Der Artikel untersucht die Volatilität auf den Kryptowährungsmärkten und ihren Zusammenhang mit den globalen Aktienmärkten und der US-Geldpolitik. Die Forscher identifizierten eine einzelne Preiskomponente, den sogenannten „Kryptofaktor“, der 80 Prozent der Preisbewegungen von Kryptowährungen erklärte, und zeigten, dass ihre Korrelation mit dem Aktienmarkt mit dem Zeitpunkt des Eintritts institutioneller Anleger in den Kryptowährungsmarkt zunahm. Übereinstimmung. Die Forscher dokumentierten auch ein ähnliches Phänomen bei Aktien, wo die Straffung der Geldpolitik der Federal Reserve die Auswirkungen von Krypto-Faktoren über den Risikobereitschaftskanal verringerte, im Gegensatz zu der Vorstellung, dass Krypto-Assets eine Absicherung gegen Marktrisiken bieten. Schließlich zeigen die Forscher, dass ein beispielhaftes heterogenes Agenturmodell mit zeitlich variierender Gesamtrisikoaversion ihre empirischen Ergebnisse erklären und das Potenzial von Kryptomärkten hervorheben kann, Risiken auf Aktienmärkte zu übertragen, wenn die Beteiligung institutioneller Anleger groß wird.
einführen
Kryptoassets unterscheiden sich erheblich in Design und Wertversprechen, ihre Preise unterliegen jedoch häufigen zyklischen Schwankungen. Es stieg von 20 Milliarden US-Dollar im Jahr 2016 auf fast 3 Billionen US-Dollar im November 2021, bevor es im jüngsten Krypto-„Winter“ unter 1 Billion US-Dollar fiel. Phasen exponentieller Renditen ziehen die Aufmerksamkeit von Privatanlegern und institutionellen Anlegern auf sich (Benetton und Compiani, 2022; Auer und Tercero-Lucas, 2021; Auer, Farag, Lewrick, Orazem und Zoss, 2022), während nachfolgende Abstürze die Aufmerksamkeit von Politikern auf sich ziehen und noch zunehmen Aufmerksamkeit seitens der Regulierungsbehörden. Diese Schwankungen auf dem Kryptomarkt stimmen möglicherweise auch zunehmend mit denen anderer Anlageklassen überein: Bitcoin bot bis 2020 in gewissem Maße eine teilweise Absicherung gegen Marktrisiken, aber seine Korrelation mit dem S&P 500 hat seitdem allmählich nachgelassen. Verbesserung (Adrian, Iyer und Qureshi, 2022).
Es ist jedoch wenig über die gemeinsamen Treiber bekannt, die sich auf die Preise von Krypto-Assets auswirken, und über die Faktoren, die die Korrelation zwischen Krypto-Assets und den Aktienmärkten beeinflussen, einschließlich der US-Geldpolitik. Dieser Artikel versucht, Licht in diese Probleme zu bringen, indem er die folgenden Fragen beantwortet. Inwieweit gibt es gemeinsame Zyklen zwischen Kryptoassets? Ist der Kryptomarkt zunehmend im Einklang mit dem globalen Aktienmarkt? Wenn ja, warum passiert das? Hat die US-Geldpolitik angesichts der Tatsache, dass die US-Geldpolitik als wichtiger Treiber globaler Finanzzyklen gilt (Miranda-Agrippino und Rey, 2020), in ähnlicher Weise die Zyklizität von Kryptoassets? Wenn ja, über welche Kanäle?
