نمونه ترجمه تخصصی در مورد ارز دیجیتال و بیت کوین

ما از سود بهره لگاریتمی و ناپایداری قیمت بیت کوین از 18 جولای سال 2010 تا 31 می 2018 استفاده می­کنیم. 2875 مشاهده داریم، و فراوانی داده روزانه است. تاریخ شروع تحلیل براساس وجود داده­ها درباره قیمت بیت کوین است. مطابق با دمیر و همکارانش (2018) و کارسیامپا (2017)، داده­های قیمت بیت کوین از روی سایت http://www.coindesk.com/price/ بدست آمد. ناپایداری قیمت بیت کوین به صورت انحراف معیار پویای سود بهره بیت کوین در طول پنج هفته آخر محاسبه شده است.

 

ثبت سفارش ترجمه تخصصی

 

بعلاوه تغییر لگاریتمی در شاخص جهانی GPR را نیز در نظر می­گیریم که توسط کلارادا و ایاکویلو (2018) ایجاد شده است. کلارادا و ایاکویلو (2018) ریسک ژئوپولیتیک را "ریسک مربوط به جنگ­ها، اعمال تروریستی، و تنش بین دولت­ها تعریف کردند که دوره نرمال و در حال صلح روابط بین­المللی را تحت تاثیر قرار می­دهد. ریسک ژتوپولیتیک با شاخص جهانی GPR سنجیده می­شود و شاخص GPR نتایج جستجوی خودکار متن در آرشیو­ الکترونیکی 11 روزنامه بین­المللی را منعکس می­کند. کلارادا و ایاکویلو (2018) با شمارش تعداد مقالات مربوط به ریسک ژئوپولیتیک در هر روزنامه برای هر ماه (به عنوان سهم کل تعداد مقالات خبری)، شاخص GPR را ایجاد کردند، و سپس آن را به صورت میانگین 100 برای دوره از سال 2000 تا 2009 به هنجار کردند. با توجه به داده­ها، ریسک­های ژئوپولیتیک در طی بحران روسیه و اکراین در سال 2014 و حملات تروریستی فرانسه در 2015 افزایش چشمگیری داشته است. داده­های GPR از روی کلارادا و ایاکویلو (2018) بدست آمد.

در این مرحله مدل­های تجربی زیر را ایجاد می­کنیم.

از معادله (1) تا معادله (4)، ∆ln سوده بهره لگاریتمی قیمت­های بیت کوین در زمان t را نشان می­دهد. VBC ناپایداری قیمت بیت کوین در زمان t را نشان می­دهد. ∆ln (GPR)_t و ∆ln(GPR)_t-k تغییر لگاریتمی طبیعی در شاخص جهانی GPR را در زمان t و  t-k نشان می­دهد. E_t عبارت خطا را نشان می­دهد و k عملگر فاصله زمانی (lag) (k = 1, 2, 3 . . . 24).

توجه داشته باشید که همبستگی بین سود بهره لگاریتمی قیمت بیت کوین و تغییر لگاریتمی در شاخص جهانی GPR، -0.011 است. شکل 1 تغییر در شاخص GPR و بهره سود بیت کوین را در طول دوره مورد نظر نشان می­دهد.

در ضمیمه A یک روش اقتصاد سنجی نیز ارائه شده است. برای فراهم کردن قوت یافته­های اصلی، تاثیرات مختلف ضرایب با تاخیر شاخص GRP در بهره سود و ناپایداری قیمت بیت کوین را نیز در نظر گرفتیم.

3. نتایج و مباحث تجربی

طبق بوری و همکارانش (2018 b)، مدل BSGVAR از طریق بازه سه ساله در حال گردش برآورد شده است.، و برآورد بازه سه ساله در حال گردش (یعنی 1095 روز) در طول دوره 19 جولای 2013 تا 31 می 2018 است. در شکل 2 معیار اطلاعات بیزی (BIG) مقادیر رگراسیون خودکار (MAR) چند متغیری را نشان می­دهد و ساختارها و یافته­های وابسته چند متغیری لحظه­ای (MIN)  نشان می­دهد که ساختار وابسته قبلی (یعنی MAR) باید به خاطر کوچکترین BIC آن نسبت به MIN انتخاب شود (رجوع کنید به شکل 2).

