images/work1.jpg

 

1. 崩盤統整

  • 統整崩盤分類結果,在2013/04/28~2022/07/31,共 3380 天,總共查找出 43 個大崩盤與 146 個小崩盤,崩盤持續期間最長分別持續了 56 天與 29 天,最大跌幅最大分別有 51.28% 和 50.39%,下跌速度最快則分別是 8.72% 和 12.88%。

  • 在2022/05/01~2022/07/31日內資料(資料頻率一分鐘)的部分,查找出 285個崩盤,持續期間最長達到 282 分鐘,最大跌幅最大有 8.11%,下跌速度最快則是 1 分鐘下跌 0.31%。

2. 崩盤分析

images/work2.jpg

 

  • 2018 年與 2022 上半年價格走勢下跌許多,年報酬率分別為 -74% 與 -50%,預期這兩年觀察到的崩盤事件程度會較嚴重 ,本節的研究結果符合預期:

  • 2018年是崩盤事件平均最大跌幅程度最大的一年,當時崩盤期間平均每天下跌38.7%。

  • 最小的是年化波動度最低的2016年(49.9%),平均最大跌幅為15.2%。

  • 2022上半年則是崩盤事件平均持續期間第三長的一年,平均持續了26.3天,且該年度的崩盤天數占比排行第三高(38.7%)。

  • 持續期間最短的是年化標準差最大的2013年(117.6%),該年度平均持續期間為17天,且崩盤天數占比排行第二低(21%)。

images/work3.jpg

 

  • 崩盤發生次數最多的為年報酬率最高與年化標準差次高的 2017 年,分別為 1435% 與 96%,當年總共發生 8 起崩盤事件。

  • 2017年也是崩盤天數占比最大的一年,高達 44%,且該年度崩盤的下跌速度是第二快的,平均每天下跌4%,與當年比特幣的平均日報酬率 0.75% 相比超過 5 倍。

images/work4.jpg

 

  • 2015 年是所有年報酬率為正的年份中最小的一年,僅約 36%,當年崩盤的平均持續期間最長,長達約 40天,但崩盤發生次數卻是最少的,僅發生 2 次。

images/work5.jpg

 

  • 年化波動度最大的年份為 2013 年,約為 118%。

  • 在這年查找出的崩盤事件其平均下跌速度是最快的,平均每天下跌 4.72%,與當年比特幣的平均日報酬率 0.7% 相比超過 6 倍,並且當年崩盤的平均持續期間最短,約 17 天。

  • 下跌速度最慢的是2021年,為1.41%。

images/work6.jpg

 

  • 2021 年為大起大落的一年,年報酬率普通但年化標準差排行第四高,分別為64% 與 80%。

  • 2021年是本節查找出的大崩盤次數次多的一年,總共發生 5 起,持續期間第二長,長達 29 天,且崩盤天數占比次高,占比約 41%。

觀察本節查找的全部 43 起崩盤事件

images/work7.jpg

 

  • 持續期間與最大跌幅呈現正向關係,相關係數約 0.7,崩盤持續期間越長,價格下跌的越多。

images/work8.jpg

 

  • 持續期間與下跌速度呈現負向關係,相關係數約 -0.6。

3. 籌碼面分析

images/work9.jpg

 

  • 計算集中度指標 Herfindahl Index (HHI) 以量化當天交易地址的籌碼集中度。

  • 研究前推測於崩盤期間其 HHI 值相較於非崩盤期間有可能存在較大數值,可能表示在比特幣籌碼於該年相對集中時較有可能發生崩盤。

  • 研究結果為崩盤期間平均HHI約為非崩盤期間HHI的兩倍,顯示其籌碼於該年相對集中時較有可能發生崩盤。

  • 然而,因2020/2/22崩盤當天HHI數值特別大,研究發現造成當時BTC下跌有兩原因,第一,市場大戶PlusToken 將13,000個BTC(當時價值約1.2億美元)轉移到混幣器,並且可能在市場拋售。第二,當時總體經濟環境為Covid-19爆發時期。以上因素造成比特幣當天大量被拋售,HHI值也反映當天籌碼交易量集中於個別戶。

  • 扣除2020/2/22當天HHI數值,則崩盤期間HHI與非崩盤期間HHI差異不大,可能表示若扣除個別大戶倒倉事件,籌碼集中與比特幣崩盤比較沒有直接關係。

  • 研究期間為2017/10/26年至2022/12/16。

images/work10.jpg

 

4. 網絡面分析

1. 模組化程度

images/work11.jpg

 