Wir beantworten diese Fragen, indem wir dynamische Faktormodelle verwenden, um vorherrschende Trends bei den Preisen für Kryptoassets zu identifizieren. Anhand eines täglichen Preispanels von sieben Token, die vor 2018 erstellt wurden und zusammen etwa 75 % der gesamten Krypto-Marktkapitalisierung ausmachen, zerlegen wir deren Volatilität in anlagespezifisches Rauschen und gemeinsame AR(q)-Komponenten. Wir fanden heraus, dass der resultierende „Verschlüsselungsfaktor“ etwa 80 % der Varianz in verschlüsselten Preisdaten erklärte. Dies ist viel mehr als der von Miranda-Agrippino und Rey (2020) berechnete Wert von 20 % für globale Aktien und spiegelt die Konzentration der Marktkapitalisierung der größten Kryptoassets im Verhältnis zu den größten Aktien wider. Diese Zahl ist über verschiedene Verzögerungsreihenfolgen q hinweg robust, und wir finden ähnlich hohe Korrelationen, wenn wir das Panel um weitere Kryptoassets erweitern.
In einem zweiten Schritt untersuchen wir die Beziehung dieses Kryptofaktors zu einer Reihe globaler Aktienfaktoren, die anhand von Aktienindizes der nach Bruttoinlandsprodukt (BIP) größten Länder erstellt wurden (basierend auf Rey, 2013; Miranda – Gedanken von Agrippino und Rey, 2020). Wir finden positive Korrelationen in der gesamten Stichprobe, insbesondere starke Korrelationen seit 2020. Diese wachsende Gleichlaufbewegung beschränkt sich nicht nur auf die zwischen Bitcoin und dem S&P 500, sondern umfasst auch Krypto- und globale Aktienfaktoren im weiteren Sinne. Im Segment des Aktienmarktes stellen wir fest, dass seit 2020 der Kryptofaktor die stärkste Korrelation mit dem globalen Technologiefaktor und dem Small-Cap-Faktor aufweist, während die Korrelation mit dem globalen Finanzfaktor überraschend gering ist.
Die erhöhte Korrelation zwischen Krypto-Assets und Aktien fällt mit der seit 2020 gestiegenen Beteiligung institutioneller Anleger am Kryptomarkt zusammen. Obwohl das Engagement der Institute im Verhältnis zu ihren Bilanzen gering ist, ist ihr absolutes Handelsvolumen viel größer als das von Einzelhändlern. Insbesondere das Handelsvolumen institutioneller Anleger an Kryptobörsen stieg zwischen dem zweiten Quartal 2020 und dem zweiten Quartal 2021 um mehr als 1700 % (von etwa 25 Milliarden US-Dollar auf über 45 Milliarden US-Dollar) (Auer et al., 2022). Da institutionelle Anleger mit Aktien und Krypto-Assets handeln, führt dies zu einem allmählichen Anstieg der Korrelation zwischen marginalem Eigenkapital und Risikoallokationen von Krypto-Investoren, was wiederum zu einer erhöhten Korrelation zwischen globalen Aktien- und Krypto-Faktoren führt. Nach der Faktorbewegungszerlegung von Bekaert, Hoerova und Lo Duca (2013) stellen wir fest, dass die Korrelation zwischen der insgesamt effektiven Risikoaversion von Kryptoassets und Aktien den größten Teil (bis zu 65 %) der Korrelation zwischen diesen beiden Faktoren erklären kann.
Die erhöhte Korrelation zwischen Kryptoassets und Aktien fällt mit der Zunahme der Beteiligung institutioneller Anleger am Kryptomarkt seit 2020 zusammen. Obwohl institutionelle Engagements im Verhältnis zu ihren Bilanzen gering sind, sind ihre absoluten Handelsvolumina weitaus größer als die von Privathändlern. Insbesondere das Handelsvolumen institutioneller Anleger an Krypto-Börsen stieg zwischen Q2 2020 und Q2 2021 um mehr als 1700 % (von rund 25 Milliarden US-Dollar auf über 45 Milliarden US-Dollar) (Auer et al. 2022). Da institutionelle Anleger mit Aktien und Krypto-Assets handeln, führt dies zu einem schrittweisen Anstieg der Risikoprofilkorrelationen zwischen marginalen Aktien und den Risikoallokationen von Krypto-Investoren, was wiederum zu einer erhöhten Korrelation zwischen globalen Aktien und Krypto-Faktoren führt. Nach der Faktor-Bewegungs-Zerlegung von Bekaert, Hoerova und Lo Duca (2013) stellen wir fest, dass die Korrelation der effektiven Gesamtrisikoaversion von Kryptoassets und Aktien den größten Teil (bis zu 65 %) der Korrelation zwischen diesen beiden Faktoren erklären kann.