بعلاوه، درصد ساختارهای MAR حاصل از روی تغییر ریسک­های ژئوپولیتیک برای بهره سود بیت کوین پیوندهای MAR در شکل 3 نشان داده شده است. بیشترین ناهمخوانی بین شاخص ریسک ژئوپولیتیک و بهره سود بیت کوین در طول دوره 15 آوریل 2016 تا 3 ژوئن 2017 مشهود است. بر اساس این نتایج، "رابطه تقدم – تأخر" معنی­داری برای وقفه­های ساختاری شاخص جهانی GPR و مجموع مقادیر ارتباط بهره سود بیت کوین پیدا می­کنیم.

با نگاهی به ناپایداری قیمت بیت کوین، مدل BSGVA با بازه سه ساله برآورد می­شود، و این برآورد بازه سه ساله چرخشی (یعنی 1095 روز) در دوره 10 جولای 2013 تا 31 می 2018 است. در شکل 4، BIC مقدار ساختارهای وابسته BIC و MIN نشان داده شده است، و نتایج بیانگر این است که ساختار MAR باید انتخاب شود زیرا کوچکترین BIC را نسبت به MIN فراهم می­کند (رجوع کنید به شکل 4).

بعلاوه، درصد ساخترهای MAR حاصل از روی تغییر در میزان ریسک ژئوپولیتیک نسبت به ناپایداری قیمت بیت کوین پیوندهای MAR در شکل 5 نشان داده شده است. بیشترین ناهمخوانی بین شاخص ریسک ژئوپولیتیک و ناپایداری قیمت بیت کوین در دوره 15 جولای 2016 تا 31 دسامبر 2016 مشهود است. بر اساس این یافته­ها، "رابطه تقدم – تأخر" برای وقفه­های ساختاری در شاخص جهانی GPR و مجموع مقادیر پیوند ناپایداری قیمت بیت کوین مشاهده می­شود. در مجموع، مشاهده می­کنیم که GPR می­تواند بهره سود و ناپایداری قیمت بیت کوین را با موفقیت پیش­بینی کند. ضرایب رابطه بین شاخص­های بازار بیت کوین و شاخص GPR را با استفاده از تخمیت OLS و QQ بدست می­آوریم.

3.2. یافته­های حاصل از روی رگراسیون OLS و QQ

برای بدست آوردن اندازه تاثیر GPR  بر بهره سود بیت کوین، نتایج رگراسیون OLS و QQ در جدول 1 گزارش شده است.

نتایج حاصل از روی رگراسیون OLS نشان می­دهد که تاثیر شاخص GPR بر بهره سود بیت کوین منفی و در سطح 5% معنی­دار است. ضرایب با تاخیر شاخص gpr (از lag 1 تا lag 24) رابطه­ای منفی فراهم می­کند اما ضریب آنها از نظر آماری معنی­دار نیست. بعلاوه، برآورد QQ را در مقادیر مختلف ارائه می­دهیم. جالب توجه است که تاثیرات شاخص GPR بر بهره سود بیت کوین زمانی معنی­دارتر است که GPR و GPR (-1) در نظر گرفته می­شود.

با نگاهی به GPR (-12) و GPR (-24)، رابطه آماری معنی­داری وجود ندارد، در حالیکه GPR (-4) و GPR (-8) تاثیرات مثبت شاخص GPR بر بهره سود بیت کوین در چارک­های مختلف نشان می­دهد، اما یافته­ها فقط در سطح 10% معنی­دار هستند. جالب توجه است که تاثیرات GPR و GPR (-1) هم در چارک پایین و هم در چارک مرکزی منفثی است، و بیشتر ضرایب از نظر آماری معنی­دار هستند. اما وقتی چارک­های بالاتر مثل 0.85، 0.90 و 0.95 را در نظر می­گیریم، این رابطه در جهت مثبت تغییر می­کند (و هنوز از نظر آماری معنی­دار است). بعلاوه، تاثیرات GPR, GPR (-1) GPR (-2) GPR (-4), GPR (-8), GPR (-12) و GPR (-24) در چارک­های بالا (0.80, 0.85, 0.90, 0,95) مثبت است، اما رابطه فقط برای ضرایب GPR و GPR (-1) معنی­دار است. این نتیجه نشان می­دهد که قدرت پیش­بینی رویدادهای غیرمتعارف شاخص GPR در مورد بهره سود مثبت بیت کوین فقط در کوتاه مدت وجود دارد، یعنی تقریبا به مدت یک روز معامله.

