CC BY
36Кластерная структура крупнейших криптовалют и возможности диверсификации рыночного риска инвестиционного портфеля
00
сэ
сч
£
Б
ей
2 ©
Масленников Александр Оскарович
научный сотрудник, Центр энергетических исследований ФГБНУ, Национальный исследовательский институт мировой экономики и международных отношений имени Е.М. Примакова РАН, [email protected]
В статье анализируются рыночные риски инвестиций в крупнейшие криптовалюты в сравнении с инвестиционными активами из традиционных классов активов. На базе классических метрик рыночного риска - стоимость под риском (VaR) и ожидаемые потери (ЕЭ) - показано, что Ьйсот является наименее рискованной среди восьми крупнейших криптовалют. В то же время показатели VaR и ЕЭ крупнейших криптовалют значительно превышают аналогичные показатели для традиционных валют, акций крупнейших компаний, индексов облигаций и фьючерсных контрактов на сырьевые товары. Установлено, что по корреляции доходностей восемь крупнейших криптовалют формируют три кластера, при этом ЬКсош, еШегеит и XRP принадлежат различным кластерам.
Ключевые слова: криптовалюта, рыночный риск, диверсификация портфеля, стоимость под риском, ожидаемые потери.
Статья подготовлена в рамках реализации проекта «Перестройка мировой финансовой системы под воздействием технологических, экономических и политических факторов и противодействие отмыванию денег и финансированию терроризма» Программы Президиума РАН № 57 «Фундаментальные исследования по проблеме экономической безопасности».
Рынок криптовалют динамично развивается. Совокупное число торгуемых виртуальных валют на конец июля 2018 г. превысило 1600 единиц, при этом начиная с января 2017 г. темпы создания новых криптовалют значительно ускорились (рис. 1).
Инвестиции участников рынка в новые криптовалюты также находятся на восходящем тренде. В 2017 г. объем первоначальных размещений монет (ICO) составил 3,7 млрд долл., в январе-июле 2018 г. - уже более 17 млрд долл. [6]. Однако по оценкам отраслевых экспертов эти инвестиции носят преимущественно спекулятивный характер. Крупные институциональные инвесторы, обладающие «длинными» деньгами, такие как хедж-фонды, паевые фонды, инвестиционные фонды и т.д., в силу многих причин пока не рассматривают криптовалюты как полноценный инвестиционный актив. Помимо высокой волатильности котировок виртуальных валют, которая транслируется в повышенные рыночные риски таких инвестиций, сдерживающими факторами являются неопределенность регулятивной среды и недостатки рыночной инфраструктуры.
При этом по направлению развития торговой инфраструктуры в 2017-2018 г. наблюдался некоторый прогресс. В декабре 2017 г. на Чикагской товарно-сырьевой бирже (Chicago Mercantile Exchange) стартовали торги фьючерсными контрактами на bitcoin, которые могут использоваться институциональными инвесторами, не имеющими возможности покупать цифровые активы напрямую. Еще один крупнейший мировой биржевой холдинг - Межконтинентальная биржа (Intercontinental Exchange, ICE) - планирует запустить фьючерсный контракт на bitcoin, предполагающий физическую поставку криптовалюты, тогда как контракт на CME исполняется путем финансовых взаиморасчетов между продавцом и покупателем [4]. Ожидается, что один из крупнейших мировых инвестиционных банков Goldman Sachs начнет оказывать услуги банка-кастодиана для институциональных инвесторов по сделкам с криптовалютами [8]. Также участники рынка ожидают, что в ближайшее время могут быть запущены так называемые торгуемые на бирже фонды на криптовалюты (ETF) [7].
Однако высокая ценовая волатильность виртуальных валют по-прежнему сдерживает инвестиционную активность институциональных инвесторов. Рассмотрим ограничения для развития криптовалют как класса инвестиционных активов с точки зрения рыночных рисков, т. е. вероятности получения финансового убытка при неблагоприятном движении цен на виртуальные валюты, а также проанализируем возможности снижения этих рисков за счет диверсификации инвестиционного портфеля.
