- احتمالا اتریوم به زودی به این سطح کلیدی کاهش می یابد
- Defiance Quantum ETF (QTUM)
- Global Times: ایجاد جامعه ای با آینده مشترک برای راه بشر به صلح ، توسعه و سعادت
- متنوع سازی نمونه کارها: چیست و چرا مهم است؟
- کد خطا 12: معامله نامعتبر
- استراتژی های ساده
- هزینه متوسط هزینه سرمایه (WACC)
- قیمت سهم هند Vix
- 2023-2030 اندازه بازار تیغه برش عمیق با تولیدات و فرصت های آینده
- آموزش به عنوان معامله گر
آخرین مطالب
امکانات وب
این یک مقاله دسترسی آزاد تحت مجوز CC توسط NC-ND (http://creativeecommons. org/licenses/by-nc-nd/4. 0/) است.
داده های مرتبط
پیوست _spl_1_spl_ GUID: A1FB32B1-AA09-400B-A844-DE37BDBAB0A0
هیچ داده ای برای تحقیقات شرح داده شده در مقاله استفاده نشده است.
خلاصه
در این مقاله ، ما سعی می کنیم تعامل پویا بین بیت کوین ، رسانه های اجتماعی و بحران سلامت Covid-19 را مورد تجزیه و تحلیل قرار دهیم. برای این منظور ، ما مدل بردار اتورگرایی کسری ، مدل تصحیح خطای کسری و توابع پاسخ تکانه در داده های روزانه را در دوره 31/12/2019-30/10/2020 اعمال می کنیم. نتایج ما به وضوح شواهد کوتاه مدت و بلند مدت از رابطه بین قیمت بیت کوین ، معیارهای رسانه های اجتماعی (توییت و روندهای گوگل) و شدت همه گیر Covid-19 را نشان می دهد. همچنین ، همه گیر Covid-19 بر معیارهای رسانه های اجتماعی در کوتاه مدت و بلند مدت تأثیر نمی گذارد. از طرف دیگر ، همه گیر Covid-19 به معیارهای رسانه های اجتماعی تأثیر مثبت می گذارد. همچنین ، همه گیر Covid-19 سرمایه گذاری در ارزهای دیجیتالی مانند بیت کوین را تشویق می کند. بنابراین ، بحران سلامت COVID-19 به طور قابل توجهی بر شبکه های رسانه های اجتماعی و قیمت بیت کوین تأثیر می گذارد.
واژه های کلیدی: بحران سلامت Covid-19 ، توییت ها ، Google Trends ، Bitcoin ، رویکرد ادغام
1. معرفی
بدون شک ، شیوع Covid-19 به طرز چشمگیری بر اقتصاد جهانی تأثیر گذاشته است. در این راستا ، فروش شرکت ها کاهش یافته ، تولید صنعتی کاهش یافته ، رفتارهای مصرف کننده تغییر کرده است ، شرکت ها بار مالی شدید را تجربه کرده اند و نرخ بیکاری به طور قابل توجهی در سراسر جهان افزایش یافته است. همچنین ، همه گیر Covid-19 منجر به وحشت و بسته شدن موقت مشاغل در اکثر اقتصادها شده است زیرا تعداد موارد مثبت کرونوویروس افزایش یافته است (اوکوری و لین ، 2020). گودل و گوته (2020) گزارش می دهند که اقتصادهای جهانی از دست دادن بهره وری اشتغال ، تقاضای مصرف کننده و تأثیر منفی بر گردشگری و سایر صنایع خاص و همچنین سرمایه گذاری مستقیم خارجی را تجربه کرده اند. چنین واکنش هایی موظف است بر عملکرد شرکت ها در چنین اقتصادهایی و همچنین بخش بانکی تأثیر بگذارد. نه تنها بخش بانکی ، بورس سهام به میزان قابل توجهی و منفی تحت تأثیر چنین بیماری همه گیر قرار گرفته است. به عنوان مثال ، داو جونز و S& P500 به اندازه 30 ٪ کاهش ارزش ها در مارس 2020 دستخوش شده بودند (اقبال و همکاران ، 2021). سایر بازارهای سهام مانند بازارهای اروپا ، انگلیس ، استرالیا و آسیا نیز کاهش مشابهی نشان داده اند (ژانگ و همکاران ، 2020). از دیدگاه دانشگاهی ، بسیاری از محققان به طور فزاینده ای تأثیر بحران سلامت COVID-19 را بر رفتار و پویایی بازار سهام تجزیه و تحلیل کرده اند. به عنوان مثال ، الاوادی و همکاران.(2020) گزارش داد که رشد روزانه در موارد تأیید شده در کل و موارد مرگ و میر ناشی از همه گیر COVID-19 به طور منفی و به میزان قابل توجهی بر بازده سهام شرکت های چینی تأثیر می گذارد. اشرف (2020) نشان می دهد که بازارهای سهام به طور فزاینده ای نسبت به بحران سلامت COVID-19 واکنش نشان می دهند و با توجه به مرحله چنین همه گیر ، چنین واکنشی تغییر می کند.