Da die US-Geldpolitik die globalen Finanzzyklen beeinflusst (Miranda-Agrippino und Rey, 2020), deutet die hohe Korrelation zwischen Aktien und Krypto darauf hin, dass sie ähnliche Auswirkungen auf die Kryptomärkte haben könnte. Wir testen diese Hypothese mithilfe eines täglichen (vektorautoregressiven Modells), das den von Wu und Xia (2016) vorgeschlagenen Shadow Federal Funds Rate (SFFR) einschließt, um die bedeutende Rolle der Bilanzpolitik in unserem Stichprobenzeitraum zu berücksichtigen. Wir identifizieren die Auswirkungen geldpolitischer Schocks durch eine Cholesky-Zerlegung in der folgenden Reihenfolge: SFFR; 10-jährige und 2-jährige Treasury-Spreads, die die Erwartungen an das zukünftige Wachstum widerspiegeln; US-Dollar-Index, Öl- und Goldpreise sowie internationaler Handel, Kredit und ein Proxy für Rohstoffzyklen; der VIX-Index, der die Unsicherheit über zukünftige Erwartungen widerspiegelt; und schließlich Aktien- und Kryptofaktoren. In diesem Fall dürfte Endogenität weniger ein Problem darstellen, da die Wahrscheinlichkeit geringer ist, dass die Fed ihre Geldpolitik als Reaktion auf Schwankungen der Kryptopreise anpasst, und es weniger wahrscheinlich ist, dass solche Anpassungen auf täglicher Ebene erfolgen.
Wir stellen fest, dass die US-Geldpolitik die Kryptowährungszyklen auf die gleiche Weise beeinflusst wie die globalen Aktienzyklen, was im krassen Gegensatz zu der Behauptung steht, dass Krypto-Assets eine Absicherung gegen Marktrisiken bieten. Eine Erhöhung des Federal Funds Rate (SFFR) um einen Prozentpunkt führt in den folgenden zwei Wochen zu einem anhaltenden Rückgang des Kryptofaktors um 0,15 Standardabweichungen und zu einem Rückgang des Eigenkapitalfaktors um 0,1 Standardabweichung. Interessanterweise stellen wir, wie beim globalen Finanzzyklus (Rey, 2013), fest, dass nur die Geldpolitik der Federal Reserve funktioniert, während dies bei anderen großen Zentralbanken nicht der Fall ist, was wahrscheinlich auf die starke Nutzung des US-Dollars durch den Kryptomarkt zurückzuführen ist.
Wir stellen fest, dass der risikofreudige Kanal der Geldpolitik ein wichtiger Kanal ist, der diese Ergebnisse vorantreibt, ähnlich wie Miranda-Agrippino und Rey (2020) für die globalen Aktienmärkte feststellen. Insbesondere stellen wir fest, dass eine Straffung der Geldpolitik zu einer Verringerung des Kryptofaktors führt, begleitet von einem Anstieg der Proxy-Maßnahmen für die allgemeine effektive Risikoaversion auf dem Kryptomarkt. Mit anderen Worten: Eine restriktive Politik führt dazu, dass die Risikoposition der Anleger weniger nachhaltig ist und sie ihr Engagement in Krypto-Assets verringern. Bei der Aufteilung der Stichprobe im Jahr 2020 stellen wir fest, dass die Auswirkung der Risikoaversion des Kryptomarkts nur in der Zeit nach 2020 signifikant ist, was im Einklang mit der Einbeziehung institutioneller Anleger steht, die die Übertragung der geldpolitischen Transmission auf die Kryptomärkte verstärkt. In einem formelleren Test finden wir die gleichen Ergebnisse, wenn wir die Hypothese mithilfe der von Auerbach und Gorodnichenko (2012) vorgeschlagenen Glättungstransformation testen, wobei die Transformationsvariable der Anteil institutioneller Anleger ist.
