BitCoin встречает Google Trends и Wikipedia: количественная оценка взаимосвязи между явлениями эпохи Интернета

1. Dataset Мы анализируем динамические свойства валюты BitCoin (как самой популярной из цифровых валют)...
2. Общие результаты
3. Положительные и отрицательные отзывы

Dataset

Мы анализируем динамические свойства валюты BitCoin (как самой популярной из цифровых валют) и поисковые запросы в Google Trends и Wikipedia как свидетельства интереса и внимания инвесторов. Временные ряды для валюты BitCoin на наиболее ликвидном рынке (Mt. Gox) доступны с 17.7.2010 с самой высокой заявленной частотой (тик), равной 1 минуте. Однако рынок оставался крайне неликвидным в течение приблизительно первого года своего существования. Чтобы разделить период на неликвидный и жидкий период, мы исследуем ряд тиков с ненулевым доходом в течение определенного дня. рисунок 1 изображает эволюцию ликвидности BitCoin . В качестве ориентира мы также показываем количество 1-минутных тиков, связанных с 8-часовым торговым днем. Несмотря на то, что рынок BitCoin является рынком 24/7, мы используем 8-часовой торговый день в качестве простого ориентира ликвидного рынка. Мы видим, что число тиков приближается к пороговому значению примерно в середине 2011 года. Более тщательная проверка обнаруживает, что с начала мая 2011 года число тиков колебалось около 8-часового контрольного показателя. Поэтому мы анализируем серию, начинающуюся 1 мая 2011 года, с датой окончания 30 июня 2013 года. Для Google Trends мы работаем с еженедельными данными и, таким образом, получаем 113 наблюдений; в то время как для Википедии доступны ежедневные данные, так что у нас есть 788 наблюдений.

Рисунок 1: Эволюция числа тиков.

Количество тиков с ненулевым возвратом за день показывается. Красная линия представляет количество тиков за 8-часовой торговый день и показана только для иллюстрации. Видно, что в первые дни существования рынка BitCoin ликвидности практически не было. Примерно с мая 2011 года ликвидность достигла удовлетворительного уровня.

Эволюция обеих пар - Google Trends (еженедельно) и Wikipedia (ежедневно) с соответствующими ценами BitCoin - показана на Рис. 2 , Очевидно, что ежедневная серия статей в Википедии дает более детальную картину поведения интереса и внимания пользователей Интернета вместе с более высоким потенциалом для более точного статистического анализа. Мы видим, что цены на цифровую валюту тесно связаны с поисковыми запросами обеих систем. В частности, корреляции достигают уровней 0,8786 (при t (111) = 19,3850 [<0,01], значение p отображается в квадратных скобках) и 0,8271 (при t (786) = 41,2587 [<0,01]) для Google Trends и википедия соответственно. Сила этих отношений хорошо иллюстрируется в Рис. 3 где очевидна сильная линейная корреляция между логарифмическими ценами и логарифмическими частотами поиска. Тот факт, что такая корреляция наиболее очевидна для спецификации log-log, является первым намеком на анализ логарифмических преобразований, а не на исходный ряд. Более того, спецификация log-log также позволяет легко интерпретировать отношения как эластичность. Такое понятие больше подчеркивается в следующем разделе, где обсуждаются стационарность и коинтеграция ряда.

Рисунок 2. Динамика цен на биткойны и поисковых запросов.

Недельные серии для BitCoin и Google Trends показаны слева, а ежедневные серии для BitCoin и Wikipedia - справа. Поисковые термины, очевидно, положительно коррелируют с ценами с корреляцией 0,8786 и 0,8271 для Google Trends и Wikipedia , соответственно (для шкалы log-log). Пузырь BitCoin 2013 года сопровождается стремительными поисковыми запросами в обеих базах данных.

Рисунок 3: Связь между ценой BitCoin и поисковыми запросами.

Двойная логарифмическая иллюстрация корреляции между ценами BitCoin и искомым термином ( Google Trend слева и Wikipedia справа). Положительная зависимость очевидна и сохраняется практически для всего диапазона с корреляцией 0,8786 и 0,8271 для Google Trends и Wikipedia , соответственно.