انتظار می رود چنین تغییرات بی سابقه ای در بازارهای سهام و اقتصاد در سراسر جهان به عنوان یک سرمایه گذاری جایگزین بر بازارهای رمزنگاری تأثیر بگذارد. از این نظر ، جانسون (2020) سؤال می کند که آیا شیوع COVID-19 منجر به افزایش پذیرش بیت کوین با توجه به اینکه بیت کوین به کنترل دولت ها بستگی ندارد. برخورد با عوارض جانبی همه گیر COVID-19 در بورس سهام ، بیت کوین ، اتریوم به عنوان یک سرمایه گذاری جایگزین استفاده می شود و به نظر می رسد از سایر دارایی ها فراتر می رود (اقبال و همکاران ، 2021). گودل و گوته (2020) ، در میان دیگران ، نشان می دهند که چنین بیماری همه گیر تأثیر مثبت بر قیمت بیت کوین دارد. Huynh و همکاران.(2020) نشان می دهد که بیت کوین به دلیل استقلال آن می تواند به عنوان یک پرچین بهتر در مقایسه با سایر ارزهای رمزپایه در نظر گرفته شود. ماریانا و همکاران.(2020) آزمایش کنید که آیا اتریوم و بیت کوین می توانند در طول همه گیر COVID-19 از سهام ایمن باشند. آنها نشان می دهند که به نظر می رسد که بازده رمزنگاری با بازده S& P500 ارتباط منفی دارد. آنها همچنین نشان می دهند که اتریوم و بیت کوین می توانند به عنوان ایمن های کوتاه مدت در نظر گرفته شوند.
نه تنها بیت کوین ، بلکه سیستم عامل های رسانه های اجتماعی نیز به میزان قابل توجهی تحت تأثیر قرار گرفته است. شدت بیماری همه گیر COVID-19 همانطور که توسط موارد جدید روزانه/مرگ و میر همراه با اقدامات اضطراری مانند قفل ، محدودیت سفر ، فاصله گرفتن اجتماعی و قرنطینه ، آنها را برای انتشار اطلاعات و حفظ ارتباط با افراد دیگر برای کاهش انزوا اندازه گیری می کند ، اندازه گیری می شود. و کسالتهمانطور که توسط Gonzalez Padilla و Tortolero Blanco (2020) ذکر شد ، مردم تمایل دارند بیشتر به پست ها و توییت های به اشتراک گذاشته شده در سایت های شبکه های اجتماعی مانند توییتر ، فیس بوک و اینستاگرام اعتماد کنند.
از موارد فوق ، هدف از این مقاله ، کشف و درک بهتر ارتباط بین بیت کوین ، رسانه های اجتماعی و بحران سلامت Covid-19 است. تجزیه و تحلیل چنین رابطه ای با پیچیدگی و ابهام پویایی بازار بیت کوین در مقایسه با سایر دارایی های مالی ایجاد می شود. از زمان آغاز به کار ، بیت کوین می تواند علاوه بر این ، از نظر ریسک به حداقل برسد. از این نظر ، سرمایه گذاران نیاز به اطلاعات بیشتری در مورد اینکه آیا باید به طور منحصر به فرد در دارایی های سنتی یا ارزهای رمزنگاری شده یا ترکیب دو نوع دارایی (Mokni and Ajmi ، 2021) ، به ویژه در دوره های آشفته ، سرمایه گذاری کنند. در این مرحله ، سیستم عامل های رسانه های اجتماعی می توانند سرمایه گذاران را در گرفتن اطلاعات مفید و ارزشمند در مورد تصمیم گیری سرمایه گذاری راهنمایی کنند. بنابراین ، پیش بینی می شود که رسانه های اجتماعی می توانند به سرمایه گذاران کمک کنند که تحت چه شرایطی بیت کوین می توانند یک ابزار سرمایه گذاری خوب باشند. از نظر روش شناسی ، ما یک چارچوب یکپارچه را ایجاد می کنیم تا به طور مشترک از ارتباط پویا بین بیت کوین ، شدت معیارهای همه گیر Covid-19 و رسانه های اجتماعی مدل کنیم. به طور خاص ، مدل بردار اتورگرایی کسری ، مدل تصحیح خطای کسری و توابع پاسخ تکانه در تجزیه و تحلیل کوتاه مدت و طولانی مدت از چنین رابطه ای استفاده می شود. مطالعه ما در بسیاری از جنبه ها به ادبیات در بازارهای رمزنگاری کمک می کند. اول ، ما شواهد تازه ای در مورد رابطه بین بیت کوین و معیارهای رسانه های اجتماعی همراه با شیوع همه گیر Covid-19 ارائه می دهیم. حتی اگر مطالعات اخیر به طور فزاینده ای رفتار بازار بیت کوین و روابط متقابل در طول همه گیر COVID-19 را مورد تجزیه و تحلیل قرار داده است (به عنوان مثال شریف و همکاران ، 2020 ؛ اخترروزامان و همکاران ، 2020) ، هیچ تلاش برای تحلیلی برای کشف و دستگیری چنین ارتباط درکوتاه مدت و بلند مدت. چنین تجزیه و تحلیل با استفاده از چندین ابزار اقتصاد سنجی انجام می شود. دوم ، مهم است که نقش رسانه های اجتماعی را در دوره های آشفته در نظر بگیریم به این معنا که به شهروندان کمک می کند تا داده ها و اطلاعات را به اشتراک بگذارند و تصمیمات سرمایه گذاری کنند. سرانجام ، به خوبی مستند است که سرمایه گذاران از ترس و وحشت از ترس (Le et al. ، 2020) و چنین معاملات هراس منجر به افت قابل توجه بسیاری در چندین بازار سهام شده است (شهزاد و همکاران ، 2020). بدیهی است ، بسیاری از محققان در جستجوی کدام دارایی (ها) در دوره های آشفته (به عنوان مثال جی و همکاران ، 2020) یا ایجاد استراتژی های بهتر مدیریت ریسک هستند (به عنوان مثال Broadstock و همکاران ، 2020). بر این مبنا،
مطالعه ما می تواند با نمایش اهمیت رسانه های اجتماعی در بهبود (یا بدتر شدن) مزایای متنوع سازی در بحران بهداشتی Covid-19 ، پیامدهای روشنگری برای مدیریت ریسک نمونه کارها ارائه دهد.
