| Περίληψη : | Τα κρυπτονομίσματα έχουν γίνει ένα πολύ δημοφιλές θέμα τα τελευταία χρόνια, κυρίως λόγω της δυναμικής της αγοράς τους και των ενδείξεων για μεγάλη μεταβλητότητα και τεράστιες αποδόσεις. Στη παρούσα διπλωματική εργασία, εξετάζουμε την προγνωστική ικανότητα του συναισθήματος των επενδυτών για τις αποδόσεις των επτά μεγαλύτερων κρυπτονομισμάτων: Bitcoin (BTC), Ethereum (ETH), Cardano (ADA), Binance Coin (BNB), Tether (USDT), XRP (XRP) και Dogecoin (DΟGE). Για αυτόν τον λόγο, χρησιμοποιούμε δύο εκτιμητές του επενδυτικού συναισθήματος, τον δείκτη ευημερίας του Twitter (Twitter Happiness Index–ΤΗΙ) και τον δείκτη μεταβλητότητας της αγοράς κρυπτονομισμάτων (Volatility Cryptocurrency Index–VCRIX). Για τις ανάγκες της εμπειρικής έρευνας χρησιμοποιείται δείγμα 1020 παρατηρήσεων για κάθε κρυπτονόμισμα. Χρησιμοποιώντας τρείς μεθόδους εκτίμησης – μέθοδος ελαχίστων τετραγώνων (Ordinary Least Squares–OLS), τεταρτημοριακή ανάλυση παλινδρόμησης (Quantile Regression–QR) και το μοντέλο αυτοπαλινδρόμησης υπό συνθήκες ετεροσκεδαστικότητας (Generalized Autoregressive Conditional Heteroskedasticity GARCH) –σε συνδυασμό με τη διενέργεια αρκετών ελέγχων, εξετάζουμε τη συμπεριφορά των αποδόσεων των κρυπτονομισμάτων. Πιο συγκεκριμένα, φαίνεται πως με τη μέθοδο εκτίμησης OLS και συγκεκριμένα εφαρμόζοντας απλή γραμμική παλινδρόμηση, δεν προκύπτει κάποια στατιστικά σημαντική σχέση μεταξύ των υστερήσεων του επενδυτικού συναισθήματος και των αποδόσεων ενώ με τη χρήση Vector Autoregression–VAR υποδείγματος υπάρχει στατιστικά σημαντική σχέση αλλά σχεδόν μηδενική. Έτσι, σε συνδυασμό και με τα αποτελέσματα των τεστ αιτιότητας κατά Granger, αποφανθήκαμε πως η σχέση τους είναι μη γραμμική και χρησιμοποιήσαμε την τεταρτημοριακή ανάλυση παλινδρόμησης. Σύμφωνα με αυτή τη μέθοδο εκτίμησης, η προγνωστική ικανότητα, των υστερήσεων, του δείκτη ευημερίας του Twitter καθώς επίσης και της μεταβλητότητας της αγοράς κρυπτονομισμάτων επικεντρώνεται κυρίως στις δύο ουρές με δύο εξαιρέσεις: το Binance Coin που δεν επηρεάζεται με στατιστικά σημαντικό τρόπο από τις υστερήσεις του THI και τα Cardano και Tether που δεν μπορεί να προβλεφθεί η απόδοση τους από τις υστερήσεις του VCRIX. Ωστόσο, με το GARCH μοντέλο, εξετάσαμε αν οι υστερήσεις των εκτιμητών του επενδυτικού συναισθήματος επηρεάζουν τη μεταβλητότητα των αποδόσεων των κρυπτονομισμάτων. Φαίνεται λοιπόν πως ο δείκτης ευημερίας του Twitter επιδρά σε όλα τα κρυπτονομίσματα εκτός του BNB, ενώ ο δείκτης μεταβλητότητας της αγοράς κρυπτονομισμάτων επιδρά μόνο στα BTC, ETH και XRP.
Cryptocurrencies have become a very popular topic in recent years, mainly due to their market dynamics and indications of high volatility and huge returns. In this dissertation, we examine the predictive role of investor’s sentiment about the returns of the seven largest cryptocurrencies: Bitcoin (BTC), Ethereum (ETH), Cardano (ADA), Binance Coin (BNB), Tether (USDT), XRP (XRP) and Dogecoin (DΟGE). For this reason, we use two proxies of investor’s sentiment, Twitter Happiness Index (THI) and Volatility Cryptocurrency Index (VCRIX). For the purposes of empirical research, a sample of 1020 observations for each cryptocurrency is used. Using three estimation methods–Ordinary Least Squares (OLS), Quantile Regression (QR) and the Generalized Autoregressive Conditional Heteroskedasticity (GARCH) model–in conjunction with several tests, we examine the behavior of cryptocurrency returns. More specifically, it seems that with the OLS estimation method and specifically by applying a simple linear regression, there is no statistically significant relationship between the lagged values of investor’s sentiment and the returns, while, using a Vector Autoregression–VAR model, there is a statistically significant relationship but almost zero. Thus, in combination with the results of granger causality tests, we decided that their relationship is nonlinear and used the quantile regression analysis. According to this estimation method, the predictive ability of the Twitter happiness index and the volatility of the cryptocurrency market is mainly focused on the two queues with two exceptions: the Binance Coin which is not affected in a statistically significant way by the THI lags, and Cardano and Tether whose performance cannot be predicted from the lags of VCRIX. However, using the GARCH model, we examined whether the lags of the two proxies affect the volatility of cryptocurrency returns. It appears, therefore, that Twitter's happiness index has an impact on all cryptocurrencies except Binance Coin, while the cryptocurrency market volatility index only affects Bitcoin, Ethereum and XRP.
|
|---|
Copyright © 2013 Βιβλιοθήκη Ο.Π.Α. Με την επιφύλαξη παντός δικαιώματος.