نویسنده مسئول در: آکادمی ریاضیات و علوم سیستم، آکادمی علوم چین، جاده شرقی Zhongguancun، شماره 55، منطقه Haidian، پکن، PR چین.
از ژانویه 2020، الزویر یک مرکز منبع COVID-19 با اطلاعات رایگان به زبان انگلیسی و ماندارین در مورد کروناویروس جدید COVID-19 ایجاد کرده است. مرکز منابع COVID-19 در Elsevier Connect، وب سایت خبری و اطلاعات عمومی شرکت میزبانی می شود. Elsevier بدینوسیله اجازه می‌دهد تمام تحقیقات مربوط به COVID-19 خود را که در مرکز منبع COVID-19 در دسترس است - از جمله این محتوای تحقیقاتی - بلافاصله در PubMed Central و سایر مخازن با بودجه عمومی، مانند پایگاه داده COVID-19 WHO با حقوقاستفاده مجدد و تجزیه و تحلیل تحقیقات بدون محدودیت به هر شکل یا به هر وسیله ای با اذعان به منبع اصلی. این مجوزها تا زمانی که مرکز منبع COVID-19 فعال است توسط Elsevier به صورت رایگان اعطا می شود.
چکیده گرافیکی
چکیده
COVID-19 اولین بحران در مقیاس جهانی از زمان پیدایش بیت کوین است. ما پدیده سرایت بیت کوین و سایر بازارها یا دارایی های مالی را قبل و در طول شوک کووید-19 به صورت همزمان و غیرهم زمان با هم مقایسه می کنیم. این مقاله از نمودار غیر چرخه ای جهت دار (DAG)، شاخص سرریز و توپولوژی شبکه برای ارائه شواهد قوی در مورد پیامدهای سرایت جهت بیت کوین و سایر دارایی ها استفاده می کند. نتایج تجربی نشان می دهد که اثر سرایتی بین بیت کوین و بازارهای توسعه یافته در طول بحران COVID-19 تقویت می شود. به ویژه بازار اروپا نقش غالبی دارد. بدون در نظر گرفتن شوک های خود بیت کوین، بازارهای ایالات متحده و اروپا منابع اصلی سرایت بیت کوین هستند. بازار اروپا همچنین به عنوان یک واسطه برای انتقال بیماری های عفونی از ترس ایالات متحده و بازار عمل می کند. یافته‌ها نشان می‌دهد که طلا همیشه اثر مسری با بیت کوین دارد، در حالی که طلا، دلار آمریکا و بازار اوراق قرضه گیرنده‌های مسری بیت کوین تحت شوک COVID-19 هستند. نتایج تجربی بیشتر پتانسیل امن، پوشش‌دهی و تنوع‌بخش بیت‌کوین را در زمان باثبات اقتصادی ثابت کرد، اما همچنین نشان می‌دهد که پایداری این ویژگی‌ها در طول آشفتگی بازار تضعیف می‌شود.
1. مقدمه
ویروس کرونا برای اولین بار در اواخر سال 2019 شناسایی شد و در اوایل سال 2020 در سطح جهان شیوع یافت. کووید-19 در بسیاری از کشورها درگیر شده است و در 11 مارس 2020 توسط سازمان جهانی بهداشت (WHO) به عنوان همه‌گیری جهانی اعلام شده است. با موارد تایید شده جدید به سرعت هر روز افزایش یافت. در روز، بسیاری از دولت ها شروع به تعیین محدودیت برای تجمع عمومی، کند کردن فعالیت های اقتصادی و محدود کردن سفرهای بین المللی کردند. آمار جهانی موارد تایید شده کووید-19 تا اواسط سپتامبر 2020 به بیش از 30 میلیون افزایش یافت. بازارهای مالی همچنین بالا و پایین‌های شدیدی را تجربه کردند که قیمت نفت خام به‌سرعت کاهش یافت، بازار سهام ایالات متحده چهار بار در ده روز با هم ترکیب شد و بیت‌کوین از دست رفت. نیمی از ارزش آن در دو روز و به بیش از 10000 دلار بازگشت.