در اصل نتایج ما نشان می­دهد که افزایش شاخص GPR موجب کاهش بهره سود بیت کوین خواهد شد. با این حال، وقتی به چارک­های بالا نگاه می­کنیم، تاثیر شاخص GPR بر بهره سود بیت کوین در جهت مثبت تغییر می­کند. یعنی بیت کوین را باید به عنوان ابزار دفاعی در برابر ریسک­های ژئوپولیتیک در مواقعی که بازار بیت کوین رو به ترقی است (یعنی بهره سود بالا در بازار) بکار بست. بر این اساس، کسانی که در بازار بیت کوین سرمایه­گذاری می­کنند، می­توانند یافته­های ما را در نظر بگیرند و باید در مدیریت پورتفولیوها در مورد ارزهای دیجیتال، ریسک­های ژئوپولیتیک جهانی را در نظر بگیرند. یکی دیگر از د لالت­های مهم یافته­های ما این است که سرمایه­گذاران در بازار بیت کوین می­توانند بهره سود بیت کوین را از طریق ایجاد شاخص ریسک ژئوپولیتیک مرتبط پیش­بینی کنند.

ثبت سفارش ترجمه تخصصی

بعلاوه، برای بدست آوردن میزان تاثیرات شاخص­های GPR بر ناپایداری قیمت بیت کوین، رگراسیون OLS و QQ در جدول 2 گزارش شده است.

نتایج برآورد PLS در جدول 2 نشان می­دهد که تاثیر شاخص GPR بر ناپایداری قیمت بیت کوین مثبت است، اما معنی­دار نیست. بعلاوه، ضرایب با تاخیر شاخص GPR (از lag1 تا lag24) رابطه مثبتی را نشان می­دهد، اما ضرایب نیز از نظر آماری معنی­دار نیستند. برآورد­های QQ نیز در چارک­های مختلف گزارش شده است. جالب توجه است که تاثیرات شاخص GPR بر ناپایداری قیمت بیت کوین فقط زمانی معنی­دار است که بر GPR و GPR (-1) تمرکز می­کنیم. با نگاهی به GPR (-2), GPR (-4), GPR (-8), GPR (-12), GPR (-24) رابطه معنی­داری وجود ندارد، و نتایج بیشتر تاثیر مثبت GRP بر ناپایداری قیمت بهره سود بیت کوین را در چارک­های متفاوت نشان می­دهند.

هم­چنین نتایج نشان می­دهد که تاثیرات  GPR  و GPR (-1) در هر دو چارک پایین و مرکزی مثبت است، اما ضرایب معنی­دار نیست. با این حال، وقتی چارک­های بالا مثل 0.85, 0.90 و 0.95 را در نظر می­گیریم، رابطه معنی­دار (و مثبت) است. جالب توجه است که تاثیرات GRP, GRP (-1), GRP (-2), GRP (-4), GRP (-8), GRP (-12), GRP (-24) در چارک­های بالا (0.80, 0.85, 0.90, 0.95) مثبت است اما رابطه فقط برای ضریب GPR و GPR (-1) معنی­دار است. این نتایج به این معنی است که رویدادهای نامتعارف GRP قدرت پیش­بینی در مورد ناپایداری قیمت نامتعارف بیت کوین را دارند، اما فقط در زمان بسیار کوتاه، یعنی ناپایداری قیمت روز جاری را پیش­بینی می­کنند.

این نتایج چند دلالت به دنبال دارد. برای مثال، بیت کوین را باید ابزار مهمی برای دفاع از پورتفولیو در برابر ریسک­های ژئوپولیتیک محسوب کرد. یافته­های ما با نتایج بوری و همکارانش (2017b) و دمیر و همکارانش (2018) مطابقت دارد، که نشان دادند که تاثیرات ریسک و شاخص­های عدم اطمینان بر بهره سود بیت کوین در نتایج پایه منفی است؛ با این حال، بیت کوین باید به عنوان مانعی (برای دفاع) در برابر ریسک­های ژئوپولیتیک در شرایط بازار رو به ترقی در نظر گرفته شود. ما با مشاهده تاثیر مثبت ریسک­های ژئوپولتیک بر ناپایداری قیمت بیت کوین در چارک­های بالا، یافته­های قبلی را تقویت کردیم.

هم­چنین باید توجه داشت که مسیر آینده شاخص ریسک ژئوپولتیک می­تواند به پیش­بینی بهره سود و ناپایداری قیمت بیت کوین کمک کند، زیرا به عنوان اسیب­پذیری بازار بیت کوین محسوب می­شود. چون ارزهای دیجیتال هنوز در مرحله تکامل هستند، سیاست­گذاران در اقتصادهای توسعه یافته و در حال توسعه باید بدانند که ریسک­های ناشی از شورش­ها، بی­ثباتی سیاسی و تروریسم می­تواند تاثیر معنی­داری بر ناپایداری قیمت و بهره سود بیت کوین داشته باشد. در مورد سرمایه­گذاران، شرکت­ کنندگان بازار ارزهای دیجیتال باید علاوه ریسک­های فعلی ارزهای دیجیتال، ریسک ژئوپولیتیک را نیز برای دفاع از پورتفولیوی خود در برابر ریسک­های پتانسیل تحت نظر داشته باشند.

