نوع مقاله : مقاله پژوهشی
نویسندگان
1 استادیار، گروه اقتصاد، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران
2 استادیار، گروه اقتصاد، دانشکدۀ اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران
3 دانشجوی دکتری اقتصاد مالی، گروه اقتصاد و مدیریت، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران
4 دانشجوی دکتری توسعه اقتصادی، گروه اقتصاد و مدیریت، دانشکدۀ اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران
چکیده
کلیدواژه‌ها
موضوعات
عنوان مقاله [English]
نویسندگان [English]
This study analyzed the potential nonlinear relationship between oil price shocks and the returns of leading cryptocurrencies. The present research used the price shocks of oil supply, demand, and risk. The Non-Linear Autoregressive Distributed Lag (NARDL) approach was utilized to examine the relationship between these price shocks and the returns of leading cryptocurrencies between December 8, 2019 and December 8, 2021. The results indicated that the supply shocks were most related to the returns of cryptocurrencies analyzed, especially in the pre-epidemic period of Covid-19. In addition, the short-term and long-term results of the price relationship between oil and cryptocurrencies in times of economic crisis was not stated contrary to previous forecasts. In other words, the returns of cryptocurrencies did not show the same behavior affected by the oil price pattern over time and might even work in the opposite direction. On the other hand, the dramatic growth of cryptocurrencies in many countries had led governments and policymakers to be aware of the potentially significant impact of oil prices on the stability of the cryptocurrency market. Therefore, the present study revealed a new path for policymakers to recognize the states of economy in the countries in the early stages of these cryptocurrencies and pay attention to the impact of oil price factors on the stability of this market.
Keywords: Cryptocurrencies, Non-Linear Autoregressive Distributed Lag (NARDL), Crude oil prices, COVID-19.
Introduction
In the international markets, financial variables can be volatile and may affect each other, especially in times of crisis. The outbreak of Covid-19 began in China in 2019 and spread to many countries of the world, creating a crisis not only in the global health system, but also in the international financial markets and economy. Hence, the cryptocurrency market saw the largest weekly drop in the price of Bitcoin (approximately 36%) in March 13, 2020. In addition, the price of a barrel of WTI crude oil turned negative for the first time in history; thus, changes in oil price may be a key factor in cryptocurrency uncertainty. Therefore, the study of oil price variations may be crucial for investors, companies, and resource policymakers. They can mainly focus their analyses on the impact of oil price fluctuations on other financial markets, such as the cryptocurrency market. Thus, the main objective of this research was to analyze the impact produced by the SARS-CoV-2 coronavirus pandemic on the interconnection between changes in the crude oil price and the cryptocurrency market. There were two notable findings from our study on this subject. First, we found that there was consistent evidence of a significant relationship between supply-side oil shocks and cryptocurrency over the COVID-19 subperiod. Furthermore, our results confirmed that the cryptocurrency markets were strongly affected by supply shocks and oil price risk during the COVID-19 subperiod, which was inconsistent with the results of the previous findings. Second, the results of the empirical analysis showed that the response of cryptocurrency to oil market shocks was quite homogeneous among cryptocurrencies.
Method and Data
The data used in this study included the daily returns of 8 driving cryptocurrencies on the market value: Bitcoin (BTC), Ethereum (ETH), Binance Coin (BNB), Tether (USDT), Cardano (ADA), XRP, Tether (USDT), and Dogecoin (DOGE). These assets were selected from the high market value cryptocurrencies until December 2021. The sample period of this work extended from December 8, 2019 to December 8, 2021, which ultimately yielded 733 daily data observations. In this research, the integrated method proposed by Reddy (2018) was used to decompose the oil price shocks into Risk Shock (RS), Demand Shock (DS), and Supply Shock (SS). Finally, the Nonlinear Autoregressive Distributed Lag (NARDL) model was applied to analyze the relationship between the oil price shocks and the returns of leading cryptocurrencies.
Findings
The results showed that there was a higher degree of interconnection between oil price shocks and cryptocurrency returns in periods of crisis. The results were as follows: First, a positive and convergent long-run relationship was found between most cryptocurrency returns and oil price changes, especially in the components of supply and risk shocks, in the sub-period of crisis caused by the Covid-19 pandemic. Second, the cointegration equations showed that the cryptocurrency returns tended to have the same responses to the positive and negative changes in crude oil price returns with very few exceptions. Third, there was evidence of the long-term asymmetric impact of different oil price shocks on the returns of the cryptocurrencies analyzed for the 3 considered periods. Fourth, we also found a statistically significant effect of the cumulative sum of oil price changes on cryptocurrency returns, which was especially relevant to the supply-side shocks in all the periods and especially in the COVID-19 sub-period.
Conclusion and discussion
These results showed evidence of the different effects of changes in the oil price on the returns of the virtual currencies included in the study depending on the market situation. The results of the present study can be of great importance for both investors and policymakers. On the one hand, as mentioned earlier, the high level of correlation between Ethereum and oil shocks compared to the other cryptocurrencies and the pandemic crisis is obvious to the investors and portfolio managers. On the other hand, with the growing popularity of cryptocurrencies in many countries, governments and policymakers should be aware of the possible significant impact of crude oil price returns, especially supply-side shocks and risk shocks, on the stability of the cryptocurrency market. In addition, it should be considered that the source of changes in crude oil prices may change in the long term; therefore, the recent forecasts from the world energy show that global oil demand will no longer be as low as before so that supply-side shocks may have a long-term nature and lose their nature temporarily in times of crisis.
کلیدواژه‌ها [English]
مقدمه
نفت، یکی از باارزش‌ترین منابع انرژی در سرتاسر جهان است و قیمت نفت، نقش مهمی در زمینۀ قیمت نهایی تولیدات و تولید ناخالص دنیا دارد. نفت و قیمت آن یکی از عواملی است که اقتصاد کشورها و مردم جهان را دگرگون کرده است و به‌عنوان یک شاخص راهبردی اقتصادی از آن یاد می‌شود (Hamilton, 2003). به‌طوری که رابطۀ مستحکمی بین افزایش نسبی در قیمت نفت و کاهش رشد اقتصادی وجود دارد. با ارائۀ این توضیح بدیهی است که رابطۀ بین قیمت نفت و عوامل اقتصادی مانند دارایی‌های مالی قابل معاوضه بررسی شود (2021 Jareño et al,).
امروزه یکی از این دارایی‌ها، رمزارز است. اگرچه قدمت مفهوم آن به سال 1998 میلادی برمی‌گردد، مشهورترین رمزارز زمانی رشد چشمگیری داشت که دنیا با بحران مالی سال 2008 دست‌و‌پنجه نرم می‌کرد و بیت کوین[1] از سوی ناکاموتو[2] عرضه شد (,2019 Nakamoto). امروزه آنها به‌عنوان دارایی‌های سرمایه‌ای و ارزهای مبادله‌ای در نظر گرفته می‌شوند و رشد چشمگیرشان نه‌تنها مردم دنیا را شگفت‌زده، غول‌های بزرگ مالی را ترغیب و دعوت به مشارکت در این بازار کرده است (Lo & Wang, 2014;White et al., 2020).
علاوه بر این، تعداد این رمزارزها براساس یکی از تارنماهای اینترنتی به بیش از 9000 واحد رسیده است. براساس داده‌های همین تارنما ارزش کل سرمایۀ بازار رمزارزها به بیش از دو تریلیون دلار فزونی یافته است و از آن به‌عنوان انقلاب چهارم صنعتی تعبیر می‌شود؛ اما با بروز خبر هشدار همه‌گیری کووید 19 در سال 2020 سراسر اقتصادهای دنیا را تحت‌تأثیر قرار داد و بازارهای بین‌المللی تأمین مالی را ناپایدار کرد (2021 Jareño et al,).
بروز خبر هشدار همه‌گیری کووید 19 در سال 2020 سراسر اقتصادهای دنیا را تحت‌تأثیر قرار داد و بازارهای بین‌المللی تأمین مالی را ناپایدار کرد. در اوایل سال 2020 بازار رمزارزها شدیدترین کاهش قیمت خود را مشاهده کرد؛ همچنین با اولین اخطاریه‌های همه‌گیری در غیرمنتظره‌ترین رویداد برای اولین بار در تاریخ قیمت نفت WTI[3] منفی شد. صنعت نفت مثل صنایع دیگر تحت‌تأثیر همه‌گیری قرار گرفت و به دلیل محدودیت‌ها در نقل‌و‌انتقالات، قرنطینه‌ها و کاهش در میزان تولید نفت و کاهش تقاضای نفت و عرضۀ بیش‌‌ازحد، کاهش بزرگی در قیمت نفت رخ داد (2021 Jareño et al.,).
همین‌طور دیگر مطالعات این موارد را تأیید می‌کند که تغییرات قیمتی نفت به‌طور چشمگیر بر تورم، تولید واقعی و نرخ بهرۀ بین‌المللی اثرگذار بوده و به‌عنوان یکی از کلیدی‌ترین عوامل نااطمینانی ارزش رمزارزها نیز محتمل است (2020 Lee, & Kalyuzhnova Sharif et al., 2020;). بی‌شک شوک‌های قیمت نفت نقش بسزایی در محرک بازارهای مالی از زمان شروع همه‌گیری ویروس کرونا داشته است (, 2021.Yin et al Okorie & Lin, 2020;)؛ بنابراین مطالعۀ نوسان قیمت نفتی بر بازارهای مالی به‌خصوص بازار جدید رمزارز برای سرمایه‌گذاران، شرکت‌ها، سیاست‌گذاران و دیگر فعالان نیاز مبرمی به شمار می‌رود.
از این رو، هدف اصلی پژوهش حاضر، تحلیل اثر همه‌گیری کووید 19 و کنش واکنش بین تغییرات قیمت نفت و رمزارزها با استفاده از الگوی خودرگرسیون غیرخطی با وقفۀ توزیعی است. به‌منظور بررسی فرضیۀ فوق پژوهش در بخش دوم، ادبیات مالی رمزارزها و پیشینۀ پژوهش بیان می‌شود. در ادامه، در بخش سوم، روش‌شناسی پژوهش ارائه می‌شود. در بخش چهارم، تحلیلی از نتایج تجربی طبق روش NARDL بیان می‌شود که به سه دورۀ زمانی قبل و بعد از همه‌گیری و کل دوره تقسیم شده است. درنهایت در بخش پنجم، جمع‌بندی و ارائۀ پیشنهادها گردآوری شده است.