با توسعه سریع جهانی شدن اقتصادی، شوک های مالی ممکن است در کشورها و بازارها سرایت کند و بحران جهانی خطر سرایت مالی را افزایش دهد یا شبکه سرایت را در بین بازارهای مختلف تغییر دهد. COVID-19 اولین بحران در مقیاس جهانی از زمان ظهور بیت کوین است. بررسی تغییر روابط بین بیت کوین و سایر دارایی های مالی در هر دو زمان ثبات اقتصادی و زمان بحران اقتصادی مهم است. COVID-19 یک فرصت منحصر به فرد برای بررسی مجدد پویایی بازار مالی است (گودل، 2020). پدیده سرایت یک جنبه کلیدی برای درک تعامل دارایی ها و بازارهای مختلف در زمان بحران است. مکانیسم های انتقال اطلاعات را منعکس می کند و دلالت بر تغییرات در پیوندهای اساسی بین بازارها دارد (Yarovaya et al., 2020, 2016). یکی از مظاهر سرایت این است که شوک به یک بازار می رسد، جایی که بازده منفی این بازار مستقیماً بر بازده سایر بازارها تأثیر می گذارد (آچاریا و پدرسن، 2005؛ گوو و همکاران، 2011).
قبل از بحران COVID-19 ، تعداد مقالات به بررسی ویژگی های تنوع ، پرچین و پناهگاه های امن بیت کوین از دیدگاه های مختلف (Bouri et al. ، 2017c ؛ Dyhrberg ، 2016 ؛ Kliber et al. ، 2019 ؛ Selmi et al. ،2018 ؛ شاهزاد و همکاران ، 2020 ، 2019 ؛ Smales ، 2019 ؛ Urquhart and Zhang ، 2019). تحقیقات نشان می دهد که بین بیت کوین و بازارهای عمده مالی ، بازارهای ارزی و اقتصاد کلان ارتباطات ضعیفی وجود دارد (بوروی و همکاران ، 2017c ، 2017b ؛ دیهربرگ ، 2016 ؛ Panagiotidis و همکاران ، 2019). قابلیت پرچین به سمت بازار کالاها و بازار آسیا اقیانوس آرام آشکار است (بور و همکاران ، 2017c ، 2017b ؛ دیهربرگ ، 2016). شواهد تجزیه و تحلیل مسری و تجزیه و تحلیل علیت نیز نشان می دهد که بیت کوین نسبتاً مستقل از بازارهای مالی عمده است (کوربت و همکاران ، 2018 ؛ هیدیکا و همکاران ، 2019 ؛ جی و همکاران ، 2018). بیت کوین به عنوان جایی بین طلا و دلار آمریکا طبقه بندی می شود (Dyhrberg ، 2016). با این حال ، بیت کوین نسبت به خطرات و مقررات سیاسی بسیار حساس است (Aysan et al. ، 2019 ؛ Wang et al. ، 2020) ، که دارای اثرات شدید بر روی قیمت بیت کوین در سطح بین المللی است (Borri and Shakhnov ، 2019). به ویژه ، عدم اطمینان سیاست چین تا حد زیادی بر حجم تجارت و بازگشت بیت کوین تأثیر می گذارد (بوری و شاخنوف ، 2019 ؛ چنگ و ین ، 2020). به طور کلی ، cryptocurrency در بازتاب نگرانی های مقررات مربوط به لباسشویی ضد پول ، مبادله و صدور و اخبار مربوط به ارز دیجیتال تحت حمایت دولت کارآمد است (شاناف و همکاران ، 2020).
