УДК 336.7

Регрессионный анализ капитализации Bitcoin

Ованнисян Сильва Радиковна – студент магистратуры Института экономики, государственного управления и финансов Сибирского федерального университета.

Научный руководитель Тонкошкуров Игорь Владимирович  – кандидат экономических наук, доцент Научно-учебной лаборатории Сибирского федерального университета; директор Красноярского филиала АО Сбербанк-Лизинг.

Аннотация: Криптовалюты успешно покоряют финансовый рынок, чем интересуют инвесторов все больше. Выбирая валюту для инвестирования, как правило, дают предпочтение топ-5 по рыночной капитализации. Bitcoin является самой первой и самой популярной на сегодняшний день, занимая долгое время первую строчку в топе по капитализации. Но что же влияет на капитализацию криптовалюты? В данной статье проведен множественно-регрессионный анализ, который позволит выявить факторы, влияющие на цифровой рынок. По итогам анализа определен уровень влияния факторов на зависимую переменную – капитализацию.

Ключевые слова: криптовалюта, биткоин, цифровая экономика, регрессионная модель, нормальное распределение.

Поскольку криптовалюты являются новой технологией, сложно предсказать их динамику и поведение на рынке. Именно поэтому разработка модели прогнозирования динамики курса криптовалют становится все более важной задачей. В данном разделе мы рассмотрим основные принципы создания такой модели и возможности ее применения.

Модель позволит ответить на вопрос: какие факторы оказывают влияние на капитализацию валюты. Факторные и зависимые переменные представлены ниже.

Таблица 1. Перемнные для модели. [1]

Для того, чтобы начать анализ, необходимо проверить зависимую переменную на нормальность. Существует несколько способов тестирования распределения на соответствие нормальному распределению. Первым и самым простым способом является построение гистограммы. Для более точных результатов необходимо провести тесты Дурника-Хансена (DH) и Харке-Бера (JB). Первый из них более точен для выборок с небольшим количеством элементов, а второй чаще используют при большом объеме выборки. Оба теста строятся на основе принятия нулевой гипотезы о том, что наше распределение существенно не отличается от нормального распределения.

Тестирование гипотезы проводится путем вычисления критерия и сравнения его с χ2 при определенном уровне доверительной вероятности. Если полученное значение превышает значение χ2 , то нулевая гипотеза считается опровергнутой. На основании этого проанализируем переменные.

Рисунок 1. График распределения капитализации биткоина.

На графике видно, что наше распределение близко к нормальному. Однако рассмотреть соответствие распределения нормальному графически не достаточно, поэтому используем тесты.

Таблица 2. Тесты.

Так как выборка достаточно маленькая (36 единиц), ориентируемся на значения первого теста. При табличном значении 5,99 показатель равен 4,86. Это подтверждает гипотезу выше о том, что распределение зависимой переменной близко к нормальному. Рассмотрим описательную статистику.

Таблица 3. Описательная статистика.

Результаты описательной статистики подтверждают сделанные нами ранее выводы. Коэффициенты асимметрии и эксцесса не очень велики, что свидетельствует об отсутствии «деформации» распределения относительно стандартного нормального закона. Медиана выборки оказалась близка к средней (492,5 против 550,6). Стандартное отклонение составило 316,5.

Теперь мы можем построить модель множественной линейной регрессии и провести анализ предварительных результатов оценки данной модели:

Таблица 4. МНК модель.

Анализируя полученные данные, можно заметить, что из всех представленных факторов на зависимую переменную влияют ставка рефинансирования, курс доллара к рублю и обменный курс. Не все коэффициенты являются положительными, это значит, что лишь часть показателей прямо пропорциональны капитализации биткоина. Значения
t-статистики также подтверждают, что выделенные нами факторы статистически значимы. Значению коэффициента детерминации не обязательно показывает насколько верно подобраны факторы, являются ли они статистически значимыми, т. к. коэффициент детерминации увеличивается при увеличении количества факторов. На данном этапе можно сказать, что подобранные коэффициенты влияют на зависимую переменную на 88%.

Таким образом, при увеличении логарифма ставки рефинансирования на 1%, капитализация биткоина уменьшиться на 14904,8 млрд долларов. А также, при увеличении логарифма курса доллара к рублю на 1 пункт, капитализация биткоина увеличится на 39362,4 млрд долларов, а при увеличении обменного курса на 1 пункт, капитализация увеличится лишь на 1,4 млрд долларов.

Список литературы

1. Официальный сайт криптостатистики Сoingecko [Электронный ресурс]. Режим доступа: https://www.coingecko.com/ru.
2. Статистика по криптовалютам [Электронный ресурс]. Режим доступа: https://www.calc.ru/gra.