ادبیات و پیشینۀ موضوع
فعالیت‌های اقتصادی جهان در چهار ماه اول سال 2020 به طرز چشمگیری تغییر کرد. همه‌گیری ویروس کرونا موجب رکود اقتصادی شدید جهانی شد که در 20 فوریۀ 2020 دنیا را با سقوط بازار سهام تحت‌تأثیر قرار داد (Moshin et al., 2021). این رکود اقتصادی یا سقوط بازار سهام با افزایش استثنایی تعداد موارد مرگ‌و‌میر ناشی از همه‌گیری کووید-19، به‌طور چشمگیری بدتر شد. در پایان جولای 2020، بیش از 17 میلیون نمونه ابتلا به کووید-19 و همچنین 600 هزار مورد مرگ در جهان شناسایی شد. همه‌گیری کووید-19 موجب بحرانی انسانی و بهداشتی در سراسر گیتی شد. اقدامات لازم برای مهار این ویروس به کاهش بیش‌ازپیش رشد اقتصادی منجر شد (Conlon & McGee, 2020). در 14 آوریل 2020، گزارش صندوق بین‌المللی[4] پول نشان‌دهندۀ آن بود که اغلب کشورهای جهان از قبل وارد رکودی عمیق شده‌اند. صندوق بین‌المللی پول پیش‌بینی کرد که رشد جهانی در سال 2020 منفی 3 درصد خواهد بود، که «بسیار بدتر» از دوران رکود بزرگ در سال 2009 است (IMF,2021). سطح نبودِ قطعیت زیاد، شدت و مدت این بیماری همه‌گیر اقتصاد دنیا را احاطه کرده بود که چالشی تاریخی را به همه ارائه می‌داد. در اواسط فوریه، زمانی که سرمایه‌گذاران بین‌المللی از تبدیل این بیماری همه‌گیر به یک بیماری همه‌گیر جهانی ترسیدند، قیمت سهام‌ها به‌شدت کاهش یافت. رکود به فروپاشی صنعت گردشگری و مهمان‌نوازی و کاهش چشمگیر فعالیت مصرف‌کنندگان در مقایسه با دهۀ قبل منجر شد. سقوط قیمت نفت ناشی از جنگ قیمت نفت روسیه و عربستان سعودی در سال 2020، جبهۀ جدیدی را برای اقتصادهای آسیب‌دیده از بیماری همه‌گیر گشود. بازارهای سهام جهانی در اواخر فوریه و مارس 2020 به‌ترتیب حدود 20 تا 30 درصد از ارزش خود را از دست دادند. در طول سقوط، بازارهای سهام جهانی اغلب به دلیل نبودِ اطمینان شدید در بازارها، نوسانهای بیشتری پیدا کرد (salisu et al., 2020; Sharif et al., 2020 corbert et al., 2020;)؛ با این حال، توجه کمی به مواجهه با شوک قیمتی نفت در صنایع مالی و غیرمالی و نقش آنها به‌عنوان تأمین‌کنندگان، کاربران و زیرساخت نفت در طول همه‌گیری کووید 19 صورت گرفته است.
شوک‌های قیمتی نفت به دلیل تأثیر چشمگیر آن بر متغیرهای کلان اقتصادی توجه بسیاری از اقتصاددانان را به خود جلب کرده و به کاهش برگشت‌ناپذیر سرمایه، کاهش نقش شوک‌های فناوری در الگوهای ادوار تجاری و تغییر نرخ طبیعی بیکاری منجر شده است (Hamilton, 1996; Amano & Norde, 1998; Cebula, 2000; Issaa et al., 2008 Cebula et al., 1980;). به لحاظ نظری (Hamilton, 2009; Ramey & Vine, 2011) دلایل زیادی وجود دارد که براساس آن شوک‌های نفتی متغیرهای کلان اقتصادی را تحت‌تأثیر قرار می‌دهد؛ به‌طور مثال، شوک قیمت نفت به دلیل باز توزیع درآمد میان کشورهای صادرکننده و واردکنندۀ نفت به تغییر تقاضای کل منجر می‌شود. بهعلاوه، افزایش قیمت نفت به‌احتمال عرضۀ کل را کاهش خواهد داد؛ زیرا با افزایش قیمت انرژی بنگاه نفت کمتری خریداری می‌کند. به‌طوری که بهره‌وری نیروی کار و سرمایه و به‌دنبال آن تولید بالقوه کاهش می‌یابد (Pashpa, 2015). افزایش بهای نفت اغلب باعث تورم و پایین‌آمدن میزان سرمایه‌گذاری در کشورهای صنعتی شده است .به‌طوری که درآمدهای مالیاتی کاهش و کسری بودجۀ آنها افزایش یافته است. در این کشورها به‌منظور جلوگیری از کاهش واقعی دستمزدها، دستمزدهای اسمی تحت فشار اتحادیه‌ها و سیاست‌گذاران افزایش می‌یابد. این موضوع به‌همراه کاهش تقاضا میزان بیکاری را در این گروه کشورها دست‌کم در کوتاه‌مدت افزایش می‌دهد.
رمزارزها که در سال 2009 راه‌اندازی شد، با ویژگی‌های بسیاری ازجمله سیستم پولی جایگزین به پدیده‌ای جهانی تبدیل شد (Das & Kannadhasan, 2018 ; Fantazzini et al., 2016; Rogojanu & Badea, 2014). رمزارزها ابزارهای سفته‌بازی یا سرمایه‌گذاری، پوشش‌دهندۀ ریسک، متنوع‌کننده‌ها و پناهگاه‌های امن برای نوسانهای بازار نفت خام و دارایی‌هایی با نوسانهای زیاد است (Huynh & DucLuu, 2019; Gkillas & Katsiampa, 2018 Chan et al., 2017; Catania et al., 2018; Selmi et al., 2018; Alyahyaee et al., 2019; ;Yermack, 2013 et al., 2019; Corbet et al., 2018; Baek & Elbeck, 2015;). مطالعات روگوجانو و بادیا[5] (2014) و پوپور[6] (2015) رمزارزها را به دلیل ویژگی‌های پوشش‌دهنده و پناهگاه امن آنها به‌عنوان طلای دیجیتال در نظر می‌گیرد.
نفت خام یک کالای اساسی در اقتصاد جهانی است؛ اما در دهۀ گذشته نوسان‌ها و شوک‌های زیادی به خود دیده و به بازارهای دیگر سرایت کرده است. تورم اقتصاد و حرکت عمومی قیمت با حرکت قیمت نفت خام اندازه‌گیری می‌شود و قیمت نفت فاکتور مهمی برای پیش‌بینی تورم آتی اقتصاد است (Das & Kannadhasan, 2018). مطالعات کروگمن[7] (2008) و پالومبیزیو و موریس[8] (2012) نشان‌دهندۀ آن است که قیمت نفت خام عامل اصلی فشارهای هزینه و تقاضا در یک اقتصاد و ممکن است زمانی که سطح عمومی قیمت به دلیل نوسانهای قیمت نفت خام تغییر کند، قیمت رمزارزها افزایش (کاهش) یابد (Ciaian et al., 2015)؛ بنابراین این نشان‌دهندۀ اهمیت بررسی وابستگی متقابل پویا بین رمزارزها و شوک‌های قیمتی نفت در حالات مختلف بازار در یک فضای زمان-فرکانس برای کشف مکانیسم‌های انتقال شوک بین دارایی‌ها در طول زمان است.
مطالعات تجربی اخیر روی رمزارزها بر روی ویژگی‌های پوششی و پناهگاه امن آنها نسبت به کالاها متمرکز شده است (Bouri et al., 2018; Bouri et al., 2017; Dyhrberg., 2015; Shahzada et al., 2019)؛ با این حال، بیشتر این مطالعات فقط بر بیت کوین تمرکز و آلت‌کوین‌ها را حذف می‌کنند؛ حتی با وجود کارهای لی[9] و همکاران (2017)، سلمی و همکاران (2018) و کوربت و همکاران (2018) نشان‌دهندۀ آن است که بیت کوین و آلت‌کوین‌ها فرصت‌های سرمایه‌گذاری جدیدی هستند که ریسک یک سبد را به‌خوبی کاهش می‌دهند. علاوه بر این، تغییرات زمانی، غیرخطی‌بودن و ارتباط نامتقارن بین بازارهای دارایی به‌طور گسترده بررسی نشده است. این بازارهای دارایی با روابط غیرخطی و وابستگی‌های غیرمعمول مشخص می‌شوند و با وجود ضرورت برای اقتصاد جهانی نشان‌دهندۀ نوسانهای زیادی در قیمت‌ها هستند. از آنجایی که اندازه‌گیری دقیق روابط بین دارایی‌ها برای بهینه‌سازی سبد سرمایه‌گذاری حیاتی است و برای مدیریت ریسک نیز پیامدهایی دارد، بررسی جامع ارتباط بین نفت خام و رمزارزها در طول دوره‌های مختلف بازار به‌خصوص دوران کووید 19 در طول زمان برای تعمیق سطح علمی مهم است.
در این بخش ابتدا، خلاصه‌ای از مهم‌ترین پژوهش‌های تجربی خارجی مرتبط با عنوان پژوهش اشاره شده است و سپس نوآوری پژوهش حاضر بیان می‌شود.
جارنو و همکاران (2021) در مطالعه‌ای رابطۀ رمزارزها و شوک‌های قیمت نفت را با استفاده از الگوی NARDL در پاندمی کووید 19 طی بازۀ زمانی20 نوامبر 2018 تا 30 ژوئن 2020 بررسی کردند. نتایج نشان‌دهندۀ آن است که شوک‌های تقاضا بزرگ‌ترین ارتباط را با بازدۀ ارزهای رمزنگاری دارند. بهعلاوه، هر دو نتایج کوتاه‌مدت و بلندمدت حاکی از آن است که وابستگی متقابل بیشتری بین نفت و رمزارزها در دوره‌های آشفتگی اقتصادی مانند بحران کرونا ویروس SARS-CoV-2 وجود دارد. اوزتورک و جاودار[10] (2021) در پژوهشی همه‌گیری کووید-19 را در نوسانهای قیمت بین‌المللی نفت خام، طلا، نرخ ارز و بیت کوین طی بازۀ زمانی 2 سپتامبر 2019 تا 20 دسامبر 2020 با استفاده از الگوهای ARMA-EGARCH بررسی کردند. نتایج مبین آن است که ازنظر آماری تأثیر معنی‌داری بر تغییرپذیری شرطی متغیرها دارد؛ بنابراین یافته‌هایی مبنی بر سرایت‌بودن شوک‌های موجود در بازار به یکدیگر وجود دارد.
