بررسی سرریز ریسک بازار رمز ارزها با بازارهای مالی داخلی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری، گروه حسابداری، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران

2 استادیار، گرو ه مدیریت بازرگانی، واحد علوم پزشکی، دانشگا ه آزاد اسلامی، تهران، ایران

3 استادیار، گروه حسابداری، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران

10.30495/jik.0621.23477

چکیده

یکی از مهم‌ترین مسائل اقتصاد مالی که سال‌ها موردتوجه اقتصاددانان حوزه مالی قرار گرفته است، سؤالاتی پیرامون تغییر زمانی و مقطعی در صرف ریسک است. هدف از این پژوهش بررسی سرریز ریسک بازار رمز ارزها با بازارهای مالی داخلی در دوره زمانی 2015 تا 2020 است. در این پژوهش به‌منظور فراهم نمودن اندازه‌گیری سهم ریسک عوامل بازار و روند نزولی بیت کوین و دارایی‌های متعارف موردمطالعه (سهام، طلا، دلار، اوراق بدهی)، در ابتدا بر اساس رویکرد EVaR، مدل ARCH-Expectile با ساختار خودتنظیم مشروط (مدل CAR-ARCHE) ادغام گردید. سپس از TVP-VAR برای کشف اتصال سرریز در بازارهای مالی استفاده شد. در ادامه با استفاده از آزمون علیت خطی، رابطه بین دو متغیر در یک‌زمان تجزیه‌وتحلیل گردید. نتایج به‌دست‌آمده از پژوهش حاکی از آن است که بازار سهام و طلا بر بازار بیت کوین تأثیر معنادار دارند. در نتیجه تأثیر سرریز میان بازار بیت کوین، بازار سهام و طلا مورد تائید قرار می‌گیرد.

کلیدواژه‌ها

عنوان مقاله [English]

Investigating the risk spillover of cryptocurrency market with domestic financial markets

نویسندگان [English]

  • Hamid Reza Ahmadi 1
  • Seyed Mohammad Hasheminezhad 2
  • mohammad mahmoodi 3
1 Ph.D. Student, Department of Accounting, Firoozkuh Branch, Islamic Azad University, Firoozkuh, Iran
2 Assistant Professor, Department of Business Management, Tehran Medical Branch, Islamic Azad University, Tehran, Iran
3 Assistant Professor, Department of Accounting, Firoozkuh Branch, Islamic Azad University, Firoozkuh, Iran
چکیده [English]

One of the most important issues of financial economics, which has been the focus of financial economists for years, is questions about temporal and cross-sectional changes in risk spending. The purpose of this research is to investigate the risk spillover of the cryptocurrency market with the domestic financial markets in the period from 2015 to 2020. In this research, in order to measure the risk share of market factors and the downward trend of Bit coin and the studied conventional assets (stocks, gold, dollars, bonds), At first, based on the EVaR approach, the ARCH-Expectile model was integrated with the conditional self-regulation structure (CAR-ARCHE model). TVP-VAR was then used to detect spillover connectivity in financial markets. Next, using the linear causality test, the relationship between two variables was analyzed at the same time. The results obtained from the research indicate that the stock market and gold have a significant effect on the Bitcoin market. As a result, the spillover effect between Bitcoin market, stock market and gold is confirmed.

کلیدواژه‌ها [English]

  • cryptocurrency
  • bitcoin
  • stocks
  • gold

مراجع

  • باقری، سمانه و حبیب انصاری سامانی (1399). بررسی اثرات سرریز بحران‌های مالی جهانی بر بازار نفت اوپک، انرژی ایران، دوره 23، شماره 3، 85-103.
  • برقی اسگوئی، محمدمهدی و رضا ثقفی کلوانق (1397)، ارزیابی اثرات سرریز ریسک مثبت و منفی نرخ ارز، قیمت نفت خام و سکه بر بورس اوراق بهادار تهران، نظریه­های کاربردی اقتصاد، دوره 5، شماره 4، 143-172.
  • رضی کاظمی، صغرا، غلامرضا زمردیان و ابراهیم چیرانی (1400). سرریز نوسان در بازارهای مالی ایران، فصلنامه مهندسی مالی و مدیریت اوراق بهادار، شماره 46، 255-268.
  • سفیدبخت، الهه و محمدحسین رنجبر (1396)، سر ریز نوسانات بین قیمت نفت، نرخ ارز، قیمت طلا و بازار سهام تحت فواصل زمانی و شکست ساختاری: استفاده از مدل گارچ (BEKK) و الگوریتم ICSS، مهندسی مالی و مدیریت اوراق بهادار، دوره 8، شماره 33، 51-87.
  • طالبلو، رضا و مهاجری، پریسا (1401) ، اتصالات و سرریز ریسک در بازار سهام ایران، یک تحلیل بخشی با به‌کارگیری مدل خودرگرسیون برداری با پارامترهای متغیر طی زمان (TVP-VAR) ، مدلسازی اقتصادسنجی، 7(3) ، 95-125

 