مقاله بصورت زیر مرتب شده است. بخش 2 خلاصه ای از مطالعات تجربی و گزارش های بخش 3 ، روش ، داده ها ، آمار توصیفی و نتایج تجربی را گزارش می کند. بخش 4 نتیجه می گیرد.
2. در مورد همه گیر رسانه های اجتماعی ، بیت کوین و Covid-19 چه می آموزید؟< SPAN> مطالعه ما می تواند با نمایش اهمیت رسانه های اجتماعی در بهبود (یا بدتر شدن) مزایای تنوع در طی بحران بهداشتی Covid-19 ، پیامدهای روشنگری برای مدیریت ریسک نمونه کارها ارائه دهد.
مقاله بصورت زیر مرتب شده است. بخش 2 خلاصه ای از مطالعات تجربی و گزارش های بخش 3 ، روش ، داده ها ، آمار توصیفی و نتایج تجربی را گزارش می کند. بخش 4 نتیجه می گیرد.
2. در مورد رسانه های اجتماعی ، بیت کوین و COVID-19 چه چیزی می آموزید؟ مطالعه ما می تواند با نمایش اهمیت رسانه های اجتماعی در بهبود (یا بدتر شدن) مزایای متنوع سازی در طول سلامت COVID-19 به طور یکسان ، پیامدهای روشنگری برای مدیریت ریسک نمونه کارها ارائه دهد. بحران
مقاله بصورت زیر مرتب شده است. بخش 2 خلاصه ای از مطالعات تجربی و گزارش های بخش 3 ، روش ، داده ها ، آمار توصیفی و نتایج تجربی را گزارش می کند. بخش 4 نتیجه می گیرد.
2. در مورد همه گیر رسانه های اجتماعی ، بیت کوین و Covid-19 چه می آموزید؟
بسیاری از محققان به ویژه در رابطه بین بیت کوین و رسانه های اجتماعی متمرکز شده اند. به عنوان مثال ، شن و همکاران.. آنها می دانند که تعداد توییت های روز گذشته عوامل تعیین کننده مهم بیت کوین است که نوسانات و حجم معاملات را تحقق می بخشد. با این حال ، تعداد توییت ها بر بازده بیت کوین تأثیر نمی گذارد. فنگ و همکاران.(2018) تعامل پویا بین رسانه های اجتماعی و قیمت بیت کوین را در دوره 01/01/2012-31/12/2014 بررسی کنید. آنها نشان می دهند که پست های صعودی بیشتر مربوط به قیمت های بالاتر بیت کوین در آینده است. آنها همچنین گزارش می دهند که تأثیرات رسانه های اجتماعی بر روی بیت کوین عمدتاً توسط اکثریت ساکت انجام می شود (95 ٪ از کاربران که کمتر فعال هستند و سهم آنها کمتر از 40 ٪ از کل پیام ها است). آنها پس از آن نشان می دهند که پیام های موجود در یک انجمن اینترنتی مربوط به توییت ها به طور قابل توجهی بر قیمت بیت کوین آینده تأثیر می گذارد. ژانگ و همکاران.(2018) همبستگی های متقابل بین Google Trends و Bitcoin Market را در دوره 01/06/2011-01/02/2017 تجزیه و تحلیل کنید. آنها نشان می دهند که تغییر روند Google و بازار بیت کوین به طور قابل توجهی با همبستگی است. Dastgir و همکاران.(2018) رابطه علی بین توجه بیت کوین (مجوز توسط نمایش داده های جستجوی Google Trends) و بازده بیت کوین در دوره 01/01/2013-31/12/2017 را بررسی می کند. آنها نشان می دهند که یک رابطه علّی دو جهته بین توجه بیت کوین و بازده بیت کوین به خوبی مستند است. Wołk (2019) تأثیر رسانه های اجتماعی بر قیمت های رمزنگاری را مورد تجزیه و تحلیل قرار می دهد. در این راستا ، با توجه به اینکه از چنین سیستم عامل های رسانه های اجتماعی برای تأثیرگذاری بر تصمیمات خرید استفاده می شود ، از روند توییتر و گوگل استفاده می شود. نتایج تجربی نشان می دهد که نوسانات قیمت cryptocurrency به احساسات رسانه های اجتماعی و ابزارهای تجزیه و تحلیل جستجوی وب مانند Google Trends بستگی دارد. احساسات توییتر در مورد قیمت های رمزنگاری آینده مثبت است زیرا بسیاری از افراد حتی در مورد ارزهای دیجیتال صدای جیر جیر می کنند حتی که آیا قیمت cryptocurrency کاهش می یابد. فیلیپاس و همکاران.(2019) بررسی کنید که چگونه توجه رسانه ها در شبکه های اجتماعی می تواند در پرش قیمت بیت کوین در دوره 01/01/2016-28/05/2018 تأثیر بگذارد. پروکسی برای جریان توجه رسانه ها در شبکه های اجتماعی از Google Trends و Twitter بدست می آید.
