В статье рассматривается волатильность на криптовалютных рынках и их связь с мировыми фондовыми рынками и денежно-кредитной политикой США. Исследователи определили один ценовой компонент, получивший название «крипто-фактор», который объясняет 80 процентов движений цен на криптовалюту и показал, что его корреляция с фондовым рынком увеличивается с увеличением времени входа институциональных инвесторов на рынок криптовалюты. Исследователи также зафиксировали аналогичный феномен для акций, когда ужесточение денежно-кредитной политики Федеральной резервной системы уменьшило влияние крипто-факторов через канал принятия риска, вопреки представлению о том, что крипто-активы обеспечивают хеджирование рыночного риска. Наконец, исследователи показывают, что выборочная гетерогенная агентская модель с изменяющимся во времени общим неприятием риска может объяснить их эмпирические результаты и подчеркнуть потенциал криптовалютных рынков для передачи риска фондовым рынкам, если участие институциональных инвесторов станет большим.
представлять
Криптоактивы значительно различаются по дизайну и ценностному предложению, однако их цены подвержены общим циклическим колебаниям. Он вырос с 20 миллиардов долларов в 2016 году до почти 3 триллионов долларов в ноябре 2021 года, а затем упал ниже 1 триллиона долларов во время недавней крипто-зимы. Фазы экспоненциальной доходности привлекают внимание розничных и институциональных инвесторов (Benetton and Compiani, 2022 г.; Auer and Tercero-Lucas, 2021 г.; Auer, Farag, Lewrick, Orazem и Zoss, 2022 г.), в то время как последующие обвалы привлекают внимание политиков и растущих внимание регуляторов. Эти колебания на рынке криптовалют также могут все больше синхронизироваться с колебаниями других классов активов: Биткойн в некоторой степени обеспечивал частичное хеджирование рыночных рисков до 2020 года, но с тех пор его корреляция с S&P 500 постепенно исчезла. Айер и Куреши, 2022 г.).
Однако мало что известно об общих факторах, влияющих на цены криптоактивов, и факторах, влияющих на корреляцию между криптоактивами и фондовыми рынками, включая денежно-кредитную политику США. В этой статье делается попытка пролить свет на эти проблемы, отвечая на следующие вопросы. В какой степени существуют общие циклы среди криптоактивов? Рынок криптовалют все больше синхронизируется с мировым фондовым рынком? Если да, то почему это происходит? Учитывая, что денежно-кредитная политика США считается ключевым фактором глобальных финансовых циклов (Miranda-Agrippino and Rey, 2020), влияет ли денежно-кредитная политика США аналогичным образом на цикличность криптоактивов? Если да, то по каким каналам?
Мы отвечаем на эти вопросы, используя модели динамических факторов для выявления доминирующих тенденций в ценах на криптоактивы. Используя дневную ценовую панель семи токенов, созданных до 2018 года, на которые в совокупности приходится около 75% общей рыночной капитализации криптовалюты, мы разложили их волатильность на характерный для актива шум и общие компоненты AR(q). Мы обнаружили, что получившийся «коэффициент шифрования» объясняет около 80% расхождений в зашифрованных данных о ценах. Это намного больше, чем цифра 20% для мировых акций, рассчитанная Мирандой-Агриппино и Рей (2020), и отражает концентрацию рыночной капитализации крупнейших криптоактивов по отношению к крупнейшим акциям. Эта цифра устойчива для различных лаговых порядков q, и мы обнаруживаем столь же высокие корреляции при расширении панели, чтобы включить больше криптоактивов.
На втором этапе мы исследуем взаимосвязь этого криптофактора с набором глобальных фондовых факторов, построенных с использованием фондовых индексов крупнейших стран по валовому внутреннему продукту (ВВП) (на основе Rey, 2013; Miranda — Thoughts from Agrippino and Rey, 2020). Мы находим положительные корреляции по всей выборке, особенно сильные корреляции с 2020 года. Это растущее совместное движение не ограничивается только биткойнами и S&P 500, но в более широком смысле включает криптовалюты и глобальные факторы акций. В сегменте фондового рынка мы обнаруживаем, что с 2020 года крипто-фактор имеет самую сильную корреляцию с глобальным технологическим фактором и фактором малой капитализации, в то время как корреляция с глобальным финансовым фактором на удивление низкая.
Усиление корреляции между криптоактивами и акциями совпадает с увеличением участия институциональных инвесторов на крипторынке с 2020 года. Хотя подверженность учреждений невелика по сравнению с их балансами, их абсолютный объем торговли намного больше, чем у розничных трейдеров. В частности, объем торгов институциональных инвесторов на криптобиржах увеличился более чем на 1700% в период между вторым кварталом 2020 года и вторым кварталом 2021 года (примерно с 25 миллиардов долларов США до более чем 45 миллиардов долларов США) (Auer et al., 2022). Поскольку институциональные инвесторы торгуют акциями и криптоактивами, это приводит к постепенному увеличению корреляции между маржинальным капиталом и распределением рисков криптоинвесторов, что, в свою очередь, приводит к усилению корреляции между глобальным капиталом и криптофакторами. Следуя декомпозиции движения факторов Bekaert, Hoerova и Lo Duca (2013), мы обнаруживаем, что корреляция между общим эффективным неприятием риска криптоактивами и акциями может объяснить большую часть (до 65%) корреляции между этими двумя факторами.
Усиление корреляции между криптоактивами и акциями совпадает с ростом участия институциональных инвесторов на крипторынке с 2020 года. Хотя институциональные риски невелики по сравнению с их балансами, их абсолютные объемы торговли намного больше, чем у розничных трейдеров. В частности, объемы торгов институциональных инвесторов на криптовалютных биржах выросли более чем на 1700% в период со второго квартала 2020 года по второй квартал 2021 года (с примерно 25 миллиардов долларов США до более чем 45 миллиардов долларов США) (Auer et al. 2022). Поскольку институциональные инвесторы торгуют акциями и криптоактивами, это приводит к постепенному увеличению корреляции профиля риска между маржинальными акциями и распределением рисков криптоинвесторов, что, в свою очередь, приводит к усилению корреляции между глобальными акциями и криптофакторами. Следуя декомпозиции фактора-движения Bekaert, Hoerova и Lo Duca (2013), мы обнаруживаем, что корреляция общего эффективного неприятия риска криптоактивами и акциями может объяснить большую часть (до 65%) корреляции между этими двумя факторами.
