نقش بازار کربن در رابطه با بازار cryptocurrency: فقط تنوع یا بیشتر؟

نقش بازار کربن در رابطه با بازار رمزنگاری هنوز مشخص نیست. با توجه به ماهیت کربن فشرده سازی صنعت رمزنگاری ، خواه بازار کربن بتواند ردپای کربن بازار cryptocurrency را ضبط کند (یعنی تنوع) یا به عنوان یک پناهگاه امن عمل می کند یا یک پرچین در برابر آن همچنان موضوعات ناشناخته است. برای پرداختن به این موضوع ، این مقاله از مدل نمره شرطی نمره دموکراتیک-دموکراتیک (GAS-DCS-Copula) استفاده می کند ، و شامل توزیع دم نامتقارن است. ما خواص دم نامتقارن هر دو بازار کربن و رمزنگاری را با دیگری بودن قابل توجهی شناسایی می کنیم. علاوه بر این ، برای پاسخگویی به اهمیت چین در استخراج ارزهای رمزنگاری شده ، ما بازار کربن چینی را در تجزیه و تحلیل خود گنجانیده ایم تا تفاوت با بازار کربن اروپا را بررسی کنیم. سرانجام ، ما شواهدی ارائه می دهیم که بازار کربن اروپا پناهگاه امن و پرچین را در برابر بازار رمزنگاری فراهم می کند در حالی که بازار کربن چینی نیست. یافته های ما پیامدهایی برای سرمایه گذاران و سیاست گذاران دارد.

معرفی

مسائل اقتصادی و زیست محیطی مربوط به صنعت رمزنگاری انرژی گرسنه ، توجه تحصیلی را به خود جلب کرده است. از دیدگاه اقتصادی ، ارزهای رمزنگاری شده می تواند به عنوان پول نقد الکترونیکی همسالان و بدون دخالت مؤسسات مالی استفاده شود. به رهبری بیت کوین (بیت) ، که توسط ناکاموتو (2008) پیشنهاد شده است ، بازار cryptocurrency در حال تبدیل شدن به یک زیرساخت جدید سیستم مالی است و دارایی های دیجیتالی خصوصی ، غیر متمرکز و ایمن را در شبکه blockchain ارائه می دهد. علاوه بر این ، ارزهای رمزپایه تسلط بر سیستم پرداخت سنتی و همچنین ارائه یک شکل جایگزین از سرمایه گذاری مالی را به چالش می کشد. از دیدگاه محیطی ، استخراج رمزنگاری مقدار زیادی از انرژی محاسباتی و برقی را مصرف می کند که در نهایت انتشار کربن را افزایش می دهد. همانطور که توسط مورا و همکاران پیشنهاد شده است.(2018) ، انتشار کربن ناشی از بیت به تنهایی باعث گرم شدن کره زمین بالاتر از 2 درجه تا پایان این قرن می شود.

کل کلاه بازار برای cryptocurrency در 30 ژوئن 2020 تقریباً 1. 27 تریلیون دلار بود که 5699 نوع رمزنگاری (CoinmarketCap) بود. در میان ارزهای مختلف رمزنگاری ، بازار بیت هنوز هم حاکم است ، با 589 میلیارد دلار و حجم کل معاملات 24 میلیارد دلار در روز. BIT یک ردپای کربن سالانه 36. 937 کیلوگرم تولید می کند ، قابل مقایسه با نیوزیلند (DigiConomist ، 2021 ؛ Stoll ، Klaheen ، & Gallersdörfer ، 2019). برای چشم انداز این موضوع ، در سیستم معاملاتی انتشار گازهای گلخانه ای اتحادیه اروپا (ETS) ، کلاه کمک هزینه سالانه 2019 برای انتشار کربن بخش حمل و نقل هوایی 35172،897 تن بود. با افزودن سایر ارزهای رمزپایه ، ردپای کربن سالانه بازار رمزنگاری حتی جدی تر می شود و به عنوان یک صنعت با کربن واجد شرایط است. Monasterolo و De Angelis (2020) شواهدی را ارائه می دهند که سرمایه گذاران بازار سهام پس از توافق پاریس ، سرمایه گذاری های کم کربن را ترجیح می دهند.

