بیت کوین با Google Trends و ویکی پدیا ملاقات می کند: کمیت رابطه بین پدیده های دوره اینترنت

ارزهای دیجیتال به عنوان یک پدیده جذاب جدید در بازارهای مالی ظاهر شده اند. رویدادهای اخیر در مورد محبوب ترین ارزهای دیجیتال - بیت کوین - سؤالات اساسی در مورد رفتار نرخ ارز آن را افزایش داده است و آنها زمینه ای را برای مطالعه پویایی بازار ارائه می دهند که عملاً فقط از معامله گران سوداگرانه تشکیل شده است زیرا هیچ ارزش اساسی وجود نداردبه ارزدر مقاله ، ما دو پدیده از سالهای اخیر - ارزهای دیجیتال ، یعنی بیت کوین و نمایش داده های جستجو در Google Trends و ویکی پدیا را به هم وصل می کنیم و رابطه آنها را مطالعه می کنیم. ما نشان می دهیم که نه تنها پرس و جوهای جستجو و قیمت ها به هم وصل می شوند بلکه عدم تقارن برجسته بین تأثیر افزایش علاقه به ارز در حالی که بالاتر یا پایین تر از ارزش روند آن هستند ، وجود دارد.

مقدمه

معرفی اینترنت نحوه عملکرد اقتصاد واقعی را کاملاً تغییر داده است. با این امکان که همه کاربران اینترنت بتوانند به طور همزمان تعامل داشته باشند و اطلاعات را مبادله و به اشتراک بگذارند ، تقریباً بدون هزینه ، تصمیمات کارآمدتر در بازارها امکان پذیر است. حتی اگر ارتباط بین اقتصادهای دیجیتال و واقعی به چندین برآمدگی مانند حباب Dotcom از شکستن هزاره رسیده باشد ، اعتقاد بر این است که این مزایا بر هزینه ها غلبه کرده است.

یکی از پدیده های جالب دوران اینترنت ، ظهور ارزهای دیجیتالی مانند بیت کوین ، Litecoin ، Namecoin ، PPCoin ، Ripple و Ven است که محبوب ترین آنها را نامگذاری می کند. یک ارز دیجیتالی را می توان به عنوان یک ارز جایگزین تعریف کرد که منحصراً الکترونیکی است و بنابراین هیچ نوع فیزیکی ندارد. همچنین توسط هیچ بانک مرکزی یا دولت خاص یک کشور خاص صادر نمی شود و از این رو عملاً از اقتصاد واقعی جدا می شود. توجه داشته باشید که یک ارز دیجیتالی و مجازی مترادف نیست زیرا ارزهای مجازی در حال تجارت ارز در دنیای مجازی هستند (بیشتر در بازی های آنلاین چند نفره - MMOG - مانند World of Warcraft یا Second Life). حتی اگر ارزهای دیجیتالی تقریباً از اقتصادهای واقعی جدا شده باشند ، قیمت آنها (نرخ ارز) در ماه های اخیر یک رفتار کاملاً نامنظم را تجربه کرده است. به طور خاص ، ارز بیت کوین - محبوب ترین ارزهای دیجیتال - سال 2013 را با سطح 13 دلار در هر بیت کوین آغاز کرد و در 9 آوریل 2013 به 230 دلار موشک شد و به طور بالقوه در کمتر از چهار ماه سود پوچ تقریباً 1700 ٪ ایجاد کرد. بعداً در همان سال ، قیمت در 9 نوامبر 2013 حتی به 395 دلار افزایش یافت که سود آن از ابتدای سال 2013 سود تقریباً 2900 ٪ را به خود اختصاص می دهد.

چنین رفتاری را نمی توان با تئوری های استاندارد اقتصادی و مالی توضیح داد - به عنوان مثال. مدل جریان های نقدی آتی 1، برابری قدرت خرید 2،3 و برابری نرخ بهره کشف نشده 4،5 - به شیوه ای رضایت بخش. به طور کلی، ارزها را می توان کالاهای اقتصادی استانداردی دانست که بر اساس تعامل عرضه و تقاضا در بازار قیمت گذاری می شوند. اینها توسط متغیرهای کلان اقتصادی یک کشور یا موسسه صادرکننده (یا نهاد به طور کلی) مانند تولید ناخالص داخلی، نرخ بهره، تورم، بیکاری و غیره هدایت می شوند. از آنجایی که هیچ پایه اقتصادی کلان برای ارزهای دیجیتال وجود ندارد، تابع عرضه یا ثابت است (اگر مقدار ارز ثابت باشد) یا طبق برخی از الگوریتم‌های شناخته شده عمومی، که در مورد بازار بیت کوین است، تکامل می‌یابد. سمت تقاضای بازار ناشی از توسعه کلان اقتصادی مورد انتظار اقتصاد اصلی نیست (چون هیچ کدام وجود ندارد) بلکه تنها با سود مورد انتظار از نگهداری ارز و فروش آن در آینده هدایت می شود (چون هیچ سودی از نگهداری صرف وجود ندارد. ارز به دلیل عدم نرخ بهره ارزهای دیجیتال). بنابراین بازار تحت سلطه سرمایه گذاران کوتاه مدت، تعقیب کنندگان روند، معامله گران سر و صدا و دلالان است. بخش بنیادگرایانه بازار به دلیل این واقعیت که هیچ اصول بنیادی اجازه تعیین قیمت "عادلانه" را نمی دهد، کاملاً از بین رفته است. بنابراین، قیمت ارز دیجیتال تنها به دلیل ایمان سرمایه‌گذاران به رشد دائمی است. سپس احساسات سرمایه گذاران به یک متغیر مهم تبدیل می شود.

