Факторные модели в анализе риска операций с цифровыми финансовыми активами на примере криптовалют

Дмитрий Александрович Ендовицкий; Вячеслав Владимирович Коротких

doi:10.17308/econ.2021.3/3614

Дмитрий Александрович Ендовицкий Воронежский государственный университет https://orcid.org/0000-0003-2727-6552
Вячеслав Владимирович Коротких Воронежский государственный университет https://orcid.org/0000-0001-9029-7466

DOI: https://doi.org/10.17308/econ.2021.3/3614

Ключевые слова: статистический анализ, ценовые аномалии, риск неликвидности, квинтильный портфель, самофинансируемая стратегия

Аннотация

Предмет. Феномен цифровых финансовых активов является сравнительно новым. В их структуре все большую долю занимают виртуальные валюты, в частности, криптовалюты. Интерес к ним со стороны регуляторов и представителей финансовой индустрии неуклонно растет. Отсутствие у криптовалюты внутренней стоимости мотивирует проведение академических исследований проблем ценообразования и управления риском операций с криптовалютами. Большинство известных работ носят фрагментарный характер и оставляют нерешенными значительную часть вопросов принципиального характера.
Цель. Разработка методологии статистического анализа риска операций с цифровыми финансовыми активами на примере криптовалют.
Метод. В исследовании использовались параметрические методы анализа данных и машинного обучения, методы описания, анализа и синтеза, индукции и дедукции, а также сравнения и группировок. Выборочная совокупность охватывает период с апреля 2013 года по апрель 2021 года и включает криптовалюты с рыночной капитализацией, превышающей 1 млн. долларов.
Результаты. Выявлены общие для инструментов рынка криптовалют факторы риска в виде линейных комбинаций доходностей подмножеств криптовалют с динамически изменяющимися весовыми коэффициентами. Формирование факторов риска производилось на основе только рыночной информации, включающей цену криптовалюты, объем торгов и ее рыночную капитализацию.
Выводы. Получены свидетельства того, рынок криптовалют подвержен влиянию ценовых аномалий, встречающиеся на рынках традиционных финансовых инструментов. В дополнение к факторам риска, сформированным по рыночной капитализации криптовалют (размер) и их накопленной доходности (моментум), впервые представлены статистически значимые факторы риска, отражающие темп роста рыночной капитализации криптовалют, а также уровень их неликвидности. С целью объяснения ценовых аномалий и арбитражных стратегий на их основе в работе представлены варианты факторных спецификаций моделей ценообразования криптовалюты, которые могут быть положены в основу формирования целостного представления о рисках операций с цифровыми финансовыми активами.

Metrics

Загрузка метрик ...

Биографии авторов

Дмитрий Александрович Ендовицкий, Воронежский государственный университет

Д-р экон. наук, профессор, ректор, вице-президент Российского союза ректоров.

Вячеслав Владимирович Коротких, Воронежский государственный университет

Канд. экон. наук, доцент кафедры информационных технологий и математических методов в экономике.

Литература

Amihud, Y. (2002) Illiquidity and stock returns: Cross-section and time-series effects. Journal of Financial Markets. 5 (1), 31–56, doi:10.1016/S1386-4181(01)00024-6.

Asness, C. & Frazzini, A. (2013) The devil in HML’s details. Journal of Portfolio Management. 39 (4), 49–68, doi:10.3905/jpm.2013.39.4.049.

Asness, C., Frazzini, A., Israel, R., Moskowitz, T.J., et al. (2018) Size matters, if you control your junk. Journal of Financial Economics. 129 (3), 479–509, doi:10.1016/j.jfineco.2018.05.006.

Asness, C.S., Moskowitz, T.J. & Pedersen, L.H. (2013) Value and Momentum Everywhere. Journal of Finance. 68 (3), 929–985, doi:10.1111/jofi.12021.

Baker, S.R., Bloom, N. & Davis, S.J. (2016) Measuring economic policy uncertainty. Quarterly Journal of Economics. 131 (4), 1593–1636, doi:10.1093/qje/qjw024.

Brauneis, A., Mestel, R. & Theissen, E. (2021) What drives the liquidity of cryptocurrencies? A long-term analysis. Finance Research Letters. 39, doi:10.1016/j.frl.2020.101537.

Carhart, M.M. (1997) On persistence in mutual fund performance. Journal of Fi-nance. 52 (1), 57–82, doi:10.1111/j.1540-6261.1997.tb03808.x.

Chen, A.Y. & Zimmermann, T. (2018) Publication Bias and the Cross-Section of Stock Returns. Finance and Economics Discussion Series. 2018 (033), doi:10.17016/feds.2018.033.

