ДИНАМІКА ХЕШРЕЙТУ: ВИВЧЕННЯ ВЗАЄМОЗВ'ЯЗКУ З МЕТРИКАМИ МЕРЕЖІ BITCOIN
Анотація
Це дослідження розглядає динаміку хешрейту Bitcoin та його взаємозв'язок з метриками мережі, спрямоване на висвітлення основних чинників, які формують екосистему Bitcoin. Застосовуючи багатометричний аналіз, дослідження вивчає ціну Bitcoin, громадський інтерес та загальну кількість щоденних транзакцій разом із даними про хешрейт. Виявлені висновки розкривають відтінені взаємозв'язки між цими змінними, де традиційні метрики, такі як хешрейт, показують нестійкі кореляції з громадським інтересом протягом тривалих тенденцій. Проте аналізи короткострокових періодів розкривають потенційні прогностичні можливості, особливо коли враховуються додаткові фактори, такі як ціна Bitcoin та щоденні транзакції. Вводиться новий показник, що називається «коефіцієнт популярності», який випливає з усереднення щоденних значень ціни, інтересу та транзакцій, що дозволяє отримати більш повне уявлення про динаміку популярності Bitcoin. Практичні наслідки цього дослідження полягають в покращенні можливостей прогнозування короткострокових коливань в мережевій динаміці Bitcoin, тим самим сприяючи процесам прийняття рішень у криптовалютній екосистемі. Це дослідження надає важливі висновки для інвесторів, дослідників та учасників ринку криптовалют, допомагаючи їм краще розуміти фундаментальні чинники, що впливають на Bitcoin. Враховуючи динаміку ціни, інтересу громадськості та транзакцій, разом з хешрейтом, стає можливим не лише аналізувати минулі тенденції, але й робити кращі прогнози для майбутнього. Крім того, введення «коефіцієнта популярності» відкриває нові можливості для оцінки загальної придатності Bitcoin та сприяє розвитку більш точних моделей аналізу ринку криптовалют. Це дослідження стає важливим кроком у напрямку глибшого розуміння криптовалютних ринків та сприяє розвитку більш точних стратегій інвестування.
Посилання
Hayes, Adam S. 2017. Cryptocurrency value formation: An empirical study leading to a cost of production model for valuing bitcoin. Telematics and Informatics 34: 1308–21. http://dx.doi.org/10.1016/j.tele.2016.05.005
Hayes, Adam S. 2019. Bitcoin price and its marginal cost of production: support for a fundamental value. Applied Economics Letters 26: 554–60 http://dx.doi.org/10.1080/13504851.2018.1488040
Stoll, Christian, Lena Klaaßen, and Ulrich Gallersdörfer. 2019. The carbon footprint of bitcoin. Joule 3: 1647–61. http://dx.doi.org/10.1016/j.joule.2019.05.012
Kristoufek, Ladislav. 2015. What are the main drivers of the bitcoin price? Evidence from wavelet coherence analysis. PLoS ONE 10: e0123923. http://dx.doi.org/10.1371/journal.pone.0123923
Kjærland, Frode, Aras Khazal, Erlend A. Krogstad, Frans B. G. Nordstrøm, and Are Oust. 2018. An analysis of bitcoin’s price dynamics. Journal of Risk and Financial Management 11: 63. http://dx.doi.org/10.3390/jrfm11040063
Santoni, Gary J. 1987. The great bull markets 1924-29 and 1982-87: Speculative bubbles or economic fundamentals? Federal Reserve Bank of St. Louis Review 69: 16–29. http://dx.doi.org/10.20955/r.69.16-30.bbg
Jegadeesh, Narasimhan, and Sheridan Titman. 1993. Returns to buying winners and selling losers: Implications for stock market efficiency. The Journal of finance 48: 65–91. http://dx.doi.org/10.1111/j.1540-6261.1993.tb04702.x
Jegadeesh, Narasimhan, and Sheridan Titman. 2001. Profitability of momentum strategies: An evaluation of alternative explanations. The Journal of finance 56: 699–720. http://dx.doi.org/10.1111/0022-1082.00342
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.