با این حال، یافتن معیار یا نشان دهنده خوبی از احساسات سرمایه گذاران در این زمینه کار بی اهمیتی نیست. اخیراً، جستجوهای ارائه شده توسط Google Trends و Wikipedia منبع اطلاعات مفیدی در برنامه‌های مالی هستند، از سوگیری خانگی و توضیحات حجم معامله از طریق اعلامیه‌های درآمد گرفته تا تنوع سبد سهام و استراتژی‌های معاملاتی 6،7،8،9،10،11،12. فراوانی جستجوی عبارات مرتبط با ارز دیجیتال می تواند معیار خوبی برای علاقه به ارز باشد و می تواند قدرت توضیح خوبی داشته باشد.

در اینجا، ما رابطه بین قیمت ارز بیت کوین را مطالعه می کنیم (برای توصیف دقیق عملکرد ارز، به رفرنس 13 مراجعه کنید) و عبارات جستجو شده مرتبط در Google Trends و Wikipedia. ما یک همبستگی مثبت قابل توجه بین سطح قیمت بیت کوین و عبارات جستجو شده و همچنین یک رابطه پویا که دو طرفه است پیدا کردیم. علاوه بر این، ما یک عدم تقارن بین اثرات پرس و جوهای جستجو مربوط به قیمت های بالا و پایین تر از یک روند کوتاه مدت را کشف می کنیم.

نتایج

مجموعه داده

ما ویژگی‌های پویا ارز بیت کوین (به عنوان محبوب‌ترین ارز دیجیتال) و جستارهای جستجو در Google Trends و Wikipedia را به عنوان پراکسی‌های مورد علاقه و توجه سرمایه‌گذاران تجزیه و تحلیل می‌کنیم. سری های زمانی برای ارز بیت کوین در نقدشونده ترین بازار (Mt. Gox) از 17. 7. 2010 با بالاترین فرکانس گزارش شده (یک تیک) 1 دقیقه در دسترس هستند. با این حال، بازار تقریباً برای اولین سال از وجود خود به شدت غیر نقدینگی باقی ماند. برای تفکیک دوره به غیر مایع و مایع، تعدادی کنه با بازده غیر صفر را در یک روز خاص بررسی می کنیم. شکل 1 تکامل نقدینگی بیت کوین را نشان می دهد. به عنوان یک معیار، ما همچنین تعدادی تیک 1 دقیقه ای مرتبط با یک روز معاملاتی 8 ساعته را نشان می دهیم. اگرچه بازار بیت کوین یک بازار 24 ساعته است، اما ما از روز معاملاتی 8 ساعته به عنوان یک معیار ساده برای یک بازار نقدی استفاده می کنیم. مشاهده می‌کنیم که تعداد کنه‌ها تقریباً در اواسط سال 2011 به مقدار آستانه نزدیک‌تر می‌شود. بازرسی دقیق‌تر نشان می‌دهد که از آغاز ماه مه 2011، تعداد کنه‌ها در حدود معیار 8 ساعته در نوسان بوده است. بنابراین، ما مجموعه‌ای را که از 1 مه 2011 شروع می‌شود با تاریخ پایان 30 ژوئن 2013 تجزیه و تحلیل می‌کنیم. در حالی که برای ویکی پدیا، داده های روزانه در دسترس است به طوری که ما 788 مشاهده داریم.

تکامل تعداد کنه ها

تعداد تیک با بازگشت غیر صفر در روز نشان داده شده است. خط قرمز تعدادی تیک را برای یک روز معاملاتی 8 ساعته نشان می دهد و فقط برای مثال نشان داده شده است. قابل مشاهده است که در روزهای آغازین وجود بازار بیت کوین، عملاً نقدینگی وجود نداشت. تقریباً از اردیبهشت 1390، نقدینگی به سطوح رضایت بخشی رسیده است.

تحول قیمت بیت کوین و پرس و جوهای جستجو.

مجموعه های هفتگی برای بیت کوین و گوگل ترندز در سمت چپ و مجموعه های روزانه برای بیت کوین و ویکی پدیا در سمت راست نشان داده شده اند. عبارات جستجو آشکارا با قیمت ها با همبستگی 0. 8786 و 0. 8271 به ترتیب برای Google Trends و Wikipedia همبستگی مثبت دارند (برای مقیاس log-log). حباب بیت کوین در سال 2013 با پرس و جوهای جستجوی موشکی در هر دو پایگاه داده همراه است.

رابطه بین قیمت بیت کوین و پرس و جوهای جستجو.

تصویر لگاریتمی دوگانه از همبستگی بین قیمت بیت کوین و عبارت جستجو شده (گوگل ترند در سمت چپ و ویکی پدیا در سمت راست) نشان داده شده است. یک وابستگی مثبت مشهود است و عملاً برای کل محدوده با همبستگی 0. 8786 و 0. 8271 برای Google Trends و Wikipedia به ترتیب برقرار است.

