Криптоцикли та монетарна політика США

У статті розглядається нестабільність на ринках криптовалют і їхнє відношення до світових фондових ринків і монетарної політики США. Дослідники визначили єдиний ціновий компонент, який отримав назву «криптофактор», який пояснює 80 відсотків коливань цін на криптовалюту, і показали, що його кореляція з фондовим ринком збільшується з часом входження інституційних інвесторів на ринок криптовалют. Дослідники також задокументували схоже явище з акціями, де посилення монетарної політики Федерального резерву зменшило вплив криптофакторів через канал прийняття ризику, всупереч уявленню про те, що криптоактиви забезпечують захист від ринкового ризику. Нарешті, дослідники показують, що зразок гетерогенної агентської моделі зі змінним у часі загальним уникненням ризику може пояснити їхні емпіричні результати та висвітлити потенціал крипторинків для передачі ризику на фондові ринки, якщо участь інституційних інвесторів стане великою.

представити

Криптоактиви суттєво відрізняються за дизайном і пропозицією вартості, але їхні ціни демонструють загальні циклічні коливання. Він зріс з 20 мільярдів доларів у 2016 році до майже 3 трильйонів доларів у листопаді 2021 року, перш ніж різко впасти нижче 1 трильйона доларів під час нещодавньої криптовалютної «зими». Фази експоненціального прибутку привертають увагу роздрібних та інституційних інвесторів (Benetton and Compiani, 2022; Auer and Tercero-Lucas, 2021; Auer, Farag, Lewrick, Orazem, and Zoss, 2022), тоді як подальші крахи привертають увагу політиків і зростаючих уваги з боку регуляторів. Ці коливання на крипто-ринку також можуть дедалі більше співпадати з коливаннями інших класів активів: біткойн певною мірою забезпечував часткове хеджування від ринкового ризику до 2020 року, але відтоді його кореляція з індексом S&P 500 поступово зникла. Айєр і Куреші, 2022).

Однак мало відомо про загальні чинники, які впливають на ціни криптоактивів, і фактори, що впливають на кореляцію між криптоактивами та фондовими ринками, включаючи монетарну політику США. Ця стаття намагається пролити світло на ці проблеми, відповівши на наступні запитання. Наскільки існують загальні цикли серед криптоактивів? Крипторинок все більше синхронізується зі світовим фондовим ринком? Якщо так, то чому це відбувається? З огляду на те, що монетарна політика США вважається ключовим рушієм глобальних фінансових циклів (Miranda-Agrippino and Rey, 2020), чи монетарна політика США так само впливає на циклічність криптоактивів? Якщо так, то через які канали?

Ми відповідаємо на ці запитання, використовуючи моделі динамічних факторів для виявлення домінуючих тенденцій у цінах на криптовалюти. Використовуючи щоденну цінову панель із семи токенів, створених до 2018 року, на які разом припадає близько 75% від загальної капіталізації криптовалютного ринку, ми розкладаємо їхню волатильність на шум, характерний для активів, і загальні компоненти AR(q). Ми виявили, що отриманий «коефіцієнт шифрування» пояснює приблизно 80% розбіжності в зашифрованих цінових даних. Це набагато більше, ніж показник у 20% для світових акцій, розрахований Мірандою-Агріппіно та Реєм (2020), і відображає концентрацію ринкової капіталізації найбільших криптоактивів відносно найбільших акцій. Ця цифра є стабільною для різних порядків затримки q, і ми знаходимо такі ж високі кореляції, коли розширюємо панель, щоб включити більше криптоактивів.

На другому кроці ми досліджуємо зв’язок цього криптофактора з набором факторів глобального капіталу, побудованих за допомогою фондових індексів найбільших країн за валовим внутрішнім продуктом (ВВП) (на основі Rey, 2013; Miranda – Thoughts from Agrippino and Rey, 2020). Ми знаходимо позитивні кореляції у вибірці, особливо сильні кореляції з 2020 року. Цей зростаючий спільний рух не обмежується лише біткойнами та індексом S&P 500, але залучає криптовалюту та фактори глобального капіталу ширше. У сегменті фондового ринку ми виявили, що з 2020 року криптофактор має найсильнішу кореляцію з фактором глобальних технологій і фактором малої капіталізації, тоді як кореляція з глобальним фінансовим фактором є напрочуд низькою.

