被称为“Altcoins”，其动机和目的各不相同。比特币仍然是领先的加密货币，其巨额资本约为60亿美元，稳居其他加密货币的主导地位。当然，上行的地方通常也是下行的地方。

在比特币越来越受欢迎和公众关注的过程中，比特币系统被指控为有组织犯罪和洗钱的环境，并被贴上标签，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，这些不利因素与标准现金货币相比也并非遥不可及。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和Sneppen[8]构建了一个具有选民式动态的模型，并表明比特币在其他加密货币上并没有特殊优势，也可能被其他加密货币所取代。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。他们在社交媒体的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，我们关注的是比特币价值的一个投机部分，该部分通过谷歌上的搜索查询和维基百科上的搜索词来衡量，显示比特币价格的泡沫和泡沫周期至少可以部分地由对货币的兴趣来解释。

自那时以来，比特币吸引了更多的关注，因为其与美元的汇率在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，这为在不到11个月的时间内购买并持有策略创造了超过9000%的荒谬潜在利润）。经过一些后续调整后，2013年和2014年期间，比特币的价值稳定在每比特币900美元至1000美元之间。然而，比特币信誉和声誉遭受巨大打击的是，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）一枚比特币的交易价约为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，但也存在不同的规模（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。方法部分提供了文本中使用的小波框架的详细描述。需要强调的是，时间和频率两个方面对比特币价格动态都很重要，因为比特币近年来经历了疯狂的演变，如果认为价格的推动力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，有三家交易所满足了这些标准——比特币交易所、比特邮票交易所和BTC-e。历史上，Mt.Gox交易所也曾是指数的一部分，但由于其关闭，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。每日报告我们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估计输出量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渐进给出，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。报酬和困难由已知公式给出。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（exchange transactions）。

此外，还提供了贸易量（主要是购买）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，我们获得了四个最重要的交易所的交易量-比特币、比特邮票、BTC-e和Mt.Gox-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已经破产，但我们仍将其纳入总交易量，因为它曾是2013年最大的交易所正常运行期，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。为了检验美元和中国人民币（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Google Trends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。GoogleTrends标准提供每周数据，而Wikipedia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可分为各种组件。然而，我们使用总体指数来控制各种财务压力。金价金衡盎司的金价从https://www.gold.org/research由于瑞士法郎的稳定性和缺乏扩张性的货币政策，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，基于小波框架和相关蒙特卡罗模拟的推理是可靠的。就这一点而言，我们对所有原始序列进行了相应的转换，因为其中大多数序列以及大部分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型-我们√s（1），标度为s，位置为u，时间为t。如果容许条件Cψ=Z+∞|ψ（f）| fdf<+∞, （2） 其中ψ（f）是小波的傅里叶变换，可以从小波变换中重建任何时间序列。小波的平均值为零，并且标准化，因此R+∞-∞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（.）在被检验的级数x（t）上，使wx（u，s）=Z+∞-∞x（t）ψ*t型-我们dt公司√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建，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，因此交叉小波幂| Wxy（u，s）|通常被用作两个序列之间协同运动的度量。交叉小波幂揭示了时频空间中序列具有公共高幂的区域，因此可以将其理解为时频空间中的局部协方差。然而，对于标准协方差，| Wxy（u，s）|的解释力有限，因为它是无界的。为了解决这一弱点，引入了小波相干性asRxy（u，s）=| ssWxy（美国）|Ss | Wx（u，s）|Ss | Wx（y，s）|, （5） 其中，S是平滑运算符[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非相干本身，有关关系方向的信息丢失。为此，引入相位差作为φxy（u，s）=tan-1IS（sWxy（u，S））RS（sWxy（u，S））!, （6） 其中，I和R分别表示虚部运算符和实部运算符。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），则第一个序列以π领先另一个序列（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方向，则序列正相关，第二个序列领先于第一个序列。请注意，相位关系的解释部分取决于对该关系的特定预期，因为在相位中的领先关系很容易在反相位中成为滞后关系。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公司*yx公司|1.- Ryx公司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，可以理解为序列y（t）和x（t）之间的平方部分相关。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。之所以选择这一特定汇率对，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CoinDesk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是由爆炸性泡沫事件所主导，然后是修正，然而，这些修正永远不会回到泡沫前阶段的起始值。分析期从每比特币约5美元开始，到约600美元结束。

尽管比特币价格的最新动态可以被描述为一种缓慢下降的趋势，但在不到30个月的时间内，买入并持有策略的潜在收益几乎达到12000%，仍然具有吸引力。与美元、欧元、日本货币等标准货币相比，比特币因其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，甚至不可能跟踪使用美元和其他货币进行的交易数量。然而，比特币每天都会公开和免费提供此类信息。此类数据的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或通常作为比特币汇率驱动因素被流言蜚语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、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可用，或者我们可以从其他序列中重建它们，有关更多详细信息，请参阅方法学部分。作为交易使用的衡量标准，即货币需求，我们使用贸易与外汇交易量之间的比率，我们将其缩写为贸易兑换率。因此，该比率显示了货币交易所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“真实世界”交易的频率就越高。