암호화폐 수익률과 시장 불확실성에 대한 가격 민감도 사이의 비선형 관계

출처 | Finance Research Letters

저자 | 한승오

편집자 | 천얀팅

2024년 8월, Finance Research Letters에서 "암호화폐 수익률과 시장 불확실성에 대한 가격 민감도 간의 비선형 관계"를 발표했습니다. 파이낸스 리서치 레터스는 "암호화폐 수익률과 시장 불확실성에 대한 가격 민감도 사이의 비선형 관계"라는 논문을 발표했습니다. 암호화폐 수익률과 시장 불확실성에 대한 가격 민감도 사이의 비선형 관계를 조사했습니다. 2018년 6월부터 2023년 2월까지의 데이터를 선택한 저자들은 시장, 규모, 역전, 유동성 요인을 통제한 후 불확실성 위험이 중간인 암호화폐의 위험 조정 주간 수익률이 불확실성 위험이 낮거나 높은 암호화폐보다 5.73% 더 높은 것으로 나타나 암호화폐 수익률과 변동성 지수(VIX) 베타 요인 간의 비선형 관계를 입증했습니다. .. 복권과 같은 암호화폐에 너무 높은 가격을 지불하면 기대 수익률이 감소하여 이러한 비선형 관계를 더욱 설명할 수 있습니다. 이 상관관계는 두 개의 횡단면 회귀, 다양한 사분위수 조합 및 기타 위험 요소를 사용했을 때에도 여전히 견고하게 유지됩니다. 이 연구의 핵심 부분은 중국 인민대학교 금융기술연구소에서 작성했습니다.

I. 서론

시스템 리스크는 투자자의 자산 기대수익에 영향을 주는 공통적인 요소와 연관되어 있습니다. 균형 상태에서 자산 가격은 시스템 충격에 더 민감한 자산을 보유하기 위해 투자자가 요구하는 프리미엄을 반영해야 합니다. 이전의 자산 가격 연구는 전통적인 금융 자산에 초점을 맞췄지만, 최근 암호화폐의 기대수익률을 횡단면적으로 설명할 수 있는 몇 가지 요인을 제시하는 문헌이 증가하고 있습니다. 예를 들어, Liu 등(2020)은 암호화폐 시장에서 가장 널리 알려진 세 가지 요인(즉, 시장, 규모, 모멘텀)을 확인했습니다. 또한, 리우와 트시빈스키(2021)는 네트워크 사용자의 공동 변동에 의해 암호화폐 수익률이 예측된다는 것을 증명했습니다. 이 논문에서 제안한 다른 요인으로는 유동성 위험, 전염 위험, 특이한 변동성 등이 있습니다.

자산 가격 관련 문헌에서는 시장 불확실성 위험이 영향을 미칠 수 있는 요인으로 지목하고 있습니다. 시장 불확실성에 대한 민감도가 주식, 채권, 외환 등 금융시장에 영향을 미치는 중요한 요소라는 증거는 충분합니다. 다른 관련 연구에서도 개별 암호화폐의 변동성이 수익률을 설명하는 방법을 조사했습니다. 예를 들어, 장과 리(2020)는 고유 변동성이 암호화폐의 기대 수익률과 양의 상관관계가 있음을 발견했습니다.

이전 연구에서도 암호화폐 수익률과 시장 불확실성 간의 관계를 탐구했습니다. 예를 들어, 아키일디림 외(2020)는 시카고옵션거래소의 변동성지수(VIX)로 측정한 암호화폐와 금융시장 스트레스 사이의 조건부 상관관계가 시간에 따라 양의 상관관계가 있음을 보여주었습니다. 한편, 스몰레스(2022)는 변동성 지수의 수준이 수익률과 음의 상관관계가 있음을 보여줍니다.

기존 연구는 암호화폐 수익률과 개별 암호화폐의 변동성 수준 또는 주식시장 변동성에 초점을 맞췄습니다. 그러나 저자가 아는 한 암호화폐 수익률과 금융시장 불확실성에 대한 가격 민감도 사이의 관계, 즉 개별 암호화폐의 가격이 VIX의 비정상적인 변화에 대한 민감도에 따라 달라지는지 여부에 대한 연구는 아직까지 없습니다.