A.1. روش اقتصاد سنجی

رابطه علّی همزمان و تاخیری بین متغیر عکس­العمل (یعنی Y_r) و متغیر پیش­بینی کننده (یعنی X_t) با مدل رگراسیون خودکار بردار ساختاری گرافیکی بیزی (BGSVAR) برآورد شده است. پویایی وابسته / علّی را می­توان به صورت زیر نوشت:

 

که در آن t = 1, …, T و p حداکثر درجه lag (تاخیر) است. Y_t و Z_t بردار سود بهره بیت کوین و تغییر در شاخص ریسک ژئوپولیتیک جهانی (GPR) است. شکل کوتاه شده معادله (A1) را می­توان به اینصورت نوشت:

 

که در آن X_t = (Y_t, Z_t) = (X_1t, . . ., X_nt)’ یک سری زمانی ابعادی n = n_y + n_z است؛ B^*₁ = (B₁, C₁₎ و 1 ≤ i ≤ p،  ماتریس n)  (n_y × با ضریب نامعلوم هستند؛ A₀ = (I_ny – B₀) ماتریسn_y) (n_{y ×} است؛ A_i=A₀^-1B_t^*, 1 ≤ i ≤ p، ماتریس ضریب تاخیر به شکل کاهش یافته هستند؛ و u_t = A₀^-1ε_t،1)  (n_y × عبارت باقیمانده شکل کاهش یافته با توزیع مستقل و همانند (iid) با میانگین صفر و ماتریس کواریانس 𝝨_u است.

بویژه هدف ما بررسی رابطه پویا بین بهره سود بیت کوین و شاخص ریسک­های ژئوپولیتیکی و رابطه پویا بین ناپایداری قیمت بیت کوین و شاخص ریسک­های جهانی است. برای این منظور از مدل BGSVAR الگبی و همکارانش (2016) استفاده کردیم تا به مسائل مربوط به تشخیص غلط معادلات سیستم و فرض محدودیت­های غیرمحتمل بپردازیم (بوری و همکارانش، 2018b). دو بازنمود ساده از ساختار علّی شبکه همزمان (CN) و شبکه تاخیری (LN) در چارچوب BGSVAR اتخاذ شده است. برای جزئیات بیشتر درباره تکنیک برآورد و استنباط رجوع کنید به آلگبی و همکارانش (2016).

بعلاوه، با  استفاده از فرآیند مونت کارلو زنجیری مارکو (MCMC) و روش­های شبکه کوچک، مولفه LN و CN را برآورد کریم. ساختار MIN و MAR به ترتیب احتمال بعدی را برای رابطه همزمان و رابطه تاخیری بین بهره سود بیت کوین و شاخص GPR و ناپایداری قیمت بیت کوین و شاخص GPR نشان می­دهند. شایان توجه است که بوری و همکارانش (2018b) از مدل BSGVAR برای پیش­بینی بهره سود بازارهای سهام در اقتصادسنجی BRICS با استفاده از شاخص ناپایداری (VLX) به عنوان عامل پیش­بینی کننده استفاده می­کنند. همین­طور، دمیر و همکارانش (2018) مدل BSGVAR را برای پیش­بینی سود بهره در بیت کوین با استفاده از شاخص عدم اطمینان سیاست اقتصادسنجی (EPU) بکار بردند. در این مقاله ما از تقریب دیگری برای سنجش عدم اطمینان استفاده می­کنیم، یعنی ریسک­های ژئوپولتیک (GPR)، به عنوان عامل پیش­بینی کننده پتانسیل بهره سود بیت کوین و ناپایداری قیمت بیت کوین.

ثبت سفارش ترجمه تخصصی

در نهایت، از روش حداقل مربعات معمولی (OLS) و رگراسیون چارک به چارک (QQ) برای برسی چارک سود بهره و ناپایداری قیمت بیت کوین در فراوانی­های مختلف از 0.05 تا 0.95 به عنوان تابعی از چارک شاخص GPR جهانی استفاده می­کنیم که هر نقطه معنی­دار را در توزیع آنها نشان می­دهد. در این مقاله تکنیک برآورد QQ سیم و زو (2015) را بکار بردیم. برای جزئیات بیشتر درباره تکنیک برآورد QQ، رجوع کنید به سیم و زو (2015).