Поскольку денежно-кредитная политика США влияет на глобальные финансовые циклы (Miranda-Agrippino and Rey, 2020), высокая корреляция между акциями и криптовалютой предполагает, что она может оказывать аналогичное влияние на криптовалютные рынки. Мы проверяем эту гипотезу, используя дневную (векторную авторегрессионную модель), которая включает теневую ставку по федеральным фондам (SFFR), предложенную Wu and Xia (2016), чтобы учесть значительную роль балансовой политики за период нашей выборки. Мы определяем воздействие шоков денежно-кредитной политики с помощью разложения Холецкого в следующем порядке: SFFR; 10-летние и 2-летние казначейские спреды, отражающие ожидания будущего роста; индекс доллара США, цены на нефть и золото, международная торговля, кредит. и Прокси для товарных циклов, индекс VIX, который отражает неопределенность в отношении будущих ожиданий, и, наконец, фондовые и крипто-факторы. В этой ситуации эндогенность вряд ли будет проблемой, поскольку ФРС с меньшей вероятностью будет корректировать свою денежно-кредитную политику в ответ на колебания цен на криптовалюту, и такие корректировки с меньшей вероятностью будут происходить на ежедневном уровне.
Мы обнаружили, что денежно-кредитная политика США влияет на циклы криптовалюты так же, как она влияет на глобальные циклы акций, что резко контрастирует с утверждением, что криптоактивы обеспечивают хеджирование рыночных рисков. Увеличение ставки по федеральным фондам (SFFR) на один процентный пункт приводит к устойчивому падению коэффициента криптографии на 0,15 стандартного отклонения и снижению коэффициента капитала на 0,1 стандартного отклонения в течение следующих двух недель. Интересно, что, как и в случае с глобальным финансовым циклом (Rey, 2013), мы обнаруживаем, что только денежно-кредитная политика Федеральной резервной системы работает, а политика других крупных центральных банков — нет, что, вероятно, отражает активное использование доллара США на рынке криптовалют.
Мы пришли к выводу, что канал денежно-кредитной политики, связанный с принятием риска, является важным каналом, определяющим эти результаты, аналогично тому, что Миранда-Агриппино и Рей (2020) обнаружили для глобальных фондовых рынков. В частности, мы обнаружили, что ужесточение денежно-кредитной политики приводит к снижению крипто-фактора, что сопровождается всплеском косвенных показателей общего эффективного неприятия риска на крипто-рынке. Другими словами, ограничительная политика делает позиции инвесторов менее устойчивыми к риску, поэтому они уменьшают их подверженность криптоактивам. При разделении выборки в 2020 году мы обнаруживаем, что эффект неприятия риска на криптовалютном рынке является значительным только в период после 2020 года, что согласуется с включением институциональных инвесторов, усиливающих передачу денежно-кредитной политики на криптовалютные рынки. В более формальном тесте мы получаем те же результаты при проверке гипотезы с использованием сглаживающего преобразования, предложенного Ауэрбахом и Городниченко (2012), где переменной преобразования является доля институциональных инвесторов.
Затем мы рационализируем наши результаты в модели, которая включает два класса разнородных инвесторов, а именно крипто и институциональных инвесторов. Первые являются розничными инвесторами, которые инвестируют только в криптоактивы, а вторые могут инвестировать в акции и криптоактивы. Дело в том, что криптоинвесторы не склонны к риску, в то время как институциональные инвесторы нейтральны к риску, но учитывают ограничения риска. Мы можем переписать равновесную доходность криптоактивов как линейную комбинацию их дисперсии и ковариации доходности акций, умноженную на коэффициент общего эффективного неприятия риска. Последнее можно интерпретировать как среднее неприятие риска инвесторами, взвешенное по весу их богатства. Это означает, что чем выше относительное богатство институциональных инвесторов, тем более похоже общее эффективное неприятие риска криптовалютным рынком на его склонность к риску и тем больше корреляция между криптовалютным и фондовым рынками. Поскольку присутствие институциональных инвесторов на криптовалютных рынках снижает общее эффективное неприятие риска, мы объясняем повышенную реакцию цен на криптовалюту на ужесточение денежно-кредитной политики, что отражает большую чувствительность инвесторов с использованием заемных средств к экономическим циклам (Coimbra, Kim, and Rey, 2022; Adrian and Rey, 2022). Шин, 2014). Наконец, мы отмечаем, что даже в нашей простой схеме могут возникать вторичные эффекты от криптовалюты к акциям: если институциональные криптовалютные активы становятся большими, обвал цен на криптовалюты снижает равновесную доходность акций.
В целом, наши результаты подчеркивают замечательную синхронизацию между циклами криптовалюты и глобальными фондовыми рынками с аналогичными реакциями на шоки денежно-кредитной политики. Хотя существует множество объяснений стоимости криптоактивов, таких как использование в качестве хеджирования инфляции или предоставление дополнительных средств экономической конверсии, наши результаты показывают, что денежно-кредитная политика США влияет на цикличность крипторынков.
коэффициент шифрования
Чтобы обобщить волатильность рынка криптовалют как одну переменную, мы используем динамическое факторное моделирование, которое представляет собой метод уменьшения размерности. Это позволяет разложить набор цен на отдельные составляющие и общий тренд. В частности, мы начинаем с ежедневных цен на крупнейшие криптоактивы, созданные до января 2018 года (за исключением стейблкоинов). Это оставляет нам семь криптоактивов, представляющих 75% общей рыночной капитализации в июне 2022 года. Затем мы представляем эту криптографическую ценовую панель как линейную комбинацию общего фактора AR(q) ft и возмущения, специфичного для актива εit (последнее, в свою очередь, следует процессу AR(1)):
где L — коэффициент запаздывания,
— вектор порядка q факторных нагрузок для актива i. Оценка этой системы с использованием максимального правдоподобия, выбор q с использованием информационного критерия дает наши общие факторы. Также можно указать несколько факторов, которые по-разному влияют на цену, и мы используем эту последнюю спецификацию, когда рассматриваем несколько разных подклассов криптоактивов.
