La misión de Quantpedia es procesar la investigación académica financiera de una forma más fácil de usar, para ayudar a cualquiera que busque nuevas ideas de estrategias cuantitativas y algorítmicas. Nuestro equipo está formado por miembros experimentados con diferentes antecedentes: financieros, matemáticos y traders, combinados con miembros con un sólido conocimiento técnico y de TI.
Las criptomonedas ya no son solo un capricho de entusiastas informáticos; ahora forman parte de las finanzas convencionales y suelen ser aceptadas como parte de una asignación fija en un portafolio diversificado. No intentaremos predecir si están aquí para quedarse o si fracasarán en el futuro, ya que este tema ha sido ampliamente debatido. Nuestro interés se centró en un artículo práctico de Austin Adams, Markus Ibert y Gordon Liao, en el cual los autores aplican principios macrofinancieros clásicos para identificar el impacto de la política monetaria y el sentimiento de riesgo en los mercados convencionales sobre los precios de los criptoactivos. Así que exploremos sus resultados…
Los autores utilizan un modelo VAR estructural identificado con restricciones de signo y magnitud para investigar los factores que impulsan los rendimientos de Bitcoin y los flujos de stablecoins. Al descomponer los movimientos de precios en shocks de política monetaria convencional, shocks de prima de riesgo convencional, shocks de adopción de criptomonedas y shocks de prima de riesgo de criptomonedas, proporcionan nuevas perspectivas sobre los factores que influyen en los mercados de criptomonedas y su interconexión con los mercados financieros tradicionales.
Los hallazgos sugieren que los factores específicos de las criptomonedas, es decir, la adopción y los shocks de prima de riesgo, juegan un papel dominante en la variación de los rendimientos diarios de Bitcoin. Aunque la política monetaria convencional y los shocks de prima de riesgo tienen cierto impacto en los precios de las criptomonedas, su influencia es más pronunciada en frecuencias más bajas. Además, proporcionan evidencia que respalda la propiedad de refugio seguro de las stablecoins dentro del espacio de criptoactivos, ya que la capitalización de mercado de las stablecoins tiende a aumentar durante períodos de estrés en el mercado.
Los estudios de eventos que se centran en la agitación del mercado durante el COVID-19, el colapso de FTX y el lanzamiento del ETF de Bitcoin de BlackRock confirman aún más estos hallazgos. Los estudios de caso destacan la importancia de los factores específicos de criptomonedas en la determinación de los precios y flujos de criptomonedas durante eventos significativos del mercado.
Finalmente, la investigación tiene varias implicaciones interesantes para los participantes del mercado y los responsables de la formulación de políticas:
- Los inversores deben conocer los distintos factores que impulsan los precios de las criptomonedas y su potencial de diversificación en relación con las clases de activos tradicionales.
- La investigación proporciona una metodología para comprender la dirección y magnitud de los riesgos en nuevas clases de activos. Las estimaciones pueden ser utilizadas para cobertura de inversores y monitoreo de riesgos prudenciales.
Investigaciones futuras podrían ampliar este análisis incorporando una gama más amplia de criptomonedas y explorando el impacto de los cambios regulatorios en los mercados de criptomonedas. Desarrollar modelos más sofisticados que capturen la naturaleza cambiante de las relaciones entre criptomonedas y activos tradicionales podría proporcionar más conocimientos.
Título: ¿Qué Impulsa los Precios de los Criptoactivos?