در مقایسه با دوره پایدار اقتصادی ، بازارهای مالی معمولاً در طول زمان بحران خصوصیات مختلفی را نشان می دهند (فرانک و هس ، 2009). الگوهای مختلف در مورد پیوندهای بازارهای جهانی تحت تأثیر بیماری همه گیر کرونوویروس یافت شده است ، جایی که نوسانات قابل توجهی ، همبستگی غیر معمول و انزوا رخ می دهد (ژانگ و همکاران ، 2020). کل موارد تأیید شده برای COVID-19 تأثیر منفی قابل توجهی در بورس اوراق بهادار چین دارد (Al-Awadhi و همکاران ، 2020). حتی فقط شرکت های مرتبط با کلمه "Corona" بازده منفی غیر طبیعی قیمت سهام را تجربه می کنند (Corbet و همکاران ، 2020a). طلا یک پناهگاه امن برای بورس قبل از سقوط بزرگ بازار سهام ایالات متحده تا اواسط ماه مارس 2020 است. با این حال ، این ملک به عنوان یک پناهگاه امن تمام وقت را در خود جای نمی دهد (Selmi et al. ، 2018). هر دو شرکت مالی و غیر مالی همبستگی مشروط بالاتری بین سهام خود را در دوره COVID-19 تجربه کردند (اخترروزامان و همکاران ، 2020). در مورد بیت کوین ، خصوصیات بیت کوین بسیار سریع و پویا تغییر می کند. داده های تجربی جدید نشان می دهد که سطح COVID-19 باعث افزایش قیمت بیت کوین (گودل و گوته ، 2021a) می شود ، و بیت کوین و اتریوم می توانند پناهگاه ایمن کوتاه مدت برای سهام باشند ، با این حال ، آنها همچنین در معرض توانایی های بالا هستند (دویتا ماریانا و همکاران ، 2021). بوری و همکاران.(2017a) از رگرسیون کمی استفاده می کند تا نشان دهد که بیت کوین نسبت به عدم اطمینان در مقادیر بالاتر ، به ویژه برای افق سرمایه گذاری کوتاه ، واکنش مثبت نشان می دهد. برای بازار نفت خام ، بیت کوین فقط می تواند به عنوان یک متنوع و نه یک پناهگاه امن تحت این بیماری همه گیر کار کند (دوتا و همکاران ، 2020). طبق تحقیقات کانلون و همکاران.(2020) و Conlon و McGee (2020) ، بیت کوین ثابت می شود که در ابتدای همه گیر Covid-19 هیچ ویژگی پناهندگی امن در برابر بسیاری از شاخص های جهان ندارد و حتی احتمالاً خطر ابتلا به نمونه کارها را در آشفتگی بازار افزایش می دهد. تحقیقات گودل و گوته (2021b) نیز با یک استثنا نتیجه مشابهی دارد که Tether در دوره Covid-19 متفاوت عمل می کند و می تواند در دوران آشفتگی بازار یک خانه ایمن باشد. یافته های موجود هنوز اظهارات نتیجه گیری در مورد اینکه آیا بیت کوین و سایر ارزهای رمزپایه می توانند به عنوان یک پناهگاه امن ، تنوع یا پرچین کار کنند ، بیان نکرده اند.
به منظور به دست آوردن درک بهتر از خواص بیت کوین در شرایط مختلف اقتصادی ، مقاله ما اثر آلودگی بین بیت کوین و سایر دارایی های قبل و در هنگام COVID-19 را مقایسه می کند. علاوه بر این ، تحقیقات موجود در مورد آلودگی مالی برای دوره COVID-19 بیشتر ارتباط و همبستگی بین دارایی های مختلف را بررسی می کند (به عنوان مثال Akhtaruzzaman et al. ، 2020 ؛ Corbet et al. ، 2020b ؛ Goodell and Goutte ، 2021a ، 2021b) ،اما فاقد دانش در مورد چگونگی گسترش خطرات و اطلاعات بین بازارها است. علاوه بر این ، cryptocurrency یک بازار رو به رشد پویا در حال تغییر است زیرا با ظاهر و رویداد زمان ، به ویژه تحت شوک Covid-19 ، تغییر می کند. بازارها تکامل می یابند و شروع به نمایش ویژگی های جدید خاصی می کنند. توجه به این رویداد نوظهور به عنوان عاملی برای بررسی رفتار بازار رمزنگاری مهم است تا بتوانیم در هنگام بروز عدم اطمینان ، پایداری پناهگاه ، پرچین و پتانسیل های متنوع آن را آزمایش کنیم. در این مقاله از روش شناسی استفاده می کنیم که می تواند جریان جهت ای از مسیر مسری بین بیت کوین و سایر بازارها را برای پاسخ به این سؤال ارائه دهد. ما تکامل پویا از آلودگی در بین بیت کوین و سایر بازارهای مالی توسط مدل Diebold و Yilmaz (2012) را تجزیه و تحلیل می کنیم. سپس از روش DAG برای بررسی علیت معاصر دو دوره استفاده می شود. سرانجام ، ما شبکه های آلودگی خالص همه دارایی ها را در زمان قبل از بحران و اواسط بحران تجسم می کنیم.