Als Nächstes rationalisieren wir unsere Ergebnisse in einem Modell, das zwei Klassen heterogener Anleger umfasst, nämlich Krypto- und institutionelle Anleger. Erstere sind Privatanleger, die nur in Krypto-Assets investieren, während Letztere in Aktien und Krypto-Assets investieren können. Der Punkt ist, dass Krypto-Investoren risikoscheu sind, während institutionelle Anleger risikoneutral sind, aber mit Wertrisikobeschränkungen konfrontiert sind. Wir können die Gleichgewichtsrendite von Kryptoassets als lineare Kombination ihrer Varianz und der Kovarianz der Aktienrenditen, multipliziert mit dem Verhältnis der gesamten effektiven Risikoaversion, umschreiben. Letzteres lässt sich als durchschnittliche Risikoaversion der Anleger, gewichtet mit ihren Vermögensgewichten, interpretieren. Dies bedeutet, dass je höher das relative Vermögen institutioneller Anleger ist, desto ähnlicher ist die allgemeine effektive Risikoaversion des Kryptomarktes mit seiner Risikobereitschaft und desto größer ist die Korrelation zwischen Krypto- und Aktienmärkten. Da die Präsenz institutioneller Anleger auf den Kryptomärkten die allgemeine effektive Risikoaversion verringert, erklären wir die verstärkte Reaktion der Kryptopreise auf eine Straffung der Geldpolitik, was die größere Sensibilität fremdfinanzierter Anleger gegenüber Konjunkturzyklen widerspiegelt (Coimbra, Kim und Rey, 2022; Adrian und Shin, 2014). Abschließend stellen wir fest, dass es selbst in unserem einfachen Rahmen zu Spillover-Effekten von Kryptowährungen auf Aktien kommen kann: Wenn institutionelle Kryptowährungsbestände groß werden, verringert ein Einbruch der Kryptowährungspreise die Gleichgewichtsrenditen von Aktien.
Insgesamt verdeutlichen unsere Ergebnisse eine bemerkenswerte Synchronisation zwischen Kryptowährungszyklen und globalen Aktienmärkten mit ähnlichen Reaktionen auf geldpolitische Schocks. Während es viele Erklärungen für den Wert von Krypto-Assets gibt, beispielsweise als Inflationsschutz oder als zusätzliche Möglichkeit zur wirtschaftlichen Konvertierung, deuten unsere Ergebnisse darauf hin, dass die US-Geldpolitik die Zyklizität der Kryptomärkte beeinflusst.
Verschlüsselungsfaktor
Um die Volatilität des Kryptomarktes als einzelne Variable zusammenzufassen, verwenden wir die dynamische Faktormodellierung, eine Technik zur Dimensionsreduktion. Dies ermöglicht es uns, eine Reihe von Preisen in ihre spezifischen Bestandteile und einen gemeinsamen Trend zu zerlegen. Konkret beginnen wir mit den Tagespreisen der größten Kryptoassets, die vor Januar 2018 erstellt wurden (ausgenommen Stablecoins). Damit haben wir im Juni 2022 sieben Krypto-Assets, die 75 % der gesamten Marktkapitalisierung ausmachen. Wir stellen dieses kryptografische Preispanel dann als lineare Kombination eines gemeinsamen AR(q)-Faktors ft und einer vermögenswertspezifischen Störung εit dar (letztere wiederum folgt einem AR(1)-Prozess):
wobei L der Verzögerungsfaktor ist,
ist der Vektor der Ordnung q der Faktorladungen für Vermögenswert i. Die Schätzung dieses Systems mithilfe der maximalen Wahrscheinlichkeit und die Auswahl von q anhand des Informationskriteriums ergeben unsere gemeinsamen Faktoren. Es ist auch möglich, mehrere Faktoren anzugeben, die den Preis unterschiedlich beeinflussen, und wir verwenden diese letztgenannte Spezifikation, wenn wir mehrere verschiedene Unterklassen von Kryptoassets betrachten.