На рисунке 1 показан криптофактор и базовый ценовой ряд, из которого мы его извлекаем. Фактор криптографии эффективно отражает хорошо охарактеризованные фазы крипторынка, такие как спад в начале 2018 года, последовавшая за ним «крипто-зима», последний бум биткойнов и Dogecoin, а также спад 2022 года на Terra и FTX, не подвергаясь при этом чрезмерному влиянию. шипы, такие как Ripple и TRON.
Рисунок 1 Коэффициент шифрования
Примечание. На этом графике показан криптофактор (синий) и нормализованная криптографическая цена (серый) для его построения, сгенерированные с использованием динамической факторной модели.
Чтобы более систематически оценить важность этого фактора, мы регрессируем каждую ценовую серию по фактору шифрования по очереди. В среднем 80 % вариаций в базовом ряду можно объяснить нашим коэффициентом шифрования. Этот показатель превышает 68 % для всех семи активов, что подчеркивает высокую степень совместного движения за период выборки. Для сравнения, глобальный коэффициент капитала, рассчитанный Мирандой-Агриппино и Рей (2020), объясняет только 20% мировых цен на акции, подчеркивая большее общее движение и концентрацию рыночной капитализации на криптовалютных рынках. Таким образом, наши результаты убедительно подтверждают существование единого криптофактора, который влияет на цены на крипторынке.
Учитывая ограниченный диапазон активов, используемых для расчета наших коэффициентов, мы также подтвердили, что наши криптофакторы отражают последние тенденции в новых активах. Для этого мы рассмотрели более широкую выборку активов, сгруппированных в пять категорий: токены первого поколения (Bitcoin, Ripple и Dogecoin), токены платформы смарт-контрактов (Ethereum, Binance Coin, Cardano, Solana и Polkadot), токены DeFi. (Chainlink, Uniswap, Maker и Aave), токены Metaverse (Flow, Ape Coin, The Sandbox, Decentraland и Theta Network) и токены IoT (Helium, Iota, IoTex и MXC). Затем мы оцениваем новую модель с пятью различными факторами, где каждый фактор влияет только на одну категорию. Результаты показаны на рисунке 2 вместе с общим коэффициентом шифрования, оцененным выше. Все категории тесно связаны с общим криптоциклом, что подтверждает наше внимание к общим тенденциям.
Рис. 2 Подфакторы шифрования
ПРИМЕЧАНИЕ. На рисунке показан общий коэффициент шифрования и пять подфакторов шифрования, нормализованные и сглаженные. Эти подфакторы состоят из следующих активов: токены первого поколения — Bitcoin, Ripple и Dogecoin; токены платформы смарт-контрактов — баллы Ethereum, Binance Coin, Cardano, Solana и Wave Card; токены DeFi — Chainlink, Uniswap, Maker и Aave. Токены Metaverse — Flow, Ape Coin, The Sandbox, Decentraland и Theta Network, а также токены IoT — Helium, Iota, IoTex и MXC.
Наконец, в соответствии с доказательствами дела, криптографический фактор связан с прокси-переменной для кредитного плеча на крипторынке. На рисунке 3 показана взаимосвязь между крипто-факторами и крипто-кредитным плечом, определенным здесь с использованием общей заблокированной стоимости (TVL) в контрактах децентрализованного финансирования («DeFi») на нормализованном эталоне общей капитализации крипто-рынка. Это показывает небольшой относительный эффект кредитного плеча в системе до конца крипто «зимы» 2018-2019 годов, после чего кредитное плечо значительно увеличилось, а корреляция с общим криптофактором увеличилась.
Рисунок 3 Децентрализованный финансовый рычаг
Примечание. На этом графике показан общий коэффициент криптовалюты и альтернативный показатель, представляющий общее кредитное плечо DeFi, определяемое как общая заблокированная стоимость (TVL) в контрактах децентрализованного финансирования, нормализованная по эталону общей капитализации рынка криптовалют. данные ТВЛ от
Криптовалюты и глобальный финансовый цикл
Теперь обратимся к взаимосвязи между криптофакторами и глобальными акциями. Айер (2022) задокументировал увеличение корреляции между доходностью биткойнов и S&P 500 с 2020 года. Поэтому мы подозреваем, что рынок криптовалют стал более консолидированным и синхронизированным с биржевым циклом. Чтобы оценить это, в этом разделе мы вычисляем глобальный коэффициент капитала, а затем изучаем его связь с криптографическим фактором.
Мы строим глобальные коэффициенты капитала, используя общий индекс акций пятидесяти крупнейших стран, ранжированных по размеру ВВП от Eikon/Thomson Reuters. Затем мы вычисляем, как в предыдущем разделе: используя агрегированные коэффициенты для всех основных фондовых индексов, коэффициенты для акций компаний с малой капитализацией и индивидуальные коэффициенты для технологического и финансового секторов. На рисунке 4 представлены коэффициенты акций и криптовалют. Как и фактор криптографии, фактор акций надежно воспроизвел динамику мировых рынков, включая резкое падение во время шока от COVID-19, последующее восстановление и спад в начале 2022 года. В целом корреляция между двумя рядами была относительно низкой до 2020 г., а затем постепенно увеличивалась со второй половины 2020 г. и далее. Более формально, в таблице 2 мы регрессируем изменения коэффициента шифрования по изменениям каждого из других факторов. Модель (1) показывает, что в целом корреляция между криптофакторами и факторами капитала очень значительна, в то время как модели (2) и (7) специально подчеркивают, что эта взаимосвязь частично обусловлена технологиями и малой капитализацией.
Рис. 4 Криптовалюта и факторы капитала
Примечание. На рисунке показаны нормализованные временные ряды для коэффициентов криптовалюты и акций, полученные на основе широкого диапазона индексов цен криптовалют и акций соответственно с использованием моделей динамических факторов, как описано в Разделе 2.
Учитывая важность институтов, теперь мы исследуем их роль в изменении профиля риска маргинальных криптоинвесторов. Чтобы исследовать это эмпирически, мы разложили изменения факторов на две составляющие, следуя методам Бекарта и др. (2013) и Миранды-Агриппино и Рей (2020): (i) изменения рыночного риска и (ii) изменения рыночного отношение к риску, то есть «общее эффективное неприятие риска», определяемое как средневзвешенное неприятие риска инвесторами. Мы используем косвенную переменную для достижения рыночного риска (i), а именно 90-дневную дисперсию индекса MSCI World, измеренную по методу Миранды-Агриппино и Рей (2020), и тогда оставшийся член логарифмической регрессии может быть получено следующим образом
(как функция, обратная ей) к оценке (ii):
То же самое верно и для криптовалют:
в:
— фактор, оцененный с использованием метода, описанного в уравнении (1) выше; мы повторили термин MSCI World в крипторегрессии, чтобы контролировать общий глобальный рыночный риск; аналогичные прокси-переменные для рыночного риска.