با این حال ، به عنوان یک بازار کربن ، بازار cryptocurrency مورد توجه چشمگیر محققان در امور مالی کم کربن قرار نگرفته است. Nordhaus (1992) مدل اقتصاد آب و هوایی یکپارچه پویا (DICE) را پیشنهاد می کند ، که ارتباط بین عدم قطعیت تغییرات آب و هوا و نوسانات کلان اقتصادی ایجاد می کند. پس از آن ، کمیت تغییرات آب و هوا در اقتصاد مورد بررسی قرار گرفته است (دیتز و همکاران ، 2016 ؛ یانگ و زو ، 2021). به عنوان مثال ، همانطور که توسط دیتز و همکاران تخمین زده می شود.(2016) ، از دست دادن دارایی های مالی جهانی هنگام نگه داشتن تغییرات آب و هوا در زیر 2 درجه سانتیگراد در سال 2100 13. 2 تریلیون دلار خواهد بود. به وضوح ، کاهش انتشار کربن مزایایی را برای محیط طبیعی به همراه نخواهد داشت بلکه ارزش اقتصادی دیگری را نیز برای دارایی های مالی ایجاد می کند. همانطور که توسط Köhler و Pizzol (2019) پیشنهاد شده است ، ردپای کربن استخراج بیت کوین در سال 2018 بیش از 60 ٪ از معدنچیان بیت کوین واقع در چین 17. 29 MTCO2 بود. با تخمین ارزش آب و هوا در معرض خطر شبکه بیت کوین ، یانگ و Xu (2021) شواهد مستقیمی از هزینه اقتصادی شبکه بیت کوین ارائه می دهند. با این حال ، آیا کمک هزینه انتشار کربن به درستی با درج انتشار کربن بازار رمزنگاری ، هنوز هم ناشناخته است.

پیوندهای بین بازار کربن و سایر بازارهای مالی به خوبی مورد بررسی قرار گرفته است ، مانند موارد بین سهام کربن و برق (JI ، Xia ، Liu ، & Xu ، 2019 ؛ Yang ، 2021) بین کربن و بازار کالاهای انرژی (Balcilar ، Demirer، Hammoudeh ، & Nguyen ، 2016 ؛ Ji ، Zhang ، & Geng ، 2018 ؛ Uddin ، Heandez ، Shahzad ، & Hedström ، 2018 ؛ Zhang & Sun ، 2016) ؛و بین کربن و بازار مبادله (Kanamura ، 2016). علاوه بر این ، بازار کربن با نوسانات کلان اقتصادی ، دارای پیشرفت بالایی است (Doda ، 2014 ؛ Khan ، Knittel ، Metaxoglou ، & Papineau ، 2019 ؛ Yuan & Yang ، 2020). همانطور که توسط Koch ، Fuss ، Grosjean و Edenhofer (2014) ثبت شده است ، تغییرات در شرایط اقتصادی مورد انتظار می تواند تقریباً 40 ٪ از تغییرات بازده در قیمت کربن E U-ET را توضیح دهد. همه این مطالعات نشان می دهد که بازار کربن با صنعت کربن و چرخه تجارت ارتباط مثبت نشان می دهد و این یک مزیت متنوع سازی بالقوه را به همراه دارد. بر اساس تجزیه و تحلیل هزینه حاشیه ای ، هایز (2019) همچنین نشان می دهد که قیمت بازار بیت با هزینه حاشیه تولید ، به جز دوره حباب از پاییز 2017 تا اوایل سال 2018 پشتیبانی می شود. در نتیجه ، به عنوان یک بازار کربن فشرده، cryptocurrency باید همبستگی مثبت با بازده کربن نشان دهد ، نشان می دهد که بازار کربن فقط هنگامی که ردپای کربن به درستی توسط بازار کربن ضبط شود ، سود متنوع را برای بازار رمزنگاری فراهم می کند.