مرور ادبیات تجربی پژوهش نشان‌دهندۀ آن است که اغلب پژوهش‌های انجام‌شده براساس رمزارز بیت کوین یا تعداد محدودی از رمزارزها صورت گرفته است؛ در حالی که پژوهش حاضر طیفی از این بازار (هشت رمزارز پیشران) را کنکاش می‌کند و به‌دنبال مزایای تنوع‌بخشی رمزارزها و نفت در طول آشفتگی‌های مالی مثل همه‌گیری کووید-19 است. بهعلاوه، پژوهش به‌دنبال بررسی ارتباط بین رمزارزهای پیشران و شوک‌های قیمتی نفت از طریق رویکرد NARDLاست و به‌طور هم‌زمان وابستگی‌های نامتقارن بلندمدت و کوتاه‌مدت را بین این متغیرها در طی دورۀ زمانی قبل و بعد از موج همه‌گیری کووید 19 بررسی می‌کند. روش استفادهشده در این پژوهش این اجازه را می‌دهد که روابطشان با تعداد مشاهدات کوچک‌تری از متغیرها بررسی شود. علاوه بر این، تجزیۀ نوسانهای قیمتی نفت به سه جزء این امکان را فراهم می‌کند که تنش‌های سیاسی جغرافیایی که به شوک ریسک قیمتی منجر می‌شود، از انواع دیگر آن تمییز داده شود؛ بنابراین رویکرد مشخص می‌کند که آیا شوک‌های سمت عرضه و ریسک نقش مهمی در طول بحران همه‌گیری دارد یا نه. درنهایت اثر شوک‌های قیمتی مثبت و منفی نفت خام به بازدۀ رمز ارزهای پیشران بررسی می‌شود.
روش پژوهش
در پژوهش حاضر از روش تلفیقی پیشنهادشده از سوی ردی (2018) برای تجزیۀ شوک‌های قیمت نفت به شوک ریسک (RS)، تقاضا (DS) و عرضه (SS) استفاده شده است. درنهایت از الگوی خودرگرسیونی وقفۀ توزیعی نامتقارن (NARDL) برای تجزیهوتحلیل رابطۀ متقابل بین شوک‌های قیمت نفت و بازدۀ رمزارزهای پیشران بهره گرفته شده است.
به این ترتیب، از طریق پسماندهای رگرسیونی و هم‌زمان بازدۀ تولید جهانی نفت بر شاخصVIX روندزدایی شده (شوک‌های ریسک) است، شوک‌های تقاضا حاصل می‌شود و شوک عرضه به‌عنوان بخشی مستقل از تغییرات قیمت نفت در تقاضا و ریسک به دست می‌آید[11].
برای دستیابی به هدف پیشنهادی در پژوهش حاضر، نه‌تنها با رویکرد یادشده، از الگوی خودرگرسیونی وقفۀ توزیعۀ نامتقارن(NARDL) استفاده می‌شود که از سوی شین و همکاران[12] (2014) ارائه شده است. این بسطی نامتقارن از الگو معروف (ARDL) پسران و شین[13] (1999) و پسران و همکاران[14] (2001) است.
ادبیات مالی در طول سال‌ها از الگوهای مختلفی مانند حداقل مربعات معمولی[15]، رگرسیون به‌ظاهر نامرتبط[16]، رگرسیون مقداری[17]، هم‌انباشتگی و علیت گرنجری را برای برآورد رابطۀ کوتاه‌مدت و بلندمدت تحت فرض روابط متقارن به کار برده است؛ بنابراین رویکردهای قبلی به دلیل نبودِ فرض نامتقارنی محدود هستند؛ درنتیجه در این پژوهش روش ARDL غیرخطی به کار برده می‌شود که امکان پیش‌بینی هم‌انباشتگی نامتقارن را در کوتاه‌مدت و بلندمدت فراهم می‌کند.
حال باید توجه شود که برای اتکا به روشNARDL باید آزمون ریشۀ واحد کلاسیک[18] انجام تا مشخص شود که آیا متغیر مدنظر I(0) یا I(1) است؛ زیرا وجود متغیر I(2) امکان آزمودن هم‌انباشتگی را با آمارۀ F محاسبه‌شده ابطال می‌کند.
رگرسیون نامتقارن بلندمدت بین بازده‌های هشت رمزارز پیشران و شوک‌های قیمتی نفت رویکردی برای برآورد هم‌انباشتگی نامتقارن براساس مجموع تجزیۀ جزئی زیر است:
|
(1) |
|
|
(2) |
|
|
(3) |
|
|
(4) |
|
|
(5) |
|
|
(6) |
|
Rjt بازدۀ هشت رمزارز برتر مربوط به دورۀ t، RSt شوک ریسک برای دورۀ t و RSt+ و RSt - مجموع تغییرات جزئی مثبت و منفی در شوک‌های ریسک است. DSt شوک تقاضا برای دورۀ t است و DSt+ و DSt- مجموع تغییرات جزئی مثبت و منفی در شوک‌های تقاضا هستند. به‌طور مشابه، SSt شوک عرضه برای دورۀ t است.SSt + و SSt - مجموع تغییرات جزئی مثبت و منفی در شوک‌های عرضه است. ϵjt و vt شوک‌های تصادفی و α0)، α+،α =(α- بردار پارامترهای بلندمدت است که باید تخمین زده شود. ضرایب α+ و α- نشان‌دهندۀ رابطۀ بلندمدت بین بازدۀ هشت رمزارز پیشران و افزایش (α+) یا کاهش (α-) در شوک‌های قیمتی نفت است.
|
(7) |
|
|
(8) |
|
|
(9) |
|
|
(10) |
|
|
(11) |
|
|
(12) |
|
ارتباط متقابل بین تغییرات قیمتی نفت و بازار رمزارزها در NARDL به شرح زیر ادغام می‌شود:
|
(13) |
|
که در آن φi پارامترهای خود بازگشتی است، p تعداد تأخیرهای متغیر وابسته، q تعداد تأخیرها برای متغیرهای مستقل، γ+i و γ−i پارامترهای تأخیری توزیع نامتقارن هستند. ϵjt جزء اخلال با میانگین صفر و واریانس ثابت σ2ε است. و ضرایب اثرات افزایش و کاهش قیمت نفت به‌ترتیب بر روی هر یک از بازدۀ هشت رمزارز پیشرو در بلندمدت هستند.
و ، برعکس، اثرات کوتاه‌مدت افزایش و کاهش (به‌ترتیب) تغییرات قیمت نفت را بر بازدۀ رمزارزهای پیشران اندازه‌گیری می‌کند؛ بنابراین نه‌تنها رابطۀ نامتقارن بلندمدت، نبودِ تقارن کوتاه‌مدت تغییرات قیمت نفت نیز در نظر گرفته می‌شود.
درنهایت الگوی NARDL پیشنهادی با استفاده از رگرسیون گام‌به‌گام از طریق الگوی تصحیح خطا (ECM[19]) برآورد خواهد شد. الگوی تصحیح خطا اجازه می‌دهد، عملکرد الگوی NARDL را در نمونه‌های کوچک بهبود و قدرت آزمون‌های هم‌انباشتگی را افزایش دهد.
مجموعه داده‌های به‌کاررفته در این پژوهش شامل بازدۀ روزانۀ هشت رمز ارز پیشران براساس ارزش بازاری است. رمزارزهای منتخب، بیت کوین (BTC)، اتریم (ETH)، بایننس کوین[20] (BNB)، تتر (USDT)، کاردانو[21] (ADA)، ایکس آرپی[22] (XRP)، یو اس دی کوین[23] (USDC) و دوج کوین[24] (DOGE) هستند. داده‌های استفادهشده از وب‌‌سایت اینوستینگ[25] استخراج و رمزارزهای با ارزش بازاری بیشتر تا دسامبر 2021 انتخاب شده‌اند. هشت رمزارز منتخب حدود 75 درصد از سرمایۀ بازار رمزارزها را تشکیل می‌دهند و بیت کوین به‌طور تقریبی 41 درصد این بازار ارز را تا دسامبر 2021 داراست. اطلاعات مربوط به شوک‌های قیمتی نفت از سایت ایل‌پرایس[26] به دست آمده‌اند. بازۀ زمانی نمونۀ استفادهشده از 8 دسامبر 2019 تا 8 دسامبر 2021 است. نقطۀ شروع این دوره مشروط به دسترسی هم‌زمان داده‌ها برای همۀ متغیرها و نقطۀ پایان تنها چند روز پس از اعلام وضعیت هشدار برای مدیریت بحران سلامت ناشی از سویۀ جدید اُمیکرون توسط سازمان جهانی بهداشت قرار دارد. به‌طور ویژه، به‌منظور تجزیهوتحلیل تأثیر همه‌گیری بر ارتباط بین قیمت نفت و بازار رمزارزها، کل نمونه به دو دورۀ قبل و بعد از همه‌گیری تقسیم‌بندی شده است. تمایز بین این دو دوره به‌وسیلۀ تاریخ اولین موج همه‌گیری تعیین می‌شود.
یافته‌ها
این بخش شامل تجزیهوتحلیل اولیه و منحصربه‌فرد متغیرها به‌منظور شناخت رفتار هر یک از آنهاست.
در جدول (1) پارامترهای آماری توصیفی و نتایج آزمون ریشۀ واحد بازدۀ روزانۀ رمزارزهای پیشران و مؤلفه‌های شوکی قیمت نفت به سه جزء شوک ریسک (RS[27])، تقاضا(DS[28]) و عرضه (SS[29])تجزیه و برای همۀ مؤلفه‌ها به‌صورت روزانه گردآوری شده است. با توجه به جدول (1) به‌طور کلی بهجز تتر، میانگین همۀ بازده‌ها مثبت و مشابه است. دربارۀ انحراف معیار هم اذعان می‌شود که در هیچ یک از موارد به غیر از دوج کوین مقادیر زیادی ندارند. در ادامه، ایستایی متغیرها با استفاده از آزمون ریشۀ واحد کلاسیک آزمون دیکی فولر (ADF[30])، فیلیپس پرون (PP[31]) و کیواتکوسکی فیلیپس اشمیت شین (KPSS[32]) برآورد شده است. فرضیۀ صفر در دو آزمون ریشۀ واحد دیکی فولر و فلیپس پرون گویای این نکته است که متغیر دارای ریشۀ واحد است؛ بنابراین متغیر فوق ایستا نیست؛ اما در مقابل، آزمون KPSS فرضیۀ صفر ایجاب می‌کند که متغیر ایستاست. نتایج به‌دست‌آمده در جدول (1) نشان‌دهندۀ ایستابودن همۀ متغیرهای پژوهش است.
