بررسی قابلیت پوشش‌دهی رمزارزها بر ریسک سرمایه‌گذاری در بازار سکه و سهام در ایران

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 دانشجوی دکتری، گروه مهندسی مالی، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران.

2 دانشیار، گروه حسابداری، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران.

3 دانشیار، گروه حسابداری، دانشگاه سالفورد، سالفورد، انگلستان.

4 استادیار، گروه حسابداری، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران.

10.22059/frj.2024.364914.1007505

چکیده

هدف: پوشش ریسک انواع سرمایه‌گذاری با استفاده از رمزارزها، قابلیت مفیدی برای سرمایه‌گذاران به حساب می‌آید. با بررسی اقتصاد جهانی مشخص شده است که در سالیان اخیر، بهره‌گیری از رمزارزها افزایش یافته است و بسیاری از افراد، بخشی از سبد سرمایه خود را به رمزارزها اختصاص داده‌اند. شناخت رفتار و قابلیت‌های رمزارزها، به به‌کارگیری صحیح و سودمند آن‌ها منجر می‌شود و اطمینان سرمایه‌گذاری در رمزارزها را افزایش می‌دهد. در این پژوهش، قابلیت رمزارزها در تثبیت ارزش سبد سرمایه‌گذاری در اقتصاد ایران (به‌‏صورت موردی بازار سهام و سکۀ طلا) مطالعه شده است. بر این اساس، هدف اصلی بررسی قابلیت پوشش‌دهی رمزارزهای برتر در ریسک بازارهای سهام و سکۀ طلا در ایران است.
روش: به‌منظور تحلیل کمّی قابلیت رمزارزها در پوشش‌دهی ریسک، داده‌های روزانۀ مربوط به شاخص سهام بورس اوراق بهادار تهران و قیمت سکۀ بهارآزادی گردآوری شده است. بر این اساس، از بازده سکۀ طلا و سهام در دورۀ ۴ساله، طی سال‌های ۱۳۹۸ تا انتهای سال ۱۴۰۱ استفاده شده است. همچنین با استفاده از نرخ برابری بازار آزاد دلار آمریکا، قیمت‌های روزانۀ رمزارزهای بیت‌کوین و اتریوم، در بازۀ زمانی مذکور گردآوری و پس از آن، بازده روزانه رمزارزهای منتخب محاسبه شده است. در این پژوهش، به‌منظور بررسی نوسان‌های متغیرهای مورد مطالعه، از مدل‌های خودهم‌بسته گارچ چند متغیره استفاده شده است و برای بررسی پوشش‌دهندگی رمزارزها، بر اساس رویکرد حداقل ریسک، از رهیافت‌های هم‌بستگی شرطی ثابت CCC، هم‌بستگی شرطی پویا DCC و مدل ماتریس هم‌بستگی قطری بِک BEKK استفاده شده است.
یافته‌ها: نتایج نشان داد که به‌منظور پوشش ریسک سرمایه‌گذاری در سکۀ طلا و سهام در ایران، می‌توان از رمزارزها استفاده کرد و رمزارزها قابلیت پوشش‌دهی ریسک سرمایه‌گذاری در ایران را دارند. شایان ذکر است که براساس نتایج به‌دست‌آمده، مشخص شد که میزان نسبت پوشش ریسک بیت‌کوین در مقایسه با اتریوم بزرگ‌تر است و به‌منظور پوشش ریسک سرمایه‌گذاری در سکۀ طلا و سهام، رمزارز بیت‌کوین در مقایسه با اتریوم، همواره درصد بیشتری از سبد را به خود اختصاص داده است. علاوه‌براین، مشخص شد که روش هم‌بستگی شرطی پویا، در تمامی زوج سرمایه‌ها، عمدتاً میانگین نسبت پوشش ریسک بزرگ‌تری ارائه داده است. از سویی دیگر مشخص شد که نتایج حاصل از روش هم‌بستگی قطری بِک BEKK نوسان‌های به‌مراتب بیشتری نسبت به سایر روش‌های مورد مطالعه دارد. علاوه‌براین، در بازه‌های زمانی اردیبهشت ماه تا آذر ماه ۱۳۹۹ و مهرماه تا اسفندماه ۱۴۰۱، همراه با افزایش شدید قیمت دلار آمریکا در کشور، وزن لازم رمزارزها جهت پوشش‌دهی در سبدهای سرمایه متشکل از بیت‌کوین و سکه، اتریوم و سکه، بیت‌کوین و سهام و اتریوم و سهام افزایش داشته است.
نتیجه‌گیری: رمزارزها قابلیت پوشش ریسک سرمایه‌گذاری در بازار سکۀ طلا و سهام را دارند. همچنین، در زمانی که افزایش قیمت دلار شدید است به‌منظور پوشش ریسک سکۀ طلا و سهام، به‌میزان سرمایه‌گذاری بیشتری در رمزارزها نیاز است.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Investigating the Hedging Capability of Cryptocurrencies in the Gold Coin and Stock Markets in Iran

