比特幣與中國投資者情緒

摘 要：比特幣價格作為一種投機性強的交易標的，其價格波動性難免會受到非理性因素如投資者情緒的影響。文章梳理了有關(guān)比特幣屬性和價值決定影響因素的文獻研究，并將中國投資者情緒與比特幣波動性聯(lián)系起來，通過擴展性的TGARCH模型，得出中國市場的投資者情緒對比特幣價格波動性具有顯著影響的結(jié)論。

關(guān)鍵詞：比特幣;價格波動性;投資者情緒;TGARCH

中圖分類號：F49;F821;F224文獻標識碼：A 文章編號：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。與一般的交易標的不同，比特幣投機屬性更重，注定會受到投資者情緒等非理性因素的影響。而中國作為世界第二大經(jīng)濟體，中國資本市場的投資者情緒也必然有著一定程度的影響力。另外，中國對比特幣的監(jiān)管逐年收緊，但是國民對于比特幣的關(guān)注度卻有增無減，所以本文通過構(gòu)建擴展性的TGARCH模型將虛擬貨幣中非常具有代表性的比特幣波動性與中國投資者情緒聯(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，如避險資產(chǎn)“黃金”、中美兩國宏觀經(jīng)濟因素、技術(shù)因素、中國政策與大型事件因素，以得到更真實的結(jié)果。

2 文獻綜述

一直以來，關(guān)于比特幣的“屬性”爭議不斷。Kaplanov[1]認為比特幣的性質(zhì)在商品、貨幣和服務(wù)之間難以明確地界定。李翀[2]認為在比特幣領(lǐng)域?qū)嶋H上沒有基本面主義投資者，因為該貨幣既不是商品貨幣，也不是信用貨幣，它不具有基本面價值。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險規(guī)避者有效地管理市場負面沖擊帶來的風險，他認為比特幣可以被界定為一種介于黃金和美元之間的東西。

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

其他外部影響因素如黃金價格、美國經(jīng)濟狀況和比特幣網(wǎng)絡(luò)安全性也受到學者的廣泛討論。有許多文獻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”，因為它們都具有稀有性和獲取成本高的特征。2018年1月比特幣暴跌期間，黃金價格飆升，Corbet等[7]學者也發(fā)現(xiàn)黃金價格和比特幣價格有顯著的反向關(guān)系。比特幣市場也受宏觀經(jīng)濟因素影響，Wijk[8]指出道瓊斯指數(shù)對比特幣價格有顯著的短期影響，而美元與歐元的匯率對比特幣價格有顯著的長期影響，大部分影響變量都與美國經(jīng)濟有關(guān)，因此密切關(guān)注美國的經(jīng)濟表現(xiàn)和增長最為重要。比特幣由用戶利用自己的電腦進行數(shù)學運算來進行挖掘，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)學運算的速度，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。Giaglis等[9]使用VECM模型檢驗時間序列數(shù)據(jù)來研究比特幣價格的影響因素，發(fā)現(xiàn)哈希率與比特幣價格有顯著的正向關(guān)系。

中國市場因素在比特幣市場的影響力也受到了全球的關(guān)注，曾有90%的比特幣市場交易量是來自中國市場，70%的比特幣產(chǎn)自中國。近幾年來，我國對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，中國的政策與事件對比特幣的影響力不容忽視。Kristoufek[10]研究了影響比特幣價格的主導因素，并觀察到比特幣價格與匯率的大幅波動與中國市場的重大事件或者監(jiān)管政策常常同時發(fā)生，但結(jié)果顯示盡管中國人民幣市場與美元市場聯(lián)系緊密，但人民幣市場對美元市場的影響并不顯著。郭建峰、傅一瑋和靳洋[11]使用VAR模型對比研究中國頒布“關(guān)停所有比特幣交易平臺”的政策前后的比特幣價格與交易量、用戶數(shù)、搜索量和媒體關(guān)注度的關(guān)系，發(fā)現(xiàn)中國的監(jiān)管政策會降低公眾對比特幣的接受度，削弱比特幣價值的公眾共識，影響比特幣在我國的發(fā)展。

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

3 中國投資者情緒與比特幣價格波動性關(guān)系影響實證

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)，剔除國內(nèi)外非交易日數(shù)據(jù)，共計1599個觀察值。數(shù)據(jù)來源于CoinMarketCap網(wǎng)站、Quandl大數(shù)據(jù)平臺、Choice數(shù)據(jù)庫。

3.1 情緒指標的構(gòu)建

中國投資者情緒指標的構(gòu)建參照Baker和Wurgler[12]的方法，選取的間接指標有：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)進行了標準化、通過了KMO檢驗和Barlett球形檢驗，本文選取了3個成分，累積解釋了90.04%的方差，最后構(gòu)建的情緒指標如式（1），各指標含義及說明見表1。

