Елена Владимировна Синельникова-Мурылева, кандидат экономических наук, старший научный сотрудник Центра изучения проблем центральныхбанков,
119571, РФ, Москва, пр. Вернадского, 84).E-mail:
Elena V. Sinelnikova-Muryleva, Cand. Sci. (Econ.), Senior Researcher, Center for the Study of Central Banks
84, Vernadskogo pr., Moscow, 119571
Мария Николаевна Кузнецова, научный сотрудник Центра изучения проблем центральных банков
119571, РФ, Москва, пр. Вернадского, 84
Maria N. Kuznetsova, Researcher, Center for the Study of Central Banks
84, Vernadskogo pr., Moscow, 119571
Кирилл Дмитриевич Шилов, научный сотрудник лаборатории математического моделирования экономических процессов,
119571, РФ, Москва, пр. Вернадского, 84
Kirill D. Shilov, Researcher, Laboratory of Mathematical Modeling of Economic Processes
84, Vernadskogo pr., Moscow, 119571
Аннотация Целью статьи является выявление детерминант доходностей криптовалют, для чего предпринята попытка выделить факторы, определяющие особенности рынка криптовалют, и проанализировать их доходность, применив многофакторные модели по типу Фамы — Френча. Авторы моделируют стандартные факторы на основании показателей капитализации, объемов торгов криптовалютами и третьего моментума. В работе представлена оценка влияния этих факторов на различные группы (портфели) криптовалют в отдельные периоды (становления рынка; зрелости или высокой ценовой волатильности рынка, в том числе с разбиением временно'го интервала исследований на два подпериода — до пандемии коронавирусной инфекции и в период пандемии). Это позволяет учесть неоднородность данных — как во времени, так и по определенным показателям. В результате построения регрессий на дневных данных были получены эмпирические свидетельства в пользу положительной взаимосвязи между доходностью групп криптовалют с моделируемыми факторами. Кроме того, в работе проверяется связь рынка криптовалют и фондового рынка. До начала периода высокой волатильности криптовалюты можно было рассматривать как актив для диверсификации рыночного риска. Однако впоследствии рынок криптовалют стал двигаться сонаправленно фондовому рынку. Это видно из появления статистической значимости коэффициента при переменной, отражающей премию за рыночный риск. Показано, что частотность данных может влиять на оценки коэффициентов модели, однако не влияет на принципиальные выводы из анализа. Полученные результаты указывают на необходимость дальнейшего анализа факторов доходности криптовалют на более однородных выборках.
The purpose of the article is to identify the determinants of cryptocurrency returns. To achieve this goal, the article presents an attempt to create factors that reflect the characteristics of the cryptocurrency market, and uses Fama–French type multifactor models for analyzing the returns of cryptocurrencies. Standard factors based on capitalization indicators, cryptocurrency trading volumes and the third momentum were built. The paper also presents an estimation of the impact of these factors on various groups, or portfolios, of cryptocurrencies in certain periods of time (the period of market formation and the period of high price volatility of the market, including its division into two sub-periods: before the coronavirus pandemic and during the pandemic), which allows us to consider the heterogeneity of data both in time and for certain indicators. As a result of estimating regressions on daily data, empirical evidence in favor of a positive relationship between the excess return of cryptocurrency groups with the constructed factors was obtained. In addition, the paper checks the relationship between the cryptocurrency market and the stock market. Prior to the beginning of high volatility period, cryptocurrencies could be considered as an asset for the diversification of market risk, but later there could be found co-movement of the cryptocurrency market and the stock market, seen from the appearance of the statistical significance of the coefficient before a variable reflecting the market risk premium. In addition, it was shown that the frequency of data can affect the estimates of the coefficients but does not affect the fundamental conclusions of the analysis. The findings indicate the need for further analysis of the cryptocurrency return factors on more homogeneous samples.
The authors declare that there are no conflicts of interest present.