Abbildung 1 zeigt den Kryptofaktor und die zugrunde liegende Preisreihe, aus der wir ihn extrahieren. Der Krypto-Faktor erfasst effektiv gut charakterisierte Krypto-Marktphasen, wie den Rückgang Anfang 2018, den darauffolgenden „Krypto-Winter“, den jüngsten Boom bei Bitcoin und Dogecoin und den Rückgang bei Terra und FTX im Jahr 2022, ohne die Auswirkungen isoliert zu beeinflussen Spitzen wie Ripple und TRON.
Abbildung 1 Verschlüsselungsfaktor
Hinweis: Dieses Diagramm zeigt den Kryptofaktor (blau) und den normalisierten Kryptopreis (grau), um ihn zu konstruieren, generiert unter Verwendung eines dynamischen Faktormodells.
Um die Bedeutung dieses Faktors systematischer beurteilen zu können, regressieren wir jede Preisreihe nacheinander auf den Verschlüsselungsfaktor. Im Durchschnitt können 80 % der Variation in der zugrunde liegenden Reihe durch unseren Verschlüsselungsfaktor erklärt werden. Dieser Wert liegt bei allen sieben Vermögenswerten bei über 68 %, was den hohen Grad an Gleichlauf während unseres Stichprobenzeitraums unterstreicht. Zum Vergleich: Der von Miranda-Agrippino und Rey (2020) berechnete globale Aktienfaktor erklärt nur 20 % der globalen Aktienkurse, was die größere gemeinsame Bewegung und Konzentration der Marktkapitalisierung auf den Kryptomärkten verdeutlicht. Somit belegen unsere Ergebnisse nachdrücklich die Existenz eines einzigen Kryptofaktors, der die Preise auf dem gesamten Kryptomarkt bestimmt.
Angesichts der begrenzten Auswahl an Vermögenswerten, die zur Berechnung unserer Faktoren verwendet werden, haben wir auch bestätigt, dass unsere Kryptofaktoren neuere Trends bei neueren Vermögenswerten widerspiegeln. Zu diesem Zweck haben wir eine breitere Stichprobe von Vermögenswerten untersucht, die in fünf Kategorien gruppiert sind: Token der ersten Generation (Bitcoin, Ripple und Dogecoin), Token für intelligente Vertragsplattformen (Ethereum, Binance Coin, Cardano, Solana und Polkadot) und DeFi-Token (Chainlink, Uniswap, Maker und Aave), Metaverse-Token (Flow, Ape Coin, Sandbox, Decentraland und Theta Network) und IoT-Token (Helium, Iota, IoTex und MXC). Anschließend schätzen wir ein neues Modell mit fünf verschiedenen Faktoren, wobei jeder Faktor nur eine Kategorie beeinflusst. Die Ergebnisse sind in Abbildung 2 dargestellt, zusammen mit dem oben geschätzten allgemeinen Verschlüsselungsfaktor. Alle Kategorien korrelieren stark mit dem allgemeinen Kryptozyklus, was unseren Fokus auf gemeinsame Trends bestätigt.
Abbildung 2 Unterfaktoren der Verschlüsselung
HINWEIS: Die Abbildung zeigt den Gesamtverschlüsselungsfaktor und fünf Verschlüsselungsunterfaktoren, normalisiert und geglättet. Diese Unterfaktoren bestehen aus den folgenden Vermögenswerten: Token der ersten Generation – Bitcoin, Ripple und Dogecoin; Smart-Contract-Plattform-Token – Ethereum, Binance Coin, Cardano, Solana und Wave Card Points; DeFi-Token – Chainlink, Uniswap, Maker und Aave ; Metaverse-Token – Flow, Ape Coin, Sandbox, Decentraland und Theta Network; und IoT-Token – Helium, Iota, IoTex und MXC.