Рыночные риски инвестирования в криптовалюты
Для анализа мы использовали базу данных по котировкам и рыночной капитализации криптовалют за период с 1 января 2016 г. по 31 марта 2018 г., включающую как активные виртуальные валюты, так и те, которые были выведены из обращения в течение рассматриваемого периода [2]. Учитывая, что большинство новых криптовалют характеризуются очень низкой ликвидностью, что фактически делает их недоступными для крупных инвестиций, мы проанализировали структуру корреляций между дневными доходностями восьми крупнейших виртуальных валют, средняя рыночная капитализация каждой из которых за рассматриваемый период превысила 1 млрд долл.: bitcoin, ethereum, XRP (ripple), litecoin, dash, NEM, stellar и monero. Дескриптивные статистики соответствующих временных рядов приведены в таблице 1. Все крупнейшие криптовалюты характеризуются высокой волатильностью доходности, коэффициент стандартного отклонения составил от 4 п.п. (bitcoin) до 11,4 п.п. (NEM). Максимальный дневной убыток, как и максимальная дневная доходность, наблюдались у криптовалюты XRP - 46% и 179% соответственно.
Коэффициенты асимметрии и эксцесса функций плотности распределений до-ходностей криптовалют значительно отличаются от значений, соответствующих нор-
Рисунок 1. Динамика совокупного числа активных криптовалют. Источник: рассчитано по данным [2].
Таблица 1.
Дескриптивные статистики рядов дневных доходностей крупнейших криптовалют по показателю средней рыночной капитализации Источник: расчеты авторов.
Число наблюдений Мат. ожидание, % Стандартное отклонение, п.п. Минимум. % Максимум. %
bitcoi и 820 0,4 4,2 -18.7 0,252
das Ii 820 0.8 6,7 -21,6 0.549
elhereiim 820 1,0 7,1 -27,1 0,354
litecoiii 820 0,6 6,7 -32,6 0.666
monero 820 1,0 8,4 -25,4 0.794
NEM 820 1.4 11,4 -30,3 1.706
XRP 820 0,9 10,4 -46,0 1.794
stellar 820 1,1 10,9 -30,7 1,061
Таблица 2.
Тесты на нормальность распределения дневных доходностей крупнейших криптовалют по показателю средней рыночной капитализации Источник: расчеты авторов.
Коэффициент асимметрии Коэффициент эксцесса Гест Шапиро-Франсия (Р-значсние) Тест Шапиро-Вил ка (Р-значение) Результат проверки гипотезы о нормальности распределения, уровень значимости 1%
bilcoiii 0,3 8,0 0,000 0,000 отклоняется
dash 1.7 12.7 0,000 0.000 отклоняется
elhere um 0,8 6,8 0,000 0,000 отклоняется
litccoiii 2.7 23,2 0,000 0.000 отклоняется
monero 2,2 17,6 0,000 0,000 отклоняется
NKM 5,4 66,9 0,000 0,000 отклоняется
XRP 7,7 116,2 0,000 0.000 отклоняется
stellar 3,8 31,4 0,000 0,000 отклоняется
мальному распределению (таблица 2). Формализованные тесты Шапиро-Фран-сия и Шапиро-Вилка позволяют отклонить нулевую гипотезу о соответствии функции плотности распределения доходностей нормальному распределению для всех крупнейших криптовалют даже на уровне значимости 1%. Таким образом, функции распределения доходностей криптовалют демонстриру-
ют так называемый эффект «толстых хвостов».
