چکیده:
تجزیه وتحلیل ارزهای دیجیتال خصوصاً «بیتکوین» بهعنوان محبوبترین ارز دیجیتالی حاضر، در سالهای اخیر بسیار مورد توجه قرار گرفته است. علت این امر را میتوان به ویژگیهای نوآورانه، سادگی، شفافیت و محبوبیت رو به افزایش آن مرتبط دانست. از زمان معرفی، بیتکوین چالشها و فرصتهای بزرگی را برای سیاستگذاران، اقتصاددانان، کارآفرینان و مصرفکنندگان ایجاد کرده است. ساز و کار بیتکوین موجب شده ماینرها بیش از پیش به فعالیتهای اقتصادی بپردازند؛ که این امر خود تا حدودی موجب خنثی شدن تورم ناشی از عدم زیرساختهای اقتصادی و کاهش ارزش پول ملی میشود. هدف اصلی از نگارش این مقاله، بررسی و تحلیل نوسانات و بازده بیتکوین با استفاده از مدلهای خود رگرسیون ناهمسان واریانس شرطی تکمتغیره در دوره زمانی بین مارس 2012 تا مارس 2019 است. همچنین با تحلیل و بررسی این ارز دیجیتال سعی بر آن داریم اثر گذاری این ارز دیجیتال را بر توسعه و پیشرفت اقتصادی بررسی نمائیم. به خصوص با توجه به این که بیتکوین به عنوان یک رمز ارز نیازی به صرف هزینههای بسیار زیاد جهت زیر ساختهای بانکی را ندارد، این امر برای کشورهای در حال توسعه از اهمیت بالایی برخوردار میباشد. در این چارچوب، از مدلهای گارچ تکمتغیره GARCH، GJR-GARCH، TGARCH EGARCHو GARCH-M استفاده میشود. یافته ها، نشان میدهد که بهترین مدل برای بررسی مقدار ریسک در مدلهای گارچ تکمتغیره، مدل GARCH-M است، زیرا ریسک نقدشوندگی، شاخص قیمت بیتکوین را نسبت به سایر مدلهای تک متغیره، با خطای کمتری پیشبینی میکند. همچنین نتایج به دست آمده در مدل EGARCH، نشان میدهد که اثرات اهرمی در تغییرات نرخ بیتکوین وجود ندارد و مدل تخمین زده شده، یک مدل متقارن است. بررسی چند مدل دیگر گارچ تکمتغیره نیز نشان داد که ﻗﯿﻤﺖ بیتکوین دارای ﺗﻘﺎرن در اﺧﺒﺎر مثبت و منفی میباشد، بدین معنی که شوکهای مثبت و منفی، اثرات یکسانی روی قیمت بیتکوین دارند.
Digital currency analysis, especially Bitcoin, as the most popular digital currency, has received a lot of attention in recent years. The reason for this can be related to its innovative features, simplicity, transparency and increasing popularity. Since its introduction, Bitcoin has created great challenges and opportunities for policymakers, economists, entrepreneurs and consumers. The main purpose of writing this article is to investigate and analyze thefluctuations and returns of Bitcoin using univariate conditional variance heterogeneous autoregression models in the period between March 2012 and March 2019. In this framework, GARCH, GJR-GARCH, TGARCH EGARCH and GARCH-M univariate GARCH models are used. The results show that the best model for risk assessment in univariate GARCH models is GARCH-M model, because the liquidity risk predicts the Bitcoin price index with less error than other univariate models. Also, the results obtained in the EGARCH model show that there are no leverage effects in Bitcoin rate changes and the estimated model is a symmetric model. Examining several other univariate GARCH models also showed that the price of Bitcoin has symmetry in positive and negative news, this means that positive and negative shocks have the same effect on the price of bitcoin.