比特幣與中國(guó)投資者情緒

摘 要：比特幣價(jià)格作為一種投機(jī)性強(qiáng)的交易標(biāo)的，其價(jià)格波動(dòng)性難免會(huì)受到非理性因素如投資者情緒的影響。文章梳理了有關(guān)比特幣屬性和價(jià)值決定影響因素的文獻(xiàn)研究，并將中國(guó)投資者情緒與比特幣波動(dòng)性聯(lián)系起來，通過擴(kuò)展性的TGARCH模型，得出中國(guó)市場(chǎng)的投資者情緒對(duì)比特幣價(jià)格波動(dòng)性具有顯著影響的結(jié)論。

關(guān)鍵詞：比特幣;價(jià)格波動(dòng)性;投資者情緒;TGARCH

中圖分類號(hào)：F49;F821;F224文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1005-6432（2022）14-0072-06

DOI：10.13939/j.cnki.zgsc.2022.14.072

1 引言

虛擬貨幣已成為金融市場(chǎng)上引人注目的新資產(chǎn)，其中最具有代表性的就是比特幣。與一般的交易標(biāo)的不同，比特幣投機(jī)屬性更重，注定會(huì)受到投資者情緒等非理性因素的影響。而中國(guó)作為世界第二大經(jīng)濟(jì)體，中國(guó)資本市場(chǎng)的投資者情緒也必然有著一定程度的影響力。另外，中國(guó)對(duì)比特幣的監(jiān)管逐年收緊，但是國(guó)民對(duì)于比特幣的關(guān)注度卻有增無減，所以本文通過構(gòu)建擴(kuò)展性的TGARCH模型將虛擬貨幣中非常具有代表性的比特幣波動(dòng)性與中國(guó)投資者情緒聯(lián)系起來，并研究它們之間的關(guān)系。除此以外，基于前人的研究，加入一些其他因素作為控制變量，如避險(xiǎn)資產(chǎn)“黃金”、中美兩國(guó)宏觀經(jīng)濟(jì)因素、技術(shù)因素、中國(guó)政策與大型事件因素，以得到更真實(shí)的結(jié)果。

2 文獻(xiàn)綜述

一直以來，關(guān)于比特幣的“屬性”爭(zhēng)議不斷。Kaplanov[1]認(rèn)為比特幣的性質(zhì)在商品、貨幣和服務(wù)之間難以明確地界定。李翀[2]認(rèn)為在比特幣領(lǐng)域?qū)嶋H上沒有基本面主義投資者，因?yàn)樵撠泿偶炔皇巧唐坟泿牛膊皇切庞秘泿?，它不具有基本面價(jià)值。Dyhrberg [3] 使用GARCH模型研究了比特幣作為金融資產(chǎn)的能力，發(fā)現(xiàn)比特幣和黃金與美元具有一些共同特征，并表明比特幣能幫助風(fēng)險(xiǎn)規(guī)避者有效地管理市場(chǎng)負(fù)面沖擊帶來的風(fēng)險(xiǎn)，他認(rèn)為比特幣可以被界定為一種介于黃金和美元之間的東西。

針對(duì)比特幣價(jià)值決定的研究也有不少。Cheah and Fry[4]通過隨機(jī)泡沫模型進(jìn)行分析，認(rèn)為比特幣的基本價(jià)值是零，投機(jī)性成分很重，容易出現(xiàn)泡沫。Kristoufek[5]指出比特幣不具備所謂“公平市價(jià)”，比特幣市場(chǎng)充斥著短線投資者、趨勢(shì)追逐者、噪聲交易者以及投機(jī)者;同時(shí)，使用脈沖響應(yīng)等方法研究谷歌趨勢(shì)、維基百科的搜索查詢與比特幣價(jià)格的關(guān)系，發(fā)現(xiàn)它們之間有雙向的影響。劉力臻、王慶龍[6]基于行為金融學(xué)理論研究比特幣市場(chǎng)的交易行為，發(fā)現(xiàn)比特幣市場(chǎng)的結(jié)構(gòu)特征會(huì)加劇投資者之間的模仿行為，引起“羊群效應(yīng)”，從而使價(jià)格波動(dòng)更為劇烈。作為投機(jī)性質(zhì)很強(qiáng)的投資標(biāo)的，它的價(jià)值很大程度上取決于比特幣交易的參與者對(duì)比特幣的信心，投資者情緒、比特幣對(duì)投資者的吸引力等非理性因素是影響比特幣市場(chǎng)的重要因素。

