بررسي نقدشوندگي و كارايي اطلاعاتي در بازار ارزهاي رمزپايه

Liquidity and Information Efficiency in Cryptocurrencies Market

در اين مقاله به بررسي رفتار بازده، نقدشوندگي و كارايي اطلاعاتي در بازار ارزهاي رمزپايه پرداخته ايم. رمزارزها يكي از انواع ارزهاي مجازي هستند كه درطراحي آنها از فناوري رمزنگاري استفاده شده و معمولاً به صورت غيرمتمركز اداره مي‌شوند. نمونه پژوهش شامل 13رمزارز ميباشد كه طي 3سال مورد دادوستد قرار گرفته اند. بااستفاده از آزمون ريشه واحد ديكي-فولر، آزمونهاي پارامتريك خودهمبستگي الجانگ،باكس وبارتلت،آزمون خودهمبستگي و خودهمبستگي جزئي فاما-فرنچ، آزمون ناپارامتريك ران وهِرست به بررسي نامانايي و ميزان استقلال مشاهدات در سري زماني بازده رمزارزها، حافظه بلندمدت و پديده مومنتوم در بازار معاملات رمزارزها پرداخته ايم. يافته هاي پژوهش نشان ميدهند كه در بازارهاي داراي درجات نقدشوندگي بالا، بازدهي رمزارزها رفتاري غيرقابل پيش‌بيني داشته و نقدشوندگي در بازار رمزارزها ارتباط مستقيمي با كارايي اطلاعاتي دارد.درمجموع ميتوان گفت هرچه بازارهاي معاملاتي رمزارزها ازنقدشوندگي بالاتري برخوردارباشند، سري زماني بازده رمزارزها به سمت تصادفي بودن حركت كرده،پيش بيني پذيري بازده دراين بازارها كاهش يافته وفرضيه كارايي بازار تقويت ميگردد.

In this paper, we evaluate the behavior of return, liquidity, and information efficiency in cryptocurrencis market. Cryptocurrencis are a kind of virtual currencies which cryptography technology is a basic element in their designing. They are often managed in an undistributed manner. The sample consists of 13 cryptocurrencies which were traded during 3 years (11/1/2015 until 11/1/2018) consistently. We apply Dickey-Fuller test, Ljung-Box autocorrelation parametric test, Fama-French autocorrelation test, Run and Hurst non-parametric tests to explore momentum and long-run memory in cryptocurrencis market. Findings show that cryptocurrencis return has an unpredictable behavior in markets which are more liquid. Indeed, liquidity has a direct relationship with information efficiency in cryptocurrencis market. Totally, the more liquid cryptocurrencis markets are, the less return predictability will be happened and cryptocurrencis return time series will move to a random walk. Therefore, the efficient market hypothesis will be improved.