Стационарность и коинтеграция

Чтобы охватить различные комбинации отношений, мы сначала изучаем все стандартные преобразования исходного ряда, то есть логарифмическое преобразование, первые различия и первые логарифмические различия. Для каждой серии мы проверяем их стационарность, используя KPSS 14 и АПД 15 тесты. Поскольку оба теста имеют противоположные нулевые и альтернативные гипотезы, они образуют идеальную пару для тестирования стационарности против единичного корня. В Tab. 1 Все эти результаты суммированы. Для цен BitCoin (как дневных, так и еженедельных) мы находим, что исходный и логарифмический ряды являются нестационарными и содержат единичный корень. Соответственно, их первые отличия являются стационарными. Те же результаты получены для ежедневных просмотров Википедии, но для запросов Google Trends мы находим единичный корень только для логарифмического преобразования ряда искомых терминов. По этой причине, а также для более удобной интерпретации, мы выбираем логарифмический ряд.

Таблица 1: Тесты стационарности и единичного корня

Обращаясь теперь к анализу динамических свойств и взаимосвязей между рядами, нас прежде всего интересуют потенциальные отношения коинтеграции. Методология коинтеграции оказалась очень полезной в различных экономических и финансовых исследованиях, начиная от экономического развития 16 , 17 по монетарной экономике 18 , 19 , Международная экономика 20 , 21 , 22 в экономику энергии 23 , 24 так как это позволяет изучать долгосрочные отношения между рядами, а также их кратковременную зависимость с помощью моделей коррекции ошибок (более подробную информацию см. в разделе «Методы»). Чтобы проверить отношения коинтеграции, мы используем два теста Йохансена 25 - след и вероятностные тесты. В Tab. 2 Мы показываем результаты для обеих пар и обнаруживаем, что серии BitCoin не объединены с серией Google Trends, но соединение с серией Википедии можно описать как коинтеграцию. Поэтому для первой пары нам нужно обратиться к методологии векторной авторегрессии (VAR), примененной к первым логарифмическим различиям (см. Раздел «Методы»), а для второй пары мы придерживаемся стандартной коинтеграции и векторной ошибки. каркасная модель (VECM).

Таблица 2: Коинтеграционные тесты между ценами BitCoin и поисковыми запросами

Общие результаты

Начиная с результатов Google Trends , нас в первую очередь интересует динамическая взаимосвязь между поисковыми запросами в Google, а именно «BitCoin» (обратите внимание, что частота поисковых запросов не чувствительна к регистру, поэтому различные версии слова, такие как «BitCoin» »,« Биткойн »и« Биткойн », включены) и цена валюты. Основываясь на информационных критериях Акаике, Ханнана-Куинна и Шварца-Байеса, мы используем одиночный лаг в VAR-подходе, т.е. VAR (1) применяется к первым логарифмическим различиям. Чтобы контролировать потенциальную неэффективность автокорреляции и гетероскедастичности, мы выбираем стандартные ошибки гетероскедастичности и автокорреляции (HAC). Результаты обобщены в Рис. 4 , Графики показывают отклик соответствующей переменной на удар в импульсной переменной. Поскольку мы работаем с логарифмическими различиями, мы можем интерпретировать эти шоки как пропорциональную реакцию на шок в 1%. 10-процентный шок в поисковых запросах дает реакцию приблизительно 0,8% в первом и 1,2% во втором периоде, то есть общую реакцию 2%, и эффект исчезает для последних периодов. Однако влияние также действует с противоположной стороны, и оно снова длится (остается статистически значимым) в течение двух периодов. Реакция на 10% шок в поисковых запросах сопровождается общей реакцией 0,8% (0,55% и 0,25% для периодов соответственно) цен. Соединяя эти два значения, мы обнаруживаем, что повышенный интерес к валюте BitCoin, измеряемый поисковыми терминами, увеличивает ее цену. По мере того, как повышается интерес к валюте, растет и спрос, что приводит к росту цен. Однако с ростом цены на BitCoin растет интерес не только инвесторов, но и широкой общественности. Обратите внимание, что инвестировать в BitCoin довольно просто, так как валюту не нужно торговать большими пакетами. Это, очевидно, формирует потенциал для развития пузыря.