Посилення кореляції між криптоактивами та акціями збігається зі збільшенням участі інституційних інвесторів у крипторинку з 2020 року. Хоча ризики установ невеликі порівняно з їхніми балансами, їхній абсолютний обсяг торгів набагато більший, ніж у роздрібних торговців. Зокрема, обсяг торгів інституційних інвесторів на криптобіржах зріс більш ніж на 1700% між другим кварталом 2020 року та другим кварталом 2021 року (з приблизно 25 мільярдів доларів США до понад 45 мільярдів доларів США) (Auer et al., 2022). Оскільки інституційні інвестори торгують акціями та криптоактивами, це призводить до поступового збільшення кореляції між граничним капіталом і розподілом ризиків криптоінвесторів, що, у свою чергу, призводить до посилення кореляції між глобальним капіталом і криптофакторами. Після декомпозиції факторів руху Бекерта, Хоерова та Ло Дука (2013) ми виявили, що кореляція між загальним ефективним уникненням ризику криптоактивів і акцій може пояснити більшу частину (до 65%) кореляції між цими двома факторами.

Посилення кореляції між криптоактивами та акціями збігається зі зростанням участі інституційних інвесторів у крипторинку з 2020 року. Хоча інституційні ризики невеликі порівняно з їхніми балансами, їхні абсолютні обсяги торгівлі набагато більші, ніж у роздрібних торговців. Зокрема, обсяги торгів інституційних інвесторів на криптобіржах зросли більш ніж на 1700% між 2 кварталом 2020 року та 2 кварталом 2021 року (з приблизно 25 мільярдів доларів США до понад 45 мільярдів доларів США) (Auer та ін. 2022). Оскільки інституційні інвестори торгують акціями та криптоактивами, це призводить до поступового збільшення кореляції профілю ризику між граничними акціями та розподілом ризиків криптоінвесторів, що, у свою чергу, призводить до посилення кореляції між глобальними акціями та криптофакторами. Дотримуючись декомпозиції факторного руху Бекерта, Хоерова та Ло Дука (2013), ми виявили, що кореляція загального ефективного ухилення від ризику криптоактивів і акцій може пояснити більшу частину (до 65%) кореляції між цими двома факторами.

Оскільки грошово-кредитна політика США впливає на глобальні фінансові цикли (Miranda-Agrippino and Rey, 2020), висока кореляція між акціями та криптовалютою свідчить про те, що вона може мати подібний вплив на криптовалютні ринки. Ми перевіряємо цю гіпотезу за допомогою щоденної (векторної авторегресійної моделі), яка включає тіньову ставку федеральних фондів (SFFR), запропоновану Ву та Ся (2016), щоб врахувати значну роль політики балансу протягом нашого періоду вибірки. Ми визначаємо вплив шоків монетарної політики за допомогою декомпозиції Холецького в такому порядку: SFFR; 10-річні та 2-річні спреди казначейства, що відображають очікування майбутнього зростання; індекс долара США, ціни на нафту та золото, як міжнародна торгівля, кредит і Проксі для товарних циклів; індекс VIX, який відображає невизначеність щодо майбутніх очікувань; і, нарешті, фондові та криптовалютні фактори. У такій системі ендогенність менш імовірно буде проблемою, оскільки ФРС менш імовірно коригуватиме свою монетарну політику у відповідь на коливання цін на криптовалюту, і такі коригування менш імовірно відбуватимуться на щоденному рівні.

Ми виявили, що монетарна політика США впливає на цикли криптовалюти так само, як і на глобальні цикли акцій, на відміну від твердження, що криптовалютні активи забезпечують захист від ринкового ризику. Підвищення ставки федеральних фондів (SFFR) на один відсотковий пункт призводить до стійкого падіння криптофактора на 0,15 стандартного відхилення та падіння коефіцієнта капіталу на 0,1 стандартного відхилення протягом наступних двох тижнів. Цікаво, що, подібно до глобального фінансового циклу (Rey, 2013), ми виявили, що лише монетарна політика Федеральної резервної системи працює, тоді як політика інших великих центральних банків – ні, що, ймовірно, відображає велике використання долара США на крипторинку.