یافته های ما به روشهای زیر به تحقیقات موجود کمک می کند. اول ، Covid-19 از دیدگاه های مختلف بر اقتصاد جهانی و بازار مالی تأثیر گذاشته است. تحقیقات ما یک تلاش اولیه برای در نظر گرفتن وضعیت همه گیر فعلی با مقایسه شواهد قبل از بحران و بحران ، که تحقیقات موجود را با دانش به روز از مسری ریسک از نظر بازار مالی سنتی و بازار رمزنگاری ارائه می دهدوادما رابطه بیت کوین و سایر بازارهای مالی و دارایی ها را از دیدگاه های معاصر و غیر هم زمان تجزیه و تحلیل و تجسم می کنیم. مقایسه روشنی برای روابط پویا بین بیت کوین و سایر بازارهای قبل و در طول بحران COVID-19 می تواند به محققان کمک کند تا نقش تغییر رمزنگاری را در زمان پایدار اقتصادی و بحران درک کنند. علاوه بر این ، یافته ها درک جدیدی را برای پایداری رمزنگاری به عنوان یک کلاس دارایی جایگزین ارائه می دهد. نتایج تجربی نشان می دهد که COVID-19 مکانیسم انتقال ریسک و اطلاعات بین بازار رمزنگاری و سایر بازارهای مهم مالی را تغییر داده است. به طور خاص ، اثر مسری بین بیت کوین و بازارهای توسعه یافته تقویت می شود اما بازار چین در طول بحران COVID-19 نیست. بیت کوین قبل از دوره COVID-19 از سایر بازارهای مالی جدا شده و نمی تواند یک پناهگاه امن در طول Covid-19 باشد. طلا همیشه گیرنده ریسک بیت کوین است. بنابراین ، بیت کوین در زمان پایداری اقتصادی برخی شباهت ها را با طلا در املاک بازار به اشتراک می گذارد ، اما پناهگاه امن ، پرچین و تنوع در طول بحران تضعیف می شود. پایداری خصوصیات بیت کوین در معرض تغییر در بحران قرار دارد. سوم ، این مطالعه همچنین به افزایش ادبیات تجربی برای تجزیه و تحلیل مسری از نظر روش شناسی کمک می کند. به بهترین دانش ما ، این اولین مقاله است که مسیر مسری بیت کوین را با سایر بازارهای مالی از نظر نوع نوع معاصر و زمان تجسم می کند. ما از روشهای تحقیقاتی متقابل نظم ، از جمله نمودار آسیكلیك هدایت شده (DAG) از علوم کامپیوتر ، چارچوب سرریز ریسك پیشنهاد شده توسط Diebold و Yilmaz (2012) و نوع شناسی شبکه برای تجزیه و تحلیل و نشان دادن اثر مسری بر اساس روش زمانی متفاوت استفاده می كنیم. سرانجام ، گسترش درک از ویژگی های ریسک و مکانیسم انتقال cryptocurrency به تصمیم گیرندگان کمک می کند تا Cryptocurrency را بهتر به عنوان یک کلاس سرمایه گذاری جدید مدیریت کنند ، ثبات مالی را حفظ کنند ،
و بهترین استفاده را از آن به عنوان ابزار حاکمیتی ببرد.
بقیه این مقاله به شرح زیر سازماندهی شده است: بخش 2 روش شناسی این مقاله، از جمله رویکرد DAG، اندازه گیری های سرایت و توپولوژی شبکه را ارائه می دهد. بخش 3 داده ها را شرح می دهد. یافته های مطالعه تجربی در بخش 4 مورد بحث قرار می گیرد. بخش 5 مقاله را به پایان می رساند.
2. روش شناسی
2. 1. رویکرد DAG
رویکرد DAG توسط Spirtes و همکاران معرفی شده است.(2000)، که ترکیبی از علم کامپیوتر و نظریه هوش مصنوعی است. DAG یک روش داده محور است که برای تعیین رابطه علی همزمان مجموعه ای از متغیرها با استفاده از ضریب همبستگی بدون قید و شرط و ضریب همبستگی جزئی استفاده می شود. ماتریس کوواریانس واریانس باقیمانده یا ماتریس ضریب همبستگی باقیمانده متغیرهای مختلف را می توان از نتیجه خودرگرسیون بردار تعمیم یافته (VAR) به دست آورد. نتایج از یک ساختار نمودار برای نشان دادن روابط وابستگی و جهت متغیرهای انتخاب شده استفاده می کند.