نویسندگان [English]

  • Raziyeh Eskandari 1
  • Hossein Panahian 2
  • Rasol Eskandari 3
  • Hasan Ghodrati 4
1 Ph.D. Candidate, Department of Financial Engineering, Kashan Branch, Islamic Azad University, Kashan, Iran.
2 Associate Prof., Department of Accounting, Kashan Branch, Islamic Azad University, Kashan, Iran.
3 Associate Prof., Department of Accounting, Salford Business School, University of Salford, Salford, England.
4 Assistant Prof., Department of Accounting, Kashan Branch, Islamic Azad University, Kashan, Iran.
چکیده [English]

Objective
Using cryptocurrencies to hedge against the risk of various types of assets can be considered a useful feature in cryptocurrency investment. In recent years, investment in cryptocurrencies has become more common, and many people have allocated a portion of their portfolios to cryptocurrencies. Understanding the behavior and capabilities of cryptocurrencies can help investors better manage their investments. In this research, we have studied the capability of cryptocurrencies to hedge investment portfolios in Iran's economy. We wanted to determine whether cryptocurrencies can hedge investments in the stock market and gold coins. Accordingly, we have selected two popular cryptocurrencies, namely Bitcoin and Ethereum, to investigate their capability to hedge investments in the stock and gold markets in Iran.
 
Methods
To investigate the risk hedging of common Iranian investments using cryptocurrencies, daily data related to the Tehran Stock Exchange Index and the price of the Bahar Azadi gold coin were utilized. The daily returns of the gold coin and the stock index were calculated over a four-year period from March 2019 to April 2023. Additionally, using the exchange rate of the US dollar in the free market, the daily prices of the most used cryptocurrencies (Bitcoin and Ethereum) were collected, and their daily returns were extracted. To examine the volatility of the variables, the researchers employed the multivariate GARCH autocorrelation model. For evaluating the hedging capability of cryptocurrencies based on the minimum risk approach, they used the following three methods: Constant Conditional Correlation (CCC), Dynamic Conditional Correlation (DCC), and the BEKK Diagonal Correlation Matrix.
 
Results
The results showed that cryptocurrencies can be used to hedge the risk of investments in the gold coin and stock markets in Iran. It should be noted that, based on the results, the hedge ratio of Bitcoin is larger than that of Ethereum, and to hedge the risk of investments in gold coins and stocks, Bitcoin has consistently allocated a higher percentage of the portfolio compared to Ethereum. Furthermore, it was found that the Dynamic Conditional Correlation (DCC) method provided a larger average risk hedge ratio across all portfolios. On the other hand, the results of the BEKK Diagonal Correlation method exhibited more fluctuations compared to the other approaches. Additionally, the findings indicated that during the periods from April to December 2020 and from September to March 2023, alongside the significant increase in the price of the US dollar in the country, the required weight of cryptocurrencies for hedging in investment portfolios composed of Bitcoin and gold coins, Ethereum and gold coins, as well as Bitcoin and stocks, and Ethereum and stocks increased.
 