Фактическое неприятие риска по акциям, полученное в уравнении (2), согласуется с другими косвенными переменными для принятия риска инвестором в литературе. Корреляции между 90-дневным неприятием риска по акциям и квадратом промежуточного коэффициента капитала и промежуточного коэффициента левериджа, предложенные Хе, Келли и Манелой (2017) (в таблице A.4 Приложения A), составляют -0,292 и 0,434 соответственно. Эти прокси-переменные объясняются следующим образом: когда негативные шоки влияют на собственный капитал посредников, их коэффициенты заемных средств увеличиваются, таким образом, затрагивается их способность брать на себя риск и повышается фактическое неприятие риска. Эти корреляции относительно высоки, учитывая, что He и др. (2017) использовали совершенно другой подход и что мы сравниваем суточные измерения. На самом деле их прокси-переменная построена с использованием только коэффициентов капитала основных дилеров Федерального резервного банка Нью-Йорка, а не мировых цен на акции (рассчитанных на основе мировых цен на акции) (см. уравнение 6 в их статье).
На рис. 5 показаны результаты для маржинальных криптоинвесторов в целом по эффективному неприятию риска, а также криптофактор. Мы выделяем две основные фазы, до и после конца 2019 года. В начале нашей выборки эффективное неприятие риска криптоинвесторами более волатильно и имеет тенденцию к небольшому увеличению. Примечательно, что это совпадает с «криптозимой», длительным периодом относительно стабильной или отрицательной доходности. После 2020 года эффективное неприятие риска относительно неуклонно снижалось, при этом криптофакторы демонстрировали большую доходность и высокую волатильность. Интересно, что после краха Terra/Luna в мае 2022 года криптографический фактор почти отражал эффективное неприятие риска, а это означает, что цены на криптовалюту в первую очередь определяются изменениями склонности криптоинвесторов к риску. Наконец, мы отмечаем, что снижение эффективного неприятия риска соответствует увеличению участия институциональных инвесторов, которые могут брать на себя больший риск, чем розничные инвесторы, тем самым изменяя склонность к риску маргинальных криптоинвесторов.
Рис. 5 Общее эффективное предотвращение рисков шифрования
Примечание. На рисунке показан фактор криптовалюты и общее эффективное неприятие риска на рынке криптовалют по оценкам Bekaert et al. (2013) и Миранда-Агриппино и Рей (2020), как описано в тексте. Обе переменные стандартизированы.
В целом, наши результаты подтверждают гипотезу о том, что появление институциональных инвесторов является основным фактором усиления корреляции между рынком криптовалют и фондовым рынком. В то же время, когда многие традиционные финансовые учреждения вышли на рынок криптовалют, маргинальные криптоинвесторы, как правило, были более склонны к риску, чем маргинальные инвесторы в акции, и эта корреляция, в свою очередь, может объяснить значительную часть корреляции между факторами криптовалюты и акций.
В целом, наши результаты подтверждают гипотезу о том, что появление институциональных инвесторов является основным фактором усиления корреляции между рынком криптовалют и фондовым рынком. В то же время, когда многие традиционные финансовые учреждения вышли на рынок криптовалют, маргинальные криптоинвесторы, как правило, были более склонны к риску, чем маргинальные инвесторы в акции, и эта корреляция, в свою очередь, может объяснить значительную часть корреляции между факторами криптовалюты и акций.
в заключение
Криптовалюты значительно различаются по дизайну и ценностному предложению, однако их цены демонстрируют общие циклические колебания. Один криптографический фактор может объяснить 80% движения цен на криптовалюту, и с 2020 года его корреляция с глобальным финансовым циклом усилилась, особенно с технологиями и акциями с малой капитализацией. Мы предоставляем доказательства того, что эта корреляция обусловлена увеличением присутствия институциональных инвесторов на крипторынке, что приводит к аналогичным профилям риска для маржинального капитала и криптоинвесторов. Кроме того, рынок криптовалют очень чувствителен к денежно-кредитной политике США, и ужесточение денежно-кредитной политики значительно снизит крипто-фактор, подобно тому, как реагируют мировые фондовые рынки.
Мы намечаем минимальную теоретическую основу, способную объяснить наши эмпирические результаты. Мы показываем, что криптодоходность может быть выражена как динамическая общая функция неприятия риска на крипторынках, на которую, в свою очередь, влияют изменения в составе криптоинвесторов. С увеличением доли институциональных инвесторов на рынке криптовалют характеристики риска маржинальных инвесторов в криптовалюте, как правило, аналогичны характеристикам рынка акций. Повышение безрисковой ставки снижает доходность, в то время как, если институциональные инвесторы владеют большей долей рынка криптовалют, а прокси-серверы с большим кредитным плечом более чувствительны к экономическим циклам (Adrian and Shin, 2014; Coimbra et al., 2022), это эффект будет становиться все более значительным.
Наши выводы также способствуют обсуждению политики в отношении криптоактивов. Мы обнаружили, что эти активы не обеспечивают защиту от экономического цикла; вместо этого, по нашим оценкам, они более чувствительны, чем акции. Кроме того, растущая корреляция между криптовалютой и фондовым рынком в сочетании с тем, что институциональные инвесторы торгуют как криптовалютными активами, так и акциями, означает, что могут быть потенциальные побочные эффекты, которые в конечном итоге могут вызвать проблемы с системными рисками. В частности, наша концепция подразумевает, что в возможном будущем мире, где криптовалюты составляют значительную часть портфелей институциональных инвесторов, крах рынка криптовалют может иметь серьезные негативные последствия для фондовых рынков. По этим причинам директивные органы могут воспользоваться тем фактом, что доступ институциональных инвесторов к криптовалюте остается ограниченным, для разработки и внедрения более надежной нормативно-правовой базы.
Посмотреть Оригинал
Содержание носит исключительно справочный характер и не является предложением или офертой. Консультации по инвестициям, налогообложению или юридическим вопросам не предоставляются. Более подробную информацию о рисках см. в разделе «Дисклеймер».
