Group-wise and time-variant heterogeneity in the crypto-asset market

Od czasu powstania Bitcoina w 2008 roku nastąpił znaczny rozwój rynku kryptoaktywów prowadzący do wzrostu zainteresowania tym zjawiskiem i upozycjonowania się tego rynku w światowej gospodarce jako nowej klasy aktywów. Z tego względu badanie ewoulcji dynamiki cen na tym rynku i jej heterogeniczności wśród poszczególnych grup kryptoaktywów ma wysokie znaczenie dla pogłębienia wiedzy o tej unikalnej klasie aktywów i jej potencjalnej roli w rynku finansowym. Niniejsza praca ma na celu kompleksowe zbadanie tego nowego zjawiska, wykraczając poza analizę ograniczającą się do analizy Bitcoina. Pomimo tego, że Bitcoin pełni wiodącą i dominującą role wśród aktywów tej klasy, badania wykazują, że dynamika jego ceny różni się od dynamiki ceny innych rodzajów kryptoaktywów. Celem tego badania jest dostrzeżenie pewnych wzorców pośród poszczególnych grup kryptoaktywów, wskazując na podobieństwa i różnice pomiędzy ewolucją dynamiki ich ceny w czasie. Z uwagi na ciągły wzrost liczby kryptoaktywów i ich rodzajów, pierwszym etapem badania jest sporządzenie klasyfikacji kryptoaktywów na podstawie ich cech jakościowych. Takie podejście ma na celu uporządkowanie wyników otrzymanych na podstawie analizy większego zakresu rynku. Wspomniana klasyfikacja zostaje po raz pierwszy zastosowana w badaniu Yarovaya i Zięba (2022) w celu ustrukturyzowania wyników otrzymanych z analizy nieliniowej przyczynowości Grangera pomiędzy wolumenem handlu i stopami wzrostu każdego z trzydziestu kryptoaktywów zawartego w analizowanej próbie. Wyniki wykazują, że kryptowaluty wydobywane za pomocą mechanizmu Proof-of-Work (nazywane również nieekologicznymi) takie jak Bitcoin cechują się dwukierunkową zależnością w rozumieniu przyczynowości Grangera pomiędzy wolumenem i stopami zwrotu. Z kolei kryptoaktywa, których podaż wzrasta w ekologiczny sposób, będące jednocześnie platformami do tworzenia zdecentralizowanych aplikacji, wykazują się jednokierunkową przyczynowością w sensie Grangera, gdzie zmiany stopy zwrotu wpływają na zmiany wolumenu. Badanie to potwierdza istnienie zjawiska zachłanności inwestorów na rynku kryptoaktywów. Zaproponowana klasyfikacja kryptoaktywów wykorzystana zostaje następnie do uporządkowania wyników otrzymanych z badania wspólnej reakcji kryptoaktywów na wybuch pandemii COVID- 19 (Katsiampa et al., 2022). Wyniki na podstawie modelu DBEKK wykazują nagły wzrost zmienności cen wszystkich badanych kryptoaktywów po wybuchu pandemii koronawirusa. Ponadto, śródgrupowa analiza średnich krzyżowych korelacji warunkowych za pomocą metod sieciowych PMFG i TMFG wykazuje wzrost znaczenia platform i zdecentralizowanych aplikacji w porównaniu z tradycyjnymi kryptowalutami po wybuchu pandemii. Badanie to potwierdza zbiorowe zachowanie rynku, które jest zmienne w czasie oraz wzrost heterogeniczności na rynku ze względu na rozwój kryptoaktywów nowej generacji. Bazując na najnowszych badaniach w literaturze oraz zwiększonej uwadze poświęconej aspektom zrównoważonego rozwoju i zachowaniom przyjaznym dla środowiska, kolejne badanie (Zięba, 2024a) skupia się na analizie podobieństw i różnic pomiędzy kryptoaktywami nieprzyjaznymi dla środowiska (wydobywanymi mechanizmem Proof-of-Work) i przyjaznymi dla środowiska. Analiza kreacji ceny na rynku kryptoaktywów przeprowadzona na podstawie trzech podstawowych teorii ceny wykazuje, że w długim okresie cena Bitcoina jest silnie uzależniona kosztem jego produkcji. Dodatkowo wydarzeniu halvingu (tj. cyklicznego spadku nagrody za wydobycie o połowę) zawsze towarzyszy bańka spekulacyjna, po której cena Bitcoina utrzymuje się na poziomie około dwa razy wyższym niż przed powstaniem bańki. Jest to racjonalne z punktu widzenia górników wydobywających Bitcoina, gdyż oczekują oni podobnego zwrotu z inwestycji w sprzęt i proces miningu po tym, jak nagroda za wydobycie jednego Bitcoina spada