Influence of Investors' Sentiment on Bitcoin Returns

Document Type : Research Paper

Authors

1 Associate Professor, Department of Economy, Faculty of Economics & Administrative Science, University of Mazandaran, Babolsar, Iran.

2 Assistant Professor, Department of Economy, Faculty of Economics & Administrative Science, University of Mazandaran, Babolsar, Iran.

3 M. A. Graduated of Economy, Faculty of Economics & Administrative Science, University of Mazandaran, Babolsar, Iran.

Abstract

While cryptocurrency trading is often based on various analyses and strategies, studies show that a significant portion of traders make decisions driven by emotions. This study evaluated the impact of investor sentiment on Bitcoin returns from 2019 to 2020 using daily time-series data. We employed Vector Auto-Regression (VAR), Impulse Response Functions (IRF), Variance Decomposition (VD), and Cointegration tests to analyze the relationship between sentiment indices, including the Fear and Greed index, Google Search index, Investor Happiness index, Bitcoin Trading Volume index, and American Association of Individual Investors (AAII) index, and the Euro-Dollar price, gold price, and S&P 500 index with Bitcoin returns. The findings indicated a negative relationship between the Fear and Greed index, Euro-Dollar price, gold price, Google Search index, and S&P 500 with Bitcoin returns. Conversely, there was a positive relationship between the AAII index, Investor Happiness index, and Bitcoin Trading Volume index with Bitcoin returns.
Keywords: Investor Sentiment, Cryptocurrency, Bitcoin, Vector Auto-Regression (VAR) Model
 
Introduction
In recent years, cryptocurrencies have attracted widespread interest as an investment asset. While cryptocurrency trading often involves various analyses and strategies, studies have shown that a significant portion of traders make decisions based on emotions (Guler, 2021; Eom et al., 2018). Bitcoin sentiment analysis tools can be powerful in identifying market trends if used effectively. This study examined the role of investor sentiment in the cryptocurrency market, specifically evaluating the impact of sentiment on Bitcoin returns from 2019 to 2020. We utilized a wide range of sentiment indicators, including the Fear and Greed index, Google Search index, Investor Happiness index, Bitcoin Trading Volume index, and American Association of Individual Investors (AAII) index. Analyzing the relationship between these sentiment measures and Bitcoin returns can provide insights into the various dimensions of investor sentiment in the cryptocurrency market.
 
Materials & Methods
This study evaluated the impact of investor sentiment on Bitcoin returns from 2019 to 2020 using daily time-series data. We employed Vector Auto-Regression (VAR), Impulse Response Functions (IRF), Variance Decomposition (VD), and cointegration tests to examine the short-term and long-term relationships among the variables. The model for analyzing the impact of investor sentiment indices and other independent variables on Bitcoin returns was specified as:
      (1)
 
where ​ represents Bitcoin returns, which are obtained through Eq. 2:
                                                                                              (2)
where Pt ​ is the price on day t and Pt-1 ​ is the price on the previous day. Forex represents the Euro-Dollar price in the Forex market, Gold is the price of an ounce of gold, and SP500 is the United States stock market index (S&P 500). The investor sentiment indices used in the model include FG (Fear and Greed index), Happy (Investor Happiness index), Vol (Bitcoin Trading Volume index), AAII (American Association of Individual Investors index), and Google (Google Search index). The Google Search index is derived from the data on the number of searches for the term "Bitcoin price" on Google Trends.
This model allowed us to evaluate the relationship between the investor sentiment indices and Bitcoin returns based on the existing theories and prior research in this field.
 
Research Findings
The results indicated several significant long-term relationships: The American Association of Individual Investors (AAII) index had a positive long-term relationship with Bitcoin returns. According to the impulse response functions, increases in the AAII index led to higher Bitcoin returns. The Fear and Greed index had a negative long-term relationship with Bitcoin returns. Increases in this index resulted in lower Bitcoin returns. The Euro-Dollar exchange rate had a negative long-term relationship with Bitcoin returns. Higher Euro-Dollar prices led to decreased Bitcoin returns. The gold price had a negative long-term relationship with Bitcoin returns. Increases in gold prices corresponded with lower Bitcoin returns. The Google Search index had a negative long-term relationship with Bitcoin returns. Higher search volumes for "Bitcoin price" were associated with decreased Bitcoin returns. The Investor Happiness index had a positive long-term relationship with Bitcoin returns. Increases in this index led to higher Bitcoin returns. The S&P 500 index had a negative long-term relationship with Bitcoin returns. Higher S&P 500 levels corresponded with lower Bitcoin returns. The Bitcoin Trading Volume index had a positive long-term relationship with Bitcoin returns. Increased trading volume was associated with higher Bitcoin returns. These findings provided insights into the multi-dimensional relationships between investor sentiment, macroeconomic factors, and Bitcoin returns over the long term.
 
Discussion & Conclusion
The findings of this study revealed several important insights about the relationship between investor sentiment and Bitcoin returns: 1) The Fear and Greed index, Euro-Dollar exchange rate, gold prices, Google search volume for "Bitcoin price", and S&P 500 index all had negative long-term relationships with Bitcoin returns. Increases in these variables corresponded with decreases in Bitcoin returns. 2) The American Association of Individual Investors (AAII) index, Investor Happiness index, and Bitcoin Trading Volume index had positive long-term relationships with Bitcoin returns. Increases in these sentiment indicators were associated with higher Bitcoin returns. These results demonstrated the significant influence of investor sentiment on the cryptocurrency market. Emotions and perceptions appeared to play a crucial role in driving Bitcoin returns over the long term. Investors reflected their sentiment in their trading decisions, which in turn impacted price dynamics in the Bitcoin market. This underscored the importance of understanding how various sentiment indicators affected financial markets, including cryptocurrencies. Investor sentiment analysis can provide valuable insights that inform investment decision-making. By monitoring sentiment metrics, investors can make more informed decisions and adjust their portfolios accordingly as sentiment shifts. In conclusion, this study highlighted the multifaceted relationship between investor sentiment and Bitcoin returns. The findings emphasized the need for investors to closely track sentiment indicators when participating in the cryptocurrency market. Further research in this area can yield additional insights into the behavioral aspects of cryptocurrency investment.

Keywords

Main Subjects


مقدمه

طی سال‌های اخیر با روی کار آمدن رمزارزها[1] مشاهده می‌شود که این نوع سرمایه‌گذاری توجه افراد زیادی را در سراسر دنیا به خود جلب کرده است. پول‌های رمزنگاری‌شده و پول مجازی نمونه‌ای از پول‌های دیجیتال است. پول رمزنگاری‌شده نوعی پول غیرمتمرکز دیجیتالی به حساب می‌آید که برای استفاده در مبادلات طراحی شد (Baek & Elbeck, 2015). رمزارز، دارای ‌جایگزین روبه‌رشدی است که باتوجه‌به خصوصیاتی نظیر طبیعت امن، سازگاربودن با محیط‌زیست، استقبال جهانی و استفاده از آن به‌عنوان منبع قابل اعتماد توجه سرمایه‌گذاران نهادی و فردی را به خود  جلب کرده است. با پیدایش رمزارزها و گسترش روزافزون آنها، پژوهشگران و سرمایه‌گذاران به این نکته توجه کردند که ممکن است بتوان با بررسی فرصت‌های سرمایه‌گذاری در رمزارزها، به سوی متنوع‌کردن سبد سرمایه‌گذاری گام برداشت. نخستین رمزارز غیرمتمرکز ایجادشده «بیت‌کوین« بود که در سال 2008 در بستری به نام بلاکچین ثبت شد و تاکنون بیشترین حجم مبادلات در بازار ارزها را به خود اختصاص داده است. در سال‌های اخیر، بیت‌کوین توجه بسیاری از رسانه‌ها و سرمایه‌گذاران را به خود جلب کرده است. این افزایش توجه را می‌توان به ویژگی‌های نوآورانه، سادگی، شفافیت و محبوبیت فزایندۀ آن نسبت داد. با گذشت زمان و با محبوبیت بیت‌کوین به عنوان اولین رمزارز اختراع‌شده در بستر بلاکچین و مقبولیتی که میان افراد مختلف پیدا کرد، سرمایه‌گذاران مختلفی برای سرمایه‌گذاری وارد این حوزه شدند.

درست است که معامله در بازار رمزارزها براساس تحلیل و راهبردهای مختلف است، اما پژوهش‌هایی نظیر گلر (Guler, 2021) و اوم و همکاران  (Eom et al., 2019)نشان داده‌اند که بخش عمده‌ای از معامله‌گران براساس احساسات تصمیم می‌گیرند. تجزیه‌وتحلیل احساسات بازار ارز دیجیتال همانند سایر بازارهای مالی بخش اساسی بسیاری از راهبرد‌های معاملاتی است. بازار ارزهای دیجیتال پر از احساس حرص، ترس و نگرانی است. این احساسات نتیجۀ تفکرات افرادی است که در بازار حضور دارند و به بازارهای مالی جهت می‌دهند. ابزار‌های تحلیل احساسات بیت‌کوین قدرت زیادی دارند و اگر از آنها به درستی استفاده شود، می‌توانند به سرمایه‌گذاران و معامله‌گران کمک کنند تا روند صعودی یا نزولی بازار را تشخیص دهند. باتوجه‌به مطالب فوق، در پژوهش حاضر سعی بر این است که ادبیات مربوط به نقش احساسات سرمایه‌گذاران در بازار رمزارزها بررسی شود و با در نظر گرفتن داده‌ها طی دورۀ زمانی 2019 تا 2020 تأثیر احساسات سرمایه‌گذاران بر بازار رمزارز بیت‌کوین با استفاده از الگوی خودرگرسیون برداری (VAR) و توابع واکنش آنی (IRF) و تجزیه واریانس (VD) و آزمون هم‌انباشتگی ارزیابی شود. در جست‌وجوهایی که انجام‌شده به نظر می‌رسد تاکنون هیچ مطالعۀ داخلی در زمینۀ موضوع پژوهش حاضر، یعنی بررسی احساسات در بازار رمزارزها انجام‌ نشده است. لازم به ذکر است که در مقایسه با مطالعات خارجی انجام‌شده در این زمینه، در مطالعۀ حاضر از مجموعۀ وسیعی از شاخص‌های احساسات شامل شاخص ترس و طمع[2] سرمایه‌گذاران، شاخص جست‌وجوی گوگل[3]، شاخص شادی سرمایه‌گذاران[4]، شاخص حجم معاملات بیت‌کوین و شاخص انجمن آمریکایی سرمایه‌گذاران فردی[5] استفاده شده است که بررسی تأثیر این مجموعه از شاخص‌ها بر بیت‌کوین می‌تواند ابعاد مختلف احساسات سرمایه‌گذاران را ارزیابی کند.

این مطالعه به‌صورت زیر سازماندهی می‌شود: ابتدا مروری بر مبانی نظری و ادبیات پژوهش انجام می‌شود؛ در ادامه مدل و متغیرهای پژوهش معرفی و در بخش بعدی نتایج برآورد مدل ارائه می‌شود. در پایان نیز براساس نتایج به‌دست‌آمده پیشنهاداتی ارائه شده است.

مبانی نظری

پژوهش گذشته در رابطه با قیمت‌گذاری دارایی‌ها بر عوامل اساسی بنگاه و عوامل اقتصادی تمرکز داشتند و تغییر قیمت دارایی‌ها را ناشی از تغییر این عوامل می‌دانستند. الگوهای سنتی قیمت‌گذاری از معادلۀ استاندارد قیمت‌گذاری استفاده می‌کنند که از حداکثرسازی سود مورد انتظار مشتق می‌شوند و بر پایۀ ریسک هستند. در این الگوها سرمایه‌گذاران با استفاده از اطلاعاتی که شرکت منتشر می‌کند و پیش‌بینی‌های منطقی خود از این اطلاعات تصمیم‌های عقلایی می‌گیرند و گرایش‌های احساسی هیچ نقشی در تصمیم‌گیری‌ها ندارند. این الگوها در اقتصاد مالی منجر به نادیده‌گرفتن بعـد رفتاری سرمایه‌گذاران و برخی ویژگی‌های ذاتی انسان ازجمله شوق به بی‌نهایت، طمع و منفعت‌طلبی می‌شود؛ اما به‌تازگی برخی از پژوهشگران برای توضیح رفتار‌های قیمت دارایی، به روان‌شناسی سرمایه‌گذار روی آورده‌اند و عقیده دارند که تغییر در نگرش‌ها و احساسات سرمایه‌گذاران ممکن است حرکات قیمت دارایی را بهتر از سایر مجموعه‌های اساسی توضیح دهد؛ بنابراین، می‌توان گفت که احساسات سرمایه‌گذاران می‌تواند مؤلفۀ مهمی از فرایند قیمت‌گذاری بازار باشد. احساسات بازار نشان‌دهندۀ نگرش سرمایه‌گذاران به قیمت‌های پیش‌بینی‌شده در بازار است و از‌آنجایی‌که سرمایه‌گذاران، احساسات خود را در بازارهای مالی منعکس می‌کنند، انتظار می‌رود که این احساسات بتواند عامل اثرگذاری در بازارهای مالی نظیر بازار رمزارزها شود و در برخی موارد، حرکات قیمت دارایی‌ها را بهتر از هر عامل بنیادی دیگری توضیح دهد. در واقعیت مشاهده می‌شود احساسات بازار تابعی از فضای رونق یا رکود بازار است. هنگامی که بازار در حالت رونق است، سرمایه‌گذاران تمایل دارند سهام را حتی به قیمت بیشتر از ارزش واقعی خریداری کنند؛ در این صورت سرمایه‌گذاران گرایش به پذیرش ریسک بیشتری دارند که این ناشی از اعتماد به بازار و شرایط اقتصادی است. همچنین انتظار آنها از بازار، ادامۀ روند است و پیش‌بینی می‌کنند که قیمت‌ها باز هم افزایش می‌یابد (Kim et al., 2016).

تحلیل احساسات بازار فرایندی است که طی آن تمامی احساسات مثبت، منفی و خنثی موجود را مشخص و با بررسی این احساسات، آینده را پیش‌بینی می‌کنند. اگر احساسات بیشتر مردم دربارۀ وضعیت فعلی بازار ارز دیجیتال مثبت باشد، می‌توان منتظر افزایش قیمت‌ ارز مورد نظر بود و در مقابل، درصورتی‌که احساسات بیشتر معامله‌گران دربارۀ بازار ارز دیجیتال منفی باشد، ممکن است شاهد سقوط قیمت‌ها باشیم. خبرهای منتشرشده در رسانه‌ها و شبکه‌های اجتماعی تأثیر زیادی بر احساسات بازار دارند؛ برای مثال انتشار اخبار خوب دربارۀ بیت‌کوین می‌تواند به رشد قیمت این رمزارز کمک کند و در مقابل انتشار اخبار منفی نیز می‌تواند باعث کاهش قیمت آن شود. لازم به ذکر است که این موضوع برای تمام ارزهای دیجیتال صدق می‌کند. برخی از مهم‌ترین شاخص‌های احساسات سرمایه‌گذار عبارت‌اند از:

یکی از شاخص‌های احساسات سرمایه‌گذار، حجم معاملات بیت‌کوین است. حجم معاملات بیت‌کوین میزان تمام خرید و فروش‌های انجام‌شده روی صرافی‌های مطرح بیت‌کوین است. باتوجه‌به اینکه حجم معاملات بیت‌کوین نشان‌دهندۀ قدرت حرکت در بازار است، بیشتر به‌عنوان یکی از مهم‌ترین معیارها برای یک معامله گر ارز دیجیتال محسوب می‌شود؛ زیرا در بازاری سوداگرانه مانند بازار بیت‌کوین، درک پارادایم حجم برای روشن‌کردن پیامدهای بالقوه برای راهبرد‌های معاملاتی ضروری است. اوگر و تاس (Uygur & Tas, 2012) از تغییرات حجم معاملات بیت‌کوین برای مطالعۀ تأثیر احساسات سرمایه‌گذار بر بازار استفاده کرده‌اند. بیکر و استین (Baker & Stein, 2004) استدلال می‌کنند که وقتی بازار به طور غیرعادی نقد شود، قیمت در سلطۀ سرمایه‌گذاران غیرمنطقی است. نقدینگی بازار را می‌توان با حجم معاملات اندازه‌گیری کرد.

یکی از مفیدترین شاخص‌هایی که سرمایه‌گذاران هنگام خرید رمزارز به آن توجه می‌کنند، شاخص ترس و طمع ارزهای دیجیتال است. شاخص ترس و طمع در بازار رمزارزها روشی برای سنجش این موضوع است که سرمایه‌گذاران ارز دیجیتال در بازارهای بیش‌ازحد صعودی یا نزولی چقدر احساس طمع یا ترس دارند. ترس به نگرانی دربارۀ از دست دادن سرمایه در بازار نزولی اشاره دارد و منظور از طمع، حس طمع برای سود بیشتر در بازارهای صعودی است. این شاخص را  سایت سی ان ان[6] به‌ وجود آورد تا دو احساس اصلی را بررسی کند؛ احساساتی که بازار را هدایت می‌کند و در خرید و فروش ارز دیجیتال تأثیرگذار است. به‌طور کلی، شاخص ترس و طمع می‌تواند این احساسات را در قالب عددی در بازۀ ۰ تا ۱۰۰ نمایش دهد. عدد صفر به ‌معنای ترس شدید در بازار و عدد ۱۰۰ به معنای طمع شدید در آن است. شاخص ترس و طمع رمزارزها بر این منطق استوار است که ترس شدید سرمایه‌گذاران موجب کاهش شدید قیمت رمزارز می‌شود و درمقابل، حرص و طمع آنها به افزایش ارزش رمزارز منجر می‌شود. طبق این شاخص، زمانی‌که بازار در ترس شدید باشد، بهترین زمان برای سرمایه‌گذاری در ارز دیجیتال است؛ زیرا سرمایه‌گذاران نگران از دست دادن سرمایۀ خود در اثر کاهش قیمت هستند. برای ارزیابی شاخص ترس و طمع در بازار رمزارزها چند عامل اصلی شامل نوسانات، قدرت بازار، شبکه‌های اجتماعی، تسلط، ترندها و نظرسنجی بررسی می‌شوند. بررسی نوسانات، ۲۵درصد از شاخص ترس و طمع ارز دیجیتال را تشکیل می‌دهد. این عامل قیمت بیت‌کوین را محاسبه و آن را با ارزش میانگین این رمزارز در ۳۰ تا ۹۰ روز مقایسه می‌کند. قدرت بازار، حجم معاملات فعلی بیت‌کوین را جمع‌‌آوری و آن را با میانگین ۳۰ و ۹۰ روزه مقایسه می‌کند. قدرت بازار، ۲۵درصد از شاخص ترس و طمع ارز دیجیتال را شامل می‌شود. شبکه‌های اجتماعی ۱۵درصد از شاخص را به خود اختصاص می‌دهند. این عامل شامل بررسی هشتگ‌های توییتر راجع به بیت‌کوین و بررسی سرعت و تعداد تعاملات می‌شود. تعاملات بیشتر از حد معمول در شبکه‌های اجتماعی به ‌معنای رفتار حریصانۀ بازار است. باتوجه‌به سهم بیت‌کوین از ظرفیت کل بازار ارزهای دیجیتال، تسلط آن ۱۰درصد از این شاخص را تشکیل می‌دهد. کاهش تسلط بیت‌کوین نشان می‌دهد که میزان طمع سرمایه‌گذاران برای خرید آلت کوین‌ها افزایش پیدا کرده است. ترندها براساس داده‌های Google Trend برای جست‌وجوهای مرتبط با بیت‌کوین بررسی می‌شوند و ۱۰درصد از این شاخص را تشکیل می‌دهند. ۱۵درصد مابقی، از نظرسنجی‌های هفتگی از کاربران به‌دست می‌آید که احساسات گروهی از سرمایه‌گذاران را بررسی می‌کند. شاخص ترس و طمع دائم در حال نوسان است و بین عدد ۰ تا ۱۰۰ تغییر می‌کند. اگر شاخص ترس و طمع به زیر 25 برسد، یعنی شاخص در حالت ترس شدید[7] قرار دارد. در این صورت معامله‌گران و سرمایه‌گذاران تمایل زیادی به فروش دارایی خود دارند تا از بازار خارج شوند و سرمایه‌شان نقد شود. اگر شاخص ترس و طمع درمحدودۀ 25 الی 45 برسد، نمایانگر حالت ترس برای افراد در بازار کریپتوکارنسی است. سرمایه‌گذاران در این صورت به‌شدت خواهان فروش خروج از بازار هستند. در این حالت قیمت‌ها بسیار کاهش یافته‌اند و بهتر است حمایت رمزارز را پیدا کنیم و منتظر خرید باشیم. اگر شاخص ترس و طمع در محدودۀ 45 الی 50 باشد، یعنی بازار در شرایط خنثی[8]  قرار دارد و اتفاق مهمی در بازار نیافتاده است. اگر شاخص ترس و طمع در محدودۀ 50 الی 70 باشد، بیانگر حالت طمع است. در این زمان معامله‌گران و سرمایه‌گذاران تمایل به خرید رمزارز دارند. اگر شاخص ترس و طمع بیشتر از 75 باشد، بیانگر حالت طمع شدید[9] است. در این حالت قیمت‌ها بسیار افزایش یافته‌اند و باید در خرید خود با احتیاط عمل کنیم و حتی منتظر ریزش بازار باشیم.