Криптовалютные циклы и денежно-кредитная политика США
В статье рассматривается волатильность на криптовалютных рынках и их связь с мировыми фондовыми рынками и денежно-кредитной политикой США. Исследователи определили один ценовой компонент, получивший название «крипто-фактор», который объясняет 80 процентов движений цен на криптовалюту и показал, что его корреляция с фондовым рынком увеличивается с увеличением времени входа институциональных инвесторов на рынок криптовалюты. Исследователи также зафиксировали аналогичный феномен для акций, когда ужесточение денежно-кредитной политики Федеральной резервной системы уменьшило влияние крипто-факторов через канал принятия риска, вопреки представлению о том, что крипто-активы обеспечивают хеджирование рыночного риска. Наконец, исследователи показывают, что выборочная гетерогенная агентская модель с изменяющимся во времени общим неприятием риска может объяснить их эмпирические результаты и подчеркнуть потенциал криптовалютных рынков для передачи риска фондовым рынкам, если участие институциональных инвесторов станет большим.
представлять
Криптоактивы значительно различаются по дизайну и ценностному предложению, однако их цены подвержены общим циклическим колебаниям. Он вырос с 20 миллиардов долларов в 2016 году до почти 3 триллионов долларов в ноябре 2021 года, а затем упал ниже 1 триллиона долларов во время недавней крипто-зимы. Фазы экспоненциальной доходности привлекают внимание розничных и институциональных инвесторов (Benetton and Compiani, 2022 г.; Auer and Tercero-Lucas, 2021 г.; Auer, Farag, Lewrick, Orazem и Zoss, 2022 г.), в то время как последующие обвалы привлекают внимание политиков и растущих внимание регуляторов. Эти колебания на рынке криптовалют также могут все больше синхронизироваться с колебаниями других классов активов: Биткойн в некоторой степени обеспечивал частичное хеджирование рыночных рисков до 2020 года, но с тех пор его корреляция с S&P 500 постепенно исчезла. Айер и Куреши, 2022 г.).
Однако мало что известно об общих факторах, влияющих на цены криптоактивов, и факторах, влияющих на корреляцию между криптоактивами и фондовыми рынками, включая денежно-кредитную политику США. В этой статье делается попытка пролить свет на эти проблемы, отвечая на следующие вопросы. В какой степени существуют общие циклы среди криптоактивов? Рынок криптовалют все больше синхронизируется с мировым фондовым рынком? Если да, то почему это происходит? Учитывая, что денежно-кредитная политика США считается ключевым фактором глобальных финансовых циклов (Miranda-Agrippino and Rey, 2020), влияет ли денежно-кредитная политика США аналогичным образом на цикличность криптоактивов? Если да, то по каким каналам?
Мы отвечаем на эти вопросы, используя модели динамических факторов для выявления доминирующих тенденций в ценах на криптоактивы. Используя дневную ценовую панель семи токенов, созданных до 2018 года, на которые в совокупности приходится около 75% общей рыночной капитализации криптовалюты, мы разложили их волатильность на характерный для актива шум и общие компоненты AR(q). Мы обнаружили, что получившийся «коэффициент шифрования» объясняет около 80% расхождений в зашифрованных данных о ценах. Это намного больше, чем цифра 20% для мировых акций, рассчитанная Мирандой-Агриппино и Рей (2020), и отражает концентрацию рыночной капитализации крупнейших криптоактивов по отношению к крупнейшим акциям. Эта цифра устойчива для различных лаговых порядков q, и мы обнаруживаем столь же высокие корреляции при расширении панели, чтобы включить больше криптоактивов.
На втором этапе мы исследуем взаимосвязь этого криптофактора с набором глобальных фондовых факторов, построенных с использованием фондовых индексов крупнейших стран по валовому внутреннему продукту (ВВП) (на основе Rey, 2013; Miranda — Thoughts from Agrippino and Rey, 2020). Мы находим положительные корреляции по всей выборке, особенно сильные корреляции с 2020 года. Это растущее совместное движение не ограничивается только биткойнами и S&P 500, но в более широком смысле включает криптовалюты и глобальные факторы акций. В сегменте фондового рынка мы обнаруживаем, что с 2020 года крипто-фактор имеет самую сильную корреляцию с глобальным технологическим фактором и фактором малой капитализации, в то время как корреляция с глобальным финансовым фактором на удивление низкая.
Усиление корреляции между криптоактивами и акциями совпадает с увеличением участия институциональных инвесторов на крипторынке с 2020 года. Хотя подверженность учреждений невелика по сравнению с их балансами, их абсолютный объем торговли намного больше, чем у розничных трейдеров. В частности, объем торгов институциональных инвесторов на криптобиржах увеличился более чем на 1700% в период между вторым кварталом 2020 года и вторым кварталом 2021 года (примерно с 25 миллиардов долларов США до более чем 45 миллиардов долларов США) (Auer et al., 2022). Поскольку институциональные инвесторы торгуют акциями и криптоактивами, это приводит к постепенному увеличению корреляции между маржинальным капиталом и распределением рисков криптоинвесторов, что, в свою очередь, приводит к усилению корреляции между глобальным капиталом и криптофакторами. Следуя декомпозиции движения факторов Bekaert, Hoerova и Lo Duca (2013), мы обнаруживаем, что корреляция между общим эффективным неприятием риска криптоактивами и акциями может объяснить большую часть (до 65%) корреляции между этими двумя факторами.
Усиление корреляции между криптоактивами и акциями совпадает с ростом участия институциональных инвесторов на крипторынке с 2020 года. Хотя институциональные риски невелики по сравнению с их балансами, их абсолютные объемы торговли намного больше, чем у розничных трейдеров. В частности, объемы торгов институциональных инвесторов на криптовалютных биржах выросли более чем на 1700% в период со второго квартала 2020 года по второй квартал 2021 года (с примерно 25 миллиардов долларов США до более чем 45 миллиардов долларов США) (Auer et al. 2022). Поскольку институциональные инвесторы торгуют акциями и криптоактивами, это приводит к постепенному увеличению корреляции профиля риска между маржинальными акциями и распределением рисков криптоинвесторов, что, в свою очередь, приводит к усилению корреляции между глобальными акциями и криптофакторами. Следуя декомпозиции фактора-движения Bekaert, Hoerova и Lo Duca (2013), мы обнаруживаем, что корреляция общего эффективного неприятия риска криптоактивами и акциями может объяснить большую часть (до 65%) корреляции между этими двумя факторами.