其他外部影響因素如黃金價(jià)格、美國(guó)經(jīng)濟(jì)狀況和比特幣網(wǎng)絡(luò)安全性也受到學(xué)者的廣泛討論。有許多文獻(xiàn)都指出了黃金和比特幣的相似性，比特幣也被稱為“數(shù)字黃金”，因?yàn)樗鼈兌季哂邢∮行院瞳@取成本高的特征。2018年1月比特幣暴跌期間，黃金價(jià)格飆升，Corbet等[7]學(xué)者也發(fā)現(xiàn)黃金價(jià)格和比特幣價(jià)格有顯著的反向關(guān)系。比特幣市場(chǎng)也受宏觀經(jīng)濟(jì)因素影響，Wijk[8]指出道瓊斯指數(shù)對(duì)比特幣價(jià)格有顯著的短期影響，而美元與歐元的匯率對(duì)比特幣價(jià)格有顯著的長(zhǎng)期影響，大部分影響變量都與美國(guó)經(jīng)濟(jì)有關(guān)，因此密切關(guān)注美國(guó)的經(jīng)濟(jì)表現(xiàn)和增長(zhǎng)最為重要。比特幣由用戶利用自己的電腦進(jìn)行數(shù)學(xué)運(yùn)算來進(jìn)行挖掘，所以技術(shù)因素也發(fā)揮著重要的作用。哈希率是每秒執(zhí)行特定數(shù)學(xué)運(yùn)算的速度，可以衡量比特幣網(wǎng)絡(luò)的安全性，所以也可以作為技術(shù)因素的衡量指標(biāo)。Giaglis等[9]使用VECM模型檢驗(yàn)時(shí)間序列數(shù)據(jù)來研究比特幣價(jià)格的影響因素，發(fā)現(xiàn)哈希率與比特幣價(jià)格有顯著的正向關(guān)系。

中國(guó)市場(chǎng)因素在比特幣市場(chǎng)的影響力也受到了全球的關(guān)注，曾有90%的比特幣市場(chǎng)交易量是來自中國(guó)市場(chǎng)，70%的比特幣產(chǎn)自中國(guó)。近幾年來，我國(guó)對(duì)于比特幣的政策從早期的觀察、過渡到清退交易所、再到禁止比特幣“挖礦”，一步步逐漸收緊，中國(guó)的政策與事件對(duì)比特幣的影響力不容忽視。Kristoufek[10]研究了影響比特幣價(jià)格的主導(dǎo)因素，并觀察到比特幣價(jià)格與匯率的大幅波動(dòng)與中國(guó)市場(chǎng)的重大事件或者監(jiān)管政策常常同時(shí)發(fā)生，但結(jié)果顯示盡管中國(guó)人民幣市場(chǎng)與美元市場(chǎng)聯(lián)系緊密，但人民幣市場(chǎng)對(duì)美元市場(chǎng)的影響并不顯著。郭建峰、傅一瑋和靳洋[11]使用VAR模型對(duì)比研究中國(guó)頒布“關(guān)停所有比特幣交易平臺(tái)”的政策前后的比特幣價(jià)格與交易量、用戶數(shù)、搜索量和媒體關(guān)注度的關(guān)系，發(fā)現(xiàn)中國(guó)的監(jiān)管政策會(huì)降低公眾對(duì)比特幣的接受度，削弱比特幣價(jià)值的公眾共識(shí)，影響比特幣在我國(guó)的發(fā)展。

綜上所述，本文希望能作出如下補(bǔ)充：一是本文引入中國(guó)市場(chǎng)的投資者情緒、中國(guó)針對(duì)比特幣的重要政策以及大型事件的發(fā)生如疫情，來反映中國(guó)市場(chǎng)對(duì)比特幣價(jià)格波動(dòng)性的影響;二是大量研究主要針對(duì)的是比特幣的價(jià)格和其價(jià)格的決定因素，比特幣的波動(dòng)性及交易量較少提及，本文研究的對(duì)象是比特幣價(jià)格波動(dòng)性，并將交易量納入為控制變量;三是考慮到金融時(shí)間序列數(shù)據(jù)的異方差性，使用GARCH模型來擬合比特幣收益率的時(shí)間序列，并運(yùn)用TGARCH模型來捕捉信息對(duì)比特幣市場(chǎng)影響的杠桿效應(yīng)。