3.2 模型設(shè)計與變量說明

金融時間序列多有波動性聚集和“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)需要做出擴展，本文加入上文構(gòu)建的中國投資者情緒來研究它和比特幣價格波動性的關(guān)系。另外還有一些上文提及的影響因素，如黃金、美國經(jīng)濟狀況、中國經(jīng)濟狀況與相關(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，各個變量指標含義詳見表2。

本文采用比特幣的日收益率作為比特幣市場價格波動性的度量指標，其他各控制變量的收益率、變動率為相關(guān)市場收益與表現(xiàn)的度量指標。各指標收益率和變動率采用式（2）計算：

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

3.2.1 描述性統(tǒng)計

正態(tài)分布的偏度為0峰度為3，而J-B統(tǒng)計量和P值說明所有的收益率和變動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)。情緒指標以及各金融數(shù)據(jù)的時間序列都明顯表現(xiàn)出“尖峰厚尾”的特征。詳見表3。

3.2.2 平穩(wěn)性檢驗

使用GARCH模型的前提是該時間序列是平穩(wěn)的且殘差具有自相關(guān)性，本文采用單位根檢驗的方法檢驗序列的平穩(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）。

對均值方程的殘差序列進行ARCH-LM檢驗，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間變化的規(guī)律，但無法研究比特幣價格波動性是否具有杠桿性。在TGARCH模型中，加入了不對稱項γ1μ2t-1dt-1，其中dt-1為虛擬變量，系數(shù)γ1的正負能反映信息沖擊的非對稱效應(yīng)，能較好地觀察到利空、利好消息的影響對比特幣市場是否有非對稱性。在Stata定義中，當上一期的均值方程殘差項μt-1<0，即為“壞消息”發(fā)生，其賦值為dt-1=1;當上一期的均值方程殘差項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，中國投資者情緒對比特幣價格波動有顯著的負向影響，說明中國投資者情緒對比特幣波動性有削弱作用，當中國投資者情緒指數(shù)上升時，比特幣價格波動性變小。這可能說明在國內(nèi)投資者情緒高漲時，比特幣市場很可能不是他們積極參與的市場。政策項對比特幣價格波動性的影響顯著為正，說明當中國發(fā)布關(guān)于停止比特幣交易業(yè)務(wù)的政策時，比特幣價格波動加劇。上海隔夜同業(yè)拆借利率變動幅度對比特幣價格波動的影響也顯著為負，說明當國內(nèi)宏觀經(jīng)濟形勢向好，比特幣價格波動率會反向變動。而從均值方程結(jié)果中可以看出，疫情項系數(shù)為正且顯著，說明疫情的發(fā)生對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資產(chǎn)還有待進一步考證。因為在數(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供給量減少而價格上升的預(yù)期所致。這一系列結(jié)果都表明中國投資者情緒、政策、疫情等因素對比特幣市場有顯著影響。

其他控制變量如比特幣自身的交易量、哈希率變動幅度對比特幣價格的波動性有顯著的正向關(guān)系，而標準普爾指數(shù)的收益率對其影響為負且顯著。均值方程方面，黃金收益率、標準普爾指數(shù)收益率對比特幣的收益率有顯著的正向影響。值得一提的是，TGARCH模型中的不對稱項系數(shù)為負，且關(guān)系顯著，這意味著當比特幣市場出現(xiàn)壞消息時，比特幣市場價格風險受到的影響要小于好消息的影響。

最后觀察擴展的TGARCH（1，1）模型的殘差項自相關(guān)和偏自相關(guān)情況，并對其進行Ljung-Box檢驗，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投機性特征和中國對比特幣市場的影響力，將中國投資者情緒和比特幣波動性聯(lián)系起來，用TGARCH模型進行檢驗，結(jié)果表明，中國投資者情緒對比特幣波動性具有負向影響且顯著。

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

而進一步探索這些因素產(chǎn)生影響的傳導機制，是以后可以努力的方向。對于比特幣這樣的新興市場，研究投資者情緒有其現(xiàn)實意義，密切關(guān)注投資者情緒，對于防范新興市場的風險有一定的警示作用。在我國試行數(shù)字貨幣的背景下，研究比特幣的價格波動影響因素也對相關(guān)政策的出臺有一定的借鑒意義。

參考文獻：

[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. 比特幣會成為貨幣嗎？[J].當代經(jīng)濟研究， 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].北京郵電大學學報（社會科學版）， 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動態(tài)變化的實證研究：基于政策事件的對比分析[J].金融與經(jīng)濟， 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）.

[作者簡介]陳俞樺，女，漢族，廣東揭陽人，碩士，研究方向：風險與金融。