بررسي وجود حافظه بلندمدت در چهار ارز ديجيتالي عمده

Long memory in four main cryptocurrencies

در سال‌هاي اخير، فرايندهاي با حافظه بلندمدت، نقش مهمي در تجزيه و تحليل سري هاي زماني ايفا نموده‌اند. وجود حافظه بلندمدت در بازده دارايي‌ها، كاربردهاي مهمي در بررسي كارايي بازار، منطق رفتاري سرمايه گذاران، قيمت‌گذاري و انتخاب پرتفوي دارايي دارد. در پژوهش حاضر با استفاده از روش R/S، مدل ميانگين متحرك خودهمبسته با انباشتگي جزئي (ARFIMA) و مدلهاي واريانس شرطي خودهمبسته با انباشتگي جزئي (FIGARCH) و واريانس شرطي خودهمبسته هيپربوليك (HYGARCH) به بررسي وجود حافظه بلندمدت در چهار ارز ديجيتال عمده (بيت‌كوين، اتريوم، ريپل و لايت‌كوين) طي دوره ژانويه 2016 لغايت نوامبر 2019 مي‌پردازيم. علي رغم اينكه نتايج روش R/S نشان‌دهنده وجود حافظه بلندمدت در هر چهار ارز مورد بررسي مي‌باشند، نتايج مدل و ARFIMA مدل‌هاي خانواده GARCH حاكي از آن است كه دو ارز بيت‌كوين و اتريوم داراي حافظه بلندمدت بوده مي باشند و لذا مي‌توان با قيمت‌هاي گذشته، قيمت‌هاي آتي را پيشبيني نمود و اين نشان از رد فرضيه بازارهاي كارا و تاييد وجود انگيزه هاي سوداگرانه در خصوص اين ارزهاي ديجيتال مي‌باشد؛ در حالي كه بر اساس نتايج اين مدل ها ارزهاي ديجيتال ريپل و لايت كوين فاقد حافظه بلندمدت مي‌باشند. اين نتايج در بهينه سازي پرتفوي سرمايه گذاري در ارزهاي ديجيتال بسيار كاربردي و حائز اهميت مي باشد.

In recent years a new type of tradable assets appeared, generically known as cryptocurrencies. Some of them are widespread and global. This paper examines the volatility of cryptocurrencies, with particular attention to their potential long memory properties. Three different long-memory methods (R/S analysis, fractional integration and fractional GARCH extensions) are used to analyze it in the case of the four main cryptocurrencies (BitCoin, Ethereum, LiteCoin and Ripple) over the sample period January 2013– November 2019. Our results are twofold. First, R/S method is prone to detect long memory whereas the findings of ARFIMA and GARCH type models indicate that in the case of two examined cryptocurrencies (BitCoin and Ethereum), long memory exist (there is a positive correlation between its past and future values). Such predictability represents evidence of market inefficiency in their markets: trend trading strategies can be used to generate abnormal profits in these markets. Although our findings show that returns of Litecoin and Ripple don’t have a significant long memory.