3 中國(guó)投資者情緒與比特幣價(jià)格波動(dòng)性關(guān)系影響實(shí)證

根據(jù)數(shù)據(jù)的代表性、可得性和連續(xù)性，本文所有數(shù)據(jù)選取自2014年4月16日至2021年5月28日的日度數(shù)據(jù)，剔除國(guó)內(nèi)外非交易日數(shù)據(jù)，共計(jì)1599個(gè)觀察值。數(shù)據(jù)來源于CoinMarketCap網(wǎng)站、Quandl大數(shù)據(jù)平臺(tái)、Choice數(shù)據(jù)庫。

3.1 情緒指標(biāo)的構(gòu)建

中國(guó)投資者情緒指標(biāo)的構(gòu)建參照Baker和Wurgler[12]的方法，選取的間接指標(biāo)有：上證綜合指數(shù)、上證綜合換手率、IPO數(shù)量、IPO總?cè)谫Y金額、成交量，以及它們各自的滯后一期的日度數(shù)據(jù)。通過主成分分析，可以過濾掉大部分與情緒不相關(guān)的特殊成分。在做主成分分析前，數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化、通過了KMO檢驗(yàn)和Barlett球形檢驗(yàn)，本文選取了3個(gè)成分，累積解釋了90.04%的方差，最后構(gòu)建的情緒指標(biāo)如式（1），各指標(biāo)含義及說明見表1。

3.2 模型設(shè)計(jì)與變量說明

金融時(shí)間序列多有波動(dòng)性聚集和“尖峰厚尾”的特征，采用GARCH模型能更好描繪其特征，且GARCH模型可以根據(jù)需要做出擴(kuò)展，本文加入上文構(gòu)建的中國(guó)投資者情緒來研究它和比特幣價(jià)格波動(dòng)性的關(guān)系。另外還有一些上文提及的影響因素，如黃金、美國(guó)經(jīng)濟(jì)狀況、中國(guó)經(jīng)濟(jì)狀況與相關(guān)政策等，本文選取相應(yīng)的代表變量，將它們加入條件方差方程中作為控制變量，各個(gè)變量指標(biāo)含義詳見表2。

本文采用比特幣的日收益率作為比特幣市場(chǎng)價(jià)格波動(dòng)性的度量指標(biāo)，其他各控制變量的收益率、變動(dòng)率為相關(guān)市場(chǎng)收益與表現(xiàn)的度量指標(biāo)。各指標(biāo)收益率和變動(dòng)率采用式（2）計(jì)算：

式中，Pt代表t期的收盤價(jià)格指數(shù)、收盤價(jià)、利率或者交易量;Pt-1代表滯后一期的收盤價(jià)格指數(shù)、收盤價(jià)、利率或者交易量;rXt表示t期的某指數(shù)、價(jià)格的日收益率;kXt表示t期的某利率或者交易量的日變動(dòng)率。

3.2.1 描述性統(tǒng)計(jì)

正態(tài)分布的偏度為0峰度為3，而J-B統(tǒng)計(jì)量和P值說明所有的收益率和變動(dòng)率序列均不符合正態(tài)分布。比特幣收益率呈現(xiàn)左偏狀態(tài)，說明平均收益率低于收益率的中位數(shù)。情緒指標(biāo)以及各金融數(shù)據(jù)的時(shí)間序列都明顯表現(xiàn)出“尖峰厚尾”的特征。詳見表3。

3.2.2 平穩(wěn)性檢驗(yàn)

使用GARCH模型的前提是該時(shí)間序列是平穩(wěn)的且殘差具有自相關(guān)性，本文采用單位根檢驗(yàn)的方法檢驗(yàn)序列的平穩(wěn)性，結(jié)果見表4，所有序列皆平穩(wěn)。

3.2.3 TGARCH模型

經(jīng)多次調(diào)整， 通過綜合考慮AIC、BIC信息準(zhǔn)則的結(jié)果以及自相關(guān)和偏自相關(guān)的情況，確定TGARCH模型的均值方程見式（3），TGARCH模型的階數(shù)p=1，q=1，條件方差方程見式（4）。

