چکیده
این مطالعه نابهنجاری نوسان پذیری کم در بازار رمزارز (ارز رمزی) را بررسی میکند. ما با ساخت پورتفوی های کوتاه مدت برای یک نمونه متشکل از 1000 رمزارز برای دوره 28 آوریل 2013 تا 1 نوامبر 2019، هیچ شواهدی از یک تفاوت ارزش مهم (تفاوت ارزش واقعی و ارزش اسمی سهم) با نوسان پذیری کم پیدا نکردیم. این نتیجه با یافته های تجربی از مطالعات حقوق صاحبان سهام، اوراق قرضه، و بازارهای کالا مغایرت دارد و به مباحثه کارایی رمزارزها کمک می کند. ما بر خلاف مطالعات قبلی، پی بردیم که بازار رمزارز بیشتر از آنچه انتظار میرود کارآمد است، حتی بعد از اینکه اندازه های مختلف نمونه را کنترل کردیم، و دوره ها و (یا) روش های ساخت پورتفوی را از نو متعادل ساختیم.
1. مقدمه
حاصل سهام دارای نوسان پذیری زیاد باید یک بازده مورد انتظار باشد. این یکی از مهمترین اصول در مالیه است. با این حال رشته وسیعی از شواهد تجربی این مفهوم را آزمایش نموده اند و نشان داده اند که در حقیقت عکس این قضیه درست است – یعنی اینکه از لحاظ تاریخی سهام دارای نوسان پذیری کم عملکرد بهتری نسبت به سهام دارای نوسان پذیری زیاد داشته اند. هوگن و هینس (1975، 1972) اولین افرادی بودند که عدم یک رابطه مثبت بین ریسک و بازده در مقطع عرضی تجربی از بازده های بازار سهام را بیان کردند. مطالعات آینده با اثبات استوارمندی این یافته ها در نواحی مختلف (آنگ و همکارانش 2006، 2009؛ پِسوانی 2017؛ جاشیپورا و جاشیپورا 2016)، طبقات دارائی (فازینی و پدرسِن 2014) و ابزارهای سنجش جایگزین برای ریسک (چان و همکارانش 1999؛ کلارک و همکارانش 2006)، این یافته ها را تأیید کردند.
4. نتیجه گیری ها
ما در مطالعه حاضر نابهنجاری با نوسان پذیری کم را برای بک نمونه متشکل از 1000 رمزارز برای دوره 28 آوریل 2013 تا 1 نوامبر 2019 بررسی نمودیم. ما بر خلاف تحقیقات قبلی در مورد طبقات دارائی های سنتی، نتوانستیم شواهدی را پیدا کنیم که این تأثیر در بازارهای رمزارز وجود دارد. با اینکه هر دو استراتژی خرید و فروش بازده های مثبتی را ایجاد می کنند اما استراتژی کوتاه مدت با هزینه های صفر، بازده های منفی مهمی را ایجاد می کند، حتی بعد از اینکه اندازه های مختلف نمونه، متعادل سازی مجدد دوره ها، پیش پردازش داده ها و روش های ساخت پورتفوی را کنترل کردیم. توضیحات بالقوه شامل مشکلات نمایندگی، اولویت های چولگی، و سوگیری های رفتاری هستند.
Abstract
This study examines the low volatility anomaly in the cryptocurrency market. Constructing long-short portfolios for a sample of 1000 cryptocurrencies for the period April 28, 2013 – November 1, 2019, we find no evidence of a significant low volatility premium. This result is in contrast to the empirical findings from the equity, bond, and commodity markets and contributes to the debate on the efficiency of cryptocurrencies. In contrast to earlier studies, we find that the cryptocurrency market is far more efficient than expected, even after controlling for different sample sizes, rebalancing periods and / or portfolio construction methodologies.
1. Introduction
Stocks with high volatility should yield high expected return. This is one of the most fundamental principles in finance. However, a wide strand of empirical evidence has put this concept on trial, showing that in fact the opposite is true – Low volatility stocks has historically outperformed high volatility stocks.1 Haugen and Heins (1975, 1972) were the first to document the lack of positive relationship between risk and return in the empirical cross-section of stock market returns. Later studies confirm these findings by demonstrating its robustness across regions (Ang et al., 2006; 2009; Peswani, 2017; Joshipura and Joshipura, 2016), asset classes (Frazzini and Pedersen, 2014), and alternative measures of risk (Chan et al., 1999; Clarke et al., 2006).
4. Conclusion
In this study, we examined the low volatility anomaly for a sample of 1000 cryptocurrencies for the period April 28, 2013–November 1, 2019. Unlike earlier research for traditional asset classes, we cannot find evidence that this effect is present in cryptocurrency markets. While both buy and sell strategies generate positive returns, the zero-cost long-short strategy generates significant negative returns, even after controlling for different sample sizes, rebalancing periods, data preprocessing and portfolio construction methodologies. Potential explanations include agency issues, skewness preferences, and behavioral biases.
چکیده
1. مقدمه
2. داده ها و روش شناسی
3. نتایج تجربی
4. نتیجه گیری ها
ABSTRACT
1. Introduction
2. Data and methodology
3. Empirical results
4. Conclusion