با توجه به جدول (1) درخصوص مؤلفه‌های شوک ریسک (RS)، تقاضا(DS) و عرضه (SS) میانگین در هر سه مؤلفه نزدیک به صفر است؛ اما برای شوک تقاضا این مقدار منفی بوده و بیشینۀ همۀ مؤلفه‌ها مقداری زیاد و مثبت و میزان کمینۀ همۀ آنها منفی است. به دلیل ماهیت روزانه‌بودن، داده‌ها نشان‌دهندۀ نوسانهای شدیدی از خود هستند؛ اما در برآیند تا حدودی خنثی است. همین‌طور برای انحراف معیار، برخلاف رمزارزها اشاره می‌شود که مقادیر بسیار بیشتر بوده و در مؤلفه‌ها آمارۀ چولگی فقط دربارۀ شوک تقاضا مثبت، مابقی منفی و در عرضه به مقدار چشمگیری (3/2-) رسیده است. ازنظر ماهوی شوک‌های ریسک با عرضه و تقاضا تفاوت و پراکنش زیادی دارند. ضریب آمارۀ کشیدگی شوک تقاضا و عرضه بیشتر از مقدار ریسک خطر است. آمارۀ Jarque-Bera نشان‌دهندۀ غیرنرمال‌بودن متغیرهاست.
جدول (1) آمار توصیفی و نتایج آزمون ریشۀ واحد از بازدۀ روزانه هشت ارز پیشرو و مؤلفه‌های شوک قیمت نفت خام
Table (1) Descriptive statistics of daily log-returns of eleven leading cryptocurrencies and the components of crude oil price shocks
|
متغیرها |
میانگین |
میانه |
حداکثر |
حداقل |
انحراف معیار |
آمارۀ Skewness |
آمارۀ Kurtosis |
آمارۀ JB |
آمارۀ ADF |
آمارۀ PP |
آمارۀ KPSS |
|
Bitcoin |
0034/0 |
002/0 250 |
194/0 100 |
-391/0 800 |
040/0 730 |
-94574/0 1 |
295/1 64 |
732/5500 |
-39/30 995 |
-24/30 342- |
11/0 8057 |
|
Ethereum |
006159/0
|
004/0250 |
259/0 600 |
-445/0 500 |
053/0 946 |
-61590/0 3 |
222/12 17 |
258/2640
|
-82/30 990- |
-69/30 892- |
06/0 3197 |
|
Binance Coin |
007066/0 |
00370/00 |
699/0 900 |
-440/0 800 |
065/0 063 |
53346/1 5 |
438/26 35 |
25/17042 |
-59/17 710 |
-26/29 477 |
21/0 3217 |
|
Tether |
-000012/0 6 |
000000/0
|
010/0 200 |
-006/0 800 |
001/0 034 |
38635/0 2 |
367/27 48 |
32/18128
|
-70/18 362 |
-63/59 320 |
27/0 5897 |
|
Cardano |
006941/0 |
004200/0 |
332/0 300 |
-414/0 900 |
063/0 789 |
32253/0 9 |
9717/7 89 |
6116/766
|
-65/26 756 |
-54/29 671 |
18/0 8446 |
|
XRP |
004305/0 |
001850/0
|
566/0 700 |
-417/0 800 |
0.071585 |
32005/1 5 |
571/16 18 |
987/5729
|
-58/27 584 |
-60/27 653 |
08/0 5535 |
|
USD Coin |
000000/0 4 |
000000/0
|
010/0 100 |
-005/0 500 |
000/0846 |
65582/1 1 |
559/35 65 |
47/32668 |
-15/20 026 |
-41/65 394 |
03/03299 |
|
Dogecoin |
095958/0 |
000000/0
|
91/61 550 |
-984/0 300 |
2946/2 15 |
7746/26 6 |
68/720 26 |
15840853 |
-43/27 330 |
-43/27 331 |
269/0 61 |
|
Risk shock |
250030/0 |
700000/0
|
50.10000 |
-80/69 000 |
033/10 30 |
-66993/0 8 |
428/13 14 |
511/3371
|
-79/25 792 |
-79/25
572 |
3696/0 0 66 |
|
Demand shock |
-161475/0
|
-800000/0
|
00/95 000 |
-00/52 000 |
092/11 72 |
25972/1 5 |
006/14 71 |
609/3888 |
-84/23 627 |
-83/23 747 |
3171/0 54 |
|
Supply shock |
0163934/0
|
178000/0 |
62/50 900 |
-4/107 890 |
6176/9 63 |
-32024/2 0 |
178/32 21 |
51/26623 |
-84/29 530 |
-70/29 427 |
0436/0 96 |
در ادامه، نتایج به‌دست‌آمده نشان‌دهندۀ تخمین بازدۀ رمزارزهای انتخابشده در این پژوهش و شوک‌های قیمت نفت تجزیه‌‌شده است.
جدول (2) نتایج رگرسیون الگوی غیرخطی ARDL و آزمون‌های نبودِ تقارن و هم‌انباشتی بین تغییرات بازدۀ رمزارزها پیشران و قیمت نفت: شوک‌های ریسک(RS) در کل دوره
Table (2) Regression results of non-linear ARDL models and asymmetry and cointegration tests between dominant cryptocurrency returns and changes in oil prices: Risk Shocks
(RS) in the whole sample period
|
رمزارزها |
Coint |
Eq+ |
Eq- |
WTLR+ |
WTLR- |
SAsym |
Lags+ |
Lags- |
R2 |
|
بیت کوین |
000456/0 *** |
000448/0
|
00005/0 70 |
00039/0 7*** |
00040/0 4*** |
- |
- |
(1): 00039/0 9 |
417/0 793 |
|
اتریم |
000347/0
|
000312/0
|
0.000347 |
000289/0
|
000296/0 |
- |
(3): 000399/0*** (2): 000459/0 -*** |
- |
4516/0 67 |
|
بایننس کوین |
944882/0 |
000337/0 |
000389/0 |
000379/0 |
000392/0 |
- |
- |
- |
3409/0 33 |
|
تتر |
82764/74*** |
***-0000153/0 |
***000017/0 |
-0000010/0 8 |
-000001/0 12 |
- |
(1): 00001700/0 *** |
(1): 00002/0 010-*** |
3039/0 06 |
|
کاردانو |
499605/0
|
000212/0
|
000205/0 |
000217/0
|
000210/0
|
- |
- |
- |
3183/0 19 |
|
ایکس آر پی |
531116/0
|
0000892/0 0 |
0000847/00 |
0000930/00 |
000088/0 30 |
- |
- |
- |
3098/0 82 |
|
یو اس دی کوین |
12854/62 *** |
0000060/0 3 |
0000587/0
|
0000219/0 |
000002/0 13 |
- |
- |
- |
2960/0 62 |
|
دوج کوین |
123981/0 |
001129/0- |
000973/0- |
001106/0- |
000952/0- |
- |
- |
- |
0063/0 35 |
توجه: *، **، *** به‌ترتیب نشان‌دهندۀ سطوح 10، 5 و 1 درصد معناداری آماری است.
جدول (3) نتایج رگرسیون الگوی غیرخطی ARDL و آزمون‌های نبودِ تقارن و هم‌انباشتی بین تغییرات بازدۀ رمزارزهای پیشران و قیمت نفت: شوک‌های تقاضا(DS) در کل دوره
Table (3) Regression results of non-linear ARDL models and asymmetry and cointegration tests between dominant cryptocurrency returns and changes in oil prices: Demand
Shocks (DS) in the whole sample period
|
رمز ارزها |
Coint |
Eq+ |
Eq- |
WTLR+ |
WTLR- |
SAsym |
Lags+ |
Lags- |
R2 |
|
بیت کوین |
00025/0 4-* |
000244/0 -
|
000188/0 - |
-00021/0 6* |
0002/0 25-* |
- |
- |
(1): 000399/0
(2):0.000148
|
417/0 793 |
|
اتریم |
000232/0- |
-000218/0 |
000232/0- |
-000186/0
|
-00019/0 8 |
- |
- |
- |
451/0 667 |
|
بایننس کوین |
442784/0 |
000119/0- |
000140/0- |
-000120/0 |
-000141/0 |
- |
- |
- |
340/0 933 |
|
تتر |
94854/75*** |
000162/0 0*** |
-00075/0 1 |
0000040/0 7 |
00000/40 5 |
- |
(3): -00001/0 280* (6): 0.00001180*** |
(5): 000012/0 80*** (2): -0.00001360*** |
303/0 906 |
|
کاردانو |
798179/3** |
000444/0-* |
000440/0* |
000455/0-* |
000451/0-* |
- |
- |
- |
318/0 319 |
|
ایکس آر پی |
666522/0
|
000233/0- |
000233/0- |
000233/0- |
000233/0- |
- |
- |
- |
309/0 882 |
|
یو اس دی کوین |
17081/63*** |
-0000001/0 7 |
0000114/0 0** |
-0000008/0 0 |
-0000007/0 3 |
0000/0 1110*** |
(5): 00001/0 110-*** |
(2): 000017/0 70*** |
296/0 062 |
|
دوج کوین |
135299/0
|
000746/0 |
001025/0
|
000731/0 |
001004/0 |
- |
- |
- |
006/0 335 |
توجه: *، **، *** به‌ترتیب نشان‌دهندۀ سطوح 10، 5 و 1 درصد معناداری آماری است.
جدول (4) نتایج رگرسیون الگوی غیرخطی ARDL و آزمون‌های نبودِ تقارن و هم‌انباشتی بین تغییرات بازدۀ رمزارزهای پیشران و قیمت نفت: شوک‌های عرضه(SS) در کل دوره
Table (4) Regression results of non-linear ARDL models and asymmetry and cointegration tests between dominant cryptocurrency returns and changes in oil prices: Supply
Shocks (SS) in the whole sample period.
|
رمزارزها |
Coint |
Eq+ |
Eq- |
WTLR+ |
WTLR- |
SAsym |
Lags+ |
Lags- |
R2 |
|
بیت کوین |
002566/0
|
002566/0 |
00256/09 |
00227/0 4 |
00227/0 6 |
- |
- |
- |
417/0 793 |
|
اتریم |
003960/0 |
003960/0 |
003352/0 |
003471/0*** |
003472/0*** |
- |
- |
(4):00070/0 7- (3):001087/0
|
451/0 667 |
|
بایننس کوین |
06715/92*** |
003736/0 |
003372/0 |
003760/0*** |
003771/0*** |
- |
- |
(5):001151/0*** (3):000650/0*** |
340/0 933 |
|
تتر |
65933/75*** |
00000/8 73-* |
000005/0 85- |
00000560/0-*** |
0000055/0 5-*** |
- |
(۱): 0000/0 0684-
|
(۱): 00000955/0 -* |
303/0 906 |
|
کاردانو |
6982/103*** |
004122/0*** |
002861/0*** |
002924/0*** |
002932/0 |
- |
(1): 0008/0 42-** (2): 0004/0 27 -* |
- |
318/0 319 |
|
ایکس آر پی |
3452/104*** |
000223/0- |
000224/0- |
003881/0*** |
003887/0*** |
0044/0 74*** |
- |
- |
309/0 882 |
|
یو اس دی کوین |
77579/64 *** |
0000097/0 3-*** |
0000037/0 1- |
00000133/0- |
0000013/0 4- |
0.00000973-*** |
(1): 0000/0 1130*** (2): 0000/0 0529-* |
- |
296/0 062 |
|
دوج کوین |
444910/0 |
004652/0 |
004360/0 |
004556/0 |
004269/0 |
- |
- |
- |
006/0 335 |
توجه: *، **، *** به‌ترتیب نشان‌دهندۀ سطوح 10، 5 و 1 درصد معناداری آماری است.