Conclusion
Bitcoin and Ethereum can hedge investments in the Tehran Stock Exchange and the Iranian Gold Coin market. It should be noted that during times of uncertainty and devaluation of the local currency against the US dollar, greater investment in cryptocurrencies is needed to hedge investments in the gold and stock markets.

کلیدواژه‌ها [English]

  • Cryptocurrency
  • Gold coin
  • Portfolio
  • Risk hedging
  • Tehran stocks

مراجع

آقامحمدی، احمد؛ اوحدی، فریدون؛ صیقلی، محسن و بنی مهد، بهمن (1399). برآورد ریسک سرمایه‌گذاری در یک پرتفوی ارز دیجیتال و بهینه‌سازی آن با استفاده از روش ارزش در معرض خطر. نشریه علمی دانش مالی تحلیل اوراق بهادار، 13(47)، 17-31.
ابراهیمی، سید بابک؛ آقایی شیخ رضی، مژگان و محبی، نگین (1396). برآورد ارزش در معرض ریسک و ریزش موردانتظار پرتفوی با استفاده از نظریۀ امکان و الزام فازی. تحقیقات مالی، 19(2)، 193- 216.
ابزری، مهدی؛ صمدی، سعید و تیموری، هادی (1387). بررسی عوامل مؤثر بر ریسک و بازده سرمایه‏گذاری در محصولات مالی. روند، 17(54)، 122- 152.
ابولحسنی، محمدجواد و صمدی، سعید (1399). تحلیل عوامل مؤثر در قیمت ارزهای مجازی (مطالعه موردی: بیت‌کوین و اتریوم). فصلنامه پژوهش‌های پولی ـ بانکی، 13(46)، 591-629.
پاینده، رضا؛ شهبازی، میثم و منطقی، منوچهر (1400). سناریونگاری آینده بانک‌های ایران در مواجهه با فین‌تک. تحقیقات مالی، 23(2)، 294-328.
تقوا، محمد رضا و جلاییان زعفرانی، زهرا (1399). توسعه مدل اکوسیستم شناختی رمزارز. مجله تازه‌های علوم شناختی، 22(2)، 102-110.
حاتمی، امین؛ محمدی، تیمور ؛ خداداد کاشی، فرهاد و ابوالحسنی، اصغر (1397). پویایی نسبت بهینه پوشش ریسک در بازارهای سهام وطلا: رهیافت VAR-DCC-GARCH. اقتصاد مالی، 12(45)، 73- 92.
صالحی‌فر، محمد (1398). بررسی رفتار بازده و ریسک بیت‌کوین در مقایسه با بازارهای طلا، ارز و بورس با رویکرد مدل‌های GJR-GARCH و گارچ آستانه. مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی)، 10(40)، 152-168.
صباحی، سوده؛ مخاطب رفیعی، فریماه و رستگار، محمد علی (1399). بهینه‌سازی سبد سرمایه‌گذاری با دارایی‌های متنوع. پژوهش‌‌های اقتصاد پولی، مالی، 27(19)، 249- 278.
طهماسبی، فرامرز (1394). برآورد ریسک سرمایه‌گذاری در یک پورتفوی دارایی در ایران. تحقیقات اقتصادی، 50(4)، 903- 923.
محمدی نژاد پاشاکی، محمدباقر؛ صادقی شریف، سیدجلال و اقبال‌نیا، محمد (1402). بررسی و تحلیل اثرهای سرریز بین بازارهای سهام، ارز، طلا و کامودیتی: مدل VARMA-BEKK-AGARCH. تحقیقات مالی، 25(1)، 88-109.
مظفری، زانا و منوچهری، صلاح‌الدین (1402). تأثیر بی‌ثباتی نرخ ارز بر شاخص قیمت مسکن در ایران. کاربردی از رهیافت GMM  سری زمانی. تحقیقات مالی، 25(3)، 433- 452.
میرزایی، حسین؛ فلیحی، نعمت و مشهدی یانملکی، محمدرضا (1391). تأثیر نااطمینانی متغیرهای کلان اقتصادی (نرخ ارز و تورم) بر روی ریسک اعتباری مشتریان حقوقی بانک تجارت. فصلنامه علوم اقتصادی، 6(18)، 113- 137.
نجفی، فاضل؛ پیمانی فروشانی، مسلم و ابراهیمی سرو علیا، محمد حسن (1398). پوشش دهندگی متقابل ریسک بین سهام، طلا و بیت‌کوین در ایران. پایان‌نامه کارشناسی ارشد رشته مدیریت مالی. دانشگاه علامه طباطبائی، تهران.
نیلچی، مسلم و فرید، داریوش (1402). مدل‌‏سازی پویایی‌های قیمت و پیش‌بینی ریسک در بورس اوراق بهادار تهران: مدل‌های غیرخطی ـ غیرگوسی تلاطم تصادفی. تحقیقات مالی، 25(2)، 275- 299.  
 