ایستایی و یکپارچگی

برای پوشش ترکیبات مختلف روابط، ابتدا همه تبدیل‌های استاندارد سری اصلی، یعنی تبدیل لگاریتمی، اولین تفاوت‌ها و اولین تفاوت‌های لگاریتمی را مطالعه می‌کنیم. برای هر یک از سری ها، ما ثابت بودن آنها را با استفاده از آزمون های KPSS 14 و ADF 15 آزمایش می کنیم. از آنجایی که هر دو آزمون دارای فرضیه‌های صفر و جایگزین متضاد هستند، آنها یک جفت ایده‌آل را برای آزمون ثابت بودن در مقابل آزمون ریشه واحد تشکیل می‌دهند. در برگه1، تمام این نتایج خلاصه شده است. برای قیمت بیت کوین (روزانه و هفتگی)، هم سری اصلی و هم سری لگاریتمی غیر ثابت هستند و حاوی ریشه واحد هستند. به همین ترتیب، اولین تفاوت آنها ثابت است. نتایج مشابهی برای بازدیدهای روزانه ویکی‌پدیا یافت می‌شود، اما برای جستارهای Google Trends، ما ریشه واحد را فقط برای تبدیل لگاریتمی سری عبارت‌های جستجو شده می‌یابیم. به همین دلیل و همچنین برای تفسیر راحت‌تر، سری لگاریتمی را انتخاب می‌کنیم.

در حال حاضر به تجزیه و تحلیل خصوصیات پویا و ارتباط بین این سریال ، ما در ابتدا به یک رابطه همگرایی بالقوه علاقه مندیم. روش ادغام در مطالعات مختلف اقتصادی و مالی ، از توسعه اقتصادی 16،17 بر اقتصاد پولی 18،19 ، اقتصاد بین المللی 20،21،22 به اقتصاد انرژی 23،24 بسیار مفید است زیرا این امکان را برای مطالعه یک رابطه طولانی مدت بین می گذاردسری و همچنین وابستگی کوتاه مدت آنها از طریق مدل های اصلاح خطا (برای اطلاعات بیشتر به بخش Methods مراجعه کنید). برای آزمایش روابط همبستگی ، ما از دو تست یوهانسن 25 استفاده می کنیم - ردیابی و تست های احتمال. در برگه2 ، ما نتایج را برای هر دو جفت نشان می دهیم و می یابیم که سری بیت کوین با سری Google Trends یکپارچه نمی شود اما اتصال به سری ویکی پدیا را می توان به عنوان ادغام توصیف کرد. بنابراین ، برای جفت اول ، ما باید به روش وکتور Autoregression (VAR) که در اولین تفاوت های لگاریتمی اعمال می شود (برای جزئیات بیشتر به بخش روشها مراجعه کنید) و برای جفت دوم ، ما به همبستگی استاندارد و خطای بردار می چسبیم-چارچوب مدل تصحیح (VECM).

نتایج عمومی

با شروع نتایج Google Trends ، ما ابتدا به رابطه پویا بین نمایش داده های جستجو در Google - یعنی "بیت کوین" علاقه مندیم (توجه داشته باشید که فرکانس پرس و جو جستجو حساس نیست به طوری که نسخه های مختلف کلمه مانند "بیت کوین""،" بیت کوین "و" بیت کوین "گنجانده شده است) - و قیمت ارز. بر اساس معیارهای اطلاعاتی Hannan-Quinn و Schwarz-Bayesian ، ما از یک تاخیر واحد در روش VAR استفاده می کنیم ، یعنی VAR (1) در اولین تفاوت های لگاریتمی استفاده می شود. برای کنترل همبستگی بالقوه و ناکارآمدی ناهمگونی ، ما خطاهای استاندارد ناهمگن و همبستگی قوی (HAC) را انتخاب می کنیم. نتایج در شکل 4 خلاصه شده است. نمودارها پاسخ یک متغیر مربوطه را به یک شوک در متغیر Impulse نشان می دهند. همانطور که ما با تفاوت های لگاریتمی کار می کنیم ، می توانیم این شوک ها را به عنوان یک واکنش متناسب با یک شوک 1 ٪ تفسیر کنیم. شوک 10 ٪ در پرس و جوهای جستجو ، در دوره دوم واکنشی تقریباً 0. 8 ٪ و در دوره دوم 1. 2 ٪ ایجاد می کند ، یعنی یک واکنش 2 ٪ در کل و اثر برای دوره های دوم از بین می رود. با این حال ، تأثیر نیز از طرف مقابل کار می کند و دوباره به مدت دو دوره ادامه می یابد (از نظر آماری قابل توجه است). واکنش به شوک 10 ٪ در نمایش داده های جستجو با واکنش کل 0. 8 ٪ (0. 55 ٪ و 0. 25 ٪ برای دوره ها) از قیمت ها دنبال می شود. با قرار دادن این دو ، می فهمیم که افزایش علاقه به ارز بیت کوین که با شرایط جستجو اندازه گیری می شود ، قیمت آن را افزایش می دهد. با افزایش علاقه به ارز ، تقاضا افزایش می یابد و همچنین باعث افزایش قیمت ها می شود. با این حال ، با افزایش قیمت بیت کوین ، همچنین علاقه نه تنها سرمایه گذاران بلکه یک عموم مردم نیز انجام می شود. توجه داشته باشید که سرمایه گذاری در بیت کوین بسیار آسان است زیرا ارز نیازی به معامله در بسته های بزرگ ندارد. این بدیهی است که پتانسیل توسعه حباب را تشکیل می دهد.