جداول 2 تا 4 نشان‌دهندۀ نتایج به‌دست‌آمده از طریق رگرسیون الگوی غیرخطی ARDL همراه با آزمون نبودِ تقارن و هم‌انباشتگی بین بازدۀ هشت رمزارز پیشرو و سه جزء بازدۀ قیمتی نفت برای کل دورۀ نمونه است.
در جداول (4) ستون دوم نشان‌دهندۀ آزمون والد برای ارزیابی وجود هم انباشتگی است. ستون سوم و چهارم، معادلۀ هم انباشتگی (کشش‌های بلندمدت) حاکی از رابطۀ متقارنی بین تغییرات قیمت نفت و بازدۀ رمزارز است. ستون پنجم و ششم، نشان‌دهندۀ آزمون والد برای تقارن بلندمدت و ستون هفتم حاکی از آزمون والد برای تقارن کوتاه‌مدت است. ستون هشتم و نهم، نشان‌دهندۀ اثر مجموع تغییرات تجمعی مثبت و منفی در شوک‌های قیمت نفت بر رمزارزها بوده و درنهایت ستون دهم، حاکی از R2 برای هر یک از تخمین‌هاست.
در جداول ۲تا۴، وجود هم‌جمعی از طریق آزمون والد F در ستون دوم نشان داده شده است. فرضیۀ صفر مبنی بر نبودِ هم انباشتگی (H0: β1 = β2 = β3 = 0) برای سه رمزارز (بیت کوین، تتر و یو اس دی کوین) در جدول (2) برای چهار رمز ارز (بیت کوین، تتر، کاردانو و یو اس دی کوین) و برای پنج رمزارز (بایننس کوین، تتر، کاردانو، ایکس آرپی و یو اس دی کوین) در جدول (4) نسبت به شوک‌های تقاضا، عرضه و ریسک رد می‌شود. این نتایج نشان‌دهندۀ ارتباط بلندمدت بین تغییرات شوک‌های ریسک، تقاضا و عرضه و بازدۀ رمزارزهاست.
معادلۀ هم انباشتگی بین تغییرات در سه مؤلفۀ قیمتی نفت و بازدۀ رمزارزها در ستون سوم و چهارم جداول 4-2 گزارش شده است. تمامی بازده‌های رمزارزها به تغییرات مثبت و منفی سه جزء بازدۀ قیمتی نفت به غیر از تتر با توجه به شوک‌های ریسک و تقاضا و یو اس دی کوین به شوک‌های تقاضا در یک‌جهت واکنش نشان داده‌اند. علاوه بر این، همۀ رمزارزها نشان‌دهندۀ ضرایب بسیار پایینی در ارتباط با هر سه جزء قیمت نفت هستند. کشش‌های بلندمدت برای مجموع هم‌جمعی تغییرات مثبت و منفی در بازدۀ قیمتی نفت برای هیچ یک از رمزارزها ازنظر آماری معنادار نیست؛ در حالی که این کشش‌های بلندمدت برای سه رمزارز (تتر، کاردانو و یو اس دی کوین) نسبت به شوک‌های تقاضا و عرضه و رمزارز تتر نسبت به شوک‌های ریسک ازنظر آماری معنادار است.
آزمون والد برای بررسی تقارن بلندمدت که در ستون پنجم و ششم جداول 4-2، به نمایش درآمده‌اند، نشان‌دهندۀ آن است که فرضیۀ صفر تقارن بلندمدت (H0: -β2/β1 =0) و (H0:β3/β1=0) برای هر یک از رمزارزها نسبت به سه مؤلفۀ قیمتی نفت به غیر از ارز بیت کوین برای شوک‌های ریسک ارزهای بیت کوین و کاردانو برای شوک تقاضا و بایننس کوین، کاردانو و ایکس آرپی برای شوک‌های عرضه رد نمی‌شود؛ بنابراین آزمایش والد نشان‌دهندۀ آن است که هیچ مدرکی مبنی بر پاسخ‌های نامتقارن بازۀ رمزارزها به تغییرات شوک‌های ریسک، تقاضا و عرضه در کل دورۀ نمونه به غیر از موارد مطروحه وجود ندارد.
آزمون والد برای تقارن کوتاه‌مدت نشان داده‌شده در ستون هفتم جداول ۲تا۴ حاکی از آن است که فرضیۀ صفر کوتاه‌مدت (H0 = γi+= γi-) برای رمزارز (یو اس دی کوین) نسبت به شوک‌های تقاضا و رمزارزهای (آیکس آرپی و یو اس دی کوین) با توجه به شوک‌های عرضه رد نمی‌شود؛ اما درخصوص باقی موارد اظهارنظری نیست؛ زیرا هیچ اطلاعاتی در این موارد پیدا نمی‌شود.
اثر مجموع هم‌جمعی تغییرات مثبت و منفی در سه مؤلفۀ بازدۀ قیمت نفت برای وقفۀ یک تا هفت بر بازدۀ قیمتی هشت رمزارز پیشرو در ستون‌های هشتم و نهم جداول 2 تا 4 گزارش شده است. تغییرات مثبت در شوک‌های ریسک جدول (2) تأثیر مثبتی بر ارزهای تترواتریم و تأثیری منفی بر ارز اتریم دارد؛ در حالی که تغییرات منفی شوک‌های ریسک تأثیری منفی بر رمز ارز تتر و تأثیری مثبت برای رمز ارز بیت کوین دارد. علاوه بر این، تغییرات مثبت در شوک‌های تقاضا جدول (3) تأثیری مثبت بر رمز ارز تتر و تأثیری منفی بر رمزارزهای تتر و یو اس دی کوین دارد. در برابر، تغییرات منفی شوک‌های تقاضا تأثیری مثبت بر رمزارزهای تتر، یو اس دی کوین و بیت کویندارد و تأثیری منفی بر رمز ارز تتر دارد. ضمن اینکه تغییرات مثبت در شوک‌های عرضۀ جدول (4) تأثیری مثبت بر رمز ارز یو اس دی کوین دارد و تأثیری منفی بر رمزارزهای کاردانو، یو اس دی کوین و تتر دارد؛ با این حال، تغییرات منفی در شوک‌های عرضه تأثیری مثبت بر رمزارزهای اتریم و بایننس کوین دارد و تأثیری منفی بر رمزارزهای اتریم و تتر دارد. به‌طور کلی، تأثیر مثبت زیادی در اثر تغییرات منفی در شوک‌های تقاضا و عرضه وجود دارد و تأثیر منفی زیادی در اثر تغییرات مثبت شوک‌های تقاضا و عرضه در کل دورۀ نمونۀ بازدۀ رمزارزها مشاهده می‌شود. درنهایت، میزان توضیح‌دهندگی الگوی غیرخطی ARDL در ستون دهم جداول ۲تا۴ نشان داده شده است.
در ادامه، برای بررسی استحکام نتایج الگو، در این بخش دورۀ نمونه به دو دورۀ فرعی قبل و بعد از همه‌گیری تفکیک شده است.
جداول 5 تا 7 نتایج رگرسیون الگوی ARDL غیرخطی، آزمون نبودِ تقارن و هم انباشتگی بین بازدۀ هشت رمزارز منتخب و شوک‌های ریسک، نشان‌دهندۀ تقاضا و عرضه برای دورۀ فرعی قبل از همه‌گیری پیشنهادشده در پژوهش حاضر است.
جدول (5) نتایج رگرسیون الگوی غیرخطی ARDL و آزمون‌های نبودِ تقارن و هم‌انباشتی بین تغییرات بازدۀ رمزارزهای پیشران و قیمت نفت: شوک‌های ریسک (RS) در قبل از همه‌گیری
Table (5) Regression results of non-linear ARDL models and asymmetry and cointegration tests between dominant cryptocurrency returns and changes in oil prices: Risk Shocks
(RS) in the pre-COVID-19 subperiod
|
رمزارزها |
Coint |
Eq+ |
Eq- |
WTLR+ |
WTLR- |
SAsym |
Lags+ |
Lags- |
R2 |
|
بیت کوین |
26/2 6055* |
00/0 0252- |
00/0 002090- |
00/0 000830 |
00/0 001200- |
00/0 0252- |
(2): 00075/0 1-** |
- |
78/0 4169 |
|
اتریم |
06/1 3590 |
00/0 0659- |
00/0 0709- |
00/0 0572- |
00/0 0212- |
000 1215* |
- |
(۵): 00164/0 2*** (3): 00166/0 0-** |
88/0 2877 |
|
بایننس کوین |
26/0 5737 |
00/0 001600- |
00/0 0229 |
00/0 001650- |
00/0 0237 |
- |
- |
- |
63/0 7126 |
|
تتر |
6/19 8676*** |
00/0 002350 |
00/0 0153*** |
00/0 003250* |
00/0 003160* |
00/0 008890** |
(1): 00008/0 830 |
(۲):00014/0 5-** |
72/0 7620 |
|
کاردانو |
32/2 2558* |
00/0 1073-* |
00/0 0261- |
00/0 0798-* |
00/01058-** |
00/0 1600*** |
- |
(4):.001059-** |
80/0 7811 |
|
ایکس آر پی |
90/0 5411 |
00/0 0221 |
00/0 0471 |
00/0 0198 |
00/0 0423 |
- |
- |
- |
65/0 8438 |
|
یو اس دی کوین |
79/5 9797*** |
00/0 001850 |
00/0 002300 |
00/0 001110 |
00/0 001380 |
- |
- |
- |
41/0 5855 |
|
دوج کوین |
69/2 3420* |
12/0 0125- |
30/0 3301* |
46/0 1967-** |
37/0 8884-** |
50/0 1675*** |
(7):967789-*** (6): 61693/0 4*** |
(6): 50167/0 5-*** |
59/0 8625 |
توجه: *، **، *** به‌ترتیب نشان‌دهندۀ سطوح 10، 5 و 1 درصد معناداری آماری است.