Schließlich ist der Krypto-Faktor im Einklang mit den Fallbeweisen mit einer Proxy-Variablen für die Hebelwirkung des Krypto-Marktes verbunden. Abbildung 3 stellt die Beziehung zwischen Kryptofaktoren und Krypto-Hebel dar, die hier anhand des Total Value Locked (TVL) in dezentralen Finanzverträgen („DeFi“) auf einer normalisierten Benchmark der gesamten Krypto-Marktkapitalisierung definiert wird. Dies zeigt einen geringen relativen Leverage-Effekt im System bis zum Ende des Krypto-„Winters“ 2018–2019, danach nahm der Leverage deutlich zu und die Korrelation mit dem gesamten Krypto-Faktor nahm zu.
Abbildung 3 Dezentrale finanzielle Hebelwirkung
Hinweis: Diese Grafik zeigt den gesamten Krypto-Faktor und eine alternative Metrik, die den gesamten DeFi-Hebel darstellt, definiert als der Total Value Locked (TVL) in dezentralen Finanzverträgen, normalisiert auf den Benchmark für die gesamte Krypto-Marktkapitalisierung. TVL-Daten von
Kryptowährungen und der globale Finanzzyklus
Wir wenden uns nun der Beziehung zwischen Kryptofaktoren und globalen Aktien zu. Iyer (2022) hat seit 2020 einen Anstieg der Korrelation zwischen Bitcoin und den S&P 500-Renditen dokumentiert. Daher vermuten wir, dass sich der Kryptomarkt stärker konsolidiert hat und mit dem Aktienzyklus synchronisiert ist. Um dies zu beurteilen, berechnen wir in diesem Abschnitt einen globalen Aktienfaktor und untersuchen dann seine Beziehung zum Kryptofaktor.
Wir erstellen globale Aktienfaktoren anhand eines All-Equity-Index der fünfzig größten Länder, sortiert nach BIP, von Eikon/Thomson Reuters. Anschließend berechnen wir wie im vorherigen Abschnitt: unter Verwendung aggregierter Faktoren für alle wichtigen Aktienindizes, Faktoren für Small-Cap-Aktien und einzelner Faktoren für den Technologie- und Finanzsektor. Abbildung 4 zeigt die Aktien- und Kryptofaktoren. Wie der Kryptofaktor hat auch der Aktienfaktor die Dynamik der globalen Märkte zuverlässig nachgebildet, einschließlich des starken Rückgangs während des COVID-19-Schocks, der anschließenden Erholung und des Rückgangs Anfang 2022. Insgesamt war die Korrelation zwischen den beiden Zeitreihen bis 2020 relativ gering und nahm ab der zweiten Jahreshälfte 2020 allmählich zu. Formeller ausgedrückt regressieren wir in Tabelle 2 Änderungen im Verschlüsselungsfaktor auf Änderungen in jedem der anderen Faktoren. Modell (1) zeigt, dass die Korrelation zwischen Kryptofaktoren und Aktienfaktoren im Allgemeinen sehr signifikant ist, während die Modelle (2) und (7) ausdrücklich betonen, dass diese Beziehung teilweise durch Technologie und Small Cap bestimmt wird.
Abbildung 4 Kryptowährungs- und Eigenkapitalfaktoren
Hinweis: Die Abbildung zeigt normalisierte Zeitreihen für Krypto- und Aktienfaktoren, die aus einer Vielzahl von Kryptopreis- bzw. Aktienindizes mithilfe dynamischer Faktormodelle abgeleitet wurden, wie in Abschnitt 2 beschrieben.