دینامیک پاسخ برای روندهای Google.

توابع پاسخ Impulse برای اولین تفاوت های لگاریتمی قیمت بیت کوین و نمایش داده های جستجوی Google Trends. رابطه مثبت از هر دو جهت مشهود است. پاسخ ها نیز تا حدی نامتقارن هستند.

اکنون به نتایج روزانه ویکی پدیا روی می آوریم ، ما به همان رابطه ای که در مورد قبلی علاقه مند هستیم علاقه مندیم اما اکنون بر اساس مدل تصحیح خطای بردار (VECM) با هفت تاخیر (VECM (7)) بر اساس معیارهای اطلاعاتواددر شکل 5 ، ما توابع پاسخ را ارائه می دهیم ، با این حال ، متفاوت از عملکردهای قبلی است زیرا این تغییرات دائمی در متغیر پاسخ را در مقایسه با تغییرات فوری در شکل 4 نشان می دهد. در 7 روز اول (یک هفته معاملاتی) ،افزایش قیمت ها باعث افزایش واکنش مثبت از دیدگاه های روزانه می شود. بعد از هفته اول ، این اثر تثبیت می شود اما علاقه به بیت کوین که توسط نماهای روزانه اندازه گیری می شود ، به سطح اولیه برنگشته است. انتقال کامل در حدود 0. 05 است ، یعنی تغییر 10 ٪ در قیمت ها به یک تغییر دائمی 0. 5 ٪ در نماهای ویکی پدیا متصل می شود. از طرف مقابل ، ما هیچ تأثیر آماری معنی داری از دیدگاه های روزانه به قیمت ها مشاهده نمی کنیم. تفاوت بین ویکی پدیا و روندهای گوگل ممکن است ناشی از این واقعیت باشد که البته این دو موتور متفاوت هستند و افرادی که از این دو استفاده می کنند می توانند انگیزه های مختلفی داشته باشند و می توانند به مشخصات مختلف علاقه مند باشند. با این وجود ، ما معتقدیم که هر دو موتور بینش جالبی در مورد عملکرد و رابطه بین ارز دیجیتال و علاقه عمومی به ارز ارائه می دهند. جدا از تأثیرات استاندارد ، ما همچنین علاقه مندیم که آیا واکنش قیمت ها به اصطلاحات جستجو متقارن است ، یعنی اینکه آیا علاقه فزاینده ای با افزایش قیمت ها (احتمالاً تشکیل حباب) به وجود می آید ، همان اثر فزاینده ای را دارد که به آن توجه می کندکاهش قیمت (احتمالاً پشت سر هم حباب).

پویایی پاسخ برای ویکی پدیا.

توابع پاسخ Impulse برای تحولات لگاریتمی قیمت بیت کوین و نماهای روزانه ویکی پدیا. تأثیر مثبتی از تغییرات قیمت در نماهای روزانه در سایت ویکی پدیا وجود دارد. اثر متضاد از نظر آماری معنی دار نیست. با این حال ، هنگامی که اثرات به یک بازخورد مثبت و منفی از هم جدا می شوند ، اثر از نظر آماری معنی دار می شود.

بازخورد مثبت و منفی

یک ضرر اساسی در اندازه گیری علاقه با استفاده از پرس و جوهای جستجو در Google Trends یا نماهای روزانه در ویکی پدیا این واقعیت است که به دلیل وقایع مثبت یا منفی ، تمایز بین علاقه دشوار است. به طور خاص برای بیت کوین ، بین جستجوی اطلاعات در طی یک روند فزاینده یا بعد از ترکیدن حباب تفاوت زیادی وجود دارد. برای جدا کردن این تأثیرات ، اگر قیمت بیت کوین بالاتر از سطح روند آن باشد (با میانگین متحرک 4 برای روند گوگل اندازه گیری می شود و از 7 برای ویکی پدیا به دلیل فرکانس نمونه برداری متفاوت اندازه گیری می شود) و در غیر این صورت صفر. به این ترتیب ، ما سعی می کنیم بین یک بازخورد مثبت که به عنوان واکنشی به علاقه فزاینده ای تعریف شده است (اندازه گیری شده توسط پرس و جوهای جستجو) تمایز قائل شویم در حالی که قیمت بالاتر از ارزش روند آن و بازخورد منفی است که به صورت معکوس تعریف می شود.