یکی دیگر از شاخص‌های احساسات بازار، شاخص هفتگی انجمن سرمایه‌گذاران انفرادی آمریکا (AAII) است. نظرسنجی احساسات سرمایه‌گذاران AAII براساس روحیۀ سرمایه‌گذاران فردی است که براساس چشم‌انداز کوتاه‌مدت سرمایه‌گذاران از قیمت‌ها است و برحسب درصد آورده می‌شود. در سال 1987، انجمن سرمایه‌گذاران انفرادی آمریکا شروع به نظرسنجی و رأی‌گیری از اعضا به‌صورت هفتگی دربارۀ بازار سهام کرد. پیش از فراگیرشدن اینترنت، اعضای این سازمان با رأی‌گیری تصادفی انتخاب می‌شدند و کارت‌های پستی برای آنها ارسال می‌شد و از سال 2000 تمامی اعضا باید به‌صورت اینترنتی رأی خود را ارائه دهند. عقیده بر این است که می‌توان از نتایج این رأی‌گیری به‌عنوان شاخص احساس سرمایه‌گذار استفاده کرد. چنانچه اعضا احساس فزاینده‌ای برای پیش‌خرید یا رهاکردن بازار داشته باشند، معامله‌گران می‌توانند به‌خوبی ازطریق اتخاذ روند مخالف با آن دادوستد کنند. نظرسنجی AAII بیشتر به اندازۀ کافی دقیق است و به طور کامل بدبینی‌ها و هراس‌های موجود دربارۀ کف بازار یا بی‌اعتمادی در اوج بازار را محاسبه می‌کند.

گوگل برترین موتور جست‌وجو در جهان است که میلیون‌ها جست‌وجو را در هر دقیقه پردازش می‌کند. چنانچه کلمۀ کلیدی یا عبارتی به یکی از پرتکرارترین جست‌وجوها تبدیل شود، می‌توان گفت آن عبارت یا کلمۀ کلیدی به موضوع اصلی تبدیل شده است. موتور جست‌وجوگر گوگل پرکاربردترین بستر برای جمع‌آوری اطلاعات در جهان شناخته شده است. گوگل ترندز که یکی از سرویس‌های موتور جست‌وجوگر گوگل است، محبوبیت جست‌وجوهای برتر را در دو سطح جهانی و منطقه‌ای بررسی و نسبت به بازه‌های زمانی متفاوت جست‌وجوهای مشخص را تحلیل می‌کند. گوگل ترندز آمار دقیق جست‌وجو را در اختیار کاربر قرار نمی‌دهد و فقط به میزان محبوبیت عبارت نمرۀ ۰ تا ۱۰۰ می‌دهد که هرچه بیشتر باشد به معنای گرایش بیشتر افراد به جست‌وجوی یک عبارت در یک زمان خاص است؛ به‌عبارت‌دیگر، مقدار ۱۰۰ بیشترترین امتیازی است که این سایت به جست‌وجوی یک عبارت در بالاترین حدش اختصاص می‌دهد. از زمان پیدایش ارزهای دیجیتال، گوگل اولین راه برای جست‌وجو دربارۀ توکن‌های جدید، بررسی روندهای بازار و یادگیری نحوۀ خرید ارزهای دیجیتال بوده است. ازآنجاکه آمارهای مربوط به جست‌وجوهای اینترنتی روشی عالی برای پیگیری رفتار کاربران است، گوگل ترندز[10] به منبعی قابل اعتماد برای درک آنی میزان علاقۀ کاربران تبدیل شده است. معامله‌گران با استفاده از این ابزار که میزان محبوبیت جست‌وجوها را در دوره‌های زمانی خاص بررسی می‌کند، الگوهای در حال ظهور را شناسایی می‌کنند.

یکی دیگر از شاخص‌هایی که به‌عنوان شاخص احساسات سرمایه‌گذاران در بازار ارزهای دیجیتالی اهمیت زیادی دارد، شاخص شادی سرمایه‌گذاران است که بر نوسان بازار اثر‌گذار است. شادی پیش‌بینی‌کننده‌ای قوی برای همۀ بازده‌های ارزهای دیجیتال است. یکی از مزیت‌های شاخص شادی سرمایه‌گذاران این است که ماهیت آن جهانی است و این امکان را فراهم می‌کند که احساسات سرمایه‌گذاران در سطح وسیع‌تری بررسی شود. پژوهشگرانی نظیر نعیم و همکاران (Naeem et al., 2021) و بوری و همکاران (Bouri et al., 2021) در مطالعۀ خوداز شاخص شادی به‌عنوان نمایندۀ احساسات سرمایه‌گذاران استفاده کردند و به ارتباط چشمگیر آن با بازار پی‌بردند. معامله‌گران ارزهای دیجیتال در تصمیم سرمایه‌گذاری خود بیشتر با شادی و خوش‌بینی هدایت می‌شوند تا بدبینی. این شاخص احساسات توانایی پیش‌بینی بازدۀ ارزهای دیجیتال را دارد و می‌تواند بر قیمت‌های آینده تأثیر بگذارد.

در این قسمت به منتخبی از مهم‌ترین مطالعات انجام‌شده در رابطه با موضوع پژوهش اشاره می شود.

جدول (1): مطالعات تجربی

Table (1) Experimental studies

نام پژوهشگر

(سال)

موضوع پژوهش و دورۀ زمانی  بررسی‌شده

روش و متغیرهای پژوهش

یافته‌های پژوهش

حیدرپورو همکاران (Heydarpour et al., 2012)

بررسی تأثیر گرایش‌های احساسی سرمایه‌گذاران بر بازدۀ سهام طی دورۀ زمانی 2001 تا 2009

روش رگرسیون چندمتغیره

رابطۀ مثبت و معنی‌دار بین گرایش احساسی سرمایه‌گذاران با بازدۀ دارایی‌ها وجود دارد.

بشیری‌منش (Bashirimanesh, 2016)

بررسی نقش احساسات در تصمیم‌گیری سرمایه‌گذاران در بازار سهام

روش مبانی نظریه روان‌شناسی

احساسات سرمایه‌گذاران هنگام تصمیم‌گیری دربارۀ خریدوفروش سهام، روی منطق تصمیم‌گیری آنها تأثیر چشم‌گیری دارد.

بوکووینا  و مارتیچک (Bukovina & Marticek, 2016)

بررسی تأثیر احساسات سرمایه‌گذاران بر نوسانات بیت‌کوین در سال2016

مدل (AR1) خودرگرسیون

تنها بخش کوچکی از نوسانات کل توسط شاخص احساسات تبیین می‌شود؛ بااین‌حال، در طول دوره‌های نوسان، تأثیر احساسات افزایش می‌یابد.

کاردان و همکاران (Kardan et al., 2017)

بررسی نقش تمایلات رفتاری (احساسات و هیجانات) سرمایه‌گذاران در ارزش‌گذاری شرکت‌ها

الگوی میانگین متحرک خودهمبسته یکپارچه (ARIMA) و رگرسیون خطی تعمیم‌یافته (EGLS)

احساسات و تمایلات رفتاری سرمایه‌گذاران بر قیمت‌گذاری دارایی‌های سرمایه‌ای تأثیرگذار است.

سبارکوس و همکاران (Cabarcos et al., 2019)

بررسی تأثیر احساسات سرمایه‌گذار بر نوسانات بازدۀ بیت‌کوین

مدل‌های (GARCH) و (EGARCH) و بازده (S&P 500) و بازده (VIX)

تمامی متغیرهای توضیحی مدل، بر نوسانات بیت‌کوین در دوره‌های باثبات تأثیرگذارند و بیت‌کوین برای سرمایه‌گذاران سفته‌باز جذاب می‌شود.

ایم و همکاران (Eom et al., 2019)

بررسی ویژگی‌های توزیعی و پویا و قابلیت پیش‌بینی بازده و نوسانات بیت‌کوین و رابطۀ بین بیت‌کوین و احساسات سرمایه‌گذاران طی دورۀ زمانی اکتبر ۲۰۱۱ تا مه ۲۰۱۷

مدل‌های GARCH , (GJR-GAR) و (RGARCH)

احساسات سرمایه‌گذاران ارزش اطلاعاتی درخور توجهی برای توضیح تغییرات در نوسانات بیت‌کوین را برای دوره‌های آینده دارد. بیت‌کوین بیشتر از آنکه دارایی پولی باشد، دارایی سرمایه‌ای با نوسانات بسیار است که وابستگی به احساسات سرمایه‌گذاران دارد.

نصیرو همکاران (Nasir et al.,  2019)

بررسی پیش‌بینی‌پذیری حجم و بازدۀ بیت‌کوین از سال ۲۰۱۳ تا ۲۰۱۷

شاخص حجم جست‌وجوی Google ، چارچوب خودرگرسیون برداری (VAR)

حجم بیشتر جست‌وجوی گوگل، تأثیر مثبتی بر بازدۀ بیت‌کوین و حجم معاملات دارد.