Ми виявили, що ризиковий канал грошово-кредитної політики є важливим каналом для досягнення цих результатів, подібно до того, що Міранда-Агріпіно та Рей (2020) знаходять для глобальних фондових ринків. Зокрема, ми виявили, що жорсткість монетарної політики призводить до зменшення крипто-фактора, що супроводжується сплеском проксі-показників загального ефективного уникнення ризику на крипто-ринку. Іншими словами, обмежувальна політика робить ризикові позиції інвесторів менш стійкими, тому вони зменшують свій вплив на криптоактиви. Розділивши вибірку в 2020 році, ми виявили, що ефект уникнення ризику на крипторинку є значним лише в період після 2020 року, відповідно до включення інституційних інвесторів, які посилюють передачу монетарної політики на крипторинки. У більш формальному тесті ми знаходимо ті самі результати під час перевірки гіпотези за допомогою згладжуючого перетворення, запропонованого Ауербахом і Городніченком (2012), де змінною перетворення є частка інституційних інвесторів.

Далі ми раціоналізуємо наші результати в моделі, яка включає два класи різнорідних інвесторів, а саме криптовалютних та інституційних інвесторів. Перші є роздрібними інвесторами, які інвестують лише в криптоактиви, тоді як другі можуть інвестувати в акції та криптоактиви. Справа в тому, що криптоінвестори не схильні до ризику, тоді як інституційні інвестори нейтральні до ризику, але мають обмеження ризику номінальної вартості. Ми можемо переписати рівноважну прибутковість криптоактивів як лінійну комбінацію їх дисперсії та коваріації прибутковості акцій, помножену на коефіцієнт загального ефективного уникнення ризику. Останнє можна інтерпретувати як середню несприйнятливість інвесторів до ризику, зважену за вагою їхнього багатства. Це означає, що чим вищий відносний статок інституційних інвесторів, тим більше загальне ефективне уникнення ризику крипто-ринку схоже на його схильність до ризику, і тим сильніша кореляція між криптовалютою та фондовими ринками. Оскільки присутність інституційних інвесторів на крипторинках зменшує загальне ефективне уникнення ризику, ми пояснюємо підвищену реакцію цін на криптовалюту на жорсткість монетарної політики, що відображає більшу чутливість інвесторів із залученням кредитного плеча до економічних циклів (Coimbra, Kim, and Rey, 2022; Adrian and Шин, 2014). Нарешті, ми зазначимо, що навіть у нашій простій структурі можуть виникнути переливи крипто-акції: якщо інституційні криптохолдинги стають великими, падіння цін на криптовалюти зменшує рівноважну віддачу від акцій.

Загалом наші висновки підкреслюють дивовижну синхронізацію між циклами криптовалюти та глобальними ринками цінних паперів із подібною реакцією на шоки монетарної політики. Хоча існує багато пояснень цінності криптоактивів, таких як те, що вони служать захистом від інфляції або забезпечують більше засобів економічного перетворення, наші висновки свідчать про те, що монетарна політика США впливає на циклічність крипторинків.

фактор шифрування

Щоб узагальнити волатильність крипторинку як одну змінну, ми використовуємо динамічне факторне моделювання, яке є технікою зменшення розмірності. Це дозволяє нам розкласти набір цін на його конкретні компоненти та загальний тренд. Зокрема, ми починаємо з щоденних цін найбільших криптоактивів, створених до січня 2018 року (за винятком стейблкойнів). Це залишає нам сім криптоактивів, які становлять 75% загальної ринкової капіталізації в червні 2022 року. Потім ми представляємо цю криптографічну цінову панель як лінійну комбінацію загального коефіцієнта AR(q) ft і специфічного для активу збурення εit (останнє, у свою чергу, відповідає процесу AR(1):

де L – лаг-фактор,

є вектором порядку q факторних навантажень для активу i. Оцінка цієї системи за допомогою максимальної ймовірності, вибір q за допомогою інформаційного критерію, дає наші загальні коефіцієнти. Також можна вказати кілька факторів, які по-різному впливають на ціну, і ми використовуємо цю останню специфікацію, коли розглядаємо кілька різних підкласів криптоактивів.

На малюнку 1 показано криптофактор і низку цін, з яких ми його витягуємо. Криптофактор ефективно фіксує добре охарактеризовані фази крипторинку, такі як спад на початку 2018 року, подальша «криптозима», останній бум біткойнів і доджкойнів і падіння Terra і FTX у 2022 році, не піддаючись надмірному впливу. шипи, такі як Ripple і TRON.