برای جفت Google Trends ، نتایج دوباره در شکل 4 نشان داده شده است. در اینجا ، ما می توانیم ببینیم که کل واکنش از بازخورد مثبت ناشی می شود زیرا عملاً هیچ واکنش آماری معنی داری نسبت به حرکات منفی قیمت ها به معنای وجود نداردپرس و جوهای جستجونتایج بسیار جالب تری برای نماهای روزانه ویکی پدیا یافت می شود. در شکل 5 ، می فهمیم که بازخورد مثبت و منفی عملاً در مورد واکنش صفر متقارن است. یعنی - واکنش قیمت ها به تغییر در علاقه ویکی پدیا برای قیمت های موجود در بالا و پایین تر از روند اما برای نشانه واکنش مشابه است. انتقال کامل برای بازخورد مثبت و منفی به ترتیب در حدود 0. 05 و 0. 05 است. این یک نتیجه مهم است زیرا بدون جدایی بین بازخورد مثبت و منفی ، ما هیچ واکنشی از قیمت بیت کوین به دیدگاه های ویکی پدیا نمی یابیم. با این حال ، اگر اثر از هم جدا شود ، واکنش از نظر آماری معنی دار و از یک علامت مورد انتظار است. اگر قیمت ها بالا برود و علاقه عمومی به موضوع در حال افزایش باشد ، احتمالاً قیمت ها افزایش می یابد. اما اگر قیمت ها کاهش یابد ، افزایش علاقه آنها را حتی پایین تر می کند.

بحث

ارزهای دیجیتال ابزارهای جدید اقتصادی با ویژگی های خاص هستند. احتمالاً مهمترین آنها این واقعیت است که آنها هیچ دارایی اساسی ندارند، توسط هیچ دولت یا بانک مرکزی صادر نمی شوند و سود یا سود سهام ندارند. علی‌رغم این واقعیت‌ها، این ارزها و به‌عنوان ارز بیت کوین، به دلیل افزایش بی‌سابقه قیمت‌ها با سود احتمالی صدها درصدی تنها در چند هفته یا چند ماه، توجه عمومی را به خود جلب کرده‌اند. در این مقاله، ما رابطه پویا بین قیمت بیت کوین و علاقه به ارز اندازه گیری شده توسط پرس و جوهای جستجو در Google Trends و دفعات بازدید از صفحه ویکی پدیا در بیت کوین را تحلیل کردیم. جدا از همبستگی بسیار قوی بین سطح قیمت ارز دیجیتال و هر دو موتور اینترنت، ما همچنین یک رابطه علی قوی بین قیمت ها و عبارات جستجو شده پیدا می کنیم. نکته مهم این است که ما متوجه می‌شویم که این رابطه دو طرفه است، یعنی نه تنها پرس‌و‌جوهای جستجو بر قیمت‌ها تأثیر می‌گذارند، بلکه قیمت‌ها نیز بر سؤالات جستجو تأثیر می‌گذارند. این به خوبی با انتظارات در مورد یک دارایی مالی بدون هیچ بنیادی مرتبط است. گمانه زنی و تعقیب روند آشکارا بر پویایی قیمت بیت کوین مسلط است.

به طور خاص، متوجه می‌شویم که در حالی که قیمت‌ها بالا هستند (بالای روند)، افزایش علاقه قیمت‌ها را بیشتر به بالاترین سطح می‌برد. از طرف مقابل، اگر قیمت ها کمتر از روند خود باشند، علاقه رو به رشد قیمت ها را حتی عمیق تر می کند. این یک محیط مناسب برای ظهور بسیار مکرر یک رفتار حباب است که در واقع برای ارز بیت کوین مشاهده شده است. ما بر این باوریم که این مقاله به عنوان نقطه شروع خط تحقیقاتی مربوط به ویژگی های آماری، پویایی و رفتار انفجار حباب ارزهای دیجیتال است، زیرا اینها یک محیط منحصر به فرد برای مطالعه یک بازار مالی صرفاً سوداگرانه فراهم می کند.

مواد و روش ها

سری زمانی از http://www. google. com/trends برای Google Trends ، http://stats. grok. se برای ویکی پدیا و http://www. bitcoincharts. com برای بیت کوین بدست آمده است. توجه داشته باشید که سری Google Trends عادی شده است (به طوری که حداکثر مقدار سری برابر با 100 باشد) و گرد شده در حالی که سری ویکی پدیا تعداد واقعی بازدیدها را برای روز معین ارائه می دهد. برای قیمت های بیت کوین ، ما روی نرخ ارز با USD در پلت فرم Mt. Gox تمرکز می کنیم زیرا این امر مایع ترین بازار را فراهم می کند. برای این واقعیت که سری Google Trends فقط در فرکانس هفتگی در دسترس است ، ما مجبور شدیم سری هفتگی (با همان تعریف هفته) را برای قیمت های بیت کوین بازسازی کنیم. قیمت هفتگی بیت کوین به طور متوسط از قیمت بسته شدن روزانه هفته های خاص گرفته می شود. دوره تجزیه و تحلیل شده بین 1. 5. 2011 و 30. 6. 2013 به دلیل عدم اعتبار بازار در دوره قبل (شکل 1 و متن اصلی را ببینید) متغیر است.

برای اهداف تمایز بین بازخوردهای مثبت و منفی برای قیمت بیت کوین ، ما یک جفت سری ایجاد می کنیم - و - تعریف شده به عنوان و کجا q_حرفآیا فرکانس جستجو در زمان t است و یک تابع شاخص برابر با 1 است اگر شرط در • برآورده شود و در غیر این صورت و N تعدادی از دوره هایی است که برای میانگین متحرک در نظر گرفته شده است. برای سری Google Trends ، ما از n = 4 ، یعنی 4 هفته (یک ماه روند) و برای سری ویکی پدیا استفاده می کنیم ، به دلیل نمونه گیری فرکانس متفاوت ، از n = 7 ، یعنی 7 روز (یک هفته معاملاتی) استفاده می کنیم. این دو متغیر به عنوان یک پروکسی برای فعالیت جستجو در ارتباط با بازخورد مثبت () و منفی () خدمت می کنند.