فیگا تالامانکا و پاتاکا (Figa-Talamanca & Patacca, 2019)

بررسی تأثیر احساسات سرمایه‌گذاران بر میانگین و واریانس بازدۀ ارزهای دیجیتال

مدل‌های میانگین متحرک اتورگرسیو EGARCH, (ARMA) و GARCH

حجم معاملات بر میانگین و نوسان بازدۀ ارز دیجیتال تأثیر دارد؛ درحالی‌که شاخص جست‌وجو عمدتاً بر نوسانات تأثیر دارد.

آن و کیم

(Ahn & Kim, 2020)

بررسی نقش احساسات در بازار ارزهای دیجیتال و تأثیر احساسات بر نوسانات قیمت بیت‌کوین

حجم معاملات بیت‌کوین و نوسانات بازده توسط فهرستی از احساسات

احساسات بر روند تغییرات بازده کل سرمایه‌گذاران تأثیر می‌گذارد؛ بنابراین، ممکن است با القای حرکات قیمتی به طور چشمگیری بر بازار مالی تأثیر بگذارد.

کوربت و همکاران (Corbet et al., 2020)

بررسی تأثیر اخبار اقتصاد کلان بر بازدۀ بیت‌کوین

تولید ناخالص داخلی، بیکاری، شاخص قیمت مصرف‌کننده (CPI) و کالاهای بادوام

افزایش اخبار مثبت پس از اعلام بیکاری و کالاهای بادوام منجر به کاهش بازدۀ بیت‌کوین می‌شود. برعکس، افزایش درصد اخبار منفی دربارۀ این اطلاعیه‌ها با افزایش بازدۀ بیت‌کوین مرتبط است.

بوری و همکاران (Bouri et al., 2021)

بررسی تأثیر سرریز نوسانات بیت‌کوین بر پانزده ارز دیجیتال اصلی با در نظر گرفتن تأثیر احساسات سرمایه‌گذار

روش همبستگی شرطی پویای گارچ (DCC-GARCH)

وقتی سرمایه‌گذاران به‌شدت ناراضی هستند، نوسانات بازار افزایش می‌یابد و ارتباط در بازارها مشاهده می‌شود؛ درحالی‌که وقتی سرمایه‌گذاران بسیار خوشحال هستند، ارتباط کل کم است. هنگامی که سرریز نوسانات در دارایی‌ها کم است، این دارایی‌ها می‌توانند به‌عنوان ابزار پوشش برای یکدیگر استفاده شوند. احساس شادی یا ترس تأثیرات متفاوتی بر بازار ارزهای دیجیتال دارد.

گلر (Guler, 2021)

بررسی تأثیر احساسات سرمایه‌گذاران بر بازدهی بیت‌کوین و نوسانات آن

مدل EGARCH و مدل VAR

احساسات سرمایه‌گذاران تأثیر مثبتی بر بازدۀ بیت‌کوین و نوسانات آن دارد. بازار بیت‌کوین نیز توسط احساسات هدایت‌شده و معامله‌گران بر فرایند تولید داده‌های بازدۀ بیت‌کوین تأثیر می‌گذارند.

ژو و همکاران

 )Zhu et al., 2021(

تأثیر احساسات سرمایه‌گذاران بر بازدهی بیت‌کوین

مدل VAR

هرچه شاخص جست‌وجوی گوگل بیشتر باشد، به این معنی است که توجه سرمایه‌گذاران به بیت‌کوین بیشتر است؛ بنابراین، می‌توان گفت جست‌وجوی بیشتر، عامل بزرگ‌تری برای تغییرات در بازار بیت‌کوین است.

نعیم و همکاران

(Naeem et al., 2021)

بررسی تأثیر احساسات سرمایه‌گذار بر روی بازدهی شش ارز دیجیتال

OLS و کوانتایل

شاخص احساس شادی به طور چشمگیری بازدۀ ارزهای دیجیتال منتخب را پیش‌بینی می‌کند؛ درحالی‌که پیش‌بینی‌پذیری شاخص FEARS ضعیف‌تر و کوتاه‌مدت است.

 

 

ژانگ و ژانگ (Zhang & Zhang, 2022)

بررسی واکنش بازارهای ارزهای دیجیتال به احساسات صادرکنندگان (شواهدی از توییتر)

lexical approach

قیمت ارزهای دیجیتال به احساسات توییتر واکنش مثبت نشان می‌دهد. حجم معاملات به‌موقع (در دوره‌ای 24ساعته) به ارزش مطلق احساسات توییتر واکنش مثبت نشان می‌دهد. تجزیه‌وتحلیل بیشتر در این مطالعه نشان داد که واکنش‌های بازار عمدتاً ناشی از تغییر تدریجی احساسات موجود در پست های توییتر است.

نیفر و التمیمی

(Naifar & Altamimi, 2023)

بررسی تأثیر نامتقارن احساسات سرمایه‌گذاران، اخبار رسانه ای و کووید-19 بر بازده بیت کوین

چارچوب نامتقارن

رگرسیون کوانتایل

اثرات اخبار مرتبط با COVID-19 بر بازده بیت کوین ناهمگن است، عمدتاً منفی بوده و در سراسر جهان متفاوت است.

 

همان طور که مشخص است، مطالعات انجام‌شدۀ داخلی در زمینۀ بررسی احساسات در بازارهای مالی که در جدول (1) معرفی شده‌اند، این موضوع را در رابطه با سهام در بورس اوراق بهادار بررسی کرده‌اند و تاکنون مطالعه‌ای در رابطه با احساسات در بازار ارزهای دیجیتال انجام نشده است؛ بنابراین، براساس جست‌وجوهای انجام‌شده به نظر می‌رسد تاکنون هیچ مطالعۀ داخلی در زمینۀ موضوع پژوهش حاضر، انجام‌ نشده و تأثیر احساسات را بر بازار رمزارزها بررسی نکرده است. لازم به ذکر است که در مقایسه با مطالعات خارجی مرتبط، در مطالعۀ حاضر از مجموعۀ وسیعی از شاخص‌های احساسات استفاده شده است که بررسی تأثیر این مجموعه از شاخص‌ها بر بیت‌کوین می‌تواند ابعاد مختلف احساسات سرمایه‌گذاران را ارزیابی کند. در کنار بررسی تأثیر شاخص‌های احساسات فوق بر بازدهی بیت‌کوین، متغیرهای قیمت یورو دلار، قیمت اونس طلا و شاخص S&P500 نیز وارد مدل شده و ارتباط آنها با بازدهی بیت‌کوین بررسی شده است.

روش پژوهش

براساس مبانی نظری موجود و مطالعات انجام‌شده در زمینۀ موضوع پژوهش نظیر گلر (Guler, 2021)، ژو و همکاران (Zhu et al., 2021)، نعیم و همکاران (Naeem et al., 2021 نصیر و همکاران (Nasir et al., 2019)، فیگا تالامانکا و پاتاکا (Figa-Talamanca & Patacca, 2019) مدل مربوط به بررسی تأثیر شاخص احساسات سرمایه‌گذاران و سایر متغیرهای مستقل بر بازدهی بیت‌کوین، با استفاده از داده‌های سری زمانی روزانه از ابتدای 2019 تا پایان 2020 به‌صورت مدل (1) تصریح شد.

(1)

 

 

که در آن  بازدهی بیت‌کوین است که ازطریق رابطۀ (2) به دست می‌آید.

(2)

 

 

در رابطۀ (2)،  Pt قیمت در روز tام و Pt-1 قیمت در روز قبل است.

Forex قیمت یورو دلار در بازار فارکس، Gold قیمت اونس[11] طلا و SP500 شاخص بازار سهام ایالات متحده (S&P500) است. شاخص‌های احساسات سرمایه‌گذاران استفاده‌شده در مدل، شامل FG شاخص ترس و طمع سرمایه‌گذاران، Happy شاخص شادی سرمایه‌گذاران، Vol شاخص حجم معاملات بیت‌کوین، AAII شاخص انجمن انفرادی آمریکا و Google شاخص جست‌وجوی گوگل است. شاخص جست‌وجوی گوگل براساس داده‌های تعداد سرچ کلمۀ قیمت بیت‌کوین در گوگل ترندز به دست می‌آید. در جدول (2) توضیحات مربوط به متغیرها و منابع جمع‌آوری آمار مربوطه آورده شده است.

جدول (2): علایم اختصاری متغیرها

Table (2): Introduction of variables

متغیر

عبارت کامل

توضیح

منبع

Ri

Bitcoin Returns

بازدهی بیت‌کوین

محاسبات پژوهش

Finance.yahoo.com

AAII

American Association of Individual Investors

شاخص انجمن انفرادی آمریکا

aaii.com

FG

Fear and Greed index

شاخص ترس و طمع سرمایه‌گذاران بیت‌کوین

btctools.io

Forex

Euro Dollar price in forex

قیمت یورو دلار در بازار فارکس

Finance.yahoo.com

Gold

Ounce of Gold

قیمت اونس طلا

Gold.org

Google

Google search engine

شاخص جست‌وجوی گوگل

trends.google.com

Happy

Investor Happiness Index

شاخص شادی سرمایه‌گذاران

Hedonometer.org

SP500

Standard & Poor's 500 = S&P500

شاخص بازار سهام ایالات متحده۵۰۰ شرکت آمریکایی

Investing.com

Vol

Bitcoin transaction Volume

شاخص حجم معاملات بیت‌کوین

Finance.yahoo.com

 

همان‌گونه که بیان شد، در این پژوهش به‌منظور بررسی تأثیر احساسات و سایر متغیرهای مستقل بر بازدهی بیت‌کوین، از الگوی خودرگرسیون برداری (VAR) استفاده شده است.

شکل‌های شماره (1) و (2) به ترتیب روند قیمت بیت‌کوین و روند بازدهی بیت‌کوین را نشان می‌دهند.