نتایج تجربی گزارش می دهد که قیمت بیت کوین تا حدودی تحت تأثیر حرکت رسانه ها در شبکه های اجتماعی قرار دارد و این نشانگر اشتهای احساساتی برای تقاضای اطلاعات است. Bouri و Gupta (2019) سعی در مقایسه ظرفیت یک اقدام مبتنی بر روزنامه و یک اقدام مبتنی بر جستجوی اینترنتی از عدم اطمینان در پیش بینی بازده بیت کوین دارند. آنها نشان می دهند که توانایی پیش بینی کننده شاخص نمایش داده های مربوط به عدم اطمینان اقتصادی مبتنی بر اینترنت به طور قابل توجهی بیشتر از اندازه گیری عدم اطمینان حاصل از روزنامه ها در پیش بینی بازده بیت کوین است. هائو و همکاران.(2019) نقش رسانه های اجتماعی را در پیش بینی حرکات قیمت بیت کوین با استفاده از داده های توییتر و Google Trends تجزیه و تحلیل کنید. آنها ارتباط بین هر ویژگی رسانه های اجتماعی و قیمت بیت کوین را نشان می دهند. Bleher and Dimpfl (2019) سودمندی حجم جستجوی گوگل را برای پیش بینی بازده و نوسانات بسیاری از ارزهای رمزنگاری (به عنوان مثال بیت کوین ، بیت کوین) ارزیابی می کند. آنها گزارش می دهند که گنجاندن شاخص های حجم جستجوی Google می تواند برای پیش بینی نوسانات رمزنگاری مورد استفاده قرار گیرد ، اما به پیش بینی بازده رمزنگاری کمک نمی کند. اخیراً ، موسا و همکاران.(2020) رابطه بین قیمت بیت کوین و رسانه های اجتماعی را در دوره 2009-2018 با استفاده از تعداد تحقیقات کلیدی بیت کوین در گوگل و تعداد توییت ها در توییتر بررسی کنید. آنها به وضوح نشان می دهند که رسانه های اجتماعی به طور قابل توجهی بر قیمت بیت کوین تأثیر می گذارند. گگان و رنو (2020) رابطه بین رسانه های اجتماعی و تکامل قیمت های بیت کوین را در زمان های مختلف زمانی با استفاده از داده های StockTwits بررسی می کنند. آنها نشان می دهند که احساسات پیام های ارسال شده در Twits سهام درباره بیت کوین در طی یک دوره T-1 مثبت و به طور قابل توجهی بر بازده بیت کوین در دوره t تأثیر می گذارد. چنین تأثیراتی در دوره حباب (08/2017-04/2018) برجسته تر است. لین (2020) رابطه علی بین احتمال جستجوی گوگل از Google Trends و بازده بسیاری از ارزهای رمزنگاری شده (بیت کوین ، اتریوم ، Litecoin ، XRP و Tether) را در دوره 16/04/2017-23/02/2020 تجزیه و تحلیل می کند. نتایج تجربی به وضوح نشان می دهد که اثرات متقابل بین بازده رمزنگاری و رسانه های اجتماعی وجود دارد.
با ظهور شیوع Covid-19 ، بسیاری از محققان رابطه بین رسانه های اجتماعی و شیوع COVID-19 را تجزیه و تحلیل می کنند. از این نظر ، چاکابورتی و همکاران.(2020) تلاش برای کشف این واقعیت که توییت ها شامل همه دستگیره های مربوط به همه گیر Covid-19 در دوره 01/01/2019-23/03/2020. در این راستا ، آنها دو نوع توییت جمع آوری شده در طول همه گیر COVID-19 را تجزیه و تحلیل می کنند. آنها به وضوح نشان می دهند که حتی اگر بسیاری از افراد نسبت به شیوع Covid-19 توییت کرده اند ، اما به نظر می رسد شهروندان در صدای جیر جیر مجدد توییت های منفی مشغول فعالیت هستند. آنها همچنین می یابند که با استفاده از فرکانس کلمه در توییت ، می توان کمبود کلمات مفید را در Word Cloud یا محاسبات ارائه داد. Obi-Ani و همکاران.(2020) در هنگام شیوع Covid-19 ، رسانه های اجتماعی مانند فیس بوک ، توییتر ، واتسپ ، وبلاگ ها ، روزنامه های آنلاین و یوتیوب را کشف کنید. آنها به ویژه نقش رسانه های اجتماعی را در گسترش اطلاعات در مورد همه گیر Covid-19 در نیجریه تجزیه و تحلیل می کنند. آنها گزارش می دهند که با مراجعه به انتشار اطلاعات ، اهمیت رسانه های اجتماعی قابل تأکید نیست. Gonzalez Padilla و Tortolero Blanco (2020) نقش رسانه های اجتماعی را در طول همه گیر Covid-19 تجزیه و تحلیل می کنند. آنها نقش اساسی رسانه های اجتماعی در گسترش اطلاعات مهم جدید ، به اشتراک گذاری تشخیص و پردازش اطلاعات در طی چنین بیماری همه گیر را برجسته می کنند. پرز-اسکودا و همکاران.(2020) استدلال می کنند که همه گیر Covid-19 باعث افزایش تحول در بخش ارتباطات شده و چالش های جدیدی را برای صنعت ارتباطات و متخصصان رسانه ایجاد می کند.
