对于比特币市场的投资者和研究人员来说，如何合理解释比特币市场的巨大价格波动仍然是一个持续的挑战。一个主要原因是，我们在对不可量化的风险或比特币回报的模糊性进行稳健量化的方面存在弱点。本文引入了一种行为渠道，将模糊性厌恶程度视为比特币市场投资异常收益的一个突出来源。利用10年的日度数据，我们发现，平均而言，比特币投资者对模糊性的厌恶情绪在增加。此外，我们发现，比特币投资者只有在模糊性较低时才会获得异常回报。稳健性测试验证了我们结果的有效性。中国人民大学金融科技研究所对报告核心部分进行了编译。
引言
背景
以比特币为代表的虚拟货币既代表了一种新的货币形式的出现，也代表了购买商品和服务的一种新的支付技术。比特币是不确定性和模糊性的一个例子，新古典主义理论无法解释这种加密货币市场上的行为，没有足够的日常信息来合理证明比特币的巨大价格波动。因此，我们希望从行为金融学的角度来扩展我们对这个加密货币市场的理解。我们的实证研究基于Brenner和Izhakian(2018），通过严格研究模糊性对比特币收益的影响，填补了文献的空白。
周小川回应数字货币“五问”：科技公司想参与，就不能耍小聪明:4月17日消息，2022清华五道口全球金融论坛”于15日至17日举行，中国金融学会会长、中国央行原行长周小川在出席论坛时回应了外界对数字货币的五大热点问题，并特别强调，科技公司若想参与数字货币或支付系统，就要向高标准靠拢，不能耍小聪明。（中新网）[2022/4/17 14:29:20]
意义
①从行为金融的角度扩展了对加密货币市场的理解，发现模糊性在解释比特币的异常收益方面发挥了重要作用。
②与常规的定性研究不同，我们使用比特币数据探讨了加密货币市场中模糊性的重要性。
③对投资者来说，有利于优化投资决策，如果投资者在对系统性风险进行调整后确实能够获得风险溢价，那么将他们的财富配置到比特币上是有帮助的。
④对政策制定者来说，虽然在目前的市场条件下，比特币市场基本上不受监管，但如果决策者计划在未来实施这些监管，他们可以利用我们的研究来指导监管。
声音 | 周小川：人民银行目前正在推进的区块链在两个低TPS交易市场的应用:中国人民银行前行长周小川5月份在清华大学五道口金融学院专题讲座中表示，人民银行目前正在推进的区块链在两个低TPS交易市场的应用：一是票据交易，二是信用证融资的交易。信用证融资是相对较小的市场，且交易对手应自行相互了解，没有太大的监管必要性。如果不充分重视并考验新技术的稳定性和可靠性，也会伤及投资者或消费者。比如，虽然比特币自称技术上很牢靠，但还是出了技术缺陷和失误，导致日本的比特币信息被窃取，有些客户的比特币就失踪了。[2019/7/31]
模糊性的测量
模糊性主要指的是主体对偶发事件可能性的主观认识与多个概率分布一致的情况，因此我们参考Izhakian(2020)的方法，将模糊性定义为：
由于σ可由如下公式计算：
声音 | 央行前行长周小川：不认可比特币一类的虚拟货币作为零售支付工具:据新浪财经消息，中国金融学会会长、中国人民银行前行长周小川表示，对于央行而言，第一，不慎重产品先停一停。有些有前途的产品，必须测试，经过认证再推广。央行的做法是，去年（2017年）8月底把 ICO停了，后来不支持比特币与人民币之间的交易。“我们不认可比特币一类的虚拟货币作为零售支付工具，银行系统不接受不提供相关服务。”[2018/12/27]
把σ测算公式代入模糊性测算公式中，可得如下模糊性测算的最终表达式：
数据
数据来源
①从bitcoincharts.com获取比特币收盘价、开盘价、最低价、成交量
动态 | 比特币企业家将新公司10％交易费用于帮助维基解密阿桑奇的法律诉讼:比特币企业家Kim Dotcom透露，他的新公司K.im交易费用的10％将用于帮助维基解密创始人阿桑奇（Julian Assange）正在进行中的法律诉讼。 注：阿桑奇目前正面临引渡到美国的指控，罪名是涉嫌试图入侵五角大楼的计算机。他可能被判入狱175年。（Cointelegraph）[2019/10/30]