 

شکل (1): قیمت بیت‌کوین طی دورۀ زمانی (2014 -2020) (قیمت‌ها به دلار آمریکا)

Figure (1) Bitcoin price during the period (2014-2020) (prices in US dollars)

 

شکل (2): بازدهی بیت‌کوین طی دورۀ زمانی (2020 -2014)

Figure (2) Bitcoin returns over the period (2014-2020)

 

قیمت بیت‌کوین از سال 2015 تا اواسط 2016 روندی صعودی با شیب ملایم همراه با نوسانات قیمتی داشته است. از ژانویۀ 2016 شیب صعودی قیمت بیت‌کوین همراه با نوساناتی افزایش پیداکرد. در سال 2017 تا اوایل 2018 رشد غیرقابل انتظاری تا حدود 16000 دلار را تجربه کرد. پس از آن روندی کاهشی را در پیش گرفت و در انتهای 2018 با قیمت ۴۰۰۰ دلار معامله می‌شد. در سال 2020 طی دوماه از 7000 دلار تا 10000 دلار رشد کرد؛ اما با شیوع کووید 19 روند نزولی آن آغاز شد و طی چند روز به زیر ۴۰۰۰ دلار سقوط کرد. بعدازاین ریزش، قیمت خود را تثبیت کرد و طی دوماه دوباره به قیمت 10000 دلار افزایش یافت و روند صعودی خود را آغاز کرد. شکل (3) روند شاخص ترس و طمع سرمایه‌گذاران را نشان می‌دهد.

 

شکل (3): شاخص ترس و طمع سرمایه‌گذاران بیت‌کوین

Figure (3) Bitcoin investor fear and greed index

 

زمانی که شاخص ترس و طمع در یک روند نزولی قرار دارد و توالی سقف‌های نمودار به سمت پایین است، احساس ترس از ریزش بیشتر قیمت در معامله‌گران بیشتر مشاهده می‌شود که این امر باعث خروج سرمایۀ آنها در معاملات خود می‌شود. این امر منجر به کاهش سرمایۀ جاری در بازار و درنتیجه باعث کاهش نوسانات و ادامه‌دارشدن ریزش قیمت می‌شود. در مقابل، زمانی که نمودار در یک روند صعودی قرار دارد و شروع به ساختن کف‌های نموداری بالاتر از همدیگر می‌کند، این نشان می‌دهد که کاهش ترس معامله‌گران و افزایش ریسک‌پذیری را به همراه دارد. حرکت صعودی شاخص ترس و طمع باعث افزایش سرمایۀ تزریقی به بازار و خوش‌بینی تحلیلگران به آیندۀ قیمت بیت‌کوین می‌شود و این روند افزایشی شاخص تا جایی ادامه دارد که نمودار به سمت محدودۀ طمع شدید حرکت می‌کند. پس از قرارگرفتن در این ناحیه و با اشباع قیمت، نزول شروع می‌شود. شکل (4) روند شاخص جست‌وجوی گوگل را نشان می‌دهد.

 

شکل (4): شاخص جست‌وجوی گوگل

Figure (4) Google search index

 

شاخص جست‌وجوی گوگل شامل اعداد بین 0 تا 100 بوده که عدد 100 میزان علاقۀ شدید و سرچ زیاد کلمه است. علاقه به جست‌وجوی واژۀ بیت‌کوین و قیمت بیت‌کوین در گوگل ترندز به بیشترین مقدار خود طی ماه های اخیر رسیده است. آخرین اطلاعات گوگل ترندز، افزایش کنجکاوی در جست‌وجوی واژۀ بیت‌کوین را نشان می‌دهد. مطابق آمار گوگل ترندز، میزان جست‌وجوی روزانۀ بیت‌کوین درحال‌حاضر فاصلۀ زیادی با مقدار آن در دسامبر 2017 دارد، زمانی که بیت کوین به سقف قیمت تاریخی خود یعنی 20 هزار دلار رسید. طبق آمار گوگل ترندز، شاخص سرچ کلمۀ price bitcoin در دسامبر 2017 برابر با 100 است. شکل (5) روند شاخص شادی سرمایه‌گذاران را نشان می‌دهد.

 

شکل (5): شاخص شادی سرمایه‌گذاران

Figure (5) Investor happiness index

 

شاخص شادی سرمایه‌گذاران بیانگر این است که وقتی سرمایه‌گذاران هرروز به یک دلیلی شاد می‌شوند، این بر تصمیم‌گیری آنها در بازار اثر می‌گذارد. میزان شاخص شادی بین اعداد 5/5 تا 5/6 در حال تغییر است. شاخص شادی منجر به افزایش بازدهی ارز دیجیتال و ازجمله بیت‌کوین می‌شود. شکل (6) روند قیمت یورو دلار در بازار فارکس را نشان می‌دهد.

 

شکل (6): قیمت یورو دلار در بازار فارکس

Figure (6) Euro dollar price in the forex market

 

در بازار فارکس یک سری از ارزهــا هستند که بیشتر از بقیه معامله می‌شوند و به ارزهــای اصــلی[12] معروف هستند که ارز یورو دلار یکی از آنها است. به یک نسبت مثل EUR/USD یک جفت ارز[13] گفته می‌شود؛ برای مثال اگر قیمت یورو دلار در یک روز برابر با 39022/1 باشد، به این مفهوم است که ارزش یک یورو 39022/1 برابر ارزش یک دلار است؛ یعنی شخص برای خرید یک یورو باید معادل 39022/1 دلار پرداخت کند. به یک نسبت مثل EUR/USD یک جفت ارزی یا Pair گفته می‌شود. شکل (7) روند شاخص بازار سهام ایالات متحده (S&P500) را نشان می‌دهد.

 

شکل (7): شاخص بازار سهام ایالات متحده  (S&P‌500)

Figure (7) US stock market index

 

شکل (7) روند شاخص S&P‌500 را نشان می‌دهد که به‌عنوان یکی از بهترین شاخص‌های سهام شرکت‌های بزرگ در بازار سرمایه ایالات‌متحده شناخته می‌شود. این شاخص ۵۰۰ شرکت پیشرو و ۸۰درصد ارزش بازار را پوشش می‌دهد. در محاسبۀ این شاخص از میانگین وزنی استفاده می‌شود، پس هرچه ارزش بازار شرکتی بیشتر باشد، میزان اثرگذاری آن شرکت بر شاخص هم بیشتر است. در محاسبۀ این شاخص تنها سهام شناور آزاد شرکت‌ها در نظر گرفته می‌شود که به‌صورت عمومی قابل معامله است. شرکت‌ها در این شاخص ثابت نیستند و مدام تغییر می‌کنند. این شرکت‌ها توسط کمیته‌ ویژه‌ای انتخاب می‌شوند. برای ورود به لیست ۵۰۰ شرکت برتر عواملی مانند درصد سهام شناور آزاد، میزان نقدشوندگی، ارزش بازار و حوزۀ فعالیت شرکت بررسی می‌شود. این شاخص از 2020 با روند صعودی تا 2022 پیش رفته است که نمودار بالا نشان می‌دهد که شاخصS&P 500 دارای یک روند طولانی‌مدت است که این روند نمایانگر این است که قیمت‌ها در طول زمان افزایش یافته‌اند. زمانی که شاخص سهام بازار بیش از ۲۰درصد از بیشترین حد خود به کمترین برود، بازار نزولی است و زمانی که بازار بیش از ۲۰درصد از کمترین نقطۀ قبلی خود به بیشترین حد برود، بازار صعودی است. شکل (8) روند قیمت اونس طلا را نشان می‌دهد.

 

شکل (8) قیمت اونس طلا

Figure (8) Gold price per ounce

 

شکل (8) روندی تقریبا افزایشی را برای قیمت جهانی طلا از سال 2018 به بعد نشان می‌دهد.

همان‌گونه که بیان شد، برای برآورد روابط مورد نظر در این مطالعه از الگوی خودرگرسیون برداری استفاده می‌شود. در تخمین مدل VAR، ابتدا باید ایستایی متغیرها بررسی و تعداد وقفه‌های بهینۀ مدل انتخاب شود. برای آزمون مانایی متغیرها در این مطالعه، با انجام آزمون ریشه واحد دیکی فولر تعمیم یافته (DF-GLS) و فیلیپس-پرون نتیجه گرفته شد که تمام متغیرها در سطح ایستا می‌باشند. پس از بررسی ایستایی متغیرها، برای اینکه وقفۀ بهینۀ الگو برای بررسی رابطۀ بلندمدت بین متغیرها مشخص شود، معادلۀ (1) به روش خودرگرسیون برداری تخمین زده می شود. پس از تخمین اولیۀ الگو باید تعداد وقفه‌های بهینۀ مدل تعیین شود. معیارهایی که برای تعیین تعداد وقفه‌های بهینه استفاده می‌شوند، عبارت‌اند از: معیار اطلاعات شوارتز (SC)[14]، معیار اطلاعات آکائیک (AIC)[15]، معیار اطلاعات حنان کوئین  [16](HQ)و نسبت راست‌نمایی (LR)[17]. آماره‌های معیارهای ذکرشده در جدول (3) نشان داده شده است.

جدول (3): آماره‌های آزمون و معیارهای انتخاب

Table (3) Test statistics and choice criterias

 

Lag

LR

AIC

SC

HQ

 

0

NA

85/2763

85/3460

85/3035

مدل بازدهی

بیت‌کوین‌

1

11028/19

65/4422

66/1396

65/7145

 

2

278/2741

65/2162

66/5414

65/7337

 

3

201/0245

65/1272

67/0802

65/8899

 

4

129/5789

65/1688

67/7495

66/1767

 

5

94/7124

65/2742

68/4826

66/5272

 

6

100/9057

65/3639

69/2000

66/8620

 

7

107/7100

65/4362

69/9000

67/1795

 

8

130/2512

65/4362

70/5495

67/4464

 

براساس معیار آکائیک، وقفۀ 3 به منزلۀ وقفۀ بهینۀ مدل است. الگوی خودرگرسیون برداری برای مدل براساس وقفۀ بهینۀ ۳ طبق روابط (3) تا (11) بیان می شود:

(3)

 

 

 

(4)

 

 

(5)

 

 

 

(6)

 

 

(7)

 

 

(8)

 

 

(9)

 

 

 (10)

 

 

 (11)

 

 

     

همان‌طور که مشاهده می‌شود، برای هرکدام از متغیرهای مدل، معادله‌ای براساس 8 متغیر برآورد می‌شود. ولی برای تفسیر نتایج باید به یک نکته توجه کرد و آن اینکه در تخمین دستگاه معادلات، ضرایب پارامترهای الگو اهمیت روش‌های تک‌معادله را ندارند. براین‌اساس نمی‌توان با اطمینان بالایی نتایج حاصل از این تخمین را تحلیل کرد؛ بنابراین، از توابع عکس‌العمل و تجزیۀ واریانس برای تحلیل نتایج استفاده می‌شود.

