[论文解读] Herding behavior in cryptocurrency markets

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

Blockchain Technology Applications and Security被引用 13

一句话总结

本文基于Chang, Cheng, and Khorana（2000）的马尔可夫切换羊群行为模型，研究加密货币市场的羊群行为，发现市场压力期间存在强烈的羊群行为证据，尤其是在2017–2018年期间，投资者更倾向于追随价格趋势而非基本面因素。该研究挑战了知情交易的观念，表明羊群行为比理性信息处理更能驱动价格波动。

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.

研究动机与目标

• 调查羊群行为是否能够解释加密货币市场中的价格动态，尤其是在极端波动时期。
• 仅使用价格数据作为协调机制，测试羊群行为假说，避免依赖基本面或私人信息。
• 通过引入非对称条件和马尔可夫切换状态，扩展现有羊群模型，以捕捉时变的羊群行为。
• 挑战加密市场由知情投资者主导的普遍叙事，表明集体行为占据主导地位。

提出的方法

• 采用Chang, Cheng, and Khorana（2000）的实证羊群模型，使用横截面绝对偏差（CSAD）作为羊群行为的代理变量。
• 通过市场收益率绝对值|Rm,t|和收益率平方R²m,t作为调节变量，估计羊群效应。
• 通过引入虚拟变量D，将模型划分为正收益和负收益市场收益状态，以捕捉非对称羊群行为。
• 应用马尔可夫切换（MS）框架，使羊群参数能够在未观测到的状态间变化，从而捕捉时变的羊群动态。
• 利用状态切换平滑概率识别高羊群强度和低羊群强度的时期。
• 采用包含滞后CSAD项和状态特异性系数的回归模型，检验不同市场条件下是否存在羊群行为。

实验结果

研究问题

• RQ1 羊群行为是否显著影响加密货币价格波动，尤其是在市场压力时期？
• RQ2 在加密市场中，对称与非对称市场条件下羊群行为有何差异？
• RQ3 与静态模型相比，马尔可夫切换模型是否能更好地捕捉羊群行为的动态特性？
• RQ4 投资者在加密市场中在多大程度上依赖价格趋势而非基本面信息？
• RQ5 广泛认为加密市场由知情交易者主导的观点是否与实证证据一致？

主要发现

• 羊群行为在加密货币市场中表现强烈，特别是在2017年下半年至2018年初，当时价格飙升且收益率分散度上升。
• 马尔可夫切换模型显示，羊群强度随时间变化，2017–2018年牛市期间羊群行为显著增强，如图4所示的平滑概率所示。
• 在状态3（强市场条件）下，|Rm,t|的系数在10%水平上显著，表明在上涨市场中存在强烈的羊群行为。
• 在下跌市场中，羊群行为同样显著，状态1中D×|Rm,t|项的t统计量为-4.819。
• 静态模型低估了羊群动态；MS模型更准确地捕捉了时间变化的羊群模式，尤其是在2018年市场调整期间。
• 研究结果与普遍认为加密市场由知情交易者主导的观念相矛盾，表明羊群行为——尤其是HODL策略——更符合观测数据。