Angesichts der Bedeutung von Institutionen untersuchen wir nun ihre Rolle bei der Veränderung des Risikoprofils marginaler Krypto-Investoren. Um dies empirisch zu untersuchen, zerlegen wir Faktoränderungen nach den Methoden von Bekaert et al. (2013) und Miranda-Agrippino und Rey (2020) in zwei Komponenten: (i) Änderungen des Marktrisikos und (ii) Änderungen des Marktrisikos Einstellung zum Risiko, das heißt die „gesamte effektive Risikoaversion“, definiert als die gewichtete durchschnittliche Risikoaversion der Anleger. Wir verwenden die Proxy-Variable, um das Marktrisiko (i) zu ermitteln, nämlich die 90-Tage-Varianz des MSCI World-Index, gemessen nach der Methode von Miranda-Agrippino und Rey (2020), und dann die verbleibende Laufzeit der logarithmischen Regression wie folgt erhalten
(als Umkehrfunktion) zur Schätzung von (ii):
Dasselbe gilt auch für Kryptowährungen:
In:
ist ein Faktor, der mit der Methode in Gleichung (1) oben geschätzt wird; wir haben den MSCI World-Term in der Krypto-Regression wiederholt, um das globale Gesamtmarktrisiko zu kontrollieren; Ähnliche Proxy-Variablen für das Marktrisiko.
Die in Gleichung (2) extrahierte effektive Aktienrisikoaversion steht im Einklang mit anderen Proxyvariablen für die Risikobereitschaft von Anlegern in der Literatur. Die von He, Kelly und Manela (2017) (in Tabelle A.4 von Anhang A) vorgeschlagenen Korrelationen zwischen der 90-Tage-Aktienrisikoaversion und dem Quadrat der Intermediärkapitalquote und der Intermediärverschuldungsquote betragen -0,292 bzw. 0,434. Diese Proxy-Variablen werden wie folgt erklärt: Wenn negative Schocks das Eigenkapital von Intermediären beeinflussen, erhöhen sich deren Verschuldungsquoten; dadurch wird ihre Risikotragfähigkeit beeinträchtigt und die effektive Risikoaversion steigt. Diese Korrelationen sind relativ hoch, wenn man bedenkt, dass He et al. (2017) einen ganz anderen Ansatz verwendet haben und wir Tagesmessungen vergleichen. Tatsächlich wird ihre Proxy-Variable nur anhand der Kapitalquoten der wichtigsten Händler der New Yorker Fed erstellt, nicht anhand globaler Aktienpreise (berechnet aus globalen Aktienpreisen) (siehe Gleichung 6 ihres Papiers).
Abbildung 5 zeigt die Ergebnisse für die allgemeine effektive Risikoaversion marginaler Krypto-Investoren sowie den Krypto-Faktor. Wir identifizieren zwei Hauptphasen, vor und nach Ende 2019. Zu Beginn unserer Stichprobe ist die effektive Risikoaversion von Krypto-Investoren volatiler und nimmt tendenziell leicht zu. Dies fällt insbesondere mit einem „Krypto-Winter“ zusammen, einem längeren Zeitraum relativ flacher oder negativer Renditen. Nach 2020 nahm die effektive Risikoaversion relativ stetig ab, wobei Kryptofaktoren hohe Renditen und eine hohe Volatilität aufwiesen. Interessanterweise spiegelt der Krypto-Faktor seit dem Absturz von Terra/Luna im Mai 2022 fast die effektive Risikoaversion wider, was bedeutet, dass die Krypto-Preise in erster Linie durch Veränderungen in der Risikobereitschaft der Krypto-Investoren bestimmt werden. Abschließend stellen wir fest, dass der Rückgang der effektiven Risikoaversion mit einer Zunahme der Beteiligung institutioneller Anleger einhergeht, die mehr Risiken eingehen können als Privatanleger, wodurch sich die Risikobereitschaft marginaler Krypto-Investoren verändert.
Abbildung 5 Insgesamt wirksame Vermeidung von Verschlüsselungsrisiken
Hinweis: Die Abbildung zeigt den Kryptowährungsfaktor und die insgesamt effektive Risikoaversion im Kryptowährungsmarkt nach Schätzungen von Bekaert et al. (2013) und Miranda-Agrippino und Rey (2020), wie im Text beschrieben. Beide Variablen sind standardisiert.
Insgesamt stützen unsere Ergebnisse die Hypothese, dass der Eintritt institutioneller Anleger der Hauptfaktor für die erhöhte Korrelation zwischen dem Kryptomarkt und dem Aktienmarkt ist. Zur gleichen Zeit, als viele traditionelle Finanzinstitute in den Kryptomarkt eintraten, neigten marginale Kryptoinvestoren dazu, risikoaverser zu sein als marginale Aktieninvestoren, und dieser Zusammenhang könnte wiederum einen erheblichen Teil der Korrelation zwischen Krypto- und Aktienfaktoren erklären.