②从KennethFrench’swebsite获取日度市场超额回报率、规模因子、账面市场比因子、盈利能力因子、投资因子、动量因子和国库券利率数据
③从global-q.org获取q因子系数数据
④从WhartonResearchDataServices获取CBOE波动指数
⑤从Bitcoincharts获取比特币5分钟频率数据
数据处理
①比特币的收益率由日度价格变化百分率测算。
②比特币的模糊性通过5分钟的单日回报率测算。
动态 | 阿桑奇逮捕后，维基解密已收到近3万美元的比特币:据Crypto Globe消息，维基解密创始人Julian Assange被捕后，政客、演员和模特等业界名流纷纷捐款，呼吁获释Assange。在维基解密的捐款页面上，详细说明除接受传统支付方式外，还包括BTC和Zcash。目前，该组织的比特币钱包余额在几天内从2.3枚BTC跃升至超7.9枚BTC。[2019/4/13]
实证结果
估计期望值
参考Andersenetal.(2003)和BrennerandIzhakian(2018)，我们利用时间序列自回归移动平均ARMA(p,q)模型和最小校正Akaike信息准则(AICC)估计的系数，基于已实现的波动率估计预期波动率。
我们还使用ARMA(p,q)估计预期模糊度，类似于估计预期波动率的方法。具体来说，我们利用时间序列模型估计的系数，在已实现的模糊性的基础上估计期望模糊性。
主要实证测试
期望概率在0.368到0.768之间，我们把这个区间分成37个相等的区间，每个区间是0.01，并用i.来表示，比如第一个区间为0.38到0.39，少数低于0.38的值也归入第一个区间。我们构建的实在模型如下：
我们分别考察了OLS和WLS的回归结果，研究显示在良好收益的高概率箱中(例如，i=34)，模糊性系数显著，这表明比特币投资者对模糊性的厌恶程度在增加。
稳健性检验：替换波动性度量方法
在这里，我们在回归中使用替代波动率度量而不是预期波动率，具体来说，我们通过以下两个方程检验模糊性的作用。
此外，我们进一步考虑高阶矩来进行稳健性测试，通过如下方程考察偏态、峰度和波动率。
研究显示不确定性对回报的影响对其他风险度量是显著的。
稳健性:非结构化风险
我们考虑了一个进一步的离散模型，方程如下：
结果显示，投资者表现出风险偏好行为，并导致正的风险溢价。此外，根据有利回报的高概率箱中的模糊性系数，比特币投资者对模糊性的厌恶仍在增加。
结论
投资者总是面临已知风险和未知风险之间的选择，因此，模糊厌恶投资者宁愿选择一个投资结果的概率分布是已知的，而不是一个概率是未知的。本文首次研究了模糊性在比特币回报中的重要作用，比特币回报是一种投资组合，近年来吸引了投资者的注意。因为像比特币这样的虚拟货币不符合传统的资产定价理论，因此它们的回报无法从理论上(至少部分地)预测，因此需要其他工具来描述其回报中观察到的异常情况。我们引入了模糊的经典案例，通过使用信息价值的改进方法支撑设计，来理解模糊厌恶的程度对异常收益的可变程度的影响程度。
根据Brenner和Izhakian(2018)以及Baker和Wulger(2006)提出的方法，我们发现比特币投资者对模糊性的厌恶程度越来越高，这种特征有助于量化比特币异常收益的程度。此外，我们检验了在歧义条件下比特币回报的表现。为此，我们使用了几种资产定价模型，并在高模糊期和低模糊期之间区分比特币回报的表现。
这个测试的一个重要发现是，与我们使用的资产价格模型相比，比特币投资者在高模糊性时期获得非常低的异常回报。我们的结果对比特币价格波动的其他衡量方法、决定资产价格的高阶矩(如偏度)以及对模糊性的态度取决于财富和风险态度的进一步离散模型的设计是稳健的。
以下为文章部分截图
编译|?叶健
来源|?SSRN
作者|?DiLuo,TapasMishra,LarisaYarovaya,andZhuangZhang
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。