چهار رابطه مختلف بین متغیرها وجود دارد: 1) بدون لبه (x y). 2) لبه غیرمجاز ( X-Y) ، که به معنای جهت روابط علی ناشناخته است. 3) لبه کارگردانی (x → y) ، که به معنای x علت به طور همزمان است. و 4) لبه دو طرفه (X↔Y) نشانگر رابطه علیت دو طرفه است. دو مرحله در تعیین نتیجه نهایی دخیل است. ابتدا لبه ها را بردارید. اگر همبستگی بی قید و شرط بین دو متغیر تفاوت معنی داری با صفر در سطح اهمیت از پیش تعیین شده نداشته باشد ، لبه بین دو متغیر حذف می شود. سپس متغیرهای باقیمانده را بررسی کنید ، آیا همبستگی جزئی مرتبه اول آنها با صفر متفاوت است. اگر تفاوت قابل توجهی با صفر داشته باشد ، اتصال حذف می شود. برای متغیرهای N ، این روند تکرار می شود تا زمانی که به ترتیب همبستگی مشروط N-2 بررسی شود. دوم ، جهت لبه ها را تصمیم بگیرید. متغیر (های) مشروط در لبه های حذف شده به عنوان یک مجموعه جداگانه از متغیرهای جفتی که لبه آنها برداشته شده است تعریف شده است. لبه ای که با همبستگی بی قید و شرط حذف شده است ، یک مجموعه جداگانه خالی دارد. سایر لبه های باقیمانده می توانند توسط مجموعه جداگانه هدایت شوند (بسلر و یانگ ، 2003). به عنوان مثال ، سه متغیر x ، y ، z ، هنگامی که x مجاور y است ، y مجاور z است ، و x مجاور z نیست ، یعنی x-z. اگر مشخص شود که Y متعلق به مجموعه جداگانه x و z نیست ، پس رابطه علّی معاصر بین سه متغیر x → y⟵z است. اگر x → y شناخته شده باشد ، y مجاور z است ، x مجاور z است ، و لبه هدایت شده بین y و z به y اشاره نمی کند ، پس از آن می توان استنباط کرد که رابطه علّی معاصر با Z داشته باشد ، به عنوان y → نشان می دهدZ.
آمار z فیشر برای آزمایش اینکه آیا همبستگی مشروط با صفر متفاوت است ، به شرح زیر است:
جایی که n تعداد مشاهدات مورد استفاده برای تخمین همبستگی ها است ، ρ (i ، j | k) همبستگی جمعیت بین متغیرهای I و J شرط در سری K است.|k |تعداد سریال در k است. اگر من ، j و k به طور معمول توزیع شده و r (i ، j | k) همبستگی مشروط نمونه ای از i ، j با داده k است ، سپس z [ρ (i ، j | k) n] - z [r (i ،j | k) n] یک توزیع عادی است (بسلر و یانگ ، 2003). در این مقاله ، ما از الگوریتم PC در بسته نرم افزاری Tetrad VI که توسط Glymour و همکاران پیشنهاد شده است استفاده می کنیم.(2015) برای انجام روند DAG.
2. 2اندازه گیری های مسری
در این مقاله، اثر سرایت با چارچوب پیشنهادی دیبولد و یلماز (2012) اندازه‌گیری می‌شود. بر اساس این روش، ما از سرریز پویا و مشروط برای بررسی سیر تحول اثر سرایت بیت کوین و همچنین از شاخص سرریز بدون قید و شرط دو دوره ای برای مقایسه سرایت بین بیت کوین و سایر بازارهای مالی استفاده می کنیم. این روش نتایج جهت‌گیری را تحت یک چارچوب VAR تعمیم‌یافته تولید می‌کند، که مسئله وابستگی ترتیب فاکتورسازی Cholesky در تجزیه واریانس را حل می‌کند (دیبولد و یلماز، 2012، 2009).
فرآیند میانگین متحرک برای VAR(p) با نشان داده می شود
که در آن A i ماتریس ضریب N × N در الگوی بازگشتی است.
این مدل تجزیه واریانس خطای پیش‌بینی H-گام به جلو را با θi j g (H) محاسبه می‌کند، برای H = 1، 2، 3…، وجود دارد.
جایی که θ i ⟵ j g H نشان دهنده سرریز ریسک دارایی j به دارایی i است. Σ ماتریس واریانس برای بردار خطا ε است، σjj انحراف استاندارد عبارت خطای دارایی j است. e i و e j بردار انتخابی N × 1 هستند که یکی به عنوان عنصر i و در غیر این صورت صفر است. شوک ها به هر متغیر متعامد نیستند، بنابراین مجموع سهم عنصر در هر ردیف لزوماً برابر با یک نیست. برای تسهیل مقایسه، ماتریس تجزیه واریانس نرمال شده داده شده است
که در آن، ∑ i، j = 1 N θ ∼ i j g H = N و ∑ j = 1 N θ ∼ i j g H = 1 .
سرریز جهتی از بازار i به بازار j با نشان داده می شود
S ∙ i g H = ∑ j = 1، i ≠ j N θ ∼ j i g H ∑ i، j = 1 N θ ∼ j i g H × 100 = ∑ j = 1، i ≠ j N θ ∼ × j i g0
سرریز به بازار i از بازار j با نشان داده می شود
S i ∙ g H = ∑ j = 1، i ≠ j N θ ∼ i j g H ∑ i، j = 1 N θ ∼ i j g H × 100 = ∑ j = 1، i ≠ j N θ ∼ i j j g0
سپس سرریز خالص برابر است با
این مقاله مسیر سرایت را با استفاده از سرریز جفتی خالص تجسم می کند. سرریز جفتی خالص سهم سرایت خالص دو بازار یا دو دارایی را توصیف می کند که برای شناسایی نقش بیت کوین در رابطه با سایر بازارهای مالی و دارایی ها به روشی جهت دار مفید است.
سرریز خالص زوجی است
S i j g ( H ) = ( θ ~ j i g ( H ) ∑ i , k = 1 H θ ~ i k g ( H ) - θ ~ i j g ( H ) ∑ j , k = 1 H θ ~ j k g ( H ) ) × 100( θ ~ j i g ( H ) - θ ~ i j g ( H ) N ) × 100
2. 3. توپولوژی شبکه
تئوری شبکه به طور گسترده در تحقیقات سرایت مالی و ارتباط بازار استفاده شده است (دیبولد و همکاران، 2014؛ گای و کاپادیا، 2010؛ گئورگ، 2013؛ مارتینز-جارامیلو و همکاران، 2010). بر اساس اندازه‌گیری‌های سرریز Diebold و Yilmaz (2012)، این مقاله توپولوژی شبکه را برای تجسم و توصیف شبکه‌های سرایت بیت کوین و سایر بازارهای مالی ترکیب می‌کند.
در تحلیل شبکه سرایت مالی، هر مؤسسه مالی یک گره را نشان می‌دهد و ارتباط متقابل بین مؤسسات مختلف از پیوندهایی برای تعریف استفاده می‌کند. این پیوندها جهت دهی شده و وزن دهی شده اند، که منعکس کننده قرار گرفتن در معرض هر موسسه است (گای و کاپادیا، 2010). چهار اندازه گیری رایج برای توصیف سرایت و ارتباط بین بیت کوین و سایر بازارهای مالی استفاده می شود. اول، درجه گره، که تعداد پیوندهای گره های دیگر است، d i = ∑ j = 1 n a i j = ∑ j = 1 n a j i . در درجه، تعداد پیوندهایی را که به گره اشاره می کنند، اندازه گیری می کند، d i n i = ∑ j = 1 n a i j . درجه خارج تعداد پیوندهایی است که از گره مشخص می شود، d o u t i = ∑ j = 1 n a i j . دوم، مرکزیت بین بودن برای اندازه گیری کنترل گره ای استفاده می شود که بر گسترش ریسک و اطلاعات از طریق شبکه دارد (فریمن، 1978، 1977). به عنوان کسری از کوتاه ترین مسیر بین جفت گره هایی که از گره مورد نظر عبور می کنند، محاسبه می شود، B C i = ∑ s ≠ i ≠ j n s t i g s t . در نهایت، میانگین طول مسیر و قطر متوسط برای توصیف تغییرات کلی شبکه سرایت قبل و در طول دوره COVID-19 استفاده می‌شود. میانگین طول مسیر یک شبکه به عنوان میانگین طول کوتاه ترین مسیرها برای همه جفت گره های i, j تعریف می شود. قطر متوسط میانگین حداکثر فاصله بین هر دو گره است. قطر به صورت s m a x = m a x i , j s i , j محاسبه می شود.
3. داده ها
ما هشت متغیر دیگر را به استثنای بیت کوین در این مقاله انتخاب می کنیم ، که بازار ایالات متحده (ایالات متحده) ، بازار اروپا ، بازار چین ، دلار آمریکا ، طلا ، بازار کالاها ، بازار اوراق بهادار و ترس از بازار است. سه بازار منطقه ای در اقتصاد جهانی مواضع مهمی را به خود اختصاص می دهند ، و همچنین مکان های اصلی شیوع در ابتدای Covid-19 هستند. به طور خاص ، از شاخص MSCI USA برای اندازه گیری بازار ایالات متحده استفاده می شود ، زیرا نه تنها سهام S & P500 را در بر می گیرد ، بلکه شامل برخی از سهام میانی درپوش (MSCI ، 2020b) نیز می شود. شاخص MSCI اروپا ، که شامل سهام بزرگ و میانی در میان 15 کشور توسعه یافته در اروپا است ، برای نمایندگی از بازار اروپا استفاده می شود (MSCI ، 2020A). بازار چین توسط شاخص کامپوزیت شانگهای مشخص شده است. دلار آمریکا ، طلا ، کالا و اوراق قرضه نیز بازارهای نماینده و دارایی در اقتصاد جهانی هستند. بازار دلار ، طلا و کالاهای آمریکا به ترتیب توسط شاخص دلار آمریکا ، Comex Gold Price و شاخص کالاهای GSCI اندازه گیری می شود. بازار اوراق قرضه توسط سهام شرکت شاخص بازار اوراق قرضه کل ، سهام دریاسالار ، که شامل طیف گسترده ای از اوراق بهادار عمومی ، مالیات بر درآمد ، مشمول مالیات و درآمد ثابت در ایالات متحده است ، توضیح داده شده است. ترس بازار از سرمایه گذاران توسط VIX اندازه گیری می شود ، که نوسانات ضمنی گزینه های S& P500 است. در ارقام و جداول زیر ، "BTC" ، "USA" ، "EU" ، "CN" ، "USD" ، "Gold" ، "GSCI" ، "VIX" ، "Bond" برای نمایندگی بیت کوین ، بازار ایالات متحده استفاده می شود.، بازار اروپا ، بازار چین ، دلار آمریکا ، طلا ، بازار کالاها ، VIX و بازار اوراق قرضه. تمام داده ها از Investing. com (http://www. investing. com) جمع آوری می شوند.
ما از داده های روزانه برای این مطالعه تجربی استفاده می کنیم و دوره کامل نمونه از اول ژانویه 2019 تا 31 مه 2020 است. دوره زمانی به دو دلیل اصلی انتخاب می شود. اول ، قیمت بیت کوین سال 2019 نمایندگی خاصی دارد. قیمت بیت کوین در مقایسه با اعتیاد به مواد مخدره قبلی قبل از سال 2020 به طور فزاینده ای نرمال می شود. ویژگی های آینده بازار بیت کوین به جای مرحله شروع و مرحله حباب ، بعد از سال 2018 به بازار عادی نزدیکتر خواهد بود. دوم ، مقایسه بالایی دارد. در دو دوره انتخاب شده ، بازارها به جز بحران Covid-19 ، تداوم خوبی دارند.
به منظور کشف تغییر همبستگی ها و پیوندهای بیت کوین با سایر بازارهای مالی و دارایی ها در شرایط اقتصادی مختلف ، دوره کامل نمونه به دو دوره فرعی تقسیم می شود ، یعنی قبل از Covid-19 و Mid-Covid-19واداز آنجا که اولین گزارش پرونده Coronavirus را در تاریخ 31 دسامبر 2019 دریافت کرده است ، زمان شیوع انتخاب شده درست پس از این رویداد مهم است. بنابراین ، داده های مربوط به بحران قبل از Covid-19 کل سال 2019 را پوشش می دهد ، و داده های مربوط به Mid-Covid-19 از اول ژانویه 2020 تا 31 مه 2020 است. این مقاله از نرخ تغییر برای داده های VIX استفاده می کند و بازگشت ورود به سیستمبرای بقیه بازارها در تجزیه و تحلیل بیشتر. ما داده های گمشده را به دلیل اختلاف تعطیلات حذف می کنیم.