References
Abolhasani, M.J. & Samadi, S. (2021). The Analysis of Effective Factors on Virtual Currency Prices (A Case Study of Bitcoin and Ethereum). Journal of Monetary and Banking Researches, 13(46), 591-629. (in Persian)
Abzari, M., Samadi, S. & Teimouri, H., (2009). Investigation of effective factors on risk and return of investment in financial products. Ravand, 17(54), 122-152. (in Persian)
Aghamohammadi, A., Ohadi, F., Seighali, M. & Banimahd, B., (2020). Estimating the Investment Risk in a Digital Currency Portfolio and optimizing it Using Value at Risk. Financial Knowledge of Securities Analysis (Financial Studies), 13(47), 17-31.
(in Persian)
Al-Yahyaee, K. H., Mensi, W., Al-Jarrah, I. M. W., Hamdi, A. & Kang, S. H. (2019). Volatility forecasting, downside risk, and diversification benefits of Bitcoin and oil and international commodity markets: A comparative analysis with yellow metal. The North American Journal of Economics and Finance, 49, 104-120.
Baur, D. G., Dimpfl, T. & Kuck, K. (2018). Bitcoin, gold and the US dollar – A replication and extension. Finance Research Letters, 25, 103-110.
Bouri, E., Gupta, R., Tiwari, A. K. & Roubaud, D. (2017). Does Bitcoin hedge global uncertainty? Evidence from wavelet-based quintile-in-quintile regressions. Finance Research Letters, 23, 87-95.
Ciaian, P., Rajcaniova, M. & Kancs, D. A. (2018). Virtual relationships: Short- and long-run evidence from Bitcoin and altcoin markets. Journal of International Financial Markets, Institutions and Money, 52, 173-195.
Corbet, S., Larkin, C. & Lucey, B. (2020). The contagion effects of the COVID-19 pandemic: Evidence from gold and cryptocurrencies. Finance Research Letters, 35, 101554.
Ebrahimi, S. B., Aghaei, M. & Mohebbi, N. (2017). Estimating Portfolio Value-at-Risk and Expected Shortfall by Possibility and Necessity Theory. Financial Research Journal, 19(2), 193-216. (in Persian)
Ederington, L.H. (1979). The Hedging Performance of the New Future Market. The Journal of Finance, 34(1), 157-170.
Engle, R.F. (2002). Dynamic Conditional Correlation: a Simple Class of Multivariate GARCH Models. Journal of Business and Economic Statistics, 20(3), 339–350.
Gonzalez, M., Jareno, F. & Skinner, F.S. (2020). Portfolio Effects of Cryptocurrencies during the COVID-19 Crisis. A New World Post COVID-19. Lessons for Business, the Finance Industry and Policy Makers, edited by Monica Billio and Simone Varotto, Available at SSRN: https://ssrn.com/abstract=3709715
Hatami, A., Mohammadi, T., Khodadad Kashi, F., Abolhasani, A. (2019). Dynamics of Optimal Hedge Ratio in Stock and Gold Markets: VAR-DCC-GARCH Approach. Financial Economics, 12(45), 73-92. (in Persian)
He, S., Sheng, Y. & Zang, Z., (2021). Feasibility study of bitcoin hedging the US-stock market. Advances in Economics, business and management, 203. 1811-1818.
Johnson, L. (1960). The Theory of Hedging and Speculation in Commodity Futures. Review of Economic Studies, 27(3), 139-151.
Kim, J.M., Jun, C. & Lee, J. (2021). Forecasting the Volatility of the Cryptocurrency Market by GARCH and Stochastic Volatility. Mathematics, 9(14), 1614.