تست های ثابت بودن

برای تست ثابت بودن ، ما از تست افزوده دیکی فولر (ADF) 15 و تست KPSS 14 استفاده می کنیم. ADF فرضیه تهی از ریشه واحد (D = 1) در برابر جایگزین بدون ریشه واحد دارد (D< 1) whereas KPPS has a null of stationarity ( d = 0) against an alternative of a unit root ( d = 1). Using the pair of tests, we are able to identify whether the tested series is stationary or not.

اگر هر دو سری مورد تجزیه و تحلیل حاوی ریشه واحد باشند ، می توانیم آنها را برای ادغام آزمایش آزمایش کنیم. اگر هر دو سری ثابت باشند ، می توانیم از چارچوب بردار Autoregression (VAR) استفاده کنیم.

یکپارچه سازی

ما می گوییم که دو سری X_حرف>و y_حرف>CI (D ، B) با هم ادغام شده اند اگر هر دو از همان مرتبه D یکپارچه شوند و ترکیبی خطی از این دو سری وجود دارد که یکپارچه از سفارش D - B است. ادغام استاندارد بر اساس رابطه CI (1 ، 1) است ، یعنی سری X_حرف>و y_حرف>حاوی یک ریشه واحد (آنها هر دو I (1) هستند) و وجود دارد_حرف= y_حرف- α - βx_حرفکه من (0) است ، یعنی ثابت با حافظه کوتاه 26،27.

اگر سری ها با هم ادغام شوند، رابطه تعادل بلندمدت با مشخصه مشخص می شود

تا زمانی که سری ها با هم ادغام شوند، پارامترها را می توان با استفاده از برآوردگر ساده OLS به طور فوق العاده ثابت تخمین زد 28 . سری باقیمانده با تاخیر اصطلاح تصحیح خطا نامیده می شود و به عنوان انحراف از تعادل بلند مدت تفسیر می شود.

برای آزمایش رابطه هم انباشتگی، از دو آزمون یوهانسن 25 استفاده می کنیم - آزمون ردیابی و آزمون حداکثر درستنمایی. اگر مشخص شد که این سری CI (1، 1) یکپارچه است، مدل تصحیح خطا (ECM) یا مدل تصحیح خطا برداری (VECM) به طور استاندارد اعمال می شود. اگر سری های تجزیه و تحلیل شده با هم ادغام نشده باشند، باید با خودرگرسیون برداری که بر روی اولین تفاوت های سری استفاده شده اولیه اعمال می شود، ادامه دهیم.

خودرگرسیون برداری

خودرگرسیون برداری یک روش استاندارد برای تجزیه و تحلیل رابطه (به طور ایده آل علی) بین سری های متعدد 29،30 است. در مورد جفت سری x_حرف>و y_حرف>، خودرگرسیون برداری مرتبه p (VAR( p )) به صورت نوشته می شود

با اختلالات احتمالاً مرتبط 1 تن>و 2 تن>و تأخیر p بر اساس برخی معیارها، معمولاً یک معیار اطلاعاتی، مانند معیار اطلاعات آکایک (AIC)، معیار اطلاعات هانان-کوین (HQIC) و معیار اطلاعات شوارتز (SIC) انتخاب می شود. با فرض اینکه سری x_حرف>و y_حرف>آیا I (1)، اولین تفاوت آنها x است_حرف>و y_حرف>I (0) هستند و بنابراین ثابت هستند به طوری که سیستم را می توان به راحتی با استفاده از روش های حداقل مربعات معمولی یا حداکثر احتمال تخمین زد. پارامترهای β₁, β₂, γ₁و γ₂خودشان به اندازه استنتاج آماری مبتنی بر آنها مهم نیستند، برای اهداف ما عمدتاً تجزیه و تحلیل واکنش-پاسخ. تحلیل ضربه-پاسخ بر اساس یک نمایش میانگین متحرک برداری از VAR است و نشان می‌دهد که واکنش یک متغیر به یک شوک واحد در یک متغیر دیگر چیست و چگونه اثر در زمان ناپدید می‌شود. برای جزئیات، به Refs مراجعه کنید. 29, 30, 31, 32.

مدل تصحیح خطا برداری

مدل تصحیح خطای برداری (VECM) یک تعمیم از خودرگرسیون برداری است که اصلاحات بلندمدت را در بر می گیرد تا پویایی کوتاه مدت و بلندمدت را بتوان مطالعه کرد. برای سری های هم انباشته CI (1، 1)، (VECM(q)) داریم که تاخیرهای q به صورت نوشته شده است.

که در آن پارامترهای θ_منو κ_منکنترل پویایی کوتاه مدت و λ_مننشان دهنده اصلاحات خطا به رابطه هم انباشتگی بلند مدت از معادله. 1. چارچوب VECM(q) امکان تحلیل واکنش ضربه ای مشابه چارچوب VAR را فراهم می کند. تفاوت اصلی در این واقعیت نهفته است که Impulse-Response در چارچوب VAR پاسخ‌های فوری را نشان می‌دهد در حالی که در چارچوب VECM، تغییرات دائمی در متغیرهای مورد مطالعه بررسی می‌شوند 26،27،32.