Поскольку денежно-кредитная политика США влияет на глобальные финансовые циклы (Miranda-Agrippino and Rey, 2020), высокая корреляция между акциями и криптовалютой предполагает, что она может оказывать аналогичное влияние на криптовалютные рынки. Мы проверяем эту гипотезу, используя дневную (векторную авторегрессионную модель), которая включает теневую ставку по федеральным фондам (SFFR), предложенную Wu and Xia (2016), чтобы учесть значительную роль балансовой политики за период нашей выборки. Мы определяем воздействие шоков денежно-кредитной политики с помощью разложения Холецкого в следующем порядке: SFFR; 10-летние и 2-летние казначейские спреды, отражающие ожидания будущего роста; индекс доллара США, цены на нефть и золото, международная торговля, кредит. и Прокси для товарных циклов, индекс VIX, который отражает неопределенность в отношении будущих ожиданий, и, наконец, фондовые и крипто-факторы. В этой ситуации эндогенность вряд ли будет проблемой, поскольку ФРС с меньшей вероятностью будет корректировать свою денежно-кредитную политику в ответ на колебания цен на криптовалюту, и такие корректировки с меньшей вероятностью будут происходить на ежедневном уровне.
Мы обнаружили, что денежно-кредитная политика США влияет на циклы криптовалюты так же, как она влияет на глобальные циклы акций, что резко контрастирует с утверждением, что криптоактивы обеспечивают хеджирование рыночных рисков. Увеличение ставки по федеральным фондам (SFFR) на один процентный пункт приводит к устойчивому падению коэффициента криптографии на 0,15 стандартного отклонения и снижению коэффициента капитала на 0,1 стандартного отклонения в течение следующих двух недель. Интересно, что, как и в случае с глобальным финансовым циклом (Rey, 2013), мы обнаруживаем, что только денежно-кредитная политика Федеральной резервной системы работает, а политика других крупных центральных банков — нет, что, вероятно, отражает активное использование доллара США на рынке криптовалют.
Мы пришли к выводу, что канал денежно-кредитной политики, связанный с принятием риска, является важным каналом, определяющим эти результаты, аналогично тому, что Миранда-Агриппино и Рей (2020) обнаружили для глобальных фондовых рынков. В частности, мы обнаружили, что ужесточение денежно-кредитной политики приводит к снижению крипто-фактора, что сопровождается всплеском косвенных показателей общего эффективного неприятия риска на крипто-рынке. Другими словами, ограничительная политика делает позиции инвесторов менее устойчивыми к риску, поэтому они уменьшают их подверженность криптоактивам. При разделении выборки в 2020 году мы обнаруживаем, что эффект неприятия риска на криптовалютном рынке является значительным только в период после 2020 года, что согласуется с включением институциональных инвесторов, усиливающих передачу денежно-кредитной политики на криптовалютные рынки. В более формальном тесте мы получаем те же результаты при проверке гипотезы с использованием сглаживающего преобразования, предложенного Ауэрбахом и Городниченко (2012), где переменной преобразования является доля институциональных инвесторов.
Затем мы рационализируем наши результаты в модели, которая включает два класса разнородных инвесторов, а именно крипто и институциональных инвесторов. Первые являются розничными инвесторами, которые инвестируют только в криптоактивы, а вторые могут инвестировать в акции и криптоактивы. Дело в том, что криптоинвесторы не склонны к риску, в то время как институциональные инвесторы нейтральны к риску, но учитывают ограничения риска. Мы можем переписать равновесную доходность криптоактивов как линейную комбинацию их дисперсии и ковариации доходности акций, умноженную на коэффициент общего эффективного неприятия риска. Последнее можно интерпретировать как среднее неприятие риска инвесторами, взвешенное по весу их богатства. Это означает, что чем выше относительное богатство институциональных инвесторов, тем более похоже общее эффективное неприятие риска криптовалютным рынком на его склонность к риску и тем больше корреляция между криптовалютным и фондовым рынками. Поскольку присутствие институциональных инвесторов на криптовалютных рынках снижает общее эффективное неприятие риска, мы объясняем повышенную реакцию цен на криптовалюту на ужесточение денежно-кредитной политики, что отражает большую чувствительность инвесторов с использованием заемных средств к экономическим циклам (Coimbra, Kim, and Rey, 2022; Adrian and Rey, 2022). Шин, 2014). Наконец, мы отмечаем, что даже в нашей простой схеме могут возникать вторичные эффекты от криптовалюты к акциям: если институциональные криптовалютные активы становятся большими, обвал цен на криптовалюты снижает равновесную доходность акций.
В целом, наши результаты подчеркивают замечательную синхронизацию между циклами криптовалюты и глобальными фондовыми рынками с аналогичными реакциями на шоки денежно-кредитной политики. Хотя существует множество объяснений стоимости криптоактивов, таких как использование в качестве хеджирования инфляции или предоставление дополнительных средств экономической конверсии, наши результаты показывают, что денежно-кредитная политика США влияет на цикличность крипторынков.
коэффициент шифрования
Чтобы обобщить волатильность рынка криптовалют как одну переменную, мы используем динамическое факторное моделирование, которое представляет собой метод уменьшения размерности. Это позволяет разложить набор цен на отдельные составляющие и общий тренд. В частности, мы начинаем с ежедневных цен на крупнейшие криптоактивы, созданные до января 2018 года (за исключением стейблкоинов). Это оставляет нам семь криптоактивов, представляющих 75% общей рыночной капитализации в июне 2022 года. Затем мы представляем эту криптографическую ценовую панель как линейную комбинацию общего фактора AR(q) ft и возмущения, специфичного для актива εit (последнее, в свою очередь, следует процессу AR(1)):
где L — коэффициент запаздывания,
— вектор порядка q факторных нагрузок для актива i. Оценка этой системы с использованием максимального правдоподобия, выбор q с использованием информационного критерия дает наши общие факторы. Также можно указать несколько факторов, которые по-разному влияют на цену, и мы используем эту последнюю спецификацию, когда рассматриваем несколько разных подклассов криптоактивов.