對(duì)均值方程的殘差序列進(jìn)行ARCH-LM檢驗(yàn)，結(jié)果見表5，該殘差序列存在自回歸條件異方差，GARCH模型適用。本文采用TGARCH模型的原因有二：一是BIC準(zhǔn)則顯示TGARCH模型擬合最佳;二是傳統(tǒng)GARCH模型雖然能有效刻畫條件方差隨時(shí)間變化的規(guī)律，但無法研究比特幣價(jià)格波動(dòng)性是否具有杠桿性。在TGARCH模型中，加入了不對(duì)稱項(xiàng)γ1μ2t-1dt-1，其中dt-1為虛擬變量，系數(shù)γ1的正負(fù)能反映信息沖擊的非對(duì)稱效應(yīng)，能較好地觀察到利空、利好消息的影響對(duì)比特幣市場(chǎng)是否有非對(duì)稱性。在Stata定義中，當(dāng)上一期的均值方程殘差項(xiàng)μt-1<0，即為“壞消息”發(fā)生，其賦值為dt-1=1;當(dāng)上一期的均值方程殘差項(xiàng)μt-1≥0，即為“好消息”發(fā)生，其賦值為dt-1=0。

4 模型結(jié)果

從TGARCH（1，1）模型的條件方差結(jié)果（見表6、圖1和圖2）可以看出，中國(guó)投資者情緒對(duì)比特幣價(jià)格波動(dòng)有顯著的負(fù)向影響，說明中國(guó)投資者情緒對(duì)比特幣波動(dòng)性有削弱作用，當(dāng)中國(guó)投資者情緒指數(shù)上升時(shí)，比特幣價(jià)格波動(dòng)性變小。這可能說明在國(guó)內(nèi)投資者情緒高漲時(shí)，比特幣市場(chǎng)很可能不是他們積極參與的市場(chǎng)。政策項(xiàng)對(duì)比特幣價(jià)格波動(dòng)性的影響顯著為正，說明當(dāng)中國(guó)發(fā)布關(guān)于停止比特幣交易業(yè)務(wù)的政策時(shí)，比特幣價(jià)格波動(dòng)加劇。上海隔夜同業(yè)拆借利率變動(dòng)幅度對(duì)比特幣價(jià)格波動(dòng)的影響也顯著為負(fù)，說明當(dāng)國(guó)內(nèi)宏觀經(jīng)濟(jì)形勢(shì)向好，比特幣價(jià)格波動(dòng)率會(huì)反向變動(dòng)。而從均值方程結(jié)果中可以看出，疫情項(xiàng)系數(shù)為正且顯著，說明疫情的發(fā)生對(duì)比特幣收益率有正向的影響，這和黃金在疫情期間的表現(xiàn)有一定的相似性，而這是否說明投資者將比特幣視為避險(xiǎn)資產(chǎn)還有待進(jìn)一步考證。因?yàn)樵跀?shù)據(jù)期間內(nèi)的2020年5月12日，比特幣供給第三次減半，很難排除疫情后比特幣收益率的上漲不是交易者對(duì)供給量減少而價(jià)格上升的預(yù)期所致。這一系列結(jié)果都表明中國(guó)投資者情緒、政策、疫情等因素對(duì)比特幣市場(chǎng)有顯著影響。

其他控制變量如比特幣自身的交易量、哈希率變動(dòng)幅度對(duì)比特幣價(jià)格的波動(dòng)性有顯著的正向關(guān)系，而標(biāo)準(zhǔn)普爾指數(shù)的收益率對(duì)其影響為負(fù)且顯著。均值方程方面，黃金收益率、標(biāo)準(zhǔn)普爾指數(shù)收益率對(duì)比特幣的收益率有顯著的正向影響。值得一提的是，TGARCH模型中的不對(duì)稱項(xiàng)系數(shù)為負(fù)，且關(guān)系顯著，這意味著當(dāng)比特幣市場(chǎng)出現(xiàn)壞消息時(shí)，比特幣市場(chǎng)價(jià)格風(fēng)險(xiǎn)受到的影響要小于好消息的影響。