جدول (6) نتایج رگرسیون الگوی غیرخطی ARDL و آزمون‌های نبودِ تقارن و هم‌انباشتی بین تغییرات بازدۀ رمزارزهای پیشران و قیمت نفت: شوک‌های تقاضا (DS) در قبل از همه‌گیری
Table (6) Regression results of non-linear ARDL models and asymmetry and cointegration tests between dominant cryptocurrency returns and changes in oil prices: Demand Shocks (DS) in the pre-COVID-19 subperiod
|
رمزارزها |
Coint |
Eq+ |
Eq- |
WTLR+ |
WTLR- |
SAsym |
Lags+ |
Lags- |
R2 |
|
بیت کوین |
284857/2 * |
000208/0 - |
00027/0 0- |
00011/0 9- |
00015/0 5- |
- |
- |
- |
784/0 169 |
|
اتریم |
007651/1 |
000631/0 - |
000573/0 - |
000788/0 - |
000865/0 - |
0012/0 49*** |
(۶):001494/0*** |
(۱): 0004/0 23- |
882/0 877 |
|
بایننس کوین |
153225/0 |
-0000972/0 0 |
0.000197- |
0000206/0 0 |
000204/0- |
0009/0 92-** |
(۳):000992/** |
- |
637/0 126 |
|
تتر |
25697/21 *** |
00009110/0 ** |
0000384/0 0 |
0000223/0 0 |
0000199/0 0 |
0001/0 06*** |
(2): 000135/0-** |
(۶): 0000/0 6050-** |
727/0 620 |
|
کاردانو |
321583/1
|
000453/0- |
000534/0- |
000337/0- |
000397/0- |
- |
- |
- |
807/0 811 |
|
ایکس آر پی |
32898/1 |
000288/0 |
0000611/0 0 |
000259/0
|
0000549/0 0 |
- |
- |
- |
658/0 438 |
|
یو اس دی کوین |
983066/5 *** |
00002810/0 |
0000242/0 0 |
0000169/00 |
0000145/0 0 |
- |
- |
- |
415/0 855 |
|
دوج کوین |
436130/0 |
107975/0
|
033329/0 |
097542/0 |
030109/0 |
- |
- |
- |
598/0 625 |
توجه: *، **، *** به‌ترتیب نشان‌دهندۀ سطوح 10، 5 و 1 معناداری آماری است.
جدول (7) نتایج رگرسیون الگوی غیرخطی ARDL و آزمون‌های نبودِ تقارن و هم‌انباشتی بین تغییرات بازدۀ رمزارزهای پیشران و قیمت نفت: شوک‌های عرضه (SS) قبل از همه‌گیری
Table (7) Regression results of non-linear ARDL models and asymmetry and cointegration tests between dominant cryptocurrency returns and changes in oil prices: Supply Shocks (SS) in the pre-COVID-19 subperiod
|
رمزارزها |
Coint |
Eq+ |
Eq- |
WTLR+ |
WTLR- |
SAsym |
Lags+ |
Lags- |
R2 |
|
بیت کوین |
37387/52 *** |
007232/0 *** |
0.0075200752/0 3*** |
00414/0 2*** |
00430/0 9*** |
00067/0 4* |
- |
- |
784/0 169 |
|
اتریم |
81329/69*** |
012019/0 *** |
012897/0*** |
021367/0*** |
020606/0*** |
00951/0 7-*** |
(4): 0051/0 22** |
(6): 0039/0 91** |
882/0 877 |
|
بایننس کوین |
21826/33*** |
010353/0*** |
010347/0*** |
010717/0*** |
010711/0*** |
- |
- |
- |
637/0 126 |
|
تتر |
41568/17 |
00000875/0- |
00006220/0 |
000109/0-** |
000105/0-** |
00043/04*** |
(3): 0002/0 64-*** |
(2): 0003/0 32-*** |
727/0 620 |
|
کاردانو |
76060/70*** |
010898/0*** |
014250/0*** |
009969/0*** |
010599/0*** |
010898/0*** |
(1): 0025/0 06 |
- |
807/0 811 |
|
ایکس آر پی |
16535/46*** |
011493/0*** |
011267/0*** |
010324/0*** |
010294/0*** |
011267/0*** |
- |
(1):0024/0 47-* |
658/0 438 |
|
یو اس دی کوین |
87292/17*** |
000160/0-*** |
000236/0-*** |
0000958/0 0-*** |
0000934/0 0-*** |
000236/0 -*** |
- |
(1): 00008/0 060 |
415/0 855 |
|
دوج کوین |
953576/2** |
034075/0- |
816189/0-*** |
786093/0-*** |
737326/0-*** |
170232/1*** |
(3): 5388/0 38-* |
- |
598/0 625 |
توجه: *، **، *** به‌ترتیب نشان‌دهندۀ سطوح 10، 5 و 1 درصد معناداری آماری است.
جداول 5 تا 7 از ساختار جداول قبلی تبعیت می‌کند که نشان‌دهندۀ نتایج الگوی غیرخطی ARDL برای کل دوره بود. ستون دوم جداول 5 تا 7 که نشان‌دهندۀ فرضیۀ صفر مبنی بر نبودِ هم انباشتگی در رمزارزهای اتریم، بایننس کوین و ایکس آر پی است، نسبت به شوک‌های ریسک و عرضه رد نمی‌شود؛ در حالی که در شوک‌های تقاضا برای رمزارزهای بیت کوین، تتر و یو اس دی کوین رد می‌شود و درنهایت، تنها در رمزارز تتر نسبت به شوک‌های عرضه رد نمی‌شود؛ بنابراین رمزارزهای اتریم، بایننس کوین و ایکس آر پی رابطۀ بلندمدتی با شوک‌های ریسک و رمزارز تتر رابطۀ بلندمدتی با شوک‌های عرضه ندارد. در عوض، رمزارزهای بیت کوین، تتر و یو اس دی کوین رابطۀ بلندمدتی با شوک‌های تقاضا دارد.
نتایج ستون سوم و چهارم جداول 5 تا 7 شواهدی مبنی بر اینکه تمامی بازدۀ رمزارزها نسبت به تغییرات سه مؤلفۀ بازدۀ قیمتی نفت به یک جهت مثبت و منفی (به غیر از بایننس کوین و دوج کوین در شوک‌های ریسک) هستند. علاوه بر این، همۀ رمزارزها، نشان‌دهندۀ ضرایب بسیار پایینی در ارتباط با هر سه جزء قیمت نفت هستند؛ همچنین کشش‌های بلندمدت برای مجموع تغییرات تجمعی مثبت و منفی در بازدۀ قیمتی نفت ازنظر آماری برای اغلب رمزارزها نسبت به شوک‌های ریسک و تقاضا معنادار نیست؛ در حالی که این کشش‌ها ازنظر آماری برای شوک‌های عرضه معنادار هستند.
نتایج ستون پنجم و ششم جداول 5 تا 7 نشان‌دهندۀ آن است که فرضیۀ صفر تقارن بلندمدت برای هیچ‌یک از رمزارزها نسبت بهجز شوک‌های تقاضا رد نمی‌شود؛ در حالی که در ارزهای تتر، کاردانو و دوج کوین نسبت به مؤلفۀ شوک‌های ریسک و همۀ رمزارزها نسبت به مؤلفۀ شوک‌های عرضه در دورۀ زمانی قبل از همه‌گیری رد می‌شود.
نتایج ستون هفتم جداول 5 تا 7 نشان‌دهندۀ آن است که فرضیۀ صفر تقارن کوتاه‌مدت برای همۀ رمزارزها به غیر از تتر نسبت به شوک‌های عرضه رد می‌شود؛ همین‌طور برای رمزارزهای اتریم، تتر، کاردانو و دوج کوین نسبت به شوک‌های ریسک و رمزارزهای اتریم، بایننس کوین و تتر نسبت به شوک‌های تقاضا در دورۀ زمانی قبل از همه‌گیری رد می‌شود؛ بنابراین شواهد تجربی مبنی بر اینکه تقارن بازدۀ کوتاه‌مدت رمزارزها نسبت به شوک‌های ریسک، تقاضا و عرضه وجود دارد؛ درنتیجه امکان آزمون این گزاره در مطالعه‌های آینده به دور نیست.
اثر مجموع هم‌جمعی در ستون‌های هشتم و نهم جداول 5 تا 7 گزارش شده است. تغییرات مثبت در شوک‌های ریسک جدول (5) تأثیر منفی بر رمزارزهای بیت کوین و دوج کوین و تأثیری مثبت بر رمزارزهای تتر و دوج کوین دارد؛ از این رو، تغییرات منفی در شوک‌های ریسک تأثیر منفی بر رمزارزهای اتریم، تتر، کاردانو و دوج کوین دارد. در عوض تأثیری مثبت بر رمز ارز اتریم دارد. افزون بر این، تغییرات مثبت در شوک‌های تقاضای جدول (6) تأثیری مثبت بر رمزارزهای اتریم و بایننس کوین و تأثیری منفی بر رمز ارز تتر دارد؛ اما تغییرات منفی شوک‌های تقاضا تأثیری منفی بر رمزارزهای اتریم و تتر دارد. علاوه بر این، تغییرات مثبت در شوک‌های عرضۀ جدول (7) تأثیری مثبت بر رمزارزهای اتریم و کاردانو دارد؛ با این حال، این تغییرات تأثیری منفی بر رمزارزهای تتر و دوج کوین دارد. با وجود این، تغییرات منفی در شوک‌های عرضه تأثیری مثبت بر رمزارزهای اتریم و یو اس دی کوین و در عین حال، تأثیری منفی بر رمزارزهای تتر و ایکس آرپی دارد. درنهایت، میزان توضیح‌دهندگی الگوی غیرخطیARDL در ستون دهم جداول 5 تا 7 نشان داده شده است.
جداول 8 تا 10 نشان‌دهندۀ نتایج رگرسیون الگوی ARDL غیرخطی برای دورۀ فرعی بعد از همه‌گیری پیشنهادشده در پژوهش حاضر است. این جداول ساختاری مشابه جداول دوره‌های قبلی دارند.
ستون دوم جداول 8 تا 10 نشان‌دهندۀ آن است که فرضیۀ نبودِ هم انباشتگی برای شوک‌های ریسک در رمزارزهای بیت کوین، کاردانو و ایکس آر پی رد نمی‌شود؛ اما برای رمزارزهای تتر و یو اس دی کوین نسبت به شوک‌های تقاضا رد می‌شود. درنهایت نسبت به شوک‌های عرضه برای تمامی رمزرمزارزها رد می‌شود؛ بنابراین رابطۀ طولانی‌مدت بین تغییرات در شوک‌های ریسک، تقاضا، عرضه و به‌طور تقریبی اغلب بازدۀ رمزارزها در دورۀ فرعی بعد از همه‌گیری تا حدودی به قوت خود باقی است.