هریک از شکل‌های (9) تا (16) واکنش بازدهی بیت‌کوین را به یک تکانه در هریک از شاخص‌های احساسات و سایر متغیرهای مستقل طی دورۀ زمانی بررسی‌شده نشان می‌دهد و بیان می‌دارد که اگر شوکی ناگهانی به اندازۀ یک انحراف معیار در هر متغیر ایجاد شود، تأثیر آن بر بازدهی بیت‌کوین در دوره‌های بعد چگونه است. نمودار (9) عکس‌العمل بازدهی بیت‌کوین را به یک انحراف معیار تکانه در شاخص احساس انجمن آمریکایی نشان می‌دهد؛ به‌عبارت‌دیگر این نمودار مشخص می‌کند که اگر یک تکانه یا تغییر ناگهانی به اندازۀ یک انحراف معیار در شاخص انجمن آمریکایی سرمایه‌گذاران ایجاد شود، اثر آن بر بازدهی بیت‌کوین در دوره‌های بعد چگونه خواهد بود.

 

شکل (9): اثر شوک به اندازۀ یک انحراف معیار در AAII بر روی بازدهی بیت‌کوین

Figure (9) The effect of a one standard deviation shock in AAII on Bitcoin returns

 

براساس شکل (9) تغییری (شوک) ناگهانی در شاخص انجمن آمریکایی سرمایه‌گذاران تا دورۀ دوم باعث افزایش بازدهی بیت‌کوین با روند صعودی شده است، بعد از آن بازدهی بیت‌کوین با روند ثابت ادامه دارد. از دورۀ سوم تا چهارم کاهش می‌یابد و از دورۀ چهارم به بعد به‌صورت ثابت خواهد بود. شکل (10) عکس‌العمل بازدهی بیت‌کوین را به یک انحراف معیار تکانه در شاخص احساس ترس و طمع نشان می‌دهد.

 

شکل (10): اثر شوک به اندازۀ یک انحراف معیار در  FGبر روی بازدهی بیت‌کوین

Figure (10) The effect of a one standard deviation shock in FG on Bitcoin returns

 

این شوک تا دورۀ دوم افزایشی است، بعد از آن تا دورۀ هشتم به مقدار کم کاهشی است. از دورۀ هشتم به بعد با روند ثابت ادامه دارد. شاخص ترس و طمع می‌تواند این احساسات را در قالب عددی در بازۀ ۰ تا ۱۰۰ نمایش دهد. عدد صفر به‌ معنای ترس شدید در بازار و عدد ۱۰۰ به معنای طمع شدید در آن است. ترس شدید سرمایه‌گذاران موجب کاهش شدید قیمت بیت‌کوین می‌شود و درمقابل، حرص و طمع آنها به افزایش ارزش رمزارز منجر می‌شود. طبق این شاخص، زمانی‌که یک بازار در ترس شدید باشد، بهترین زمان برای سرمایه‌گذاری در ارز دیجیتال است؛ زیرا سرمایه‌گذاران نگران از دست دادن سرمایۀ خود در اثر کاهش قیمت هستند و برعکس هرچه فعالان بازار زیاد حریص‌تر شوند (افزایش عدد شاخص)، بازدهی بیت‌کوین بیشتر می‌شود. در شکل (11) اثر شاخص بازار فارکس بر بازدهی بیت‌کوین نشان داده شده است.

 

شکل (11) اثر شوک به اندازۀ یک انحراف معیار در  Forexروی بازدهی بیت‌کوین

Figure (11) The effect of a one standard deviation shock in Forex on Bitcoin returns

 

تغییری ناگهانی در شاخص بازار فارکس تا دورۀ دوم باعث افزایش بازدهی بیت‌کوین با روند صعودی شده است، بعد از آن بازدهی بیت‌کوین با روند ثابت ادامه دارد. از دورۀ سوم تا چهارم کاهش می‌یابد و از دورۀ چهارم به بعد به‌صورت ثابت خواهد بود. همان‌گونه که بیان شد، در این مطالعه از نرخ مبادله بین دلار آمریکا و یورو به‌عنوان شاخص بازار فارکس استفاده می‌شود. دلار آمریکا ارز ذخیرۀ جهانی است و برای قیمت‌گذاری بسیاری از دارایی‌ها، ازجمله بیت‌‌کوین استفاده می‌شود؛ بنابراین، با در نظر گرفتن این نکته که قیمت بیت‌کوین به دلار آمریکا است، می‌توان گفت که اگر ارزش دلار آمریکا در برابر یورو افزایش یابد، به‌احتمال زیاد در برابر بیت‌کوین نیز افزایش خواهد یافت؛ درنتیجه، افزایش ارزش دلار آمریکا منجر به کاهش مقدار دلاری خواهد شد که باید برای یک بیت‌کوین پرداخت شود و بدین معنی است که قیمت بیت‌کوین کاهش می‌یابد (Ciaian et al., 2016). نمودار (12) واکنش بازدهی بیت‌کوین را به تغییر در قیمت اونس طلا نشان می‌دهد.

 

شکل (12): اثر شوک به اندازه یک انحراف معیار در  Goldروی بازدهی بیت‌کوین

Figure (12) The effect of a one standard deviation shock in Gold on Bitcoin returns

 

براساس این نمودار، شوک اونس طلا تا دورۀ دوم باعث افزایش بازدهی بیت‌کوین می‌شود، بعد از آن تا دورۀ سوم با روند کاهشی همراه است و از دورۀ سوم به بعد روندی ثابت دارد. افزایش جذابیت بازار بیت‌کوین را می‌توان یکی از عوامل کاهش قیمت طلا دانست و این امر تقاضا به طلا را برای سرمایه‌گذاری کاهش می‌دهد. در نمودار (13) تأثیر شوک شاخص احساس جست‌وجوی گوگل بر بازدهی بیت‌کوین نشان داده شده است.

 

شکل (13): اثر شوک به اندازۀ یک انحراف معیار در Google  روی بازدهی بیت‌کوین

Figure (13) The effect of a one standard deviation shock in Google on Bitcoin returns

 

براین‌اساس، این شوک تا دورۀ دوم تأثیر مثبت بر بازدهی بیت‌کوین دارد. از دورۀ دوم تا سوم کاهش می‌یابد. از دورۀ سوم تا چهارم روند صعودی دارد و بعد از آن به صورت ثابت است. همان‌گونه که قبلاً بیان شد، در این مطالعه شاخص جست‌وجوی گوگل به‌عنوان یکی از متغیرهای احساس سرمایه‌گذار وارد مدل شده است و از میزان جست‌وجوی کلمۀ بیت‌کوین به‌عنوان شاخص جست‌وجوی گوگل استفاده می‌شود. ارتباط مثبت بین این شاخص احساس سرمایه‌گذار و بازدهی بیت‌کوین به این معناست که هرچه سرمایه‌گذاران کلمۀ بیت‌کوین را بیشتر جست‌وجو کنند، محبوبیت بیت‌کوین بیشتر است و تقاضا برای معاملات بیت‌کوین بیشتر می‌شود؛ بنابراین، بر بازدهی آن می‌افزاید. نمودار (14) واکنش بازدهی بیت‌کوین را به تغییر در شاخص احساس شادی سرمایه‌گذاران نشان می‌دهد.

 

شکل (14): اثر شوک به اندازۀ یک انحراف معیار در Happy روی بازدهی بیت‌کوین

Figure (14) The effect of a one standard deviation shock in Happy on Bitcoin returns

 

تغییرناگهانی شاخص شادی سرمایه‌گذاران (یکی از متغیرهای احساس سرمایه‌گذاران) تا دورۀ دوم باعث افزایش بازدهی بیت‌کوین می‌شود. شاخص شادی تقریباً با بازدۀ ارزهای دیجیتال ازجمله بیت‌کوین همبستگی مثبت دارد و منجر به افزایش این بازدهی می‌شود. در شکل (15) واکنش بازدهی بیت‌کوین به تغییر شاخص سهام 500 شرکت (S&P500) آمریکا نشان داده شده است.

 

شکل (15): اثر شوک به اندازۀ یک انحراف معیار در S&P500 روی بازدهی بیت‌کوین

Figure (15) The effect of a one standard deviation shock in S&P500 on Bitcoin returns

 

این شوک تا دورۀ دوم، بازدهی بیت‌کوین را افزایش می‌دهد، از دورۀ دوم تا سوم با شیب کمتری افزایشی است و از دورۀ سوم تا چهارم با روند کاهشی همراه است و سپس به‌صورت ثابت خواهد بود. نمودار (16) تأثیر شوک شاخص احساس حجم معاملات بیت‌کوین را بر بازدهی بیت‌کوین نشان می‌دهد.

 

شکل (16): اثر شوک به اندازۀ یک انحراف معیار در Vol روی بازدهی بیت‌کوین

Figure (16) The effect of a one standard deviation shock in Vol on Bitcoin returns

این شوک تا دورۀ دوم، بازدهی بیت‌کوین را افزایش می‌دهد، از دورۀ دوم تا پنجم با روند کاهشی است و از آن به بعد به‌صورت افقی و ثابت خواهد بود. نقدینگی بازار را می‌توان با حجم معاملات اندازه گرفت. زمانی که حجم معاملات بیت‌کوین تأثیر مثبت بر بازدهی بیت‌کوین دارد، به این معناست که هرچه حجم معاملات بیت‌کوین افزایش یابد، بازدهی بیت‌کوین نیز افزایشی خواهد بود؛ به‌عبارت‌دیگر، حجم معاملات همراه با ارزش بازار بیت‌کوین به طور تصاعدی افزایشی خواهد بود.