Insgesamt stützen unsere Ergebnisse die Hypothese, dass der Eintritt institutioneller Anleger der Hauptfaktor für die erhöhte Korrelation zwischen dem Kryptomarkt und dem Aktienmarkt ist. Zur gleichen Zeit, als viele traditionelle Finanzinstitute in den Kryptomarkt eintraten, neigten marginale Kryptoinvestoren dazu, risikoaverser zu sein als marginale Aktieninvestoren, und dieser Zusammenhang könnte wiederum einen erheblichen Teil der Korrelation zwischen Krypto- und Aktienfaktoren erklären.
abschließend
Kryptoassets unterscheiden sich erheblich in Design und Wertversprechen, ihre Preise unterliegen jedoch häufigen zyklischen Schwankungen. Ein einzelner Krypto-Faktor kann 80 % der Krypto-Preisbewegungen erklären, und seit 2020 hat sich seine Korrelation mit dem globalen Finanzzyklus verstärkt, insbesondere mit Technologie- und Small-Cap-Aktien. Wir liefern Belege dafür, dass dieser Zusammenhang auf die zunehmende Präsenz institutioneller Anleger auf dem Kryptomarkt zurückzuführen ist, was zu ähnlichen Risikoprofilen für marginale Aktien- und Kryptoinvestoren führt. Darüber hinaus reagiert der Kryptomarkt sehr empfindlich auf die US-Geldpolitik, und eine Straffung der Geldpolitik würde den Kryptofaktor deutlich reduzieren, ähnlich wie die globalen Aktienmärkte reagieren.
Wir skizzieren einen minimalen theoretischen Rahmen, der unsere empirischen Ergebnisse erklären kann. Wir zeigen, dass Krypto-Renditen als dynamische Gesamtrisikoaversionsfunktion auf Kryptomärkten ausgedrückt werden können, die wiederum durch Veränderungen im Basismix der Krypto-Investoren beeinflusst wird. Da der Anteil institutioneller Anleger am Kryptomarkt zunimmt, ähneln die Risikobereitschaftsmerkmale von Krypto-Grenzinvestoren tendenziell denen des Aktienmarktes. Ein Anstieg des risikofreien Zinssatzes verringert die Rendite, während institutionelle Anleger einen größeren Anteil am Kryptomarkt halten und stärker gehebelte Proxies empfindlicher auf Konjunkturzyklen reagieren (Adrian und Shin, 2014; Coimbra et al., 2022), dies Der Effekt wird immer bedeutsamer.
Unsere Ergebnisse tragen auch zur politischen Diskussion über Kryptoassets bei. Wir stellen fest, dass diese Vermögenswerte keine Absicherung gegen den Konjunkturzyklus bieten; stattdessen deuten unsere Schätzungen darauf hin, dass sie empfindlicher sind als Aktien. Darüber hinaus bedeutet die zunehmende Korrelation zwischen Krypto und dem Aktienmarkt in Verbindung mit institutionellen Anlegern, die sowohl Krypto-Assets als auch Aktien handeln, dass es potenzielle Spillover-Effekte geben könnte, die letztendlich Bedenken hinsichtlich systemischer Risiken hervorrufen könnten. Unser Rahmenwerk impliziert insbesondere, dass in einer möglichen zukünftigen Welt, in der Kryptowährungen einen erheblichen Teil der Portfolios institutioneller Anleger ausmachen, ein Absturz des Kryptomarktes erhebliche negative Auswirkungen auf die Aktienmärkte haben könnte. Aus diesen Gründen können politische Entscheidungsträger die Tatsache nutzen, dass das Engagement institutioneller Anleger in Kryptowährungen weiterhin begrenzt ist, um einen robusteren Regulierungsrahmen zu entwickeln und umzusetzen.