در عوض ، بسیاری از محققان بر رابطه بین شیوع Covid-19 و بازار بیت کوین متمرکز شده اند. به عنوان مثال ، گودل و گوته (2020) تأثیر شیوع COVID-19 بر قیمت بیت کوین در دوره 31/12/20-29-29/04/2020 را بررسی می کنند. آنها گزارش می دهند که چنین بیماری همه گیر تأثیر مثبت بر قیمت بیت کوین ، به ویژه پس از 5 آوریل 2020 دارد. چن و همکاران.(2020) تأثیر احساسات ترس ناشی از همه گیر COVID-19 بر پویایی قیمت بیت کوین را تجزیه و تحلیل کنید. پروکسی ترس از ترس به عنوان مجموع حجم جستجوی گوگل در دوره 15/01/2020-24/04/2020 محاسبه می شود. آنها نشان می دهند که نوسانات بازار به دلیل افزایش علاقه به جستجو در کروناویروس با احساسات ترس افزایش یافته است. آنها همچنین نشان می دهند که بازده منفی بیت کوین و حجم معاملات زیاد را می توان با احساسات ترس در مورد Coronavirus توضیح داد. Corbet و همکاران با در نظر گرفتن قطبیت و ذهنیت داده های رسانه های اجتماعی بر اساس توسعه شیوع COVID-19.(2020) نشان می دهد که تکامل مهم در هر دو بازده و حجم معاملات در بازار cryptocurrency به خوبی مستند است. این بدان معنی است که ارزهای دیجیتال می توانند در طول همه گیر Covid-19 به عنوان فروشگاهی از ارزش بازی کنند. آنها همچنین نشان می دهند که بازده cryptocurrency تحت تأثیر احساسات منفی مربوط به همه گیر Covid-19 قرار دارد. Caferra (2020) در مورد ارتباط بین احساسات مبتنی بر اخبار و رفتار بازار رمزنگاری در طول همه گیر COVID-19 بررسی می کند. نتایج تجربی افزایش و کاهش شکل خوش بینی باعث تغییرپذیری می شود. در همین راستا ، Caferra (2020) نشان می دهد که چگونه افزایش مثبت اخبار مربوط به پراکندگی بازده پایین است و این حاکی از همگرایی اعتقادات در بین سرمایه گذاران است. دمیر و همکاران.(2020) رابطه برخی از ارزهای دیجیتال (بیت کوین ، اتریوم و ریپل) و موارد/مرگ و میر COVID-19 را تجزیه و تحلیل کنید. آنها در ابتدا گزارش می دهند که رابطه منفی بین بیت کوین و تعداد موارد و مرگ و میر است. با این وجود ، چنین رابطه ای در دوره بعدی مثبت می شود. جانسون (2020) فعالیت معاملاتی بیت کوین را در طول زمان همه گیر COVID-19 در دوره 10/2019-03/2020 تجزیه و تحلیل می کند. نتایج تجربی ارتباط زیادی بین تغییرات در قیمت بیت کوین و تأثیر آن در بازار سهام شیوع Covid-19 گزارش می دهد. النف (2020) به بررسی تأثیر شیوع Covid-19 بر بیت کوین و طلا در دوره 24/06/2019-22/05/2020 می پردازد.