Рисунок 1 Фактор шифрування

Примітка: на цьому графіку показано криптофактор (синій) і нормалізовану ціну криптовалюти (сірий) для його побудови, створені за допомогою моделі динамічного фактора.

Щоб більш систематично оцінити важливість цього фактора, ми по черзі регресуємо кожен ряд цін на коефіцієнт шифрування. У середньому 80% варіації базового ряду можна пояснити нашим фактором шифрування. Цей показник перевищує 68% для всіх семи активів, що підкреслює високий ступінь спільного руху за період нашої вибірки. Для порівняння, коефіцієнт глобального капіталу, розрахований Мірандою-Агріпіно та Реєм (2020), пояснює лише 20% світових цін на капітал, підкреслюючи більшу загальну динаміку та концентрацію ринкової капіталізації на криптовалютних ринках. Таким чином, наші висновки переконливо підтверджують існування єдиного криптофактора, який керує цінами на крипторинку.

Враховуючи обмежений діапазон активів, які використовуються для розрахунку наших коефіцієнтів, ми також підтвердили, що наші криптофактори відображають останні тенденції щодо нових активів. Для цього ми дослідили ширшу вибірку активів, згрупованих у п’ять категорій: токени першого покоління (Bitcoin, Ripple і Dogecoin), токени платформи смарт-контрактів (Ethereum, Binance Coin, Cardano, Solana і Polkadot), токени DeFi. (Chainlink, Uniswap, Maker і Aave), токени Metaverse (Flow, Ape Coin, the Sandbox, Decentraland і Theta Network) і токени IoT (Helium, Iota, IoTex і MXC). Потім ми оцінюємо нову модель із п’ятьма різними факторами, де кожен фактор впливає лише на одну категорію. Результати показані на малюнку 2 разом із загальним коефіцієнтом шифрування, оціненим вище. Усі категорії тісно пов’язані із загальним криптоциклом, що підтверджує нашу увагу до спільних тенденцій.

Рисунок 2 Субфактори шифрування

ПРИМІТКА. На малюнку показано нормалізований і згладжений загальний коефіцієнт шифрування та п’ять субфакторів шифрування. Ці підфактори складаються з наступних активів: токени першого покоління – Bitcoin, Ripple і Dogecoin; токени платформи смарт-контрактів – Ethereum, Binance Coin, Cardano, Solana та точки Wave Card; токени DeFi – Chainlink, Uniswap, Maker і Aave ; токени Metaverse – Flow, Ape Coin, the Sandbox, Decentraland і Theta Network; токени IoT – Helium, Iota, IoTex і MXC.

Нарешті, відповідно до доказів справи, криптофактор пов’язаний із проксі-змінною для кредитного плеча крипторинку. На рисунку 3 зображено зв’язок між крипто-факторами та крипто-кредитним плечем, визначеним тут із використанням загальної заблокованої вартості (TVL) у контрактах децентралізованого фінансування («DeFi») на нормалізованому контрольному показнику загальної капіталізації криптовалютного ринку. Це показує невеликий відносний ефект кредитного плеча в системі до кінця криптовалютної «зими» 2018-2019 років, після чого кредитне плече значно зросло, а кореляція із загальним крипто-фактором зросла.

Рисунок 3. Децентралізований фінансовий леверидж

Примітка: на цьому графіку показано загальний крипто-фактор і альтернативний показник, що представляє загальне кредитне плече DeFi, визначене як загальна заблокована вартість (TVL) у децентралізованих фінансових контрактах, нормалізована до загального контрольного показника капіталізації криптовалютного ринку. Дані ТВЛ с

Криптовалюти та глобальний фінансовий цикл

Тепер ми звернемося до зв’язку між криптофакторами та глобальними акціями. Айєр (2022) задокументував збільшення кореляції між біткойнами та прибутковістю S&P 500 з 2020 року. Тому ми підозрюємо, що крипторинок став більш консолідованим і синхронізованим із фондовим циклом. Щоб оцінити це, у цьому розділі ми обчислюємо коефіцієнт глобального капіталу, а потім вивчаємо його зв’язок із фактором криптовалюти.