이 논문은 기존의 자산 가격 연구를 기반으로 암호화폐 시장에서 불확실성 위험의 역할을 추가로 조사함으로써 암호화폐에 대한 기존 연구에 기여합니다. 또한 민감도가 높은 암호화폐의 비선형적 특성을 복권과 같은 특성을 통해 처음으로 설명함으로써 암호화폐 시장에 대한 이해를 높였습니다.

 II.연구 과정

2.1 데이터

2.1.1 주간 위험 요소

이 기사의 저자는 2017년 9월 16일부터 2023년 2월 17일까지 총 1981일 동안 코인마켓캡닷컴에서 매일 암호화폐 데이터를 수집했습니다. 비활성 암호화폐와 소규모 암호화폐의 잠재적 문제를 피하기 위해 저자는 전주 시가총액이 10만 달러 미만인 암호화폐와 주당 거래일수가 5일 미만인 암호화폐는 제외했습니다. 불확실성 위험 요인(ΔVIXt)과 유동성 위험 요인(LIQt)은 거래되지 않는 거시경제 또는 전체 시장 변수와 관련된 불확실성의 원인을 나타내는 거래 불가능한 요인이므로, 저자는 회귀 잔차를 사용하여 주식 시장 변동성과 암호화폐 시장의 광범위한 유동성의 예기치 않은 변화를 도출했습니다. 시장(MKTt), 규모(SMBt), 반전(DMUt)과 같은 다른 거래 가능한 위험 요소는 암호화폐 포트폴리오에서 구성됩니다.

2.1.2 주간 베타 요인

이 백서의 주요 연구 질문은 VIX의 베타 요인이 암호화폐의 단면 수익률에 반영되는지 여부입니다. 베타 추정에 따르면 개별 암호화폐 수익률은 특정 위험 요인에 민감합니다. 특정 위험 요소의 민감도. 각 암호화폐에 대해 시계열 회귀 모델을 사용하여 선택한 위험 요인에 대한 민감도를 추정합니다. 공식은 다음과 같습니다:

2.2. 실증 분석

2.2.1. 요약 통계

표 1은 전체 위험 요인 및 개별 베타 추정치에 대한 설명적 통계를 제공합니다. 패널 A는 2017년 9월 22일부터 2023년 2월 17일까지의 데이터를 사용하여 회귀 모델에서 설명 변수로 사용된 위험 요소의 설명 통계와 상관관계를 보여줍니다. 변동성 요인은 다른 요인들과 중간 정도의 동시 상관관계를 보여 불확실성 위험 요인의 잠재력을 보여주고 있으며, VIX 혁신은 시장 요인과 음의 상관관계를 보여 시장이 강세를 보일 때 전체 시장 불확실성 또는 시장 공포 지수가 하락하는 경향이 있음을 나타냅니다. 또한 VIX 혁신은 유동성 요인과도 음의 상관관계를 보여 시장 공포가 완화될 때 시장 유동성이 증가한다는 것을 시사합니다. 패널 B는 방정식 (1)에서 추정된 주간 베타의 횡단면 통계의 중앙값을 나타냅니다. 패널 B의 주간 베타는 2018년 6월 15일부터 2023년 2월 17일까지 245주에 걸쳐 주당 평균 661개의 암호화폐를 대상으로 하며, VIX 베이타와 유동성 베타는 모두 음수이고 다른 베타는 양수입니다. 변동 계수(CV)는 VIX 베타가 암호화폐 수익률의 단면적인 변동을 살펴볼 수 있을 만큼 충분히 분산되어 있음을 시사합니다.