Рисунок 4: Динамика ответов для Google Trends .

Функции импульсного отклика для первых логарифмических различий цен BitCoin и поисковых запросов Google Trends . Позитивные отношения очевидны в обоих направлениях. Ответы также частично асимметричны.

Обращаясь теперь к результатам ежедневных просмотров Википедии , мы заинтересованы в том же отношении, что и в предыдущем случае, но теперь оно основано на векторной модели коррекции ошибок (VECM) с семью лагами (VECM (7)) на основе информационных критериев. , В Рис. 5 Мы представляем функции отклика, которые, однако, отличаются от предыдущих, поскольку они представляют постоянные сдвиги в переменной отклика по сравнению с непосредственными сдвигами в Рис. 4 , В первые 7 дней (торговая неделя) рост цен вызывает усиление положительной реакции дневных просмотров. После первой недели эффект стабилизируется, но интерес к BitCoin, измеренный ежедневными представлениями, не возвращается к исходному уровню. Полная передача составляет около 0,05, то есть изменение цен на 10% связано с постоянным сдвигом на 0,5% в представлениях Википедии . С другой стороны, мы не наблюдаем какого-либо статистически значимого эффекта от ежедневных просмотров к ценам. Разница между Википедией и Google Trends может быть вызвана тем фактом, что два движка, конечно, разные, и люди, использующие эти два, могут иметь разные мотивы и могут интересоваться разными особенностями. Тем не менее, мы считаем, что оба движка дают интересную информацию о функционировании и взаимосвязи между цифровой валютой и общим интересом к валюте. Помимо стандартных эффектов, нас также интересует, является ли реакция цен на искомые термины симметричной, т. Е. Имеет ли растущий интерес, связанный с растущими ценами (возможно, образование пузырей), такой же эффект, как и растущий интерес, связанный с снижение цен (возможно, пузырь лопнул).

Функции импульсного отклика для логарифмических преобразований цен BitCoin и ежедневных просмотров Википедии . Существует положительное влияние изменений цен на ежедневные просмотры на сайте Википедии . Противоположный эффект не является статистически значимым. Однако, когда эффекты разделяются на положительную и отрицательную обратную связь, эффект становится статистически значимым.

Положительные и отрицательные отзывы

Основным недостатком измерения интереса с помощью поисковых запросов в Google Trends или ежедневных просмотров в Википедии является тот факт, что трудно различить интерес из-за положительных или отрицательных событий. В частности, для BitCoin существует большая разница между поиском информации во время нарастающего тренда или после всплеска пузыря. Чтобы разделить эти эффекты, мы вводим фиктивную переменную, равную единице, если цена BitCoin выше уровня его тренда (измеряется по скользящей средней 4 для Google Trends и 7 для Википедии из-за разной частоты выборки) и ноль в противном случае. Таким образом, мы стараемся различать положительную обратную связь, определяемую как реакцию на растущий интерес (измеряемый поисковыми запросами), в то время как цена выше значения тренда, и отрицательную обратную связь, определяемую наоборот.

Для пары Google Trends результаты снова показаны в Рис. 4 , Здесь мы можем видеть, что практически вся реакция происходит от положительной обратной связи, поскольку практически нет статистически значимой реакции на отрицательные движения цен в смысле поисковых запросов. Гораздо более интересные результаты можно найти для ежедневных просмотров Википедии . В Рис. 5 мы находим, что положительная и отрицательная обратная связь практически симметричны относительно нулевой реакции. То есть реакция цен на изменения интереса к Википедии схожа для цен, находящихся как выше, так и ниже тренда, но для знака реакции. Полная передача составляет около 0,05 и -0,05 для положительной и отрицательной обратной связи соответственно. Это очень важный результат, потому что без разделения между положительными и отрицательными отзывами мы не обнаружим никакой реакции цен на биткойны на взгляды Википедии . Однако, если эффект разделен, реакция является статистически значимой и имеет ожидаемый признак. Если цены растут, а общественный интерес к этому вопросу растет, цены, скорее всего, продолжат расти. Но если цены снижаются, повышенный интерес толкает их еще ниже.

Похожие

Комментарии