  • 在研究期間2014/03/26 ~ 2022/11/27內,加密貨幣市場的模組化程度平均約為0.05,表示加密貨幣市場普遍趨向同漲同跌。

  • 在樣本期間為2018/06/17 ~ 2022/07/31,不論大小崩盤,模組化程度的平均值排序為崩盤前期最大,非崩盤期間次之,最小的是崩盤後期。因此本研究推測模組化程度能用於判斷BTC的行情,當模組化程度處在低點時,接近BTC的底部;反之處在高點時,接近頂部。

images/work12.jpg

 

  • 在研究期間2014/03/26 ~ 2022/11/27內,模組化程度與BTC報酬的相關係數為0.56。

images/work13.jpg

 

  • 模組化程度與BTC報酬率的走勢極為相似,模組化程度最高的是 2017 年,達到 0.27,同時也是比特幣年報酬率最高的一年,兩者相關係數高達 0.92,呈現高度正向關係。

  • 另外,模組化程度與比特幣大崩盤次數也呈現高度正向關係,相關係數為 0.85。

2. 中心性

images/work14.jpg

 

  • 本研究另外依照中心性由大到小分成第一到第五群,計算每群每天的累積報酬,研究發現比特幣與以太幣多集中在中心性最大的群組,分別占其樣本期間的 56% 與 71% 。

  • 該群的報酬表現僅次於第四群,推測能比主流幣表現更好的幣別應為讓散戶更 FOMO 的小幣,小幣多有暴漲的空間,進一步計算每群的平均市值,可以發現第四群的平均市值最小,符合預期。

images/work15.jpg

 

  • 過往網絡分析以投資人為研究對象多以中心性最大的代表其握有資訊量最多或是能影響更廣大的人群,由此發現其投資績效會較好,兩者呈現正向關係。但將此概念延伸應用於比特幣則沒有此現象,比特幣報酬率與其中心性沒有顯著關係。

上述資料為國科會補助專題研究計畫與台灣財金科技股份有限公司提供國立中山大學執行之加密貨幣泡沫與崩盤研究產學合作計畫。

若喜歡本文,請關注我們的臉書 Please Like our Facebook Page: Big Data In Finance

摘要: 以太坊合併在 15 日完成後,正式轉向 PoS 共識機制,不過數據顯示,Flashbots 目前構建了超過 82% 的中繼塊,加劇了以太坊的中心化問題。Santiment 也分享數據指出,在以太坊的 PoS 節點中,高達 46.15% 佔比僅被 2 大地址所掌控,呈現高度中心化。

摘要: 美國證券交易委員會(SEC)19 日對加密貨幣投資研究公司 Token Metrics 創辦人 Ian Balina 提起訴訟,指控被告違反聯邦證券法。值得注意的是, SEC 在起訴書中主張,由於在美國營運的以太坊驗證節點比在其他任何國家都要多,故全球範圍內的所有以太坊交易,都應該被視為發生在美國。

摘要: The Securities and Exchange Commission announced plans to add an Office of Crypto Assets and an Office of Industrial Applications and Services to the Division of Corporation Finance’s Disclosure Review Program (DRP).

摘要: 本篇摘取自馬黛老師團隊與科技部的產學合作計畫「虛擬貨幣價格形成與預測:情緒、總經、網絡與投資人結構」之成果,本研究以市值前四大的BTC、ETH、LTC、BCH 以及週轉率較高的DASH、ZEC、BSV 為樣本,以基本面、行為面、微結構面、投資人結構面、總體經濟面、技術面及網絡面等七個面向,解釋加密貨幣價格之成因。

摘要: 本篇摘取自馬黛老師團隊與科技部的產學合作計畫「虛擬貨幣價格形成與預測:情緒、總經、網絡與投資人結構」之成果,本章除了從基本面、行為面、微結構面、技術面、總經面及網絡面等面向解釋加密貨 幣價格之成因,同時針對加密貨幣的價量、泡沫及崩盤以及投資人結構進行更深入的研究 與探討。 透過本文七種加密貨幣價量資料發現,比特幣與以太幣、萊特幣之同期日報酬 具有高度正相關。以太幣與萊特幣同期日報酬也呈現高度正相關性。BSV 與其他加密貨幣 同期月報酬相關性相對較低。此外,短期報酬如日報酬和週報酬更能使投資者獲利,並且 研究的七種數位貨幣中,在星期四時平均報酬皆為最小。

YOU MAY BE INTERESTED