KaydedilenlerDerginizi ekleyin

Dergiler / Ekonomi Politika ve Finans Araştırmaları Dergisi / 2021 / Cilt: 6 - Sayı: IERFM Özel Sayısı

Twitter Bazlı Belirsizlik Endeksi Kripto Paraların Volatilitesini Etkiler mi?

Does The Twitter-Based Uncertainty Index Affect the Volatility of Cryptocurrencies?

Sümeyra GAZEL
Sayfa
207–224
Yayın Tarihi
2021-12-30
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Twitter Bazlı Belirsizlik Endeksinin bu modellerin hepsinde istatistiki olarak anlamlı ve pozitif bir etkiye sahip olduğu tespit edilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışma 2011 yılından itibaren temel olarak “belirsizlik” ve “ekonomi” anahtar kelimelerini içeren tweetlerin baz alınarak oluşturulduğu Twitter Bazlı Belirsizlik Endeksinin, son yılların gözde yatırım araçlarından olan kripto paraların volatilitesine etkisini incelemeyi amaçlamaktadır.
📊
Temel Bulgular & Veri:Piyasa değeri en yüksek, Binance, Bitcoin, Cardano, Ethereum, Ripple ve Tether kripto paralar 18/01/2018- 11/07/2021 dönemi için günlük verilerle ARCH-GARCH ailesi modelleri ile incelenmiştir.
💡
Sonuç & Katkı:Twitter Bazlı Belirsizlik Endeksinin bu modellerin hepsinde istatistiki olarak anlamlı ve pozitif bir etkiye sahip olduğu tespit edilmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:2011 Verileri
⚙️Değişkenler:Kripto Para · Volatilite · ARCH GARCH

Özet

Bu çalışma 2011 yılından itibaren temel olarak “belirsizlik” ve “ekonomi” anahtar kelimelerini içeren tweetlerin baz alınarak oluşturulduğu Twitter Bazlı Belirsizlik Endeksinin, son yılların gözde yatırım araçlarından olan kripto paraların volatilitesine etkisini incelemeyi amaçlamaktadır. Piyasa değeri en yüksek, Binance, Bitcoin, Cardano, Ethereum, Ripple ve Tether kripto paralar 18/01/2018- 11/07/2021 dönemi için günlük verilerle ARCH-GARCH ailesi modelleri ile incelenmiştir. Çalışmada öncelikle ortalama denklemi oluşturulan modellerin ARCH-GARCH modellerine uygunluğu sınanmış ve incelenen dönemde Bitcoin ve Ethereum için ARCH etkisinin olmadığı ancak Binance, Cardano, Ripple ve Tether için volatilite modellerinin kullanımının uygun olduğu bulgusu elde edilmiştir. Binance için GARCH (1,1), Cardano için GARCH-M (1,1), Ripple için ARCH (2) modeli volatiliteyi en iyi yakalayan model olarak seçilmiştir. Twitter Bazlı Belirsizlik Endeksinin bu modellerin hepsinde istatistiki olarak anlamlı ve pozitif bir etkiye sahip olduğu tespit edilmiştir. Bu sonuçlara göre bir sosyal medya platformu olan Twitter’da yer alan belirsizlik ve ekonomi içerikli tweetlerin kripto varlıkların volatilitesini etkilediğini söylemek mümkündür.

Abstract

This study examines the effect of the Twitter-Based Uncertainty Index which has created according to tweets containing the keywords "uncertainty" and "economy" since 2011 on the volatility of cryptocurrencies which is one of the most popular investment tools of recent years. Binance, Bitcoin, Cardano, Ethereum, Ripple and Tether assets which are have high market value are examined with ARCH-GARCH family models with daily data for the period 18/01/2018-11/07/2021. According to the results of the study, while the ARCH effect cannot be determined for Bitcoin and Ethereum for the period examined, it is found that the use of volatility models is appropriate for Binance, Cardano, Ripple and Tether. GARCH (1.1) for Binance, GARCH-M (1.1) for Cardano, ARCH (2) for Ripple is chosen as the most suitable model. It is determined that the Twitter-Based Uncertainty Index has a significant and positive effect in all of these models. According to these results, it is possible to say that uncertainty and economic tweets affect the volatility of crypto assets.

🔖

Bu Makaleye Atıf Yap

GAZEL, S. (2021). Twitter Bazlı Belirsizlik Endeksi Kripto Paraların Volatilitesini Etkiler mi?. Ekonomi Politika ve Finans Araştırmaları Dergisi, Cilt: 6 - Sayı: IERFM Özel Sayısı, 207–224. https://ajindex.com/articles/394314

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (11)

  1. Almansour, B. Y., Alshater, M. M. and Almansour, A. Y. (2021). Performance of ARCH and GARCH models in forecasting cryptocurrency market volatility. Industrial Engineering & Management Systems, 20(2), 130-139. https://doi.org/10.7232/iems.2021.20.2.130
  2. Baker, S. B., Bloom, N., Davis, S. J. and Renault, T. (2020). Twitter-derived measures of economic uncertainty (Working Paper). Retrieved from http://policyuncertainty.com/media/Twitter_Uncertainty_5_13_2021.pdf
  3. Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31(3), 307-327. https://doi.org/10.1016/0304-4076(86)90063-1
  4. Bouoiyour, J. and Selmi, R. (2015). What does Bitcoin look like? Annals of Economics and Finance, 16(2), 449-492. doi:10.1142/S2010495215500025 Burniske, C. and Tatar, J. (2018). Cryptoassets: The innovative investor’s guide to Bitcoin and beyond. New York: Mc Graw Hill Education. Çarkacıoğlu, A. (2016). Kripto-para Bitcoin, (SPK Araştırma Raporu). Erişim adresi: https://www.spk.gov.tr/siteapps/yayin/yayingoster/1130
  5. Catania, L., Grassi, S. and Ravazzolo, F. (2018). Predicting the volatility of cryptocurrency time-series. In M. Corazza, M. Durban, A. Grane, C. Perna and M. Sibillo (Eds.), Mathematical and statistical methods (pp. 203-207). New York: Springer International Publishing. Cheikh, N. B., Zaied, Y. B. and Chevallier, J. (2020). Asymmetric volatility in cryptocurrency markets: New evidence from smooth transition GARCH models. Finance Research Letters, 35, 1-9. https://doi.org/10.1016/j.frl.2019.09.008
  6. Dyhrberg, A. H. (2016). Hedging capabilities of Bitcoin is it the virtual gold. Finance Research Letters, 16, 139-144. https://doi.org/10.1016/j.frl.2015.10.025.
  7. Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 50(4), 987-1007. https://doi.org/10.2307/1912773
  8. Ertuğrul, M. (2019). Kripto paraların volatilite dinamiklerinin incelenmesi: GARCH modelleri üzerine bir uygulama. Yönetim ve Ekonomi Araştırmaları Dergisi, 17(4), 59-71. https://doi.org/10.11611/yead.555713
  9. Financial Action Task Force. (2014). Virtual currencies: Key definitions and potential AML / CFT risks. Retrieved from https://www.fatf-gafi.org/media/fatf/documents/reports/virtual-currency-key-definitions-and-potential-aml-cft-risks.pdf
  10. Global Bitcoin node dağılımı. (2021). Global Bitcoin node dağılımı. Erişim adresi: https://bitnodes.io/
  11. Kahraman, İ. K., Küçükşahin, H. ve Çağla