本文通過(guò)去趨勢(shì)比率檢驗(yàn)了比特幣價(jià)格指數(shù)、道瓊斯工業(yè)平均指數(shù)和滬深300指數(shù)的相對(duì)波動(dòng)性,發(fā)現(xiàn)比特幣市場(chǎng)相對(duì)中美兩國(guó)的股票市場(chǎng),表現(xiàn)出高風(fēng)險(xiǎn)和高投機(jī)性。以"關(guān)停比特幣中國(guó)交易平臺(tái)"事件為參照,構(gòu)建向量自回歸（VAR）模型對(duì)比研究事件前后用戶數(shù)量、百度搜索量以及媒體關(guān)注度與比特幣價(jià)格和交易量之間的動(dòng)態(tài)互動(dòng)關(guān)系,發(fā)現(xiàn)這些關(guān)系會(huì)因政策的干預(yù)而變化。同時(shí),比特幣作為技術(shù)突破的產(chǎn)物和金融產(chǎn)品,帶來(lái)了金融監(jiān)管問(wèn)題。本文的研究表明,用戶及用戶關(guān)注度驅(qū)動(dòng)了比特幣經(jīng)濟(jì),公眾共識(shí)支撐了比特幣的價(jià)值。 

【文章來(lái)源】：金融與經(jīng)濟(jì). 2019,(02)北大核心

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

比特幣市場(chǎng)、美國(guó)股票市場(chǎng)以及中國(guó)股票市場(chǎng)價(jià)格指數(shù)場(chǎng)上比特幣對(duì)投資者的吸引力的衡量指標(biāo)

倍，為中國(guó)股票市場(chǎng)的6倍。比特幣市場(chǎng)和中國(guó)股票市場(chǎng)都有很大程度的正偏差，而美國(guó)股票市場(chǎng)則有相對(duì)較小的正偏差。另外，相對(duì)于美國(guó)股票市場(chǎng)，比特幣市場(chǎng)和中國(guó)股票市場(chǎng)都有一個(gè)較大的正的超出峰度，導(dǎo)致肥尾，出現(xiàn)極端值的可能性更大。簡(jiǎn)而言之，與美國(guó)股票市場(chǎng)相比，比特幣市場(chǎng)和中國(guó)股票市場(chǎng)均表現(xiàn)出了高風(fēng)險(xiǎn)。比特幣市場(chǎng)相對(duì)于中國(guó)市場(chǎng)有更高的波動(dòng)性，表現(xiàn)出更高的投機(jī)性。（二）推動(dòng)比特幣的價(jià)格及成交量的原因1.變量的平穩(wěn)性檢驗(yàn)為了建立向量自回歸（Vectorautoregression，VAR）模型，首先需要檢驗(yàn)變量的平穩(wěn)性來(lái)避免可能存在的偽回歸問(wèn)題。因此，使用ADF（AugmentedDickey-Fuller）檢驗(yàn)法進(jìn)行單位根檢驗(yàn)，證明時(shí)間序列滿足平穩(wěn)性條件。由表3可知，除BPI和USER之外的時(shí)間序列均平穩(wěn)。對(duì)于涉及到的非平穩(wěn)序列，用式（5）將其轉(zhuǎn)化為對(duì)應(yīng)的平穩(wěn)序列。Yt=ln（Xt）-ln（Xt-1）（5）故用比特幣收益率（RETURN）來(lái)代表BPI，用用戶基數(shù)增長(zhǎng)率（USER%）來(lái)代表USER，根據(jù)表3的結(jié)果可以看出轉(zhuǎn)化后的兩個(gè)時(shí)間序列均為平穩(wěn)序列。用以上的五個(gè)平穩(wěn)序列估計(jì)四個(gè)分別以收益率和卷積擬合y0AωLtcωG值284.447053.99E+06118.31462.46E+06221.63542多項(xiàng)式擬合a0a1a2a3a4a5a6a7a8a9值-1.03E+171.30E+11-40785.61344-0.00462-1.23E-093.48E-15-3.06E-22-4.90E-281.61E-34-1.55E-41S型擬合A1A2ph1h2LOGt01LOGt02值2353.519363894.510680.77940.038350.023352.46E+062.46E+06圖2三個(gè)市場(chǎng)的價(jià)格趨勢(shì)標(biāo)準(zhǔn)?

）模型，首先需要檢驗(yàn)變量的平穩(wěn)性來(lái)避免可能存在的偽回歸問(wèn)題。因此，使用ADF（AugmentedDickey-Fuller）檢驗(yàn)法進(jìn)行單位根檢驗(yàn)，證明時(shí)間序列滿足平穩(wěn)性條件。由表3可知，除BPI和USER之外的時(shí)間序列均平穩(wěn)。對(duì)于涉及到的非平穩(wěn)序列，用式（5）將其轉(zhuǎn)化為對(duì)應(yīng)的平穩(wěn)序列。Yt=ln（Xt）-ln（Xt-1）（5）故用比特幣收益率（RETURN）來(lái)代表BPI，用用戶基數(shù)增長(zhǎng)率（USER%）來(lái)代表USER，根據(jù)表3的結(jié)果可以看出轉(zhuǎn)化后的兩個(gè)時(shí)間序列均為平穩(wěn)序列。用以上的五個(gè)平穩(wěn)序列估計(jì)四個(gè)分別以收益率和卷積擬合y0AωLtcωG值284.447053.99E+06118.31462.46E+06221.63542多項(xiàng)式擬合a0a1a2a3a4a5a6a7a8a9值-1.03E+171.30E+11-40785.61344-0.00462-1.23E-093.48E-15-3.06E-22-4.90E-281.61E-34-1.55E-41S型擬合A1A2ph1h2LOGt01LOGt02值2353.519363894.510680.77940.038350.023352.46E+062.46E+06圖2三個(gè)市場(chǎng)的價(jià)格趨勢(shì)標(biāo)準(zhǔn)差偏度峰度比特幣0.62142.40359.3195道瓊斯工業(yè)平均指數(shù)0.03550.16300.0339滬深300指數(shù)0.11102.27207.9229圖3三個(gè)市場(chǎng)的去趨勢(shì)比率金融與經(jīng)濟(jì)2019.0218

【參考文獻(xiàn)】：
期刊論文
[1]虛擬貨幣市場(chǎng)監(jiān)管取得初步成效[J]. 李華林.  上海商業(yè). 2018(05)
[2]比特幣價(jià)格泡沫:證據(jù)、原因與啟示[J]. 鄧偉.  上海財(cái)經(jīng)大學(xué)學(xué)報(bào). 2017(02)
[3]中美比特幣市場(chǎng)溢出效應(yīng)的實(shí)證研究[J]. 徐黎明,李靖.  統(tǒng)計(jì)與決策. 2016(13)
[4]比特幣價(jià)格波動(dòng)與虛擬貨幣風(fēng)險(xiǎn)防范——基于中美政策信息的事件研究法[J]. 劉剛,劉娟,唐婉容.  廣東財(cái)經(jīng)大學(xué)學(xué)報(bào). 2015(03)
[5]基于模仿傳染模型的比特幣羊群效應(yīng)分析[J]. 劉力臻,王慶龍.  北京郵電大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2015(02)



本文編號(hào)：3307482