با مقایسۀ نمودارهای مربوط به تأثیر شوک هریک از شاخص‌های احساس سرمایه‌گذار بر بازدهی بیت‌کوین می‌توان نتیجه گرفت که میزان تأثیر شوک‌های ناشی از شاخص جست‌وجوی Google، شاخص شادی و شاخص حجم معاملات در مقابل شوک‌های ناشی از قیمت اونس طلا، قیمت یورو دلار، شاخص AAII، شاخص ترس و طمع، شاخص S&P500 اثرگذاری بیشتری دارند؛ به‌عبارت‌دیگر می‌توان گفت شاخص جست‌وجوی Google، شاخص شادی و شاخص حجم معاملات در بلندمدت تأثیر بیشتری خواهند داشت.

تجزیه‌وتحلیل واریانس برای توصیف پویایی یک مدل به کار می‌رود و نشان‌دهندۀ درصد توضیح‌ دهندگی هریک از متغیرها از تغییرات متغیر وابسته طی زمان است؛ به‌عبارت‌دیگر، بیانگر این نکته است که در طی زمان چند درصد از تغییرات متغیر وابسته توسط هریک از متغیرهای موجود در مدل توضیح داده می‌شوند. در جدول (4) نتایج تجزیۀ واریانس متغیر بازدهی بیت‌کوین طی دورۀ زمانی بررسی‌شده آورده شده است. ستون SE خطای پیش‌بینی متغیرهای مربوط را طی دوره‌های مختلف نشان می‌دهد. ازآنجایی‌که این خطا در هر دوره براساس خطای دورۀ قبل محاسبه می‌شود، بنابراین طی دورۀ زمان افزایش می‌یابد.

جدول (4): تجزیۀ واریانس بازدهی بیت‌کوین

Table (4) Variance analysis of Bitcoin return

Vol

SP500

Happy

Google

Gold

Forex

FG

AAII

Ri

S.E.

 

0/000

0/000

0/000

0/000

0/000

0/000

0/000

0/000

100/00

3/926

1

0/134

0/024

0/110

0/023

0/057

0/002

0/021

0/003

99/621

3/960

2

0/183

0/327

0/155

0/881

0/323

0/002

0/074

0/020

98/031

3/994

3

0/380

0/332

0/156

0/972

0/345

0/015

0/078

0/051

97/667

4/006

4

0/550

0/441

0/160

1/009

0/344

0/015

0/104

0/062

97/312

4/015

5

0/599

0/445

0/163

1/051

0/349

0/019

0/121

0/085

97/162

4/019

6

0/627

0/473

0/168

1/067

0/359

0/023

0/125

0/107

97/047

4/021

7

0/643

0/479

0/171

1/094

0/362

0/029

0/127

0/124

96/969

4/023

8

0/651

0/492

0/174

1/109

0/365

0/0336

0/129

0/139

96/904

4/024

9

0/653

0/499

0/177

1/124

0/367

0/039

0/131

0/153

96/853

4/025

10

منبع: محاسبات پژوهش

 

براساس نتایج به‌دست‌آمده از تجزیۀ واریانس متغیر بازدهی بیت‌کوین، در شروع دورۀ بررسی‌شده ۱۰۰درصد تغییرات بازدهی بیت‌کوین را خود آن متغیر توضیح می‌دهد. در دورۀ دوم، توضیح دهندگی این متغیر به حدود 6/99درصد کاهش می‌یابد و بدین معناست که در این دوره حدود 6/99درصد از تغییرات بازدهی بیت‌کوین را خود متغیر بازدهی بیت‌کوین توضیح می‌دهد. براین‌اساس، تغییرات بازدهی بیت‌کوین به حدود 8/96درصد در دورۀ آخر رسیده و سهم بقیۀ متغیرها در توضیح واریانس بازدهی بیت‌کوین طی زمان افزایش یافته است. باتوجه‌به نتایج به‌دست‌آمده از تجزیۀ واریانس می‌توان گفت در کوتاه‌مدت تغییرات خود بازدهی بیت‌کوین، بیشترین سهم را در توجیه تغییرات بازدهی بیت‌کوین در بازار داشته است؛ درصورتی‌که در بلندمدت، شوک‌های ارزی بیشترین سهم را در توجیه آن دارند.

بررسی رابطۀ بلندمدت بین متغیرها با روش جوهانسون-جوسیلیوس انجام شده است. برای انجام آزمون جوهانسون _ جوسیلیوس، ابتدا باید تعداد بردارهای هم‌انباشتگی مشخص شود. برای این امر از آماره‌های تریس و ماکزیمم مقادیر ویژه استفاده می‌شود. نتایج این آماره‌ها براساس پنج الگو در جدول (5) آمده است که از بین آنها الگوی سوم مناسب‌ترین الگو برای تحلیل هم‌انباشتگی انتخاب می‌شود.

جدول (5): آماره آزمون تریس و ماکزیمم مقادیر ویژه

Table (5) Trace test and maximum eigenvalues

V الگوی

IV الگوی

III الگوی

II الگوی

I الگوی

 

 

351/32

357/97

317/07

319/29

286/82

r=0 , r³1

 

195/00

201/64

161/73

163/95

131/59

r£1 , r³2

 

127/44

134/02

117/09

119/31

87/06

r£2 , r³3

 

84/81

91/25

77/55

79/74

60/26

r£3 , r³4

 

58/69

64/86

52/66

54/31

38/83

r£4 , r³5

Trace

36/16

42/32

31/45

33/05

24/82

r£5 , r³6

 

21/06

27/06

17/51

19/10

12/63

r£6 , r³7

 

7/18

13/14

8/06

9/46

4/56

r£7 , r³8

 

0/002

4/84

0/43

1/83

1/40

r£8 , r³9

 

156/32

156/33

155/33

155/33

155/22

r=0 , r=1

 

67/55

67/61

44/63

44/63

44/52

r£1 , r=2

 

42/62

42/77

39/53

39/56

26/80

r£2 , r=3

 

26/11

26/38

24/88

25/43

21/42

r£3 , r=4

Max

22/52

22/53

21/21

21/26

14/00

r£4 , r=5

 

15/10

15/26

13/93

13/94

12/19

r£5 , r=6

 

13/87

13/92

9/45

9/64

8/06

r£6 , r=7

 

7/18

8/30

7/62

7/62

3/16

r£7 , r=8

 

0/002

4/84

0/43

1/83

1/40

r£8 , r=9

 

الگوی I : بدون عرض از مبدأ و روند زمانی         الگوی II : با عرض از مبدأ مقید و بدون روند زمانی

الگویIII : عرض از مبدأ نامقید و بدون روند       الگوی IV: عرض از مبدأ نامقید و روند زمانی مقید

الگوی V: عرض از مبدأ نامقید و روند زمانی نامقید

براساس نتایج انجام آزمون‌های اثر و مقادیر ویژه در جدول (5)، وجود یک بردار هم‌انباشتگی در مدل تأیید می‌شود. نتایج آزمون هم‌انباشتگی برای تعیین روابط بلندمدت بین متغیرهای مدل یک، در جدول (6) ارائه شده است.

 

جدول (6): آزمون هم‌انباشتگی با استفاده از روش یوهانسن – جوسیلیوس

Table (6) Cointegration test using the Johansen-Juselius methodology

متغیر

بردار هم‌انباشتگی

بردار نرمال‌شده

Ri

0/655-

1

AAII

0/421-

0/643

FG

0/018

0/028-

Forex

1/303

1/623-

Gold

0/002-

0/003-

Google

0/012

0/018-

Happy

1/541-

1/353

SP500

0/0003

0/0005-

Vol

1/24-

1/89

C

3/661

5/5590-

 

جدول (6) نتایج رابطۀ تعادلی بلندمدت بین بازدهی بیت‌کوین و متغیرهای مستقل را نشان می‌دهد. براساس نتایج برآورد، رابطۀ زیر به دست می‌آید:

(12)

 

 

نتایج فوق که رابطۀ تعادلی بلندمدت را نشان می‌دهد، بیانگر وجود رابطۀ منفی بین شاخص ترس و طمع، قیمت یورو دلار، قیمت اونس طلا، شاخص جست‌وجوی گوگل و S&P500 با بازدهی بیت‌کوین است و رابطۀ مثبت بین شاخص انجمن انفرادی آمریکا، شاخص شادی سرمایه‌گذاران و شاخص حجم معاملات بیت‌کوین با بازدهی بیت‌کوین را نشان می‌دهد. ضریب متغیر (AAII) نشان‌دهندۀ این است که در بلندمدت با تغییر این متغیر، بازدهی بیت‌کوین افزایش می‌یابد. براساس نتایج حاصل از توابع واکنش نیز رابطۀ بلندمدت این متغیر با بازدهی بیت‎کوین مثبت به دست آمد، درصورتی‌که براساس نتایج این توابع، شوک‌های شاخص انجمن انفرادی آمریکا در کوتاه‌مدت تأثیر منفی بر بازدهی بیت‌کوین داشت. ضریب متغیر (FG) بیانگر این است که در بلندمدت، تغییر در شاخص ترس و طمع منجر به کاهش بازدهی بیت‌کوین می‌شود. براساس توابع عکس‌العمل و تجزیۀ واریانس، تأثیر شوک‌های شاخص ترس و طمع بر بازدهی بیت‌کوین در کوتاه‌مدت هم منفی است. ضریب متغیر (Forex) منفی و بیانگر کاهش بازدهی بیت‌کوین در اثر افزایش قیمت یورو دلار در بلندمدت است. براساس توابع عکس‌العمل و تجزیۀ واریانس، تأثیر شوک‌های قیمت یورو دلار بر بازدهی بیت‌کوین در کوتاه‌مدت هم منفی است. ضریب متغیر (Gold) نشان دهندۀ این است که در بلندمدت با افزایش این متغیر، بازدهی بیت‌کوین کاهش می‌یابد. براساس توابع عکس‌العمل و تجزیۀ واریانس، تأثیر شوک‌های قیمت اونس طلا بر بازدهی بیت‌کوین در کوتاه‌مدت هم منفی است. ضریب متغیر (Google) بیانگر این است که در بلندمدت افزایش شاخص جست‌وجوی گوگل، بازدهی بیت‌کوین را کاهش می دهد. براساس نتایج حاصل از توابع واکنش نیز رابطۀ بلندمدت این متغیر با بازدهی بیت‌کوین منفی به دست آمد، درصورتی‌که براساس نتایج این توابع، شوک‌های شاخص جست‌وجوی گوگل در کوتاه‌مدت تأثیر مثبت بر بازدهی بیت‌کوین داشت. ضریب متغیر (Happy) نشان دهندۀ این است که در بلندمدت با افزایش در این متغیر، بازدهی بیت‌کوین نیز افزایش می‌یابد. براساس توابع عکس‌العمل و تجزیۀ واریانس، تأثیر شوک‌های شاخص شادی سرمایه‌گذاران بر بازدهی بیت‌کوین در کوتاه‌مدت هم مثبت است. علامت ضریب متغیر (S&P500) بیانگر این است که با افزایش این متغیر، بازدهی بیت‌کوین در بلندمدت کاهش می یابد که مطابق با نتیجۀ تأثیر شوک‌های این شاخص در کوتاه‌مدت بر بازدهی بیت‌کوین است. ضریب متغیر (Vol) نشان‌دهندۀ این است که در بلندمدت با افزایش این متغیر، بازدهی بیت‌کوین نیز افزایش می‌یابد. براساس توابع عکس‌العمل و تجزیۀ واریانس، تأثیر شوک‌های حجم معاملات بر بازدهی بیت‌کوین در کوتاه‌مدت نیز مثبت است.