این نتایج نشان‌دهندۀ شواهدی در یک راستاست که وابستگی متقابل زیادی بین متغیرهای مالی در دوره‌های آشفتگی‌های اقتصادی مانند همه‌گیری وجود دارد.
جدول (8) نتایج رگرسیون الگوی غیرخطی ARDL و آزمون‌های نبودِ تقارن و هم‌انباشتی بین تغییرات بازدۀ رمزارزهای پیشران و قیمت نفت: شوک‌های ریسک (RS) بعد از همه‌گیری
Table (8) Regression results of non-linear ARDL models and asymmetry and cointegration tests between dominant cryptocurrency returns and changes in oil prices: Risk Shocks (RS) in the COVID-19 subperiod
|
رمزارزها |
Coint |
Eq+ |
Eq- |
WTLR+ |
WTLR- |
Sasym |
Lags+ |
Lags- |
R2 |
|
بیت کوین |
54/1 2469 |
00/0 1056- |
00/0 0178 |
00/02455-* |
00/0 2444-** |
0027/0 36 |
(۲): 002620/0-*** (5): 002736/0*** |
(5): 002409/0-*** |
65321/0 5 |
|
اتریم |
66/2 6973** |
00/0 0217- |
00/0 2105** |
00/0 0248 |
00/0 0136 |
0017/0 39** |
(2): 003049/0-*** (5): 0.002541*** |
(5): 003032/0-*** |
67450/0 7 |
|
بایننس کوین |
82/5 2026*** |
00/0 1491- |
00/0 3802*** |
00/0 0279 |
00/0 0440 |
0034/0 64*** |
(5):005308/0 *** |
(5):005714/0-*** |
636663/0 |
|
تتر |
1/12 8838*** |
00/0 002150*** |
00/0 001630-** |
00/0 000257 |
00/0 000179 |
0000/0 1850-*** |
(1): 00001700/0-** |
(4): 00001850/0*** |
30989/0 5 |
|
کاردانو |
56/0 5530 |
00/0 0773- |
00/0 0164 |
00/0 0659- |
00/0 0977- |
0026/0 74*** |
(5): 004291/0*** |
(5): 003514/0-*** |
649360/0 |
|
ایکس آر پی |
82/1 6260 |
00/0 1612- |
00/0 0406 |
00/0 1733- |
00/0 1650- |
0019/0 20 |
- |
(3): 002532/0 ** |
54932/0 9 |
|
یو اس دی کوین |
28/9 5150*** |
00/0 001210-* |
00/0 000644 |
00/0 000682-* |
00/0 000601- |
0000/0 1620*** |
- |
(2): 00001620/0-*** |
25138/0 8 |
|
دوج کوین |
29/2 4512* |
00/0 5288** |
00/0 1727 |
01/0 5160*** |
01/0 4920*** |
0097/0 32-*** |
(1): 010057/0*** |
(2): 015406/0*** |
55405/0 3 |
توجه: *، **، ***به‌ترتیب نشان‌دهندۀ سطوح 10، 5 و 1 درصد معناداری آماری است.
جدول (9) نتایج رگرسیون الگوی غیرخطی ARDL و آزمون‌های نبودِ تقارن و هم‌انباشتی بین تغییرات بازدۀ رمزارزهای پیشران و قیمت نفت: شوک‌های تقاضا (DS) بعد از همه‌گیری
Table (9) Regression results of non-linear ARDL models and asymmetry and cointegration tests between dominant cryptocurrency returns and changes in oil prices: Demand Shocks (DS) in the COVID-19 subperiod
|
رمز ارزها |
Coint |
Eq+ |
Eq- |
WTLR+ |
WTLR- |
Sasym |
Lags+ |
Lags- |
R2 |
|
بیت کوین |
130472/0 |
000114/0- |
000089/0 30- |
000094/090- |
00007/0 450- |
- |
- |
- |
653/0 215 |
|
اتریم |
845652/0 |
00006710/0 |
00003710/0 |
00005550/0 |
000030/0 70 |
- |
- |
- |
6745/0 07 |
|
بایننس کوین |
833869/0 |
000141/0 |
000102/0 |
00009930/0 |
0000714/0 0 |
- |
- |
- |
63666/0 3 |
|
تتر |
568516/6*** |
00000039/0- |
00000072/0- |
00000022/0- |
00000041/0- |
- |
- |
- |
30989/0 5 |
|
کاردانو |
010590/2 |
000393/0- |
000354/0- |
000361/0- |
000325/0- |
- |
- |
- |
649360/0 |
|
ایکس آر پی |
773524/0 |
000240/0- |
000244/0- |
000259/0- |
000263/0- |
- |
- |
- |
549329/0 |
|
یو اس دی کوین |
992696/6** |
00000030/0- |
00000006/0- |
00000017/0- |
00000003/0- |
- |
- |
- |
251388/0 |
|
دوج کوین |
730125/0 |
000310/0- |
001095/0 |
001690/0 |
001535/0 |
000/0 310- |
- |
- |
554053/0 |
توجه: **، ***به‌ترتیب نشان‌دهندۀ سطوح 10، 5 و 1 درصد معناداری آماری است.
جدول (10) نتایج رگرسیون الگوی غیرخطی ARDL و آزمون‌های نبودِ تقارن و هم‌انباشتی بین تغییرات بازدۀ رمزارزهای پیشران و قیمت نفت: شوک‌های عرضه (SS) بعد از همه‌گیری
Table (10) Regression results of non-linear ARDL models and asymmetry and cointegration tests between dominant cryptocurrency returns and changes in oil prices: Supply Shocks (SS) in the COVID-19 subperiod
|
رمزارزها |
Coint |
Eq+ |
Eq- |
WTLR+ |
WTLR- |
Sasym |
Lags+ |
Lags- |
R2 |
|
|
بیت کوین |
9167/103*** |
002104/0*** |
002333/0*** |
001754/0*** |
001736/0*** |
002333/0*** |
- |
(3): 000497/0** |
6532/0 15 |
|
|
اتریم |
17915/90*** |
002759/0*** |
002957/0*** |
001936/0*** |
002002/0*** |
000774/0*** |
(1): 000616/0 - |
(4): 001084/0-*** |
6745/0 07 |
|
|
بایننس کوین |
97078/58*** |
002270/0*** |
003048/0*** |
001876/0*** |
001858/0 |
001161/0-*** |
(۴): 001281/0*** |
(2) 001161/0*** |
6366/063 |
|
|
تتر |
712204/8*** |
000003/0 49-* |
000005/066-*** |
000003/0 58-*** |
000003/0 24-*** |
000007/0 23-*** |
(5): 000007/0 23*** |
- |
3098/0 95 |
|
|
کاردانو |
88619/75*** |
003270/0*** |
002649/0*** |
002300/0*** |
002393/0*** |
002649/0*** |
(1): 000763/0- |
(2): 000899/0** |
6493/0 60 |
|
|
ایکس آر پی |
11833/83*** |
004130/0*** |
003358/0*** |
003616/0*** |
003611/0*** |
004130/0*** |
(۱): 000767/0-** |
- |
5493/0 29 |
|
|
یو اس دی کوین |
736631/8*** |
000003/0 78-** |
000001/0 16 |
000000/0 98 |
000000/0 65 |
000003/0 65** |
(1): 000009/0 08*** |
- |
2513/0 88 |
|
|
داج کوین |
25227/23*** |
004102/0*** |
002710/0*** |
001355/0 |
001568/0 |
002710/0 |
(1): 001641/0-* |
(5): 001086/0-** |
5540/0 53 |
|
توجه. *، **، *** به‌ترتیب نشان‌دهندۀ سطوح 10، 5 و 1 درصد معناداری آماری است.
ستون سوم و چهارم جداول 8 تا 10 نشان‌دهندۀ هم انباشتگی به یک اندازه است. علاوه بر این، میزان ضرایب همانند دوره‌های قبلی پایین هستند. کشش‌های بلندمدت برای مجموع هم‌جمعی تغییرات مثبت و منفی در بازدۀ قیمتی نفت برای رمزارز تتر نسبت به شوک‌های ریسک و تقاضا و همه‌ی رمزارزها نسبت به شوک‌های عرضه ازنظر آماری معنادار هستند.
در ستون پنجم و ششم جداول 8 تا 10 نتایج آزمون والد ارائه شده که فرضیۀ صفر تقارن بلندمدت برای هیچ یک از بازده‌های رمزارز به دلیل شوک‌های تقاضا رد نشده است؛ اما توسط بیت کوین، یو اس‌دی کوین و داج کوین به دلیل شوک‌های ریسک و همچنین به غیر از یو اس دی کوین و داج کوین برای همۀ رمزارزها به دلیل شوک‌های عرضه رد شده است؛ بنابراین با توجه به آزمون والد تأثیر بلندمدت نامتقارن احتمالی در شوک‌های ریسک بر بیت کوین، یو اس دی کوین و داج کوین در شوک‌های عرضه برای همۀ رمزارزها به غیر از یو اس دی کوین و داج کوین در طول دورۀ بعد از همه‌گیری وجود دارد.
ستون هفتم جداول 8 تا 10 نشان‌دهندۀ آن است که فرضیۀ صفر تقارن کوتاه‌مدت با تمامی رمزارزها برای شوک‌های ریسک و عرضه رد شده است. از سوی دیگر، اطلاعاتی دربارۀ تقارن کوتاه‌مدت برای شوک‌های تقاضا در دورۀ بعد از همه‌گیری وجود ندارد؛ بنابراین شواهدی از وجود رابطۀ بازدۀ نامتقارن کوتاه‌مدت برای همۀ رمزارزها به دلیل تغییرات شوک‌های ریسک و عرضه هست.
اثر مجموع تجمعی در ستون‌های هشتم و نهم جداول 8 تا 10 نشان‌دهندۀ آن است که تغییرات مثبت و منفی در شوک‌های ریسک و عرضه در وقفه‌های یک تا هفت تأثیر ماندگاری زیادی بر بیشتر بازده‌های رمزارزها دارد. به این ترتیب، تأثیر کاهش قیمت نفت اندکی کمتر از افزایش قیمت آن بر بازدۀ بیشتر رمزارزهاست.