شرایط مشابه در بازار cryptocurrency وجود دارد. بیشتر مطالعات همبستگی مثبت ضعیف بیت با سهام ، اوراق قرضه و کالاهای کالا را برجسته می کند ، یا آنها بر مزایای تنوع احتمالی بیت تأکید می کنند (Baur ، Hong ، & Lee ، 2018 ؛ Bouri ، Jalkh ، Molnár ، & Roubaud ، 2017 ؛ Bouri ، Molnárár، Azzi ، Roubaud ، & Hagfors ، 2017 ؛ Dyhrberg ، 2016b ؛ Guesmi ، Saadi ، Abid ، & Ftiti ، 2018 ؛ Shahzad ، Bouri ، Roubaud ، Kristoufek ، & Lucey ، 2019). با این حال ، ارتباط بین کربن و بازار رمزنگاری هرگز مورد بررسی قرار نگرفته است. بدین ترتیب ، مطالعه ما با هدف بررسی ارتباط بین کربن و بازار cryptocurrency و پاسخ به یک سؤال ساده در مورد نقش بازار کربن در بازار cryptocurrency از منظر مالی است. با این کار ، ما نه تنها نشان می دهیم که آیا ترجیح کم کربن در بازار cryptocurrency وجود دارد ، بلکه پایه جدیدی را برای درک مکانیسم های قیمت گذاری در بازار کربن ارائه می دهیم.

بنابراین ، اولین کار این مطالعه مدل سازی توزیع حاشیه بازار رمزنگاری به دلیل عدم طبیعی بودن ، دم سنگین و ناهمگونی آن است. Dyhrberg (2016a) برای بررسی نوسانات بیت و طلا ، از مدل ناهمگونی مشروط مشروط (GARCH) استفاده می کند. به طور مشابه ، Gronwald (2019) از یک مدل پرش-Garch با نوآوری های دانشجویی T برای بررسی و مقایسه توزیع حاشیه کالاهای بیت و منابع استفاده می کند. این مطالعات شواهد مستقیمی را ارائه می دهد که نشان می دهد بیت باید به دلیل حرکات شدید قیمت و حباب ، به عنوان دارایی به عنوان یک ارز مشاهده شود (Cheah & Fry ، 2015 ؛ Corbet ، Lucey ، & Yarovaya ، 2018 ؛ Fry & Cheah ، 2016). به همین ترتیب ، Raou و Baeto (2016) نشان می دهند که خصوصیات توزیع حاشیه بازار کربن همانند بازار Cryptocurrency است. در برابر این پس زمینه ، ما نسخه جدیدی از مدل نمره شرطی Thiele's (2019) (DCS) را برای رسیدگی به این مسائل پیشنهاد می کنیم. ما فضای پارامتر 1 را محدود می کنیم و توزیع دانش آموزان نامتقارن Zhu و Galbraith (2010) (AST) را در مدل DCS قرار می دهیم تا دم های فوقانی و پایین را متفاوت توصیف کنیم. به عبارت دیگر ، مطالعه ما نه تنها به همان موضوع مطالعه با استفاده از گارچ سنتی پرداخته است ، بلکه عدم تقارن توزیع دم را نیز در نظر می گیرد. 2 در مدل سازی توزیع های حاشیه ای از بازارهای کربن و رمزنگاری ، تجزیه و تحلیل ما بی نظیر است.