o połowę, co jest zakodowane w algorytmie podaży Bitcoina. Podczas gdy naśladowanie trendu Bitcoina jest zrozumiałe w przypadku innych kryptoaktywów opierających się o podobny mechanizm, trudno wyjaśnić logikę takiego zachowania w przypadku innych kryptoaktywów. Możliwe, że w długim okresie ceny kryptoaktywów, których podaż wzrasta na podstawie mechanizmu innego niż wykopywanie za pomocą Proof-of-Work ustabilizują się i nie będą ulegać niedotyczącemu ich trendu wzrostowego związanego ze wzrostem kosztu produkcji Bitcoina. Analiza empiryczna przeprowadzona za pomocą miar podobieństwa i heterogeniczności opisujących Minimalne Drzewo Spinające i wywodzących się z dziedziny ekonofizyki dowodzi, że kryptoaktywa zachowują się zbiorowo w okresie cyklicznych baniek spekulacyjnych (2017-18 i 2020-21) i heterogenicznie w okresach normalnych warunków rynkowych. Ponadto, analiza za pomocą zaproponowanej miary ruchu we wspólnym kierunku (co-movement measure) dostarcza odporności dla wyników otrzymanych na podstawie korelacji Kendalla. Niemniej jednak zaproponowana miara jest efektywniejsza z punktu widzenia szybkości obliczeniowej i bardziej zrozumiała w intepretacji dla stóp wzrostu niż korelacja Kendalla. Ostatnie badanie empiryczne przeprowadzone na potrzeby tej pracy doktorskiej skupia się na aspekcie asymetrycznej, zmiennej w czasie i śródgrupowo heterogenicznej zależności między wolumenem i stopami zwrotu pomiędzy wyszczególnionymi grupami kryptoaktywów, tj. kryptowalutami, platformami blockchain i zdecentralizowanymi aplikacjami (Zięba, 2024b). Analiza została przeprowadzona za pomocą estymatora PCSE oraz estymatora CCE-MG dla modelu ARDL. Badanie zajmuje się ewolucją zależności wolumen-stopa zwrotu na rynku kryptoaktywów w trakcie okresu 2015-2023. W badaniu wykorzystane zostaję 4 próby kryptoaktywów, każda zawierająca aktywa, które istniały na początku każdego z lat 2015 – 2018. Podejście takie podyktowane jest ciągłą ewolucją rynku kryptoaktywów, szczególnie biorąc pod uwagę rozwoju nowej generacji aktywów w 2017 roku. Wyniki wykazują, że relacja wolumenu z dodatnimi stopami zwrotu znacząco różni się od tej pomiędzy wolumenem z ujemnymi stopami zwrotu. Ponadto relacja wolumen-stopa zwrotu w przypadku kryptowalut słabnie wraz ze wzrostem nowoczesności (zaawansowania technologicznego) próby, podczas gdy w przypadku platform blockchain relacja ta się umacnia w kolejnych próbach. Ogólnie rzecz biorąc, próby aktywów bardziej zaawansowanych technologicznie wykazuje się bardziej stabliną relacją wolumen-stopa zwrotu w czasie aniżeli próby starsze. Wyniki te można powiązać z hipotezą rynku adaptacyjnego (AMH), która została potwierdzona w przypadku rynku kryptoaktywów. Badanie pozostawia przestrzeń na kolejne badania, np. zawierające próby aktywów jeszcze nowszej generacji, tj. DeFi, NFT, czy interoperacyjne platformy, których rozwój przypada na trzecią dekadę XXI wieku. Systematyczny przegląd badań empirycznych związanych z tematem heterogeniczności na rynku kryptoaktywów syntetyzuje najnowszy stan wiedzy, który został wypracowany w trakcie powstawania niniejszej pracy doktorskiej (Zięba, 2024c). Wyniki otrzymane w pracy na ogół są zgodne z wynikami prezentowanymi w literaturze. Podsumowując wkład pracy doktorskiej do literatury: a) analizowany jest relatywnie szeroki zakres rynku, b) interpretacja wyników przeprowadzana jest w odniesieniu do wyszczególnionych grup ktyptoaktywów – głównie kryptowalut, platform blockchain i zdecentralizowanych aplikacji, c) analiza ewolucji dynamiki rynku poprzez cyklicznie występujące bańki spekulacyjne jest hipotetycznie powiązana z wydarzeniem halvingu Bitcoina. Na polu teoretycznym w badaniu przeanalizowany zostaje proces kreacji ceny Bitcoina. Zestawiając wywód z ewolucją ceny w czasie, można dostrzec silne powiązanie ceny z rosnącym kosztem produkcji Bitcoina (rosnące zapotrzebowanie obliczeniowe i energetyczne) w długim okresie. Na polu metodologicznym w pracy zaproponowana zostaje miara wspólnego kierunku ruchów pomiędzy dwoma szeregami czasowymi stóp zwrotu (a w ogólnym rozumieniu dla dwóch szeregów różnić pierwszego rzędu), jako efektywniejsza obliczeniowo i lepiej interpretowalna alternatywa dla tradycyjnych miar korelacji.