Corbet, S., Hou, Y. (Greg), Hu, Y., Larkin, C., et al. (2021) Cryptocurrency liquidity and volatility interrelationships during the COVID-19 pandemic. Finance Research Letters, doi:10.1016/j.frl.2021.102137.

Corbet, S., Lucey, B., Urquhart, A. & Yarovaya, L. (2019) Cryptocurrencies as a financial asset: A systematic analysis. International Review of Financial Analysis. 62, 182–199, doi:10.1016/j.irfa.2018.09.003.

Corbet, S., Meegan, A., Larkin, C., Lucey, B., et al. (2018) Exploring the dynamic relationships between cryptocurrencies and other financial assets. Economics Letters. 165, 28–34, doi:10.1016/j.econlet.2018.01.004.

Dwyer, G.P. (2015) The economics of Bitcoin and similar private digital currencies. Journal of Financial Stability. 17, 81–91, doi:10.1016/j.jfs.2014.11.006.

Fama, E.F. & French, K.R. (1993) Common risk factors in the returns on stocks and bonds. Journal of Financial Economics. 33 (1), 3–56.

Fama, E.F. & French, K.R. (1996) Multifactor explanations of asset pricing anom-alies. Journal of Finance. 51 (1), 55–84, doi:10.1111/j.1540-6261.1996.tb05202.x.

Fama, E.F. & French, K.R. (2012) Size, Value, and Momentum in International Stock Returns. SSRN Electronic Journal, doi:10.2139/ssrn.1720139.

Feng, G., Giglio, S. & Xiu, D. (2019) Taming the Factor Zoo. Chicago Booth working paper. (17), 1–56.

Foglia, M. & Dai, P.-F. (2021) “Ubiquitous uncertainties”: spillovers across economic policy uncertainty and cryptocurrency uncertainty indices. Journal of Asian Business and Economic Studies. ahead-of-p (ahead-of-print), doi:10.1108/jabes-05-2021-0051.

Gutierrez, R.C. & Pirinsky, C.A. (2011) Momentum, Reversal, and the Trading Behaviors of Institutions. SSRN Electronic Journal, doi:10.2139/ssrn.637281.

Hanauer, M.X. & Windmueller, S. (2019) Enhanced Momentum Strategies. SSRN Electronic Journal, doi:10.2139/ssrn.3437919.

Jegadeesh, N. & Titman, S. (2001) Profitability of momentum strategies: An evaluation of alternative explanations. Journal of Finance. 56 (2), 699–720, doi:10.1111/0022-1082.00342.

Jegadeesh, N. & Titman, S. (1993) Returns to Buying Winners and Selling Losers: Implications for Stock Market Efficiency. The Journal of Finance. 48 (1), 65–91, doi:10.1111/j.1540-6261.1993.tb04702.x.

Leirvik, T. (2021) Cryptocurrency returns and the volatility of liquidity. Finance Research Letters, doi:10.1016/j.frl.2021.102031.

Liu, W. (2019) Portfolio diversification across cryptocurrencies. Finance Research Letters. 29, 200–205, doi:10.1016/j.frl.2018.07.010.

Liu, Y. & Tsyvinski, A. (2021) Risks and returns of cryptocurrency. Review of Financial Studies. 34 (6), 2689–2727, doi:10.1093/rfs/hhaa113.

Liu, Y., Tsyvinski, A. & Wu, X. (2019) Common Risk Factors in Cryptocurrency. SSRN Electronic Journal, doi:10.2139/ssrn.3379131.

Lucey, B.M., Vigne, S.A., Yarovaya, L. & Wang, Y. (2021) The cryptocurrency uncertainty index. Finance Research Letters, doi:10.1016/j.frl.2021.102147.

Núñez, J.A., Contreras-Valdez, M.I. & Franco-Ruiz, C.A. (2019) Statistical analysis of bitcoin during explosive behavior periods. PLoS ONE. 14 (3), doi:10.1371/journal.pone.0213919.

Stoffels, J. (2017) Asset Pricing of Cryptocurrencies and Momentum based Patterns.

Weber, B. (2015) Bitcoin and the legitimacy crisis of money. Cambridge Journal of Economics. 40 (1), 17–41, doi:10.1093/cje/beu067.

Yue, W., Zhang, S. & Zhang, Q. (2021) Asymmetric News Effects on Cryptocurrency Liquidity: an Event Study Perspective. Finance Research Letters. 41, doi:10.1016/j.frl.2020.101799.

Yuneline, M.H. (2019) Analysis of cryptocurrency’s characteristics in four perspectives. Journal of Asian Business and Economic Studies. 26 (2), 206–219, doi:10.1108/jabes-12-2018-0107.