نتایج تجربی به وضوح رابطه معنادار و منفی بین طلا و بیت کوین را قبل و بعد از همه گیری کووید-19 نشان می دهد. با این حال، نشانه چنین رابطه ای مثبت می شود. اقبال و همکاران(2021) تأثیر شیوع کووید-19 بر بازارهای ارزهای دیجیتال را بررسی می کند. آنها نشان می دهند که سطوح شدت مختلف کووید-19 بر مراحل بازار تأثیر متفاوتی دارد. ارزهای دیجیتال عمده تمایل دارند شوک های کوچک ناشی از همه گیری کووید-19 را با تحقق دستاوردهای مثبت جذب کنند، اما در مقابل تغییرات نامطلوب مقاومت نمی کنند، به جز بیت کوین و کاردانو. کریستوفک (2020)، در میان دیگران، بیشتر استدلال می کند که همه گیری کووید-19 می تواند برای بررسی ویژگی های امن بیت کوین مورد استفاده قرار گیرد. در این رابطه ماریانا و همکاران.(2020) آزمایش کنید که آیا بیت کوین و اتریوم می توانند پناهگاه های امنی برای سهام در طول همه گیری کووید-19 باشند یا خیر. آنها نشان می دهند که به نظر می رسد بازده ارزهای دیجیتال با بازده S& P500 همبستگی منفی دارد. آنها همچنین نشان می دهند که بیت کوین و اتریوم می توانند به عنوان پناهگاه های کوتاه مدت در نظر گرفته شوند. Conlon و McGee (2020) به بررسی ویژگی های امن بیت کوین در برابر بازار S& P500 در دوره 21/03/2019-20/03/2020 می پردازند. آنها گزارش می دهند که بیت کوین نمی تواند به عنوان یک پناهگاه امن بازی کند، بلکه با توسعه بحران، قیمت خود را با S& P500 کاهش می دهد. هنگامی که در کنار S& P500 نگهداری می شود، حتی یک تخصیص کوچک به بیت کوین به طور قابل توجهی ریسک سقوط پرتفوی را افزایش می دهد. کانلون و همکاران(2020) قابلیت های پناهگاه امن برخی از ارزهای دیجیتال (بیت کوین، اتریوم و تتر) را در برابر بازارهای سهام تجزیه و تحلیل می کند. آنها گزارش می دهند که بیت کوین و اتریوم پناهگاه امنی برای اکثر بازارهای سهام بین المللی نیستند. با این حال، تتر می تواند به عنوان دارایی امن در برابر شاخص های بین المللی بازی کند. دوتا و همکاران(2020) به بررسی ویژگی های امن بیت کوین و طلا در برابر بازارهای نفت خام در طول همه گیری کووید-19 پرداخت. آنها گزارش می دهند که طلا یک دارایی امن برای بازارهای جهانی نفت خام است. از سوی دیگر، بیت کوین تنها به عنوان یک تنوع دهنده برای نفت خام عمل می کند. زارمبا و همکاران(2021a) رفتار و پویایی 67 بازار سهام را در طول همه گیری کووید-19 با استفاده از داده های حوزه های مختلف بررسی می کند. آنها به وضوح نشان می دهند که تأثیر چنین بیماری همه گیر در بین بازارهای سهام متفاوت است. زارمبا و همکاران(2021b) تأثیر اقدامات سیاست دولت را بر نقدینگی بازار سهام جهانی برای 49 کشور در دوره 01/2020-04/2020 بیشتر تحلیل می کند. آنها نشان می دهند که تأثیر پاسخ های خط مشی به نظر کوچک و محدود است. یارووایا و همکاران
| (2021) در مورد همه گیر Covid-19 ، گله در بازارهای رمزنگاری را بررسی کنید. آنها گزارش می دهند که بحران سلامتی باعث افزایش گله در بازارهای رمزنگاری نمی شود. | 3. داده ها و آمار توصیفی < SPAN> (2021) در مورد همه گیر Covid-19 ، گله در بازارهای رمزنگاری شده را بررسی می کنند. آنها گزارش می دهند که بحران سلامتی باعث افزایش گله در بازارهای رمزنگاری نمی شود. | 3. داده ها و آمار توصیفی (2021) در مورد همه گیر COVID-19 ، گله در بازارهای رمزنگاری را بررسی می کنند. آنها گزارش می دهند که بحران سلامتی باعث افزایش گله در بازارهای رمزنگاری نمی شود. | 3. داده ها و آمار توصیفی | در این مقاله ، ما ارتباط بین بحران سلامت Covid-19 ، بیت کوین و رسانه های اجتماعی را مورد تجزیه و تحلیل قرار می دهیم. به طور دقیق تر ، ما رابطه پویا بین قیمت بیت کوین ، معیارهای رسانه های اجتماعی و شدت بحران سلامت COVID-19 را در مقیاس جهانی 1 در طول دوره از 31 دسامبر 2019 تا 30 اکتبر 2020 در فرکانس های روزانه بررسی می کنیم. در مطالعه ما ، انتخاب تاریخ شروع 31 دسامبر 2019 ، شناسایی و درک بهتر احساسات سرمایه گذار و تکامل پاسخ و واکنش سرمایه گذاران به شروع و گسترش ویروس است. بدیهی است که تاریخ 31 دسامبر 2019 با شروع موارد ذات الریه در ووهان مشخص شده است و در این مرحله ویروس ناشناخته است. با این وجود ، بسیاری از مطالعات اخیر از تاریخ شروع برای تجزیه و تحلیل تأثیر همه گیر Covid-19 در بازارهای مالی ، مانند گودل و گوته (2020) ، زرمبا و همکاران استفاده می کنند.