خانه / مقالات انگلیسی با ترجمه / حسابداری و اقتصاد / مقاله انگلیسی اثرات ریسک های وابسته به جغرافیای سیاسی بر بازده و نوسان بیت کوین

مقاله انگلیسی اثرات ریسک های وابسته به جغرافیای سیاسی بر بازده و نوسان بیت کوین

این مقاله ISI به زبان انگلیسی از نشریه الزویر مربوط به سال ۲۰۱۹ دارای ۸ صفحه انگلیسی با فرمت PDF می باشد در ادامه این صفحه لینک دانلود رایگان مقاله انگلیسی و بخشی از ترجمه فارسی مقاله موجود می باشد.

کد محصول: H415

سال نشر: ۲۰۱۹

نام ناشر (پایگاه داده): الزویر

تعداد صفحه انگلیسی:  ۸ صفحه PDF

عنوان فارسی:

مقاله انگلیسی ۲۰۱۹ :  اثرات ریسک های وابسته به جغرافیای سیاسی(ژئوپولیتیک ) بر بازده و نوسان بیت کوین

عنوان انگلیسی:

Effects of the geopolitical risks on Bitcoin returns and volatility

برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید

دانلود رایگان مقاله بیس انگلیسی

وضعیت ترجمه: این مقاله تاکنون ترجمه نشده برای سفارش ترجمه ی مقاله بر روی دکمه ذیل کلیک نمایید (کد مقاله:H415)

ثبت سفارش ترجمه تخصصی در تمامی رشته ها

مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه)  بر روی دکمه ذیل کلیک نمایید

مقالات انگلیسی مرتبط با این موضوع جدید

چکیده فارسی:

در این مقاله، قدرت پیش بینی کنندگی شاخص ریسک های وابسته به جغرافیای سیاسی(ژئوپولیتیک ) جهانی (GPR) بر بازده روزانه و نوسانات قیمت بیت کوین در طول دوره ۱۸ ژوئیه ۲۰۱۰ تا ۳۱ می ۲۰۱۸ بررسی شده است. با بکارگیری تکنیک اتورگرسیو(خودبازگشتی) بردار ساختاری گرافیکی بیزی (BSGVAR) ما متوجه می شویم که GPR دارای قدرت پیش بینی کننده بازده و نوسانات بیت کوین است. نتایج برآورد حداقل مربعات معمولى (OLS) نشان می دهد که نوسانات قیمت بیت کوین رابطه ی مثبت  و بازده بیت کوین رابطه ی منفی با GPR  دارد . با این حال، یافته های حاصل از برآوردهای نمودار چارک (QQ) نشان می دهد که اثرات مثبت   GPRبر نوسان قیمت و بازده بیت کوین در چارک های بالاتر بیشتر است. بنابراین، به این نتیجه می رسیم که بیت کوین می تواند به عنوان یک ابزار مقابله با ریسک در برابر خطرات ژئوپولیتیک جهانی محسوب شود.

کلمات کلیدی: بیت کوین،ارز دیجیتال، ریسک های وابسته به جغرافیای سیاسی(ژئوپولیتیک)،مدل BSGVAR،برآورد چارک به چارک

Abstract

This paper investigates the predictive power of global geopolitical risks (GPR) index on daily returns and price volatility of Bitcoin over the period July 18, 2010–May 31, 2018. Considering Bayesian Graphical Structural Vector Autoregressive (BSGVAR) technique, we find that GPR has a predictive power on both returns and volatility of Bitcoin. The results of the Ordinary Least Squares (OLS) estimations show that price volatility and returns of Bitcoin are positively and negatively related to the GPR, respectively. However, findings from the Quantile-on-Quantile (QQ) estimations state that the effects are positive at the higher quantiles of both the GPR as well as the price volatility and the returns of Bitcoin. Therefore, we conclude that Bitcoin can be considered as a hedging tool against global geopolitical risks.

Keywords Bitcoin,Cryptocurrencies,Geopolitical risks,BSGVAR model,Quantile-on-quantile estimations

Introduction

Bitcoin has attracted the interest of governments, investors, and researchers since its introduction in 2008. But especially with its dramatic increases and decreases in 2017, the literature on Bitcoin and other cryptocurrencies has developed rapidly to better grasp the characteristics of those currencies. Although Bitcoin’s dominance in the market has decreased from 90% in the early stages to around 40% recently, Bitcoin is still the most widely known cryptocurrency followed by Ethereum and Ripple.

An increasing number of study questions whether the Bitcoin market is efficient or is being more efficient in time. Cheah et al. (2018); Jiang et al. (2018), and Nadarajah and Chu (2017) show that Bitcoin markets are inefficient; while Kristoufek (2018) and Tiwari et al. (2018) also provide supporting evidence on the inefficiency of Bitcoin markets with exceptions of some periods. On the other hand side, Urquhart (2016) and Vidal-Tomás and Ibañez (2018) argue that Bitcoin has become more efficient over time. Using the Intraday data and the efficiency tests, Sensoy (2018) show that Bitcoin prices in terms of the EUR and the USD have become more informationally efficient since 2016.

مقالات مرتبط با این موضوع
مقالات ترجمه شده رشته اقتصاد

مقالات ترجمه شده مدیریت مالی

مقالات ترجمه شده بازار ارز

مقالات ترجمه شده بازده بازار

مقالات ترجمه شده مدیریت ریسک