最后觀察擴(kuò)展的TGARCH（1，1）模型的殘差項(xiàng)自相關(guān)和偏自相關(guān)情況，并對(duì)其進(jìn)行Ljung-Box檢驗(yàn)，結(jié)果表明該序列為白噪聲序列，說明該模型設(shè)定是適合的，能有效消除原序列殘差的ARCH效應(yīng)。詳見表7。

5 結(jié)語

本文在前人研究分析的基礎(chǔ)上，基于比特幣交易的強(qiáng)投機(jī)性特征和中國(guó)對(duì)比特幣市場(chǎng)的影響力，將中國(guó)投資者情緒和比特幣波動(dòng)性聯(lián)系起來，用TGARCH模型進(jìn)行檢驗(yàn)，結(jié)果表明，中國(guó)投資者情緒對(duì)比特幣波動(dòng)性具有負(fù)向影響且顯著。

且比特幣波動(dòng)性在利空、利好消息的沖擊下表現(xiàn)出非對(duì)稱性，利好消息對(duì)其影響要大于利空消息。中美宏觀經(jīng)濟(jì)狀況、中國(guó)針對(duì)比特幣的嚴(yán)格政策、疫情的爆發(fā)、黃金收益率、比特幣交易量和哈希率的變動(dòng)等都對(duì)比特幣市場(chǎng)有顯著影響。

而進(jìn)一步探索這些因素產(chǎn)生影響的傳導(dǎo)機(jī)制，是以后可以努力的方向。對(duì)于比特幣這樣的新興市場(chǎng)，研究投資者情緒有其現(xiàn)實(shí)意義，密切關(guān)注投資者情緒，對(duì)于防范新興市場(chǎng)的風(fēng)險(xiǎn)有一定的警示作用。在我國(guó)試行數(shù)字貨幣的背景下，研究比特幣的價(jià)格波動(dòng)影響因素也對(duì)相關(guān)政策的出臺(tái)有一定的借鑒意義。

參考文獻(xiàn)：

[1]KAPLANOV N M .Nerdy money：bitcoin， the private digital currency， and the case against its regulation[J].SSRN electronic journal， 2012， 25（1）.

[2]李翀. 比特幣會(huì)成為貨幣嗎？[J].當(dāng)代經(jīng)濟(jì)研究， 2015（4）：60-65.

[3] DYHRBERG A H.Bitcoin，gold and the dollar：a GARCH volatility analysis[J].Finance research letters， 2016（16）..

[4] CHEAH E T， FRY J.Speculative bubbles in bitcoin markets？ an empirical investigation into the fundamental value of bitcoin[J].Economics letters， 2015， 130（5）：32-36.

[5]KRISTOUFEK LADISLAV. Bitcoin meets Google trends and Wikipedia：quantifying the relationship between phenomena of the Internet era[J].Scientific reports， 2013（3）.

[6]劉力臻，王慶龍.基于模仿傳染模型的比特幣羊群效應(yīng)分析[J].北京郵電大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2015，17（2）：27-33.

[7]CORBETA S， LUCEYB B， URQUHART A. Cryptocurrencies as a financial asset：a systematic analysis—ScienceDirect[J].International review of financial analysis，2019（62）：182-199.

[8] WIJK D VAN.What can be expected from the bitcoin？[R].Erasmus rotterdam universiteit：working paper No.345986，2013.

[9]GIAGLIS G M，GEORGOULA I，POURNARAKIS D， et al.Using time-series and sentiment analysis to detect the determinants of bitcoin prices[C].9th mediterranean conference on information systems，2015.

[10]KRISTOUFEK L，SCALAS E.What are the main drivers of the bitcoin price？ evidence from wavelet coherence analysis[J].Plos one， 2014，10（4）.

[11]郭建峰， 傅一瑋， 靳洋.監(jiān)管視角下比特幣市場(chǎng)動(dòng)態(tài)變化的實(shí)證研究：基于政策事件的對(duì)比分析[J].金融與經(jīng)濟(jì)， 2019（2）：18-24.

[12]BAKER M，WURGLER J.Investor sentiment and the cross-section of stock returns[J].The journal of finance，2006，61（4）.

[作者簡(jiǎn)介]陳俞樺，女，漢族，廣東揭陽人，碩士，研究方向：風(fēng)險(xiǎn)與金融。