The crypto-asset market has consistently grown and gained increasing attention since the introduction of Bitcoin in 2008. It has become a new phenomenon and established itself as a new asset class in the financial market. Therefore, the investigation of its dynamics and its heterogeneity among different crypto-assets is important for understanding its potential future role in the global economy. This thesis aims to comprehensively examine the crypto-asset market, beyond the analysis of only Bitcoin. Although Bitcoin is the leading and dominating asset in this asset class, the empirical behavior of its price tends to differ from the other crypto-asset types. The purpose of this research is to examine the regularities among particular groups of crypto-assets by finding the similarities and differences between the dynamics of their price evolution. Considering the constantly growing number of crypto-assets and their types, this thesis starts with proposing a classification based on assets’ qualitative characteristics. It aims to facilitate the interpretation of the results of the analysis of a broad range of crypto-assets, such as the analyses conducted in this thesis. The classification is introduced in the study Yarovaya & Zięba (2022) and is used for the categorization of the results of the non-linear Granger causality between the volume and returns of each of the thirty analyzed crypto-assets. The results suggest that cryptocurrencies mined with the Proof-of-Work mechanism (further referred to as the non ecological ones), such as Bitcoin, exhibit the bi-directional relationship between volume and returns while the non-mineable (ecological) crypto-assets, such as blockchain platforms or dApps built on top of such platforms, exhibit uni-directional relationship where changes in returns Granger cause changes in volumes. This study provides evidence for the investor overconfidence behavior in the crypto-asset market. The proposed classification facilitates the interpretation of the results of the study of the co movements between crypto-assets around the time of the COVID-19 outbreak (Katsiampa et al., 2022). Overall, this study showcases a collective increase in the volatility in the crypto-asset market during the COVID-19 outbreak, based on DBEKK methodology. Moreover, the group wise analysis, conducted using network analysis of average conditional cross-correlations based on PMFG and TMFG methods, implies that the importance of the blockchain platforms and dApps increased compared to the conventional cryptocurrencies during the pandemic. This study provides evidence for the collective time-variant behavior of the market and potential heterogeneities between the empirical behavior of conventional cryptocurrencies and the crypto-assets of the next generation. Following the state-of-the-art literature and the increased focus on the aspects related to sustainability and environmental-friendliness, the next study (Zięba, 2024a) examines the similarities and differences between non-ecofriendly (mineable with Proof-of-Work) and ecofriendly (non-mineable) crypto-assets. The formal analysis of the price creation mechanism in the crypto-asset market, based on three basic price theories, shows that Bitcoin price is, in the long term, strongly related to the costs of its production. Moreover, the halving event always couples with a speculative bubble after which Bitcoin price establishes at a level approximately twice as high as before the bubble. It can be explained by the theory that the miners expect to acquire at least a similar rate