На рисунке 1 показан криптофактор и базовый ценовой ряд, из которого мы его извлекаем. Фактор криптографии эффективно отражает хорошо охарактеризованные фазы крипторынка, такие как спад в начале 2018 года, последовавшая за ним «крипто-зима», последний бум биткойнов и Dogecoin, а также спад 2022 года на Terra и FTX, не подвергаясь при этом чрезмерному влиянию. шипы, такие как Ripple и TRON.
Рисунок 1 Коэффициент шифрования
Примечание. На этом графике показан криптофактор (синий) и нормализованная криптографическая цена (серый) для его построения, сгенерированные с использованием динамической факторной модели.
Чтобы более систематически оценить важность этого фактора, мы регрессируем каждую ценовую серию по фактору шифрования по очереди. В среднем 80 % вариаций в базовом ряду можно объяснить нашим коэффициентом шифрования. Этот показатель превышает 68 % для всех семи активов, что подчеркивает высокую степень совместного движения за период выборки. Для сравнения, глобальный коэффициент капитала, рассчитанный Мирандой-Агриппино и Рей (2020), объясняет только 20% мировых цен на акции, подчеркивая большее общее движение и концентрацию рыночной капитализации на криптовалютных рынках. Таким образом, наши результаты убедительно подтверждают существование единого криптофактора, который влияет на цены на крипторынке.
Учитывая ограниченный диапазон активов, используемых для расчета наших коэффициентов, мы также подтвердили, что наши криптофакторы отражают последние тенденции в новых активах. Для этого мы рассмотрели более широкую выборку активов, сгруппированных в пять категорий: токены первого поколения (Bitcoin, Ripple и Dogecoin), токены платформы смарт-контрактов (Ethereum, Binance Coin, Cardano, Solana и Polkadot), токены DeFi. (Chainlink, Uniswap, Maker и Aave), токены Metaverse (Flow, Ape Coin, The Sandbox, Decentraland и Theta Network) и токены IoT (Helium, Iota, IoTex и MXC). Затем мы оцениваем новую модель с пятью различными факторами, где каждый фактор влияет только на одну категорию. Результаты показаны на рисунке 2 вместе с общим коэффициентом шифрования, оцененным выше. Все категории тесно связаны с общим криптоциклом, что подтверждает наше внимание к общим тенденциям.
Рис. 2 Подфакторы шифрования
ПРИМЕЧАНИЕ. На рисунке показан общий коэффициент шифрования и пять подфакторов шифрования, нормализованные и сглаженные. Эти подфакторы состоят из следующих активов: токены первого поколения — Bitcoin, Ripple и Dogecoin; токены платформы смарт-контрактов — баллы Ethereum, Binance Coin, Cardano, Solana и Wave Card; токены DeFi — Chainlink, Uniswap, Maker и Aave. Токены Metaverse — Flow, Ape Coin, The Sandbox, Decentraland и Theta Network, а также токены IoT — Helium, Iota, IoTex и MXC.
Наконец, в соответствии с доказательствами дела, криптографический фактор связан с прокси-переменной для кредитного плеча на крипторынке. На рисунке 3 показана взаимосвязь между крипто-факторами и крипто-кредитным плечом, определенным здесь с использованием общей заблокированной стоимости (TVL) в контрактах децентрализованного финансирования («DeFi») на нормализованном эталоне общей капитализации крипто-рынка. Это показывает небольшой относительный эффект кредитного плеча в системе до конца крипто «зимы» 2018-2019 годов, после чего кредитное плечо значительно увеличилось, а корреляция с общим криптофактором увеличилась.
Рисунок 3 Децентрализованный финансовый рычаг
Примечание. На этом графике показан общий коэффициент криптовалюты и альтернативный показатель, представляющий общее кредитное плечо DeFi, определяемое как общая заблокированная стоимость (TVL) в контрактах децентрализованного финансирования, нормализованная по эталону общей капитализации рынка криптовалют. данные ТВЛ от
Криптовалюты и глобальный финансовый цикл
Теперь обратимся к взаимосвязи между криптофакторами и глобальными акциями. Айер (2022) задокументировал увеличение корреляции между доходностью биткойнов и S&P 500 с 2020 года. Поэтому мы подозреваем, что рынок криптовалют стал более консолидированным и синхронизированным с биржевым циклом. Чтобы оценить это, в этом разделе мы вычисляем глобальный коэффициент капитала, а затем изучаем его связь с криптографическим фактором.
Мы строим глобальные коэффициенты капитала, используя общий индекс акций пятидесяти крупнейших стран, ранжированных по размеру ВВП от Eikon/Thomson Reuters. Затем мы вычисляем, как в предыдущем разделе: используя агрегированные коэффициенты для всех основных фондовых индексов, коэффициенты для акций компаний с малой капитализацией и индивидуальные коэффициенты для технологического и финансового секторов. На рисунке 4 представлены коэффициенты акций и криптовалют. Как и фактор криптографии, фактор акций надежно воспроизвел динамику мировых рынков, включая резкое падение во время шока от COVID-19, последующее восстановление и спад в начале 2022 года. В целом корреляция между двумя рядами была относительно низкой до 2020 г., а затем постепенно увеличивалась со второй половины 2020 г. и далее. Более формально, в таблице 2 мы регрессируем изменения коэффициента шифрования по изменениям каждого из других факторов. Модель (1) показывает, что в целом корреляция между криптофакторами и факторами капитала очень значительна, в то время как модели (2) и (7) специально подчеркивают, что эта взаимосвязь частично обусловлена технологиями и малой капитализацией.
Рис. 4 Криптовалюта и факторы капитала
Примечание. На рисунке показаны нормализованные временные ряды для коэффициентов криптовалюты и акций, полученные на основе широкого диапазона индексов цен криптовалют и акций соответственно с использованием моделей динамических факторов, как описано в Разделе 2.