به طور سنتی ، طلا به عنوان دارایی پرچین و خطر پناهگاه در بازارهای سهام اما در بازارهای اوراق قرضه مشاهده نمی شود (Baur & Lucey ، 2010). ویژگی های Safe Haven of Gold نه تنها به بازار بستگی دارد (Baur & McDermott ، 2010 ؛ Ciner ، Gurdgiev ، & Lucey ، 2013) ، بلکه در بازه زمانی (Bredin ، Conlon ، & Poti ، 2015 ؛ Lucey & Li ، 2014). به دنبال این خط تحقیق ، بیت به عنوان یک پناهگاه امن و پرچین در برابر بازارهای مختلف مالی مورد بررسی قرار گرفته است (بوروی ، ژالا ، و همکاران ، 2017 ؛ بوری ، مولنر ، و همکاران ، 2017 ؛ دمیر ، گوزور ، لاو ، و ویین، 2018 ؛ Dyhrberg ، 2016b ؛ Urquhart & Zhang ، 2019) یا در شرایط مختلف بازار ، یعنی همه گیر Covid-19 (اقبال ، فرید ، وان ، و شهزاد ، 2020 ؛ گودل و گوته ، 2021 ؛ نگوین ، 2021). حتی اگر طیف وسیعی از ابزارهای اقتصاد سنجی در این مطالعات به کار گرفته شود ، نتیجه مشابهی نشان داده شد که بیت می تواند به عنوان یک پناهگاه امن یا پرچین در برابر بازارهای مالی بین المللی عمل کند. در این تنظیم ، ما بررسی می کنیم که آیا کربن یک پناهگاه امن است یا یک پرچین در برابر بازار cryptocurrency با استفاده از مدل Copula.

در مرحله بعد ، ما از رویکرد نمره عمومی (GAS) عمومی (GAS) هاروی (2013) و CREAL ، KOOPMAN و LUCAS (2013) استفاده می کنیم تا هم مدل های DCS و هم Copula را تخمین بزنیم. بر این اساس ، ما به مدل پیشنهادی ما به عنوان مدل GA S-DC S-Copula اشاره می کنیم. در همین حال ، با استفاده از گاز ، به راحتی می توان نوسانات و همبستگی متغیر را از نظر عدم تقارن و خوشه بندی نوسانات با خوب بودن ارزیابی ساده از طریق احتمال از طریق احتمال مدل سازی کرد. بنابراین ، گاز روشی کارآمدتر برای برآورد مدل پیشنهادی ما است. ما همچنین با توجه به 60 ٪ از معدنچیان بیت کوین در چین ، بازار کربن چینی را در نظر می گیریم. بر این اساس ، ما بازار کربن اروپا را به عنوان بازار جهانی کربن قرار داده ایم در حالی که بازار کربن چینی به عنوان بازار کربن محلی برای بازار رمزنگاری برای کشف تفاوت آنها (Fang & Cao ، 2021). در همین حال ، ما تنظیمات استاندارد Baur و McDermott (2010) و Ratner و Chiu (2013) را دنبال می کنیم تا بررسی کنیم که آیا کربن یک پناهگاه امن است یا در برابر بازار رمزنگاری. برای پاسخگویی به تأثیر بیماری همه گیر Covid-19 ، ما همچنین نمونه خود را به دوره همه گیر قبل از کاوید-19 و در دوره همه گیر COVID-19 تقسیم می کنیم. سرانجام ، ما از تنظیمات بی قید و شرط Ranaldo و Söderlind (2010) و Baur et al.(2018) برای تقویت یافته های ما.

در این مقاله سه کمک به ادبیات ارائه می شود. اول ، مطالعه ما به درک عمیق از نقش بازار کربن در رابطه با بازار رمزنگاری کمک می کند و باعث می شود تا کارایی مکانیسم های قیمت گذاری در بازار کربن ، به ویژه برای تفاوت بین EU ETS و بازار کربن چینی ، روشن شود. دوم ، به جای مدل GARCH ، ما مدل GA S-DC S-Copula را توسعه می دهیم تا به توزیع دم نامتقارن موجود در بازارهای کربن و رمزنگاری بپردازیم. سوم ، ما نقش های متمایز بازارهای کربن اروپا و چینی را در بازار رمزنگاری و همچنین تأثیر همه گیر Covid-19 در رابطه بین کربن و بازار رمزنگاری تأیید می کنیم. بنابراین ، این مطالعه اولین مدل توزیع دم نامتقارن برای بازار cryptocurrency را ارائه می دهد و نقش بازار کربن را در رابطه با بازار رمزنگاری از منظر مالی و محیطی مشخص می کند.

