Риск синхронного падения как ключевой фактор доходности криптовалют

Какую роль в формировании доходности криптовалют играет фактор риска синхронного падения — обесценения отдельных криптовалют и портфелей при падении рынка в целом? Ответу на этот вопрос посвящена настоящая работа. Исследование строится на недельных данных за 2014–2018 годы и охватывает свыше 900 криптовалют. Эмпирическая часть содержит регрессионный анализ, рассматривающий сразу три подхода к измерению систематического риска криптовалют, соответствующих различным положениям криптоактивов в портфелях инвесторов. В рамках этого оцениваются индивидуальные коэффициенты чувствительности криптовалют к рискам, строятся факторные портфели и тестируются портфельные стратегии, проводится кросс-секционный анализ с определением значимых риск-премий — всего более 315 тысяч регрессионных итераций. В результате выявлено, что криптоактивы очень чувствительны к риску обвала на рынке криптовалют, но нечувствительны к происходящему на рынке акций, а также на рынках, относящихся к альтернативным инвестициям, сохраняя свою автономность. Более подверженные риску синхронного падения инструменты в среднем являются более доходными, причем данная закономерность обнаруживается как на уровне отдельных инструментов, так и на уровне крупных портфелей криптовалют и не может быть отнесена к ненаблюдаемым факторам. Усредненная премия за риск синхронного падения составила 1,3% в неделю и оказалась ключевым компонентом доходностей криптовалют. Таким образом, высокие доходности криптоактивов являются лишь компенсацией за соответствующие высокие риски синхронного падения. Одновременно в исследовании подтверждается значимость факторов SMB и WML, отражающих надбавки за риски малой капитализации и высоких прошлых доходностей соответственно, для доходностей криптоактивов и предлагается трехфакторная модель, успешно объясняющая более 50% кросс-секционных доходностей криптовалют, превосходя уже представленные в литературе модели. Полученные результаты могут применяться в рамках дальнейших теоретических исследований, посвященных доходностям криптовалют, и в ходе управления инвестициями в криптовалюты портфельными менеджерами и индивидуальными инвесторами. 

1. Abbas Q., Ayub U., Sargana S.M., Saeed S.K. From Regular-Beta CAPM to Downside-Beta CAPM. European Journal of Social Sciences, 2011, vol. 21, no. 2, pp. 189-203.

2. Andrianto Y., Diputra Y. The Effect of Cryptocurrency on Investment Portfolio Effectiveness. Journal of Finance and Accounting, 2017, vol. 5, no. 6, pp. 229-238. DOI: 10.11648/j.jfa.20170506.14.

3. Ang A., Chen J., Xing Y. Downside Risk. The Review of Financial Studies, 2006, vol. 19, no. 4, pp. 1191-1239. DOI: 10.1093/rfs/hhj035.

4. Belitski M., Boreiko D. Success Factors of Initial Coin Offerings. The Journal of Technology Transfer, 2021, vol. 47, no. 6, pp. 1690-1706. DOI: 10.1007/s10961-021-09894-x.

5. Boido C., Fasano A. Alternative Assets: А Comparison Between Commodities and Traditional Asset Classes. ICFAI Journal of Derivatives Markets, 2009, vol. 6, no. 2, pp. 74-105.

6. Dickey D.A., Fuller W.A. Distribution of the Estimators for Autoregressive Time Series With a Unit Root. Journal of the American Statistical Association, 1979, vol. 74, no. 366a, pp. 427-431. DOI: 10.1080/01621459.1979.10482531.

7. Dobrynskaya V. Downside Market Risks of Carry Trades. Review of Finance, 2014, vol. 18, no. 5, pp. 1885-1913. DOI: 10.1093/rof/rfu004.

8. Fama E.F., Macbeth J.D. Risk, Return, and Equilibrium: Empirical Tests. The Journal of Political Economy, 1973, vol. 81, no. 3, pp. 607-636. DOI: 10.1086/260061.

9. Gilbert S., Loi H. Digital Currency Risk. International Journal of Economics and Finance, 2018, vol. 10, no. 2, pp. 108-123. DOI: 10.5539/IJEF.V10N2P108.

10. Gul F. A Theory of Disappointment Aversion. Econometrica: Journal of the Econometric Society, 1991, vol. 59, no. 3, pp. 667-686. DOI: 10.2307/2938223.

11. Hausman J.A. Specification Tests in Econometrics. Econometrica: Journal of the Econometric Society, 1978, vol. 46, no. 6, pp. 1251-1271. DOI: 10.2307/1913827.

12. Kahneman D., Tversky A. Prospect Theory: Аn Analysis of Decision Under Risk. Econometrica, 1979, vol. 52, no. 4, pp. 263-291. DOI: 10.1142/9789814417358_0006.

13. Lettau M., Maggiori M., Weber M. Conditional Risk Premia in Currency Markets and Other Asset Classes. Journal of Financial Economics, 2014, vol. 114, no. 2, pp. 197-225. DOI: 10.1016/j.jfineco.2014.07.001.

14. Liu W., Liang X., Cui W. Common Risk Factors in the Returns on Cryptocurrencies. Economic Modelling, 2020, vol. 86, pp. 299-325. DOI: 10.1016/j.econmod.2019.09.035.

15. Liu Y., Tsyvinski A. Risks and Returns of Cryptocurrency. The Review of Financial Studies, 2021, vol. 34, no. 6, pp. 2689-2727. DOI: 10.1093/rfs/hhaa113.

16. Liu Y., Tsyvinski A., Wu X. Common Risk Factors in Cryptocurrency. The Journal of Finance, 2022, vol. 77, no. 2, pp. 1133-1177. DOI: 10.1111/jofi.13119.

17. Makarov I., Schoar A. Trading and Arbitrage in Cryptocurrency Markets. Journal of Financial Economics, 2020, vol. 135, no. 2, pp. 293-319. DOI: 10.1016/j.jfineco.2019.07.001.

18. Nakamoto S. Bitcoin: А Peer-To-Peer Electronic Cash System. Decentralized Business Review, 2008, art. 21260.

19. Newey W.K., West K.D. Automatic Lag Selection in Covariance Matrix Estimation. The Review of Economic Studies, 1994, vol. 61, no. 4, pp. 631-653. DOI: 10.2307/2297912.

20. Roy A. Safety First and the Holding of Assets. Econometrica, 1952, vol. 20, no. 3, pp. 431- 449. DOI: 10.2307/1907413.

21. Yermack D. Is Bitcoin a Real Currency? An Economic Appraisal. In: Handbook of Digital Currency. New York, 2015, pp. 31-43. DOI: 10.1016/B978-0-12-802117-0.00002-3.

22. Zhang W., Li Y., Xiong X., Wang P. Downside Risk and the Cross-Section of Cryptocurrency Returns. Journal of Banking and Finance, 2021, vol. 133, pp. 106246. DOI: 10.1016/j.jbankfin.2021.106246.