اطلاعات تکمیلی

بازیابی داده ها: داده های حجم جستجو با دسترسی به وب سایت Google Trends (http://www. google. com/trends) در 5 ژوئیه 2013 و سایت آمار ترافیک مقاله ویکی پدیا (http://stats. grok. se) در21 آگوست 2013. سری های بیت کوین از http://www. bitcoincharts. com بین 2013-5. 7. 7 به دست آمد.

منابع

گوردون، ام. جی. سرمایه گذاری، تامین مالی و ارزش گذاری شرکت (ایروین، آر. دی و هوم وود، I. L. 1962).

Krugman, P. & Obsfeld, M. International Economics (Pearson Education, Inc., Boston, MA, 2009).

Reinert, K. A. & Rajan, R. S. (ویراستار) دایره المعارف پرینستون از اقتصاد جهانی اول (انتشارات دانشگاه پرینستون، پرینستون، نیوجرسی، 2009).

لوی، ام. دی. مالی بین المللی (راتلج، ابینگون، 2005).

Feenstra، R. C. & Taylor، A. M. بین المللی اقتصاد کلان (Worth Publishers، لندن، 2008).

Mondaria, J., Wu, T. & Zhang, Y. عوامل تعیین کننده سرمایه گذاری بین المللی و تخصیص توجه: استفاده از داده های جستجوی جستجوی اینترنتی. J. Int. اقتصاد82، 85-95 (2010).

پریس، تی، ریث، دی و استنلی، H. E. پویایی پیچیده زندگی اقتصادی ما در مقیاس‌های مختلف: بینش‌هایی از داده‌های جستجوی موتور جستجو. فیلوسترانس. R. Soc. الف-ریاضی. فیزیکمهندسعلمی368, 5707-5719 (2010).

دریک، ام. اس.، رولستون، دی تی و تورنوک، جی آر. تقاضای اطلاعات سرمایه‌گذار: شواهدی از جستجوهای گوگل در مورد اعلامیه‌های درآمد. J. حساب. Res. 50 (4)، 1001-1040 (2012).

Preis, T., Moat, H. S., Stanley, H. E. & Bishop, S. R. کمی کردن مزیت نگاه به جلو. علمیRep. 2, 350 (2012).

Preis, T., Moat, H. S. & Stanley, H. E. کمی کردن رفتار معاملاتی در بازارهای مالی با استفاده از Google Trends. علمیRep. 3, 1684 (2013).

موت، H. S. و همکاران. کمی سازی الگوهای استفاده از ویکی پدیا قبل از حرکت بازار سهامعلمیRep. 3, 1801 (2013).

Kristoufek, L. آیا جستجوهای Google Trends می توانند به تنوع ریسک کمک کنند؟علمیRep. 3, 2713 (2013).

Nakamoto، S. Bitcoin: یک سیستم نقدی الکترونیکی همتا به همتا. http://bitcoin. org/bitcoin. pdf، بازدید در 11 نوامبر 2013.

Kwiatkowski ، D. ، Phillips ، P. ، Schmidt ، P. & Shin ، Y. آزمایش تهی در برابر جایگزین یک ریشه واحد: چقدر مطمئن هستیم که سری زمانی اقتصادی دارای ریشه واحد است؟J. اقتصاد. 54 ، 159-178 (1992).

Dickey ، D. & Fuller ، W. توزیع برآوردگرها برای سری زمانی خودکار با ریشه واحد. مربا. آمارانجمن74 ، 427-431 (1979).

Bahmani-Oskooee ، M. رشد صادرات و رشد اقتصادی: استفاده از ادغام و مدل سازی اصلاح خطا. J. Dev. مناطق 27 ، 535-542 (1993).

اسلام ، M. گسترش صادرات و رشد اقتصادی: آزمایش برای ادغام و علیت. کاربردECON30 ، 415-425 (1998).

Johansen ، S. & Juselius ، K. برآورد حداکثر احتمال و استنباط از ادغام - با برنامه های مربوط به تقاضا برای پول. گاوگاو نر. ECONآمار52 ، 169–210 (1990).

Miller ، S. Dynamics پولی: کاربردی از ادغام و مدل سازی اصلاح خطا. J. بانک اعتبار پول. 23 ، 139-154 (1991).

Hakkio ، C. & Rush ، M. کارآیی بازار و ادغام: کاربردی برای بازارهای تبادل استرلینگ و دویسمارک. J. int. پول فین8 ، 75-88 (1989).

Pedroni ، P. آزمایش های برابری قدرت خرید در پانل های یکپارچه. روحانی اکون. آمار83 ، 727-731 (2001).

Narayan ، P. Nexus پس انداز و سرمایه گذاری برای چین: شواهدی از آزمایشات ادغام. کاربردECON37 ، 1979-1990 (2005).

Masih ، A. & Masih ، R. مصرف انرژی ، درآمد واقعی و علیت موقتی: نتایج حاصل از یک مطالعه چند کشور بر اساس تکنیک های ادغام و تصحیح خطا. Energy Econ. 18 ، 165-183 (1996).