تغییرات مثبت در شوک‌های ریسک جدول 8 تأثیر منفی بر رمزارزهای بیت کوین، اتریم و تتر و همچنین تأثیری مثبت بر رمزارزهای بیت کوین، اتریم، بایننس کوین، کاردانو، تتر و دوج کوین دارد؛ اما تغییرات منفی در شوک‌های ریسک تأثیر منفی بر رمزارزهای بیت کوین، اتریم، بایننس کوین، کاردانو و یو اس دی کوین دارد. ضمن اینکه تأثیری مثبت بر رمزارزهای تتر، دوج کوین و ایکس آرپی می‌گذارد. علاوه بر این، تغییرات مثبت در شوک‌های عرضۀ جدول 10 تأثیر مثبت بر رمزارزهای اتریم، بایننس کوین، تتر و یو اس دی کوین دارد و در عین حال، تأثیری منفی بر رمزارزهای کاردانو، ایکس آر پی و دوج کوین دارد. بهعلاوه، تغییرات منفی در شوک‌های عرضه تأثیری منفی بر رمزارزهای اتریم و دوج کوین دارد. همین تغییرات تأثیری مثبت بر رمزارزهای بیت کوین، کاردانو و بایننس کوین دارد؛ همان‌طور که مشاهده می‌شود، در این دوره همه‌گیری و بحران اقتصادی قدرت توضیحی الگو تا حدودی پایین‌تر از الگوی دوره‌های دیگر است.
نتیجه‌گیری
پژوهش حاضر تأثیر همه‌گیری کووید-19 را بر وابستگی‌های بلندمدت و کوتاه‌مدت بین تغییرات قیمت نفت (تقسیم‌شده به سه جزء: شوک‌های ریسک، عرضه و تقاضا) و بازار رمزارزها از طریق رویکرد NARDL بررسی کرد. به‌طور خاص، بازار رمزارزها در این تلاش شامل هشت رمزارز با بیشترین حجم سرمایۀ بازار است. برای بررسی استحکام نتایج تجزیهوتحلیلشده، داده‌ها به دو دورۀ مختلف تقسیم شده است: دورۀ فرعی قبل و بعد از همه‌گیری که بر موج اول همه‌گیری تمرکز دارد.
نتایج پژوهش نشان‌دهندۀ آن است که ارتباط قوی بین شوک‌های قیمت نفت و بازدۀ رمزارزها در دوره‌های بحرانی مثل همه‌گیری کرونا وجود دارد. نتایج مبین این است که ابتدا رابطه‌ای بلندمدت مثبت و همگرا بین بازدۀ رمزارزها و تغییرات قیمت نفت (به‌خصوص در اجزای شوک‌های عرضه و ریسک) در دورۀ فرعی بحران ناشی از همه‌گیری کووید 19 مشاهده می‌شود؛ با این‌حال، برای دورۀ کامل و فرعی قبل از همه‌گیری، هم انباشتگی تنها برای چند رمزارز مشاهده می‌شود. دوم، معادله‌های هم انباشتگی نشان از آن دارد که بازدۀ رمزارزها به‌‌استثنای بسیار کمی تمایل دارند، به تغییرات مثبت و منفی نفت خام پاسخ یکسانی بدهند. علاوه بر این، کشش‌های بلندمدت برای مجموع تجمعی تغییرات مثبت و منفی در شوک‌های عرضه ازنظر آماری برای همۀ رمزارزها در دورۀ کامل و فرعی بعد از همه‌گیری نشان‌دهندۀ میزان چشمگیری است. سوم، شواهدی مبنی بر تأثیر نامتقارن طولانی‌مدت شوک‌های مختلف قیمتی نفت بر بازدۀ رمزارزهای تحلیل‌شده برای سه دورۀ در نظر گرفته‌شده وجود دارد؛ با این‌حال، نتایج یک رابطۀ نامتقارن بلندمدت احتمالی را بین شوک‌های سمت تقاضا و رمزارزها تا حدودی شناسایی نکرده است. ضمن اینکه نشانۀ چشمگیری از رابطۀ نامتقارن کوتاه‌مدت بین شوک‌های قیمتی نفت و همۀ بازدۀ رمزارزها در همۀ دوره‌ها وجود دارد؛ اما این رابطه به‌مراتب در کل دوره قابل‌شناسایی نیست. پس بازدۀ این رمزارزها نسبت به شوک‌های تقاضا چندان حساس نیست؛ اما در کوتاه‌مدت وضعیت نوسانی می‌شود. چهارم، اثر مجموع تجمعی تغییرات قیمت نفت با وقفه‌های یک تا هفت بر بازدۀ رمزارزها به‌خصوص برای شوک‌های سمت عرضه در همۀ دوره‌ها و به‌ویژه برای دورۀ فرعی بعد از همه‌گیری ازنظر آماری معنادار بوده است؛ بنابراین تغییرات عرضۀ نفت بازار رمزارزها را به‌خصوص در دوران‌های بحران اقتصادی دگرگون می‌کند؛ اما نباید این را فراموش کرد که در چنین مواقعی تصمیم‌گیری برای همۀ فعالان اقتصادی با نااطمینانی همراه و گاهی نادرست است؛ بنابراین دست‌کاری‌نکردن در بازارها و رفتار عقلایی بهترین انتخاب ممکن است.
با توجه به نتایج فوق، جنبه‌های مختلف تأثیر تغییرات قیمت نفت خام بر بازدۀ رمزارزها به‌وضوح دیده می‌شود؛ بنابراین این نتایج نشان‌دهندۀ تأثیر متفاوت تغییرات قیمت نفت بر روی بازدۀ رمزارزهای موجود در مطالعه بسته به وضعیت نوعی بازار خواهد بود. این یافته‌ها با برخی از یافته‌های قبلی مطابقت ندارد و نیاز به تحلیل عمیق‌تری دربارۀ علل آنها وجود دارد. برای این منظور در محدودۀ خاص از مقادیر R2، عرضۀ مؤلفه‌ای است که نشان‌دهندۀ بیشترین توضیح‌دهندگی در همۀ دوره‌هاست و همین‌طور به‌ویژه در دورۀ فرعی قبل از همه‌گیری این میزان توضیح‌دهندگی برای همۀ مؤلفه‌ها بیشتر است؛ بنابراین نتیجه گرفته می‌شود که نتایج ارائه‌‌شده با روش NARDL انتخابشده برای پژوهش حاضر به‌طور کامل مناسب است؛ اما نظری مخالف در برابر مطالعات قبلی دربارۀ احتمال اینکه الگوی وابستگی متقابل بین متغیرهای مالی براساس شرایط اقتصادی بازار، مانند وضعیت استثنایی ناشی از همه‌گیری اصلاح می‌شود.
علاوه بر این، اتریم به چند دلیل مستحق توجه ویژه است. اول، رمزارزی است که بیشترین ارتباط را با سه مؤلفۀ بازدۀ قیمت نفت دارد؛ بنابراین برای استفاده از آن در استراتژی‌های متنوع مالی کمی باید احتیاط کرد. دوم، نسبت به دیگر رمزارزها متفاوت‌تر رفتار می‌کند؛ به‌خصوص در شوک‌های عرضه در کل دوره و دورۀ فرعی قبل از همه‌گیری مشهودتر است. سوم، R2 نشان‌دهندۀ مقادیر زیادی در همۀ دوره‌ها برای هر سه مؤلفۀ قیمتی نفت به‌ویژه در دورۀ فرعی قبل از همه‌گیری است. البته شایان ذکر است، نتایج پژوهش حاضر با مطالعات جارنو و همکاران (2021)، کوتا و کولا (2021) و اوزتورک و جادوار (2021) سازگار است.
نتایج پژوهش حاضر برای سرمایه‌گذاران و سیاست‌گذاران اهمیت زیادی دارد. از طرفی، همان‌طور که پیش‌تر ذکر شد، سطح زیاد ارتباط بین اتریم و شوک‌های نفت در مقایسه با سایر رمزارزها و بحران همه‌گیری برای سرمایه‌گذاران و مدیران پرتفوی نمایان است. از سوی دیگر، در شرایط رو به رشد محبوبیت رمزارزها در بسیاری از کشورها، دولت‌ها و سیاست‌گذاران باید از تأثیر چشمگیر احتمالی نفت خام (به‌خصوص شوک‌های سمت عرضه و شوک‌های ریسک) بر ثبات بازار رمزارزها آگاه باشند. علاوه بر این، باید در نظر گرفت که سرچشمۀ تغییرات قیمت نفت خام ممکن است در بلندمدت تغییر یابند؛ بنابراین در حالی که ماه‌های اولیه پس از شیوع بحران کرونا بزرگ‌ترین افت تقاضای ثبت‌‌شده اتفاق افتاد، پیش‌بینی‌های اخیر از انرژی جهانی نشان‌دهندۀ آن است که حداقل تا پایان سال 2021 تقاضای جهانی نفت دیگر مثل قبل پایین‌تر نخواهد بود؛ بنابراین شوک‌های سمت عرضه ممکن است ماهیت طولانی‌مدت داشته باشد یا در مواقع بحرانی ماهیت خود را به‌طور موقت از دست بدهند.
درنهایت، برخی از نتایج این پژوهش مستلزم چالش جدید انجام پژوهش‌های آینده و تحلیل عمیق از نقش‌هایی است که رمزارزها به‌عنوان یک متنوع‌کننده، پوشش‌دهنده یا پناهگاه امن در برابر سایر دارایی‌های سنتی، اغلب در دوره‌های نابسامانی اقتصادی، با هدف کمک به ادبیات مالی موجود هستند. از سوی دیگر، افزایش بی‌سابقۀ قیمت رمزارزها، به‌ویژه ارزهای نوظهور فراتر از موج اول همه‌گیری و بهعلاوه، پژوهش جالبی مبنی بر ارتباط بین بازار رمزارزها و سایر امور مالی بازارها به دلیل نقش مهم رفتار گله‌ای مالی و تأثیر آن بر سرمایه‌گذاران ادبیات مطالعه را بسط می‌دهد؛ همان‌طور که مشخص است، شواهد نامحسوس رفتار گله‌ای و تصمیمات سرمایه‌گذاری در برخی از رمزارزها نه‌تنها به دلیل ویژگی‌های ذاتی رمزارزها، به دلیل جذابیت قیمتی آن تأیید و جای پرسش صحیح برای پرسشگران این کنجکاوی خواهد بود.
[1]. Bitcoin
[2]. Nakamoto
[3]. West Texas Intermediate
[4]. International Monetary Fund
[5]. Rogojanu & Badea
[6]. Popper
[7]. Krugman
[8]. Palombizio & Morris
[9]. Lee
[10]. Ozturk & Cavadar
[11]. برای درک بهتر به مقالۀ ردی (2018) مراجعه کنید.
[12]. Shin et al
[13]. Pesaran & Shin
[14]. Pesaran et al
[15]. OLS
[16]. SUR
[17]. QR
[18]. AD, PP, KPSS
[19]. The error correction model
[20]. Binance Coin
[21]. Cardano
[22]. XRP
[23]. USD Coin
[24]. Dogecoin
[25]. https://www.investing.com/
[26]. http://oilprice.com/
[27]. Risk shock
[28]. Demand shock
[29]. Supply shock
[30]. Augmented Dickey Fuller
[31]. Philips Perron
[32]. Kwiatkowski-Phillips-Schmidt-Shin
)