باقیمانده این مقاله به شرح زیر سازماندهی شده است. بخش 2 روش را ارائه می دهد. بخش 3 آمار توصیفی از داده ها و انتخاب نمونه را ارائه می دهد. بخش 4 نتایج تجربی و تجزیه و تحلیل مرتبط را شرح می دهد. بخش 5 نتیجه گیری و برخی از پیامدهای سیاست را ارائه می دهد.

قطعه قطعه

مواد و روش ها

در این بخش ، ما در درجه اول در مورد روشهای مورد استفاده برای تخمین بتا متغیر زمان برای بازار رمزنگاری بحث خواهیم کرد. به طور خاص ، ما از یک رویکرد دو مرحله ای استفاده می کنیم ، ابتدا توزیع حاشیه ای را با استفاده از مدل GAS-DCS تخمین می زنیم و سپس همبستگی شرطی پویا را با استفاده از مدل گاز کوپول تخمین می زنیم (Ratner & Chiu ، 2013). ما به راحتی می توانیم با استفاده از همبستگی شرطی پویا ، بتا متغیر زمان و بهینه را محاسبه کنیم.

داده ها و تجزیه و تحلیل اولیه

ما دو نوع ارز رمزنگاری - BIB و ETH - را در نظر می گیریم تا بازار عمومی رمزنگاری را نشان دهد زیرا این تعداد بیشترین کلاه بازار با بیش از 70 ٪ ارزش بازار را دارند. برای ساده کردن تجزیه و تحلیل ما ، ما سایر ارزهای رمزنگاری شده مانند Tether ، Binance Coin و Cardano را حذف می کنیم ، حتی اگر این موارد بر اساس کلاه های بازار خود در رده های پنجم برتر قرار بگیرند ، آنها تنها 15 ٪ سهام از ارزش کل را در بازار رمزنگاری می گیرند. علاوه بر این ، از آنجا که داده های معاملاتی برای ETH از 18 اوت 2015 آغاز می شود ، ما این را می گیریم

مشخصات حاشیه ای

همانطور که در بحث قبلی نشان داده شد ، هر دو سری بازگشت کربن و رمزنگاری توزیع های غیر عادی با دم های سنگین و ناهمگونی را نشان می دهند. برای پرداختن به این خصوصیات ، ما از GA S-DCS برای مدل سازی سری بازگشت استفاده می کنیم. نتایج تخمین در جدول 3 نشان داده شده است ، که شامل تخمین های مدل DCS-AST نیز می شود. به طور خاص ، پارامترهای دم (v_سعادت، v_حرف) برای همه موارد در سطح 1 ٪ قابل توجه است ، نشان می دهد که AST برای مدل سازی دم نامتقارن مؤثر است

نتیجه

این مطالعه به بررسی نقش بازار کربن در رابطه با بازار رمزنگاری می پردازد. این مطالعه نوآورانه است ، زیرا هر دو بازار برای سرمایه گذاران مصنوعی و نسبتاً جدید هستند. ما با ترکیب توزیع نامتقارن در مدل سازی همبستگی شرطی ، ما مدل گا ز-DC S-Copula را توسعه می دهیم تا بررسی کنیم که آیا بازار کربن صرفاً تنوع را فراهم می کند یا به عنوان یک پناهگاه امن از بازار رمزنگاری عمل می کند. مطالعه ما نه تنها تنوع و پناهگاه امن را ارزیابی می کند

تصدیق

ما از دو داور ناشناس بخاطر نظرات و پیشنهادات مفید آنها سپاسگزاریم. این کار توسط JSPS Kakenhi Grant شماره 17H00983 ، برنامه مالی شنژن برای پشتیبانی از کمک هزینه های اساسی تحقیقات علمی 20200826152220001 ، Guangdong Project Project Grant Grant GD20XYJ29 پشتیبانی شد.