Ми будуємо коефіцієнти глобального капіталу, використовуючи індекс загального капіталу п’ятдесяти найбільших країн за ВВП від Eikon/Thomson Reuters. Потім ми обчислюємо, як у попередньому розділі: використовуючи сукупні коефіцієнти для всіх основних індексів акцій, коефіцієнти для акцій з малою капіталізацією та окремі коефіцієнти для технологічного та фінансового секторів. На рисунку 4 представлені коефіцієнти акцій і криптовалюти. Як і криптофактор, фактор капіталу достовірно повторив динаміку світових ринків, включаючи різке падіння під час шоку від COVID-19, подальше відновлення та падіння на початку 2022 року. Загалом кореляція між двома рядами була відносно низькою до 2020 року, а потім поступово зросла з другої половини 2020 року. Формальніше кажучи, у таблиці 2 ми регресуємо зміни фактора шифрування відповідно до змін кожного з інших факторів. Модель (1) показує, що загалом кореляція між криптофакторами та факторами власного капіталу є дуже значною, тоді як моделі (2) і (7) спеціально підкреслюють, що цей зв’язок частково обумовлений технологіями та малою капіталізацією.

Рисунок 4 Криптовалюта та фактори капіталу

Примітка. На рисунку показано нормалізовані часові ряди для факторів криптовалюти та капіталу, отримані з широкого діапазону індексів ціни криптовалюти та капіталу, відповідно, з використанням моделей динамічних факторів, як описано в розділі 2.

Враховуючи важливість інституцій, ми зараз досліджуємо їх роль у зміні профілю ризику маргінальних криптоінвесторів. Щоб дослідити це емпірично, ми розкладаємо зміни факторів на два компоненти, дотримуючись методів Бекерта та інших (2013) і Міранди-Агріпіно та Рея (2020): (i) зміни ринкового ризику та (ii) зміни ринкового ризику ставлення до ризику, тобто «загальне ефективне уникнення ризику», визначене як середньозважене уникнення ризику інвесторів. Ми використовуємо проксі-змінну для досягнення ринкового ризику (i), а саме 90-денну дисперсію світового індексу MSCI, виміряну за методом Міранди-Агріпіно та Рея (2020), а потім залишковий термін логарифмічної регресії може бути отримано наступним чином

(як його обернену функцію) для оцінки (ii):

Те ж саме стосується і криптовалют:

в:

це фактор, оцінений за допомогою методу в рівнянні (1) вище; ми повторили термін MSCI World у крипторегресії для контролю загального глобального ринкового ризику; Подібні проксі-змінні для ринкового ризику.

Ефективне уникнення ризику в акціонерному капіталі, отримане в рівнянні (2), узгоджується з іншими проксі-змінними для прийняття ризику інвестором у літературі. Кореляції між 90-денним ухиленням від ризику акціонерного капіталу та квадратом коефіцієнта проміжного капіталу та коефіцієнта проміжного левериджу, запропоновані He, Kelly та Manela (2017) (у таблиці A.4 Додатку A), становлять -0,292 та 0,434 відповідно. Ці проксі-змінні пояснюються наступним чином: коли негативні потрясіння впливають на власний капітал посередників, їхні коефіцієнти левериджу збільшуються; таким чином, їх здатність приймати ризики зазнає впливу та ефективне уникнення ризику зростає. Ці кореляції є відносно високими, враховуючи, що Хе та інші (2017) використовували зовсім інший підхід і що ми порівнюємо добові вимірювання. Фактично, їх проксі-змінна побудована з використанням лише коефіцієнтів капіталу основних дилерів ФРС Нью-Йорка, а не глобальних цін на акції (обчислених на основі світових цін на акції) (див. Рівняння 6 їх статті).

На малюнку 5 показано результати для маргінальних криптоінвесторів щодо загального ефективного уникнення ризику, а також криптофактор. Ми виділяємо дві основні фази: до і після кінця 2019 року. На початку нашої вибірки ефективне уникнення ризику криптоінвесторів є більш мінливим і має тенденцію до незначного зростання. Примітно, що це збігається з «крипто-зимою», тривалим періодом відносно рівних або негативних доходів. Після 2020 року ефективне уникнення ризику відносно неухильно знижувалося, причому криптофактори демонстрували високу прибутковість і високу волатильність. Цікаво, що після краху Terra/Luna у травні 2022 року криптофактор майже відобразив ефективне уникнення ризику, тобто ціни на криптовалюти в основному обумовлені змінами в схильності до ризику криптоінвесторів. Нарешті, ми зазначаємо, що зниження ефективного уникнення ризику відповідає збільшенню участі інституційних інвесторів, які можуть брати на себе більше ризику, ніж роздрібні інвестори, тим самим змінюючи схильність до ризику маргінальних криптоінвесторів.