Resumen:
Investigamos los factores que influyen en los rendimientos de las criptomonedas utilizando un modelo VAR estructural. El modelo utiliza co-movimientos de precios de activos para identificar el impacto de la política monetaria y el sentimiento de riesgo en los mercados convencionales sobre los precios de los criptoactivos, con un mínimo impacto inverso. Específicamente, descomponemos los rendimientos diarios de Bitcoin en componentes que reflejan primas de riesgo convencionales, política monetaria y shocks específicos de las criptomonedas. Además, descomponemos los shocks específicos de criptomonedas en cambios en las primas de riesgo y niveles de adopción de criptomonedas al explotar los co-movimientos de Bitcoin con la capitalización de mercado de stablecoins. Nuestro análisis muestra que los precios de los criptoactivos están significativamente impactados por factores de riesgo convencionales y política monetaria. En particular, la política monetaria contractiva representó más de dos tercios de la fuerte caída de Bitcoin en 2022. En contraste, desde 2023, la compresión de las primas de riesgo cripto ha sido el principal impulsor de los rendimientos cripto, independientemente del contexto positivo del mercado de valores. Nuestros hallazgos resaltan la importancia de identificar los impulsores de los rendimientos de las criptomonedas y comprender la relación evolutiva entre las criptomonedas y los mercados financieros tradicionales.
Citas notables del artículo de investigación académica:
«Este artículo tiene como objetivo arrojar luz sobre los impulsores de los criptoactivos a través del lente de un modelo de autorregresión vectorial (VAR) con restricciones de signo. La Figura 1 ilustra la utilidad de nuestro enfoque para descomponer los rendimientos de Bitcoin en tres choques estructurales: choques de política monetaria convencional, choques de prima de riesgo convencional y choques de demanda específicos de criptomonedas. La figura muestra la descomposición tanto acumulativamente desde 2019 hasta 2024 (Panel A) como año por año (Panel B).
La figura [1] muestra los rendimientos de Bitcoin descompuestos en tres choques estructurales: choques de política monetaria, choques de prima de riesgo convencional y choques de demanda de criptomonedas. La descomposición utiliza la solución de objetivo mediano de un modelo autorregresivo vectorial estructural identificado con restricciones de signo y magnitud.
La Figura 2 traza las trayectorias de los choques acumulativos para el modelo con tres choques estructurales. La figura muestra tanto los choques acumulativos para la solución MT como la mediana de los choques acumulativos en todas las soluciones retenidas. La solución de objetivo mediano generalmente está cerca de la mediana de los choques acumulativos en todas las soluciones retenidas, lo que sugiere que la optimización en la Ecuación (3) funciona bien. La figura también muestra los percentiles 95 y 5 de la distribución de choques acumulativos. Estos generalmente están cerca de la solución de objetivo mediano, lo que sugiere que la incertidumbre del modelo no es una preocupación primordial.
La figura [2] muestra los choques acumulativos a lo largo del tiempo. Los choques son un choque de política monetaria (positivo es contractivo), un choque de prima de riesgo convencional (positivo es de aversión al riesgo) y un choque de demanda de criptomonedas (Bitcoin). La figura muestra la solución de objetivo mediano (en negro) de un modelo autorregresivo vectorial estructural identificado con restricciones de signo y magnitud, así como la mediana de las soluciones (en púrpura) y los percentiles 5 y 95 de las soluciones (en gris).
Ilustramos que la mayor parte de la variación diaria en los rendimientos de Bitcoin no se explica por los choques de prima de riesgo convencionales y los choques de política monetaria en la Figura 4. La figura muestra una descomposición de la varianza de los rendimientos diarios de Bitcoin en los tres choques y muestra que los choques de demanda de criptomonedas representan más del 80% de la variabilidad en los rendimientos diarios de Bitcoin. Esto confirma la noción de que Bitcoin es un activo volátil cuya variabilidad no puede explicarse por choques que impulsan los activos convencionales. El impacto de baja frecuencia de la política monetaria se destaca aún más en la Tabla 3, que muestra una relación de varianza trimestral a diaria de 1.8 para el factor de política monetaria, mientras que es menor que la unidad para los otros dos factores. Una relación de varianza mayor que 1 indica una autocorrelación positiva (Lo y MacKinlay, 1988) y un posible arbitraje.5
La figura [4] muestra la fracción de la varianza diaria de los rendimientos de los bonos del Tesoro a 2 años (Bonos 2Y), los rendimientos del S&P 500 y los rendimientos de Bitcoin explicada por los choques de política monetaria, prima de riesgo convencional y demanda de criptomonedas (Bitcoin).»