لی ، C.-C. مصرف انرژی و تولید ناخالص داخلی در کشورهای در حال توسعه: تجزیه و تحلیل پانل یکپارچه. Energy Econ. 27 ، 415-427 (2005).

Johansen ، S. استنباط مبتنی بر احتمال در مدل های اتورگرایی وکتور یکپارچه (انتشارات دانشگاه آکسفورد ، آکسفورد ، نیویورک ، 1995).

Engle ، R. F. & McFadden ، D. L. (Eds.) کتابچه راهنمای اقتصاد سنج ، جلد. IV (Elsevier ، Amsterdam ، 1994).

Hatanaka ، M. Econometrics مبتنی بر سری زمان: ریشه های واحد و همبستگی (انتشارات دانشگاه آکسفورد ، آکسفورد ، نیویورک ، 1996).

Engle ، R. F. & Granger ، C. W. J. همبستگی و تصحیح خطا: بازنمایی ، تخمین و آزمایش. Econometrica 55 ، 251–276 (1987).

Sims ، C. A. اقتصاد کلان و واقعیت. Econometrica 48 ، 1-48 (1980).

Lütkepohl ، H. اقتصاد سنجی سری زمانی کاربردی (اسپرینگر ، برلین ، 2005).

همیلتون ، J. D. تجزیه و تحلیل سری زمانی (انتشارات دانشگاه پرینستون ، پرینستون ، نیویورک ، 1994).

Enders ، W. سری زمانی اقتصاد سنجی کاربردی (جان ویلی و پسران ، هابوکن ، نیویورک ، 2003).

سپاسگزاریها

حمایت از آژانس اعطای جمهوری چک (GACR) تحت پروژه های P402/11/0948 و 402/09/0965 قدردانی می شود.

اطلاعات نویسنده

نویسندگان و وابستگی ها

انستیتوی مطالعات اقتصادی ، دانشکده علوم اجتماعی ، دانشگاه چارلز در پراگ ، اوپلتالووا 26 ، 110 00 ، پراگ ، اتحادیه اروپا ، جمهوری چک

انستیتوی نظریه و اتوماسیون ، آکادمی علوم جمهوری چک ، POD Vodarenskou Vezi 4 ، 182 08 ، پراگ ، اتحادیه اروپا ، جمهوری چک

1. لادیسلاو کریستوفک

همچنین می توانید این نویسنده را در PubMed Google Scholar جستجو کنید

مشارکت

L. K. فقط متن اصلی نسخه خطی را نوشت ، ارقام را تهیه کرد و نسخه خطی را مرور کرد.

اعلامیه های اخلاق

منافع رقابتی

نویسنده هیچ منافع مالی رقیب را اعلام نمی کند.

حقوق و مجوزها

این کار تحت مجوز Creative Commons Attribution-Noncommercial-Sharealike 3. 0 مجوز مجوز قرار دارد. برای مشاهده یک نسخه از این مجوز ، به http://creativeecommons. org/licenses/by-nc-sa/3. 0/ مراجعه کنید

در مورد این مقاله

این مقاله را ذکر کنید

Kristoufek ، L. Bitcoin با Google Trends و Wikipedia ملاقات می کند: کمیت رابطه بین پدیده های دوران اینترنت. SCI Rep 3 ، 3415 (2013). https://doi. org/10. 1038/srep03415

دریافت: 30 ژوئیه 2013

پذیرفته شده: 18 نوامبر 2013

منتشر شده: 04 دسامبر 2013

این مقاله را به اشتراک بگذارید

هرکسی که لینک زیر را با آن به اشتراک بگذارید قادر به خواندن این محتوا خواهد بود:

لینک اشتراکی دریافت کنید

با عرض پوزش ، یک لینک اشتراک پذیر در حال حاضر برای این مقاله در دسترس نیست.

کپی به کلیپ بورد

ارائه شده توسط SPRINGER NATURE SHAREDIT SICTIONIATION CONTENT

این مقاله توسط

پیش بینی قیمت روزانه بیت کوین از طریق درک الگوی معامله blockchain با روش های یادگیری ماشین

• شیائو لی
• لیندا دو

مجله بهینه سازی ترکیبی (2023)

حباب های سوداگرانه و گله در ارزهای رمزنگاری شده

• اوزکان هایکیر
• ابراهیم یاگلی

نوآوری مالی (2022)

تجارت cryptocurrency: یک بررسی جامع

• حصار
• کارمن
• لینگبو لی

نوآوری مالی (2022)

یک بررسی کتاب مقدس از ارزهای رمزپایه: چگونه رشد کرده اند؟

• فرانسیسکو خاویر گارسیا-
• خوزه آنتونیو کوردو-گارسیا
• خوان اوریبل

نوآوری مالی (2022)

یادگیری عمیق مبتنی بر تجزیه داده برای پیش بینی بیت کوین و تجارت الگوریتم

• یوز لی
• شانگرونگ جیانگ
• شووینگ وانگ

نوآوری مالی (2022)

نظرات

با ارسال نظر ، شما موافقت می کنید که از شرایط و دستورالعمل های جامعه ما پیروی کنید. اگر چیزی توهین آمیز پیدا کردید یا مطابق با شرایط یا دستورالعمل های ما نیست ، لطفاً آن را به صورت نامناسب پرچم گذاری کنید.