(2020) ، اخترروزامان و همکاران.(2020) ، Okorie و Lin (2020) ، Mnif et al.(2020) ، شهزاد و همکاران.(2020). در این راستا ، انتخاب تاریخ شروع نمونه برای بررسی تأثیر همه گیر COVID-19 بر پویایی بازار رمزنگاری ، چالش برانگیز است. بسیاری از محققان برای تجزیه و تحلیل تأثیر بیماری همه گیر COVI D-19 در رفتار بازار رمزنگاری ، به دوره نمونه شروع می شوند. به عنوان مثال ، اقبال و همکاران.(2021) از دوره نمونه از اول ژانویه 2020 تا 15 ژوئن 2020 استفاده کنید. گودل و گوته (2020) داده های روزانه مرگ و میر COVI D-19 و قیمت بیت کوین را از 31 دسامبر 2019 تا 29 آوریل 2020 به کار می برند. بشر(2020) تاریخ شروع دوره COVI D-19 را به عنوان 31 دسامبر 2019 در نظر بگیرید زیرا مطابق با تاریخ اولین مورد COVI D-19 طبق سازمان بهداشت جهانی (WHO) است. Mnif و همکاران.(2020) دوره نمونه را به دو دوره تقسیم کنید: قبل و بعد از تاریخ 31 دسامبر 2019 که به شیوع Covid-19 اشاره شده است. جی و همکاران.(2020) از دوره نمونه از 1/12/2019-31/03/2020 استفاده کنید. محققان دیگر ترجیح می دهند دوره نمونه را به دوره های قبل و بعد از کاوی تقسیم کنند تا رفتار بازار رمزنگاری را تجزیه و تحلیل کنند. لو و همکاران.(2020) دوره نمونه (1 ژانویه 2019 تا 30 آوریل 2020) را به دو دوره زیر تقسیم کنید: نمونه بدون Covid-19 شامل مشاهدات قبل از 1 ژانویه 2020 و دوره COVID-19 (پس از 1 ژانویه 2020 است.) با توجه به اینکه اولین پرونده در اواخر دسامبر 2019 به طور رسمی در چین گزارش شده است. جیمز و همکاران. | |
|---|---|---|---|---|---|
| (2021) دو دوره فرعی متفاوت را متمایز می کند: دوره قبل از کووید از 30/06/2018 تا 31/12/2019 و دوره پس از کووید از 1/1/2020 تا 24/06/2020. علی و همکاران(2020) دوره نمونه خود را به دوره به اصطلاح اپیدمی (12/2019-10/03/2020) و دوره همه گیر (بعد از 10 مارس 2020) تقسیم می کنند. یوسف و علی (2020) از دو دوره نمونه استفاده می کنند: دوره قبل از کووید-19 (01/01/2019-31/12/2019) و دوره Covid-19 (01/01/2020-22/04/2020). | در مقاله ما از مجموعه داده قیمت بیت کوین استفاده می کنیم که از وب سایت www. coinmarketcap. com بازیابی شده است. چنین مجموعه داده ای نشان دهنده میانگین قیمت ها بر اساس پلتفرم های مختلف است. شدت سلامت کووید-19 توسط دو متغیر کمیت می شود: متغیر "موارد" به عنوان تعداد کل (انباشته) افرادی که تحت تأثیر همه گیری کووید-19 قرار گرفته اند (یعنی کل موارد تایید شده (انباشته)) و متغیر تعریف می شود.«مرگ ها» به تعداد کل (تجمعی) افراد جان باخته در اثر همه گیری کووید-19 اشاره دارد. چنین داده هایی (موارد و مرگ ها) از وب سایت https://www. worldometers. info/ جمع آوری می شوند که پس از آن توسط دولت بریتانیا، جانز هاپکینز CSSE، دولت تایلند و نیویورک تایمز و سایر موارد استفاده می شود. Worldometer بینش قابل توجهی در مورد آمار جهانی Covid-19 در سطح جهانی ارائه می دهد. | با این واقعیت که عملیاتی کردن رفتار آنلاین نسبت به موضوع برای تولید نتایج تجربی قابل توجهی مهم است ، ما داده های توییتر را در مورد بیت کوین از https://bitinfocharts. com/ ارائه می دهیم ، که تعداد دفعاتی که اصطلاح "بیت کوین" را توییت می کنددر طول دوره مطالعهاز طرف دیگر ، فعالیت حجم جستجو نیز با شدت جستجو در گوگل که توسط تعداد تحقیقات کلمه کلیدی بیت کوین (Google) در طول دوره مطالعه تخمین زده می شود ، اندازه گیری می شود. در این راستا ، برخی از محققان (به عنوان مثال Arratia and Barrantes ، 2019 ؛ Lyocsa et al. ، 2020 ؛ Massicotte و Eddelbuettel ، 2020) روند Google را در اصطلاح "Bitcoin" به دست آمده از طریق R Gtrendsr هنگام دست زدن به پرس و جوهای Google Trends ، بازیابی می کنند. ترجیح می دهید چنین داده هایی را جمع آوری کنید (به عنوان مثال Da et al. ، 2015 ؛ Moussa et al. ، 2020) از صفحه وب Google Trends در طول زمان و جغرافیا. به دنبال دا و همکاران.