 

نتیجه‌گیری 

در پژوهش حاضر، تأثیر احساسات سرمایه‌گذاران بر بازدهی بیت‌کوین طی دورۀ زمانی 2019 تا 2020 و با استفاده از داده‌های سری زمانی روزانه ارزیابی شده است. بدین منظور با استفاده از الگوی خودرگرسیون برداری (VAR) و توابع واکنش آنی (IRF) و تجزیۀ واریانس (VD) و آزمون هم‌انباشتگی، روابط کوتاه‌مدت و بلندمدت میان متغیرها بررسی شد و با استفاده از آزمون نظریه‌های موجود در این زمینه، رابطۀ میان شاخص‌های احساسات سرمایه‌گذاران (شامل شاخص حجم معاملات، شاخص ترس و طمع، قیمت یورو دلار، قیمت اونس طلا، شاخص جست‌وجوی گوگل، S&P500، شاخص انجمن انفرادی آمریکا، شاخص شادی سرمایه‌گذاران) و بازدهی بیت‌کوین تجزیه‌وتحلیل شد. نتایج بیانگر وجود رابطۀ منفی بین شاخص ترس و طمع، قیمت یورو دلار، قیمت اونس طلا، شاخص جست‌وجوی گوگل و S&P500 با بازدهی بیت‌کوین است و رابطۀ مثبت بین شاخص انجمن انفرادی آمریکا، شاخص شادی سرمایه‌گذاران و شاخص حجم معاملات بیت‌کوین را با بازدهی بیت‌کوین نشان می دهد.

براساس نتایج مبنی بر تأثیرپذیری بازدهی بیت‌کوین از احساسات سرمایه‌گذاران می‌توان گفت سرمایه‌گذاران، احساسات خود را به بازار معاملات رمزارزها منعکس می‌کنند؛ بنابراین، نقش اساسی در بازارها دارند؛ دراین‌صورت بررسی تأثیرگذاری احساسات سرمایه‌گذاران بر جنبه‌های مختلف بازار رمزارزها و نیز سایر بازارهای مالی اهمیت دارد و چگونگی رفتار بازارهای مالی در واکنش به این احساسات می‌تواند جالب توجه باشد و بر تصمیم‌گیری‌های سرمایه‌گذاران نیز مؤثر است. بر همین اساس، سرمایه‌گذاران می‌توانند از ابزارهای تجزیه‌وتحلیل احساسات برای اتخاذ تصمیمات سرمایه‌گذاری آگاهانه‌تر استفاده و پورتفوی خود را با‌توجه‌به حرکت شاخص‌های احساسات مختلف تنظیم کنند.

همان‌گونه که بیان شد، باتوجه‌به محدودیت‌های موجود در جمع‌آوری داده‌های روزانه برای برخی از متغیرهای پژوهش، دورۀ زمانی مطالعۀ حاضر از ابتدای ژانویۀ 2019 تا پایان 2020 انتخاب شده است؛ در همین راستا پیشنهاد می‌شود که پژوهش‌های آتی رابطۀ بین احساسات سرمایه‌گذاران با رمزارزها را در دوره‌های زمانی متفاوت و نیز برای نمونۀ بزرگ‌تری از ارزهای دیجیتال (یا در سایر بازارهای مالی) بررسی کنند. پیشنهاد می‌شود، از شاخص‌های مختلف احساسات سرمایه‌گذاران استفاده و نیز دورۀ زمانی مطالعه‌شده به قبل و بعد از بحران کووید 19 تفکیک ‌شود.

 

 

[1] cryptocurrency

[2] Fear & Greed Index

[3] Google search

[4] Investor Happiness Index

[5] American Association of Individual Investors (AAII)

 

[6] CNN

[7] Extreme Fear

[8] Neutral

[9] Extreme Greed

[10] Google Trends

[11]. ounce

[12] Major

[13] Pair

 .[14] Schwarz Baywsian Criterion

 .[15] Akaike Information Criterion

 .[16] Hannan-Quinn Criterrion

 .[17] Likelihood Ratio Test

Ahn, Y., & Kim, D. (2021). Emotional trading in the cryptocurrency market. Finance Research Letters, 42, 1544-6123.  https://doi.org/10.1016/j.frl.2020.101912
Bashirimanesh, N. (2016). The Effect of feeling in decision making of investors. Accounting and Social Interests, 6(2), 93-121. https://doi.org/10.22051/IJAR.2016.2433 [In Persian].
Baek, C., & Elbeck, M. (2015). Bitcoin as an investment or speculative vehicle? A First look. Applied Economics Letters, 22(1), 30-34.  https://doi.org/10.1080/13504851.2014.916379
Baker, M., & Stein, J. C. (2004), Market liquidity as a sentiment indicator. Journal of Financial Markets, 7(3), 271-299. https://doi.org/10.1016/j.finmar.2003.11.005
Bouri, E., Gabauer, D., Gupta, R., & Tiwari, A. K. (2021). Volatility connectedness of major cryptocurrencies: The role of investor happiness. Journal of Behavioral and Experimental Finance, 30(1), 1-11. https://doi.org/10.1016/j.jbef.2021.100463
Bukovina, J., & Marticek, M. (2016). Sentiment and Bitcoin volatility. Mendelu Working Papers in Business and Economics, 58.
Cabarcos, M. A., Pico, A. M., Chousa, J., & Sevic, A. (2021). Bitcoin volatility, stock market and investor sentiment: Are they connected?. Finance Research Letters, 38, 104-120. https://doi.org/10.1016/j.frl.2019.101399
Ciaian, P., Rajcaniova, M., & Kancs, D. (2016). The economics of Bitcoin price formation. Applied Economics, 48(19), 1799‒1815. https://doi.org/10.1080/00036846.2015.1109038
Corbet, S., Larkin, C., Lucey, B. M., Meegan, A., & Yarovaya, L. (2020). The impact of macroeconomic news on Bitcoin returns. The European Journal of Finance, 26(14), 1396-1416. https://doi.org/10.1080/1351847X.2020.1737168
Eom, C., Kaizoji, T., Kang, S. H., & Pichl, L. (2019). Bitcoin and investor sentiment: Statistical characteristics and predictability. Physica A: Statistical Mechanics and its Applications, 514, 511–521.  https://doi.org/10.1016/j.physa.2018.09.063
Figa-Talamanca, G., & Patacca, M. (2019). Does market attention affect Bitcoin returns and volatility?. Decisions in Economics and Finance, 42(1), 55–135. http://doi.org/10.2139/ssrn.3148018
Guler, D. (2021). The Impact of investor sentiment on Bitcoin returns and conditional volatilities during the Era of Covid-19. Journal of Behavioral Finance, 24(3), 276-289, https://doi.org/10.1080/15427560.2021.1975285
Heydarpour, F., Tariverdi, Y., & Mehrabi, M. (2013). The effect of investors' emotional tendencies on stock returns. Financial Knowledge of Securities Analysis, 1(6), 1-13. [In Persian].
Kardan, B., Vadeei, M. H., & Zolfaghararani, M. H. (2018). The role of behavioral tendencies (sentiment) of investors in valuation of the company. Journal of Accounting Knowledge, 8(4), 7-35. https://doi.org/10.22103/JAK.2017.10630.2454 [In Persian].
Kim, J. B., Li, L., Lu, L. Y., & Yu, Y. (2016). Financial statement comparability and expected crash risk. Journal of Accounting and Economics, 61(2-3), 294-312. http://doi.org/10.1016/j.jacceco.2015.12.003 
Naeem, M. A., Mbarki, I., & Shahzad, S. J. H. (2021). Predictive role of online investor sentiment for cryptocurrency market: Evidence from happiness and fears. International Review of Economics & Finance, 73(1), 496–514. https://doi.org/10.1016/j.iref.2021.01.008
Naifar, N., & Altamimi, S. (2023). Asymmetric impact of investor sentiment and media coverage news on Bitcoin returns. Managerial Finance, 49(8), 1342-1354. https://doi.org/10.1108/MF-08-2022-0400
Nasir, M. A., Huynh, T. L. D., Nguyen, S. P., & Duong, D. (2019). Forecasting cryptocurrency returns and volume using search engines. Financial Innovation, 5(2), 1–13. https://doi.org/10.1186/s40854-018-0119-8
Uygur, U., & Taay, O. (2012). Modeling the effects of investor sentiment and conditional volatility in international stock markets. Journal of Applied Finance & Banking, 2(5), 1-15.
Zhang, J., & Zhang, C. (2022). Do cryptocurrency markets react to issuer sentiments? Evidence from Twitter. Research in International Business and Finance, 61, 101656. https://doi.org/10.1016/j.ribaf.2022.101656
Zhu, P., Zhang, X., Wu, Y., Zheng, H., & Zhang, Y. (2021). Investor attention and cryptocurrency: Evidence from the Bitcoin market. PLOS ONE, 16(2), 1-28. https://doi.org/10.1371/journal.pone.0246331