Kroner, K.F. & K. Ng, V. (1998). Modeling Asymmetric Movements of Asset Prices. Review of Financial Studies, 11(4), 817-844.
Kroner, K.F. & Sultan, J. (1993). Time-Varying Distributions and Dynamic Hedging with Foreign Currency Futures. Journal of Financial and Quantitative Analysis, 28(4), 535-551.
Ku, Y.H., Chen, H. & Chen, K. (2007). On the Application of the Dynamic Conditional Correlation Model in Estimating Optimal Time-Varying Hedge Ratios. Applied Economics Letters, 14(7), 503–509.
Maitra, D., Ur Rehman. M., Dash, S.R. & Kang, S.H. (2022). Do cryptocurrencies provide better hedging? Evidence from major equity markets during COVID-19 pandemic. The North American Journal of Economics and Finance, 62, 101776.
Mirzaei, H., Felihi, N. & Mashadi YanMaleki, M.R. (2011). The effect of uncertainty rate of macro–economic variables (inflation and exchange rate) on credit risk legal entities of tejarat bank. Financial Economics, 6(18), 113-137. (in Persian)
Mohammadinejad Pashaki, M., Sadeghi Sharif, S. & Eghbalnia, M. (2023). Investigating and Analyzing the Spillover Effects among Stock, Currency, Gold, and Commodity Markets: VARMA-BEKK-AGARCH Approach. Financial Research Journal, 25(1), 88-109.
(in Persian)
Mozaffari, Z. & Manochehri, S. (2023). The Impact of Exchange Rate Volatility on the Housing Price Index in Iran: A GMM Time Series Approach. Financial Research Journal, 25(3), 433-452. (in Persian)
Najafi, F., Peymani Forushani, M. & Ebrahimi Sarve Olia, M.H. (2018). risk hedging between stocks, gold and bitcoin in Iran. Master's thesis in the field of financial management. Allameh Tabatabai University, Tehran (in Persian)
Nilchi, M. & Farid, D. (2023). Modeling Price Dynamics and Risk Forecasting in Tehran Stock Exchange Market: Nonlinear and Non-gaussian Models of Stochastic Volatility. Financial Research Journal, 25(2), 275-299. (in Persian)
Payandeh, R., Shahbazi, M. & Manteghi, M. (2021). Future Scenarios of Iranian Banks in the Face of Fintech. Financial Research Journal, 23(2), 294-328. (in Persian)
Sabahi, S., Rafiei Mokhatab, F. & Rastgar, M.A. (2021). Mixed- Asset Portfolio Optimization. Monetary and financial economics, 27(19), 249-278. (in Persian)
Salehifar, M. (2018). Risk and Return Behavior of Bitcoin in comparison with Gold, Currency, and Stock Markets by application of GJR-GARCH and TGARCH Models. Financial Engineering and Securities Management (Portfolio Management), 10(40), 152-168.
(in Persian)
Taghva, M. R. & Jalaeian Zaferani, Z., (2020), Developing cognitive ecosystem model of Cryptocurreny. Advances in cognitive sciences, 22(2), 102-110. (in Persian)
Tahmasabi, F. (2015). Estimate of investment risk in an asset portfolio in Iran. Economic Research, 50(4), 903-923. (in Persian)
Wang, P., Liu, X. & Wu, S. (2022). Dynamic Linkage between Bitcoin and Traditional Financial Assets: A Comparative Analysis of Different Time Frequencies. Entropy, 24(11), 1565.
Working, H. (1953). Futures Trading and Hedging. American Economic Review, 43(3), 314-343.
تحقیقات مالی
دوره 26، شماره 4
1403
صفحه 815-835

فایل ها

هم رسانی

ارجاع به این مقاله

آمار