(2015) و لی و وانگ (2016) ، ما از داده های جستجو در سراسر جهان - داده های مبتنی بر Google Trends استفاده می کنیم. از این نظر ، چن و همکاران.(2020) گزارش دهید که Google حجم جستجو را برای نمایش داده های جستجو از طریق Google Trends ارائه می دهد ، که حداکثر سری زمانی در دوره خاص اندازه گیری می شوند. چنین داده هایی به ما این امکان را می دهد تا درک کنیم تا چه میزان الگوهای در حال تحول در فعالیت جستجو مربوط به عدم اطمینان بازار رمزنگاری شود. به دنبال مای و همکاران.(2018) ، ما به متغیرهای "Google Trends" و "توییت" به عنوان معیارهای رسانه های اجتماعی که مطابق با شاخص های پوشش رسانه ای است ، اشاره می کنیم. بدیهی است ، بسیاری از محققان از Google Trends به عنوان یک پروکسی برای علاقه عمومی استفاده می کنند (به عنوان مثال Kristoufek ، 2013 ؛ Garcia et al. ، 2014 ؛ Bouoiyour et al. ، 2015) یا توجه سرمایه گذار فردی ، احساسات ، توجه بیت کوین (به عنوان مثال دا و همکاران ، 2015 2015؛ Dastgir et al. ، 2018 ؛ Urquhart ، 2018 ؛ Lin ، 2020) ، جریان توجه رسانه ها در شبکه های اجتماعی (به عنوان مثال فیلیپاس و همکاران ، 2019) یا تقاضای اطلاعات (به عنوان مثال Katsiampa و همکاران ، 2019). همانطور که برچسب گذاری شده است ، از چنین متغیر به طور کلی به عنوان تعیین کننده قیمت بیت کوین استفاده می شود. در غیر این صورت ، سایر محققان از Google Trends به عنوان پروکسی برای جستجوهای آنلاین استفاده می کنند (به عنوان مثال ژانگ و همکاران ، 2018) ، حجم جستجوی Google (به عنوان مثال Bleher and Dimpfl ، 2019). هائو و همکاران.(2019) هنگام استفاده از Google Trends ، اصطلاح "رسانه های اجتماعی" را به کار می برد. در این راستا ، آنها رابطه بین قیمت بیت کوین و ویژگی های رسانه های اجتماعی را تجزیه و تحلیل می کنند. بنابراین ، تجزیه و تحلیل تکامل محتوای اطلاعات رسانه های اجتماعی از زمان شیوع ویروس جالب است. بنابراین ، در مورد ما ، | معیارهای رسانه های اجتماعی به ما امکان می دهد علاقه جستجوی مرتبط با بیت کوین را تعیین کنیم. پروکسی برای معیارهای رسانه های اجتماعی از Twitter و Google Trends گرفته شده است. هر دو متغیر داده های کمی هستند که منعکس کننده نمایش داده های مورد علاقه بر اساس کلمات کلیدی جستجو یا هشتگ در سراسر جهان هستند. به دنبال بسیاری از محققان ، Google Trends و داده های توییتر به ترتیب از https://trends. google. com/trends/؟geo=us و https://bitinfocharts. com/comparison/tweets-btc. html گرفته شده است. چنین رویه ای برای اطمینان از قابلیت اطمینان تجزیه و تحلیل ما و مانع از خودرداری مربوط به اطلاعات مربوط به بیت کوین اجازه می دهد. چنین منابع اطلاعاتی به ترتیب داده های بازیابی شده از اصطلاحات "بیت کوین" و "BTC" را به ترتیب به عنوان کلمات کلیدی جستجو و هشتگ ارائه می دهند. معیارهای رسانه های اجتماعی در مدت زمان 31 دسامبر 2019 تا 30 اکتبر 2020 جمع آوری شده است. این دوره زمانی پوشش می دهد قبل و در طول همه گیر Covid-19. | تمام متغیرهای در نظر گرفته شده 2 در فرکانس های روزانه جمع آوری می شوند. از ابتدا ، ما تمام سریال ها را به مقادیر ورود به سیستم (lvarable) تبدیل می کنیم. در جدول 1 مجموعه ای از آمار توصیفی برای بازده متغیرهای مورد مطالعه از جمله میانگین ، انحراف استاندارد ، متوسط ، پوستی ، کورتوز و تست جارک-بارا ارائه شده است. | میز 1 |
| آمار توصیفی متغیرها. | LTWEETS | روندهای LGOOGLE | LCases | لیدر | lbitcoin |
| منظور داشتن | 3. 415 | 3. 827 | 14. 180 | 11. 327 | 10. 9136 |
| انحراف معیار | 0. 4927 | 0. 4775 | 3. 7257 | 4. 796 | 4. 796 |
| میانه | 3. 395 | 3. 771 | 15. 620 | 0 | 12. 820 |
| 12. 8198 | بیشترین | 10. 260 | 10. 740 | 17. 640 | 13. 990 |
| 13. 990 | کمترین | 2. 603 | 1. 960 | 3. 296 | 8. 506 |
| چولگی | 8. 7545 | 9. 8298 | -1. 4821 | 1. 2875 | -0. 6772 |
| ورم | 119. 3049 | 119. 3049 | 1. 3831 | 1. 3831 | 1. 3831 |
ما را در سایت تجارت با گزینههای باینری دنبال می کنید
برچسب :
نویسنده : حمیدرضا پگاه
بازدید : 27