Рисунок 5 Загальне ефективне уникнення ризику шифрування

Примітка. На рисунку показано коефіцієнт криптовалюти та загальне ефективне уникнення ризику на ринку криптовалют, згідно з оцінками Bekaert et al. (2013) і Міранда-Агріпіно та Рей (2020), як описано в тексті. Обидві змінні стандартизовані.

Загалом наші висновки підтверджують гіпотезу про те, що прихід інституційних інвесторів є головним фактором, що сприяє підвищенню кореляції між крипторинком і фондовим ринком. У той самий час, коли багато традиційних фінансових установ вийшли на крипто-ринок, маргінальні криптоінвестори, як правило, були більш несхильними до ризику, ніж маржинальні інвестори в акції, і ця кореляція, у свою чергу, могла пояснити значну частину кореляції між факторами криптовалюти та капіталу.

Загалом наші висновки підтверджують гіпотезу про те, що прихід інституційних інвесторів є головним фактором, що сприяє підвищенню кореляції між крипторинком і фондовим ринком. У той самий час, коли багато традиційних фінансових установ вийшли на крипто-ринок, маргінальні криптоінвестори, як правило, були більш несхильними до ризику, ніж маржинальні інвестори в акції, і ця кореляція, у свою чергу, могла пояснити значну частину кореляції між факторами криптовалюти та капіталу.

на закінчення

Криптоактиви суттєво відрізняються за дизайном і пропозицією вартості, але їхні ціни демонструють загальні циклічні коливання. Один криптофактор може пояснити 80% руху цін на криптовалюту, і з 2020 року його кореляція з глобальним фінансовим циклом посилилася, особливо з технологіями та акціями з малою капіталізацією. Ми надаємо докази того, що ця кореляція зумовлена збільшенням присутності інституційних інвесторів на крипторинку, що призводить до схожих профілів ризику для маржинальних акцій та криптоінвесторів. Крім того, криптовалютний ринок дуже чутливий до монетарної політики США, і посилення монетарної політики значно зменшить криптофактор, подібно до того, як реагують світові фондові ринки.

Ми окреслюємо мінімальну теоретичну основу, здатну пояснити наші емпіричні результати. Ми показуємо, що прибутковість криптовалюти можна виразити як динамічну загальну функцію уникнення ризику на криптовалютних ринках, на яку, у свою чергу, впливають зміни в базовій структурі криптоінвесторів. Зі збільшенням частки інституційних інвесторів на крипто-ринку характеристики крипто-маржинальних інвесторів, як правило, подібні до характеристик ринку акцій. Підвищення безризикової ставки зменшує прибутки, тоді як якщо інституційні інвестори тримають більшу частку крипторинку, а проксі-сервери з більшим кредитним плечем більш чутливі до економічних циклів (Adrian and Shin, 2014; Coimbra et al., 2022), це ефект буде ставати все більш значним.

Наші висновки також сприяють обговоренню політики щодо криптоактивів. Ми вважаємо, що ці активи не забезпечують захист від економічного циклу; натомість наші оцінки показують, що вони більш чутливі, ніж акції. Крім того, посилення кореляції між криптовалютою та фондовим ринком у поєднанні з інституційними інвесторами, які торгують як криптовалютними активами, так і акціями, означає, що можуть виникнути потенційні побічні ефекти, які зрештою можуть викликати занепокоєння системним ризиком. Зокрема, наша структура передбачає, що в можливому майбутньому світі, де криптовалюта становить значну частину портфелів інституційних інвесторів, крах криптовалютного ринку може мати серйозні негативні наслідки для ринків акцій. З цих причин політики можуть скористатися тим фактом, що доступ інституційних інвесторів до криптовалют залишається обмеженим, щоб розробити та запровадити більш надійну нормативну базу.

Переглянути оригінал
Контент має виключно довідковий характер і не є запрошенням до участі або пропозицією. Інвестиційні, податкові чи юридичні консультації не надаються. Перегляньте Відмову від відповідальності , щоб дізнатися більше про ризики.
  • Нагородити
  • Прокоментувати
  • Поділіться
Прокоментувати
0/400
Немає коментарів
  • Закріпити