of return from their investment in mining facilities after their reward is cut by half by the pre-defined algorithm. While following this trend in the case of mineable crypto-assets seems understandable, it is not clear why non-mineable crypto-assets do so as well. It is possible that, in the long-term, non-mineable crypto-asset prices will follow a more sustainable trend and stop following the cyclical price increase present in the Bitcoin market related to the increase of its production cost. The empirical analysis, conducted using the econophysics-based similarity and heterogeneity measures describing the MST networks of cross-correlation of returns, showcases that the crypto-assets behave more collectively during the periods of the bubbles, i.e., 2017-18 and 2020-21, and heterogeneously in the normal market conditions. Moreover, the analysis using the proposed co-movement measure provides robustness to the results obtained with Kendall’s correlation. However, it is argued that the proposed co-movement measure is more computationally efficient and interpretable for financial returns than Kendall’s correlation. The last empirical study conducted in this thesis focuses on the asymmetric, time-variant, and group-wise heterogeneous volume-return relationship between particular groups of crypto-assets, i.e., cryptocurrencies, smart-contract platforms, and dApps (Zięba, 2024b). The analysis is conducted using the PCSE and the CCE-MG for the ARDL model. The study analyses the evolution of the volume-return relationship on this market over the 2015-2023 period, using four samples of crypto-assets. Each sample consists of assets that existed at the start of each year between 2015-2018. The reason for using four samples is based on the evolution of the market in terms of technological development and the increased importance of smart-contract platforms and dApps that started to be introduced in the market mainly in 2017. The results show that the relationship of the volume with positive returns differs from the relationship with negative returns. Furthermore, the volume-return relationship among cryptocurrencies weakens as the sample becomes more technologically advanced, while that of smart-contract platforms becomes stronger. Overall, it can be noticed that more technologically advanced crypto-assets exhibit a more sustainable volume-return relationship than the old ones. The results of this study can be linked to the Adaptive Market Hypothesis (AMH) proven to be relevant to the crypto-asset market. The study leaves room for further research that will include even more technologically advanced assets, such as DeFi, NFTs, or interoperable platforms that started to be introduced in the third decade of the twenty-first century. The systematic review of the empirical studies about the heterogeneity in the crypto-asset market synthesizes the state-of-the-art knowledge developed simultaneously during the development of this PhD thesis (Zięba, 2024c). The results obtained in this thesis corroborate the literature. All in all, this thesis contributes with i) the analysis of broad samples, ii) the interpretation of the results with respect to the categorization of crypto-assets into cryptocurrencies, smart-contract platforms and dApps, iii) and the analysis of the evolution of the market via the cyclical speculative bubbles hypothesized to be related to the Bitcoin halving event. From the theoretical perspective, the study contributes with the formal analysis of the Bitcoin price creation and its dependence on the long term increase of its production (increased computational- and energy-intensity). Methodologically, the thesis contributes with the computational-efficient and interpretable co-movement measure as an alternative to traditional correlation measures for the association between financial returns (and in general first-order differenced time series).