Оценка криптовалют: Как использовать данные блокчейна для прогнозирования доходности?

Профессор Coin: Как оценивать криптовалюты, такие как Bitcoin и Ethereum?

Профессор Эндрю Уркхарт является профессором финансов и финансовых технологий, а также руководителем кафедры финансов в Бирмингемской бизнес-школе (BBS).

Это третья часть колонки Профессора Coin, в которой я представляю важные идеи из опубликованных академических исследований по криптовалютам для читателей Decrypt. На этой неделе мы углубимся в вопрос оценки криптовалют.

На любом рынке один из самых важных вопросов заключается в том, «что определяет ожидаемую доходность активов?» Этот вечный вопрос изучался тысячи раз учеными, инвестиционными банками, трейдерами и хедж-фондами на фондовых рынках.

Одним из самых популярных результатов, который помог Юджину Фаме получить Нобелевскую премию по экономике в 2013 году, являются факторы Фамы-Френча, которые показывают, что рыночная избыточная доходность, превышение малых компаний над большими, а также преобладание компаний с высокой ценовой-to-рыночной стоимостью по сравнению с низкой также помогают объяснить доходность акций.

Они расширили это до пятифакторной модели Фамы-Френча, которая включает в себя факторы прибыльности и инвестирования и, как показано, весьма успешна в объяснении доходности акций.

Но как мы можем оценивать криптовалюты, где нет бухгалтерских отчетов и, следовательно, мы не можем получить информацию о коэффициентах цена-рыночная стоимость или инвестиционной эффективности компании?

Это было популярной областью для изучения в литературе по криптовалютам, поскольку цены на криптовалюты известны своей высокой волатильностью и трудностью прогнозирования.

Одной из самых важных работ стало исследование 2022 года, проведенное Юкуном Лю, Алексом Цывинским и Си Ву, которое изучило ряд факторов ценообразования, известных на фондовых рынках, которые могут быть применены к криптовалютам (таким как размер, моментум, объем и волатильность). Они обнаружили, что избыточная рыночная доходность, размер и моментум учитываются более чем для 1800 криптовалют и помогают объяснить доходность. Этот результат предполагает, что оценка криптовалют не так уж и отличается от оценки акций.

В последующей статье Сиддхарта Бхамбвани, Джорджа М. Корниоти и Стефаноса Деликураса использованы данные, которые могут собрать инвесторы из блокчейна. Статья исследует, помогают ли два фактора, основанных на блокчейне, а именно вычислительная мощность и размер сети, объяснить распределение доходности криптовалют. Авторы показывают, что эти два фактора помогают объяснить доходность и предполагают, что блокчейны предлагают информацию, которая может помочь оценить криптовалюты выше рыночных данных (таких как цена, объем и волатильность).

Наконец, очень недавняя статья Афанасия Саккаса и моя выходит за рамки ранее упомянутой работы и создает 13 факторов на основе данных из более чем 35 различных блокчейнов.

Эти факторы основаны на владении китами, движении монет, рыночной стоимости и уровне децентрализации криптохранений. Используя сложную технику для захвата производительности этих факторов вместе, статья показывает, что очень простая модель, включающая избыточные доходности рынка и распределение сети, объясняет доходность криптовалют лучше, чем любой другой фактор, найденный в предыдущей литературе. В частности, инвесторы требуют премию за владение криптовалютами с низким уровнем децентрализации, или, как называют это авторы, «премия китов».

Таким образом, криптовалюты могут не так сильно отличаться от фондовых рынков в процессе их оценки — но учитывая огромное количество данных, доступных на блокчейне, существует определенная ценность в использовании этой информации для прогнозирования будущей стоимости криптовалют.

Отредактировано Стивеном Грейвсом

Для получения дополнительной информации смотрите:

• Бхамбвани, С., Деликурас, С., Корниотис, Г. М. (2023). Характеристики блокчейна и распределение доходности криптовалют. Журнал международных финансовых рынков, учреждений и денег, 86, 101788.
• Лю, Ю., Цывинский, А. (2021). Риски и доходности криптовалют. Обзор финансовых исследований, 34, 2689-2727.
• Лю, Ю., Цывинский, А., Ву, С. (2022). Общие факторы риска в криптовалюте. Журнал финансов, 77, 1133-1177.
• Саккас, А., Уркхарт, А. (2024). Факторы блокчейна. Журнал международных финансовых рынков, учреждений и денег, 94, 103012.