Учитывая важность институтов, теперь мы исследуем их роль в изменении профиля риска маргинальных криптоинвесторов. Чтобы исследовать это эмпирически, мы разложили изменения факторов на две составляющие, следуя методам Бекарта и др. (2013) и Миранды-Агриппино и Рей (2020): (i) изменения рыночного риска и (ii) изменения рыночного отношение к риску, то есть «общее эффективное неприятие риска», определяемое как средневзвешенное неприятие риска инвесторами. Мы используем косвенную переменную для достижения рыночного риска (i), а именно 90-дневную дисперсию индекса MSCI World, измеренную по методу Миранды-Агриппино и Рей (2020), и тогда оставшийся член логарифмической регрессии может быть получено следующим образом
(как функция, обратная ей) к оценке (ii):
То же самое верно и для криптовалют:
в:
— фактор, оцененный с использованием метода, описанного в уравнении (1) выше; мы повторили термин MSCI World в крипторегрессии, чтобы контролировать общий глобальный рыночный риск; аналогичные прокси-переменные для рыночного риска.
Фактическое неприятие риска по акциям, полученное в уравнении (2), согласуется с другими косвенными переменными для принятия риска инвестором в литературе. Корреляции между 90-дневным неприятием риска по акциям и квадратом промежуточного коэффициента капитала и промежуточного коэффициента левериджа, предложенные Хе, Келли и Манелой (2017) (в таблице A.4 Приложения A), составляют -0,292 и 0,434 соответственно. Эти прокси-переменные объясняются следующим образом: когда негативные шоки влияют на собственный капитал посредников, их коэффициенты заемных средств увеличиваются, таким образом, затрагивается их способность брать на себя риск и повышается фактическое неприятие риска. Эти корреляции относительно высоки, учитывая, что He и др. (2017) использовали совершенно другой подход и что мы сравниваем суточные измерения. На самом деле их прокси-переменная построена с использованием только коэффициентов капитала основных дилеров Федерального резервного банка Нью-Йорка, а не мировых цен на акции (рассчитанных на основе мировых цен на акции) (см. уравнение 6 в их статье).
На рис. 5 показаны результаты для маржинальных криптоинвесторов в целом по эффективному неприятию риска, а также криптофактор. Мы выделяем две основные фазы, до и после конца 2019 года. В начале нашей выборки эффективное неприятие риска криптоинвесторами более волатильно и имеет тенденцию к небольшому увеличению. Примечательно, что это совпадает с «криптозимой», длительным периодом относительно стабильной или отрицательной доходности. После 2020 года эффективное неприятие риска относительно неуклонно снижалось, при этом криптофакторы демонстрировали большую доходность и высокую волатильность. Интересно, что после краха Terra/Luna в мае 2022 года криптографический фактор почти отражал эффективное неприятие риска, а это означает, что цены на криптовалюту в первую очередь определяются изменениями склонности криптоинвесторов к риску. Наконец, мы отмечаем, что снижение эффективного неприятия риска соответствует увеличению участия институциональных инвесторов, которые могут брать на себя больший риск, чем розничные инвесторы, тем самым изменяя склонность к риску маргинальных криптоинвесторов.
Рис. 5 Общее эффективное предотвращение рисков шифрования
Примечание. На рисунке показан фактор криптовалюты и общее эффективное неприятие риска на рынке криптовалют по оценкам Bekaert et al. (2013) и Миранда-Агриппино и Рей (2020), как описано в тексте. Обе переменные стандартизированы.
В целом, наши результаты подтверждают гипотезу о том, что появление институциональных инвесторов является основным фактором усиления корреляции между рынком криптовалют и фондовым рынком. В то же время, когда многие традиционные финансовые учреждения вышли на рынок криптовалют, маргинальные криптоинвесторы, как правило, были более склонны к риску, чем маргинальные инвесторы в акции, и эта корреляция, в свою очередь, может объяснить значительную часть корреляции между факторами криптовалюты и акций.
В целом, наши результаты подтверждают гипотезу о том, что появление институциональных инвесторов является основным фактором усиления корреляции между рынком криптовалют и фондовым рынком. В то же время, когда многие традиционные финансовые учреждения вышли на рынок криптовалют, маргинальные криптоинвесторы, как правило, были более склонны к риску, чем маргинальные инвесторы в акции, и эта корреляция, в свою очередь, может объяснить значительную часть корреляции между факторами криптовалюты и акций.
в заключение
Криптовалюты значительно различаются по дизайну и ценностному предложению, однако их цены демонстрируют общие циклические колебания. Один криптографический фактор может объяснить 80% движения цен на криптовалюту, и с 2020 года его корреляция с глобальным финансовым циклом усилилась, особенно с технологиями и акциями с малой капитализацией. Мы предоставляем доказательства того, что эта корреляция обусловлена увеличением присутствия институциональных инвесторов на крипторынке, что приводит к аналогичным профилям риска для маржинального капитала и криптоинвесторов. Кроме того, рынок криптовалют очень чувствителен к денежно-кредитной политике США, и ужесточение денежно-кредитной политики значительно снизит крипто-фактор, подобно тому, как реагируют мировые фондовые рынки.
Мы намечаем минимальную теоретическую основу, способную объяснить наши эмпирические результаты. Мы показываем, что криптодоходность может быть выражена как динамическая общая функция неприятия риска на крипторынках, на которую, в свою очередь, влияют изменения в составе криптоинвесторов. С увеличением доли институциональных инвесторов на рынке криптовалют характеристики риска маржинальных инвесторов в криптовалюте, как правило, аналогичны характеристикам рынка акций. Повышение безрисковой ставки снижает доходность, в то время как, если институциональные инвесторы владеют большей долей рынка криптовалют, а прокси-серверы с большим кредитным плечом более чувствительны к экономическим циклам (Adrian and Shin, 2014; Coimbra et al., 2022), это эффект будет становиться все более значительным.
Наши выводы также способствуют обсуждению политики в отношении криптоактивов. Мы обнаружили, что эти активы не обеспечивают защиту от экономического цикла; вместо этого, по нашим оценкам, они более чувствительны, чем акции. Кроме того, растущая корреляция между криптовалютой и фондовым рынком в сочетании с тем, что институциональные инвесторы торгуют как криптовалютными активами, так и акциями, означает, что могут быть потенциальные побочные эффекты, которые в конечном итоге могут вызвать проблемы с системными рисками. В частности, наша концепция подразумевает, что в возможном будущем мире, где криптовалюты составляют значительную часть портфелей институциональных инвесторов, крах рынка криптовалют может иметь серьезные негативные последствия для фондовых рынков. По этим причинам директивные органы могут воспользоваться тем фактом, что доступ институциональных инвесторов к криптовалюте остается ограниченным, для разработки и внедрения более надежной нормативно-правовой базы.