표 1 전체 위험 요인 및 개별 베타 추정치에 대한 설명 통계

패널 A 위험 요인에 대한 설명 통계

. center">

패널 B 개별 베타에 대한 단면 중앙값 통계

2.2.2. 포트폴리오 분석

이 백서에서는 다니엘과 티트먼(1997)이 설명한 포트폴리오 접근법을 사용하여 시장 불확실성 베타와 암호화폐 수익률 간의 관계를 살펴봅니다. 구체적으로, 암호화폐는 이 논문에서 개발한 시계열 모델을 사용하여 추정된 사전 순위 VIX 베타를 기준으로 매주 10개의 포트폴리오로 그룹화됩니다.

표 2는 포트폴리오의 각 데카일에 대한 평균 암호화폐 특성, 초과 수익률, 위험조정 수익률(알파)과 장단기 포트폴리오를 VIX 베타별로 정렬하여 보여줍니다. 사전 순위가 매겨진 VIX 베타 및 가격은 각 데스킬 포트폴리오의 형성 주에 대한 가치 가중 평균이며 초과 수익률은 다음 주 데스킬 포트폴리오의 초과 수익률에 대한 가치 가중 평균입니다. 알파 및 검정 통계는 각 포트폴리오의 다음 주 초과 수익률의 시간 가중 평균인 Gibbons 등(1989) 검정법을 사용하여 추정되며, 이는 다른 요인 모델에서 각 포트폴리오의 다음 주 초과 수익률을 시간 가중 평균한 것입니다. 순차 회귀. 표본 기간은 2018년 6월 15일부터 2023년 2월 17일까지 245주입니다.

표 2 포트폴리오 분석

표 3은 복권과 같은 특성(예: 가격, 최대, 조건부 왜곡도)을 가진 다양한 암호화폐의 5분위수 내에서 형성된 변동성 지수 베타로 정렬한 포트폴리오의 4요소 위험조정 수익률(알파)을 보여줍니다. 저자는 먼저 통제 변수를 사용하여 암호화폐를 5분위수로 나눈 다음, 각 5분위수 내에서 사전 순위가 매겨진 VIXbeta에 따라 암호화폐를 5분위수 포트폴리오로 분류합니다. 그런 다음 5개의 VIXbeta 순위 포트폴리오의 평균을 대조군 5분위수에서 구해 분산된 VIX와 비슷한 수준의 통제 변수를 가진 5분위수 포트폴리오를 구성합니다. 각 포트폴리오의 다음 주 초과 수익률에 대한 시계열 회귀를 4요인 모델(MKT, SMB, DMU, LIQ)로 조사합니다. 열 (3-1)은 포트폴리오 3과 포트폴리오 1의 알파 차이를 나타냅니다. 표본 기간은 2018년 6월 15일부터 2023년 2월 17일까지 245주입니다.

표 3 포트폴리오 분석: 이중 분류

2.2.3. 횡단면 분석

표 4는 위험 프리미엄과 t-값을 보고하며, Newey와 West(1987)의 방법론을 사용하여 강력한 표준 오차를 계산했습니다. 전반적으로 표 4의 결과는 표 2의 결과와 일치하며, 개별 암호화폐에 대한 2패스 단면 회귀 테스트를 통해 비선형 및 오목 관계를 확인했습니다.

표 4 단일 암호화폐에 대한 단면 자산 가격 테스트

 III.결론

이 논문은 2018~2023년 미국 주식시장 변동성과 암호화폐 수익률 간의 관계를 조사합니다. 실증 결과에 따르면 불확실성 위험이 중간 정도인 암호화폐를 매수하고 불확실성 위험이 낮거나 높은 암호화폐를 매도하는 포트폴리오가 상당한 위험 조정 수익을 얻을 수 있으며, 불확실성 위험과 수익률 사이에 비선형 관계가 있음을 알 수 있습니다. 복권처럼 과대평가된 암호화폐는 기대 수익률을 낮추며 이러한 비선형 관계를 설명합니다. 회귀 결과는 다양한 모델 사양에 걸쳐 견고하게 유지됩니다.

향후 연구에서는 미국 주식시장의 변동성 대신 디지털 자산 자체의 변동성이나 소셜 미디어 또는 검색 엔진의 관심 지수를 사용하여 불확실성 위험과 개별 암호화폐 수익률 간의 관계를 살펴볼 수 있습니다.