  • Albulescu, C.T., Demirer, R., Raheem, I.D., & Tiwari, A.K., 2019. Does the U.S. economic policy uncertainty connect financial markets? Evidence from oil and commodity currencies. Energy Econ. 83, 375–388.
  • Antonakakis, N., & Gabauer, D., 2017. Refined Measures of Dynamic Connectedness based on TVP-VAR, MPRA Paper78282, University Library of Munich, Germany.
  • Bariviera, A., 2017. The inefficiency of Bitcoin revisited: A dynamic approach. Economics Letters, 161, 1–4
  • Bernanke, B.S., 1983. Irreversibility, uncertainty, and cyclical investment. Q. J. Econ. 98, 85–106.
  • Bouri, E., Gupta, R., Kumar Tiwari, A., & Roubaud, D., 2017. Does Bitcoin hedge global uncertainty? Evidence from wavelet-based quantile-in-quantile regressions, Finance Research Letters, 23, 87-95.
  • Cao, Y. (2022). Extreme risk spillovers across financial markets under different crises. Economic Modelling, Volume 116, November 2022, 106026
  • Charfeddine, L., Benlagha, N., & Maouchi, Y., 2020. Investigating the dynamic relationship between cryptocurrencies and conventional assets: Implications for financial investors. Economic Modelling, 85, 198–217.
  • Chen Y, Chen L, Ludong L., 2009. Research on spillover effect between exchange rate and stock market. J Manag Sci 3,104–112
  • Demir, E., Gozgor, G., Lau, C. K. M., & Vigne, S. A., 2018. Does economic policy uncertainty predict the bitcoin returns? An empirical investigation. Finance Research Letters, 26, 145–149.
  • Dwyer, GP. 2015. The economics of Bitcoin and similar private digital currencies. J Financ Stab, 17, 81–91.
  • Engle, R.F., 1982. Measuring and testing the impact of news on volatility. Journal of Finance. 48 (5): 1749–1778.
  • Fang, Y. Shao, Z. Zhao, Y. (2023). Risk spillovers in global financial markets: Evidence from the COVID-19 crisis. International Review of Economics & Finance, Volume 83, January 2023, Pages 821-840.
  • Gomes, F.J., Kotlikoff, L.J., Viceira, L.M., 2012. The excess burden of government indecision. Tax Pol. Econ. 26, 125–164.
  • Hsu, S.H. Sheu, C. Yoon, J., 2021. Risk spillovers between cryptocurrencies and traditional currencies and gold under different global economic conditions. North American Journal of Economics and Finance 57.
  • Hussain, S., Tiwari, A.K., Sohag, K., Shahbaz, M., 2019. Connectedness among crude oil prices, stock index and metal prices: an application of network approach in the USA. Resour. Pol. 62, 57–65.
  • Jiang, J., Gu, R., 2016. Asymmetric long-run dependence between oil price and US dollar exchange rate- Based on structural oil shocks. Physica A, 456, 75–89.
  • Klein, T., Pham Thu, H., Walther, Th., 2018. Bitcoin is not the New Gold – A comparison of volatility, correlation, and portfolio performance, International Review of Financial Analysis 59,105-116.
  • Malik, F., Umar, Z., 2019. Dynamic connectedness of oil price shocks and exchange rates. Energy Econ. 84.
  • Mensi, W., Lee, Y.-J., Al-Yahyaee, K.H., Sensoy, A. and Yoon, S.-M., 2019, Intraday downward/ upward multifractality and long memory in bitcoin and ethereum markets: an asymmetric multifractal detrended fluctuation analysis, Finance Research Letters. 31, 19-25.
  • Nadarajah, S., Chu, J., 2017. On the inefficiency of Bitcoin, Economics Letters 150, 6-9.
  • Nazlioglu, s., Soytas, U., & Gupta, R., 2015. Oil Prices and Financial Stress: A Volatility Spillover Analysis. Energy Policy, 82, 278-288.
  • P´astor, L., Veronesi, P., 2012. Uncertainty about government policy and stock prices. J. Finance, 67, 1219–1264.
  • Shahzad, S. J. H., Bouri, E., Roubaud, D., Kristoufek, L., & Lucey, B., 2019. Is Bitcoin a better safe-haven investment than gold and commodities? International Review of Financial Analysis, 63, 322–330.
  • Singleton, K.J., 2014. Investor flows and the 2008 boom/bust in oil prices. Manag. Sci. 60, 300–318.
  • Soytas, U., Sari, R., Hammoudeh, S., & Hacihasanoglu, E., 2009. World oil prices, precious metal prices and macroeconomy in Turkey. Energy Pol. 37, 5557–5566
  • Wang, L. J., An, H. Z., Liu, X. J., & Huang, X., 2016. Selecting Dynamic Moving Average Trading Rules in Crude Oil Futures Markets Using a Genetic Approach. Appl. Energy, 162, 1608-1618.
  • Weber, B., 2016. Bitcoin and the legitimacy crisis of money, Cambridge Journal of Economics. 40, 1, 17-41.
  • Zhang, Y. J., & Ma, S. J., 2019. How to effectively estimate the time-varying risk spillover between crude oil and stock markets? Evidence from the expectile perspective. Energy Economics, 84, 104562.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار