بررسی نقدشوندگی و کارایی اطلاعاتی در بازار ارزهای رمزپایه

در این مقاله به بررسی رفتار بازده، نقدشوندگی و کارایی اطلاعاتی در بازار ارزهای رمزپایه پرداخته ایم. رمزارزها یکی از انواع ارزهای مجازی هستند که درطراحی آنها از فناوری رمزنگاری استفاده شده و معمولاً به صورت غیرمتمرکز اداره می‌شوند. نمونه پژوهش شامل 13رمزارز میباشد که طی 3سال مورد دادوستد قرار گرفته اند. بااستفاده از آزمون ریشه واحد دیکیفولر، آزمونهای پارامتریک خودهمبستگی الجانگ،باکس وبارتلت،آزمون خودهمبستگی و خودهمبستگی جزئی فامافرنچ، آزمون ناپارامتریک ران وهِرست به بررسی نامانایی و میزان استقلال مشاهدات در سری زمانی بازده رمزارزها، حافظه بلندمدت و پدیده مومنتوم در بازار معاملات رمزارزها پرداخته ایم. یافته های پژوهش نشان میدهند که در بازارهای دارای درجات نقدشوندگی بالا، بازدهی رمزارزها رفتاری غیرقابل پیش‌بینی داشته و نقدشوندگی در بازار رمزارزها ارتباط مستقیمی با کارایی اطلاعاتی دارد.درمجموع میتوان گفت هرچه بازارهای معاملاتی رمزارزها ازنقدشوندگی بالاتری برخوردارباشند، سری زمانی بازده رمزارزها به سمت تصادفی بودن حرکت کرده،پیش بینی پذیری بازده دراین بازارها کاهش یافته وفرضیه کارایی بازار تقویت میگردد.

Liquidity and Information Efficiency in Cryptocurrencies Market

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 DickeyFuller test, LjungBox autocorrelation parametric test, FamaFrench autocorrelation test, Run and Hurst nonparametric tests to explore momentum and longrun 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.