[論文レビュー] Herding behavior in cryptocurrency markets

Obryan Poyser|arXiv (Cornell University)|Jun 29, 2018

Blockchain Technology Applications and Security被引用数 13

ひとこと要約

本稿は、Chang, Cheng, and Khorana (2000) に基づくマルコフスイッチング・ヘルディングモデルを用いて、暗号資産市場におけるヘルディング行動を調査し、市場ストレス時、特に2017–2018年に強いヘルディングの証拠を発見した。投資家は根本的要因ではなく価格トレンドに従う傾向が強く、この研究はインフォームドトレーディングの概念に疑問を呈し、合理的な情報処理よりもヘルディングが価格のボラティリティをより強く駆動していることを示している。

ABSTRACT

There are no solid arguments to sustain that digital currencies are the future of online payments or the disruptive technology that some of its former participants declared when used to face critiques. This paper aims to solve the cryptocurrency puzzle from a behavioral finance perspective by finding the parallelism between biases present in financial markets that could be applied to cryptomarkets. Moreover, it is suggested that cryptocurrencies' prices are driven by herding, hence this study test herding behavior under asymmetric and symmetric conditions and the existence of different herding regimes by employing the Markov-Switching approach.

研究の動機と目的

• 暗号資産市場における価格動向を説明する要因としてのヘルディング行動が、極端なボラティリティが生じる時期にどのように作用するかを調査すること。
• 根本的または非公開情報に依存せず、価格データのみを協調のメカニズムとして用いることで、ヘルディング仮説を検証すること。
• 時間的に変化するヘルディング行動を捉えるために、非対称な条件とマルコフスイッチング制度を統合することで、既存のヘルディングモデルを拡張すること。
• 暗号資産市場はインフォームド投資家によって駆動されているという一般的な物語に反して、集団的行動が支配的であることを示すこと。

提案手法

• Chang, Cheng, and Khorana (2000) が提案した実証的ヘルディングモデルを改変し、ヘルディングの代理指標としてクロスセクショナル絶対乖離（CSAD）を用いる。
• 市場リターンの絶対値 |Rm,t| とリターンの二乗 R²m,t を条件変数として用い、ヘルディング効果を推定する。
• ダミー変数 D を用いて、市場リターンの正負に応じた非対称ヘルディングを組み込む。
• マルコフスイッチング（MS）フレームワークを適用し、観測不能な制度間でヘルディングパラメータが変化することを許容し、時間的に変化するヘルディングダイナミクスを捉える。
• 制度スイッチング平滑化確率を用いて、高・低ヘルディング強度の期間を特定する。
• ラグ付きCSAD項と制度別係数を含む回帰モデルを用い、異なる市場状況下でのヘルディングの有無を検証する。

実験結果

リサーチクエスチョン

• RQ1 ヘルディング行動は、市場ストレス時における暗号資産価格の動きに顕著に影響を及ぼしているか？
• RQ2 暗号資産市場において、対称的と非対称的市場状況下でのヘルディングはどのように異なるか？
• RQ3 静的モデルに比べて、マルコフスイッチングモデルはヘルディングの動的性質をよりよく捉えられるか？
• RQ4 投資家は、根本的情報ではなく、価格トレンドにどれほど依存しているか？
• RQ5 暗号資産市場はインフォームドトレーダーによって駆動されているという一般的な認識は、実証的証拠と整合的か？

主な発見

• ヘルディング行動は、特に2017年後半から2018年当初にかけて顕著であり、価格が急騰しリターンの分散が拡大した時期に顕著に見られた。
• マルコフスイッチングモデルは、ヘルディング強度が時間的に変化することを明らかにした。図4の平滑化確率から、2017–2018年のハイパー・ブル市場期にヘルディングが著しく増加したことが示された。
• 制度3（強い市場状況）では、|Rm,t| の係数が10%水準で有意であり、上昇市場における強いヘルディングを示している。
• 下落市場でもヘルディングは有意であり、制度1における D×|Rm,t| 項の t 統計量は -4.819 であった。
• 静的モデルはヘルディングダイナミクスを低く評価しており、MSモデルは2018年の市場調整期において、より正確に時間的に変化するヘルディングパターンを捉えている。
• 研究結果は、暗号資産市場がインフォームドトレーダーによって駆動されているという一般的な認識に反しており、むしろHODL戦略を含むヘルディングが観察データと整合的であることを示している。