Мы используем две стандартные меры рыночного риска - стоимость под риском (value-at-risk, VaR) и ожидаемые потери (expected shortfall, ES). Однодневный 99% VaR представляет собой величину, которую с вероятностью 99% не превысят убытки по инвестиционному портфелю на временном горизонте 1
день. Таким образом, чем выше VaR, тем большее портфель может потерпеть убытков. Однодневный 99% ES равен ожидаемым финансовым потерям, которые инвестиционный портфель может понести в 1% худших случаев. Значения VaR и ES были оценены историческим методом [3]. В целях сравнения криптовалют с традиционными классами инвестиционных активов по уровню рыночного риска мы также рассчитали меры VaR и ES для акций восьми крупнейших по показателю рыночной капитализации публичных компаний, пяти ведущих традиционных валют по доли в совокупных резервах государств [5] и юаня, трех индексов облигаций и фьючерсных контрактов на одиннадцать крупнейших сырьевых товара в сырьевом индексе Goldman Sachs [9]. База данных по ежедневным котировкам традиционных финансовых активов получена из информационной системы Bloomberg [1].
Наименее рискованной из крупнейших криптовалют с точки зрения как стоимости под риском, так и ожидаемых потерь, является bitcoin, коэффициенты VaR и ES которой составили 11,6% и 14,69% соответственно (таблица 3). Однако даже bitcoin оказалась почти в два раза более рискованной, чем наиболее рискованный инструмент из проанализированных традиционных активов -фьючерсный контракт на природный газ, коэффициенты VaR и ES которого составили 6,42% и 9,23% соответственно.
КЛАСТЕРНАЯ СТРУКТУРА КОМПЛЕКСА КРИПТОВАЛЮТ
Быстрое развитие криптокомплекса и появление новых валют теоретически открывают возможности для снижения совокупного рыночного риска инвестиций за счет диверсификации инвестиционного портфеля. Так, доля крупнейшей криптовалюты bitcoin в совокупной рыночной капитализации всех виртуальных валют, которая до 2017 г. колебалась в диапазоне 80-90%, к концу марта 2018 г. сократилась до 45%. Однако в соответствии с портфельной теорией Марко-вица выгоды от диверсификации тем выше, чем ниже корреляция между до-ходностями включенных в портфель активов, поэтому для анализа эффективности стратегии по диверсификации рыночных рисков криптовалют необходимо оценить взаимозависимость между динамикой цен на отдельные криптова-люты.
Установленная выше ненормальность функций плотности распределения до-
0
1
ю
S
V
2 е
8
00
сэ
сч
£
Б
а
2 ©
ходностеи криптовалют не позволяет использовать стандартные коэффициенты корреляции Пирсона. Поэтому для оценки взаимозависимости ценовой динамики мы применили коэффициенты ранговой корреляции Спирмана, которые являются робастными и в условиях ненормальности функций плотности распределения доходностей временного ряда. Дополнительным преимуществом использования коэффициентов Спирма-на является их способность уловить не только линейные, но и нелинейные взаимосвязи между временными рядами.
Средний коэффициент ранговой корреляции Спирмана среди 28 возможных пар из восьми крупнейших криптовалют составил 0,363 (таблица 4). Наибольший коэффициент корреляции 0,602 наблюдался между ЬИшп и криптовалютой Месо1п, которая является так называемой «вилкой» от блокчейна Вйсот. Более того, эти две криптовалюты преследуют одну и ту же цель стать средством платежа за товары и услуги в отличие, например, от Е^егеит и XRP. При этом наименьшие коэффициенты корреляции были обнаружены в парах Ьйсо1п/е^егеит и Мсстп^Р - 0,28 и 0,286 соответственно.
Средний коэффициент корреляции среди крупнейших криптовалют оказался сопоставим с аналогичными показателями на рынке традиционных валют, а также на фондовом рынке. Средний коэффициент ранговой корреляции Спирмана между доходностями курсов евро, канадского доллара, британского фунта, австралийского доллара, японской иены и китайского юаня относительно доллара США за аналогичный период времени составил 0,362, между доходностями котировок акций восьми крупнейших глобальных компаний - 0,385.
Для оценки корреляционной структуры восьми крупнейших криптовалют мы построили корреляционный граф, вершины которого соответствуют крип-товалютам, а ребра соединяют наиболее скоррелированные между собой криптовалюты, между которыми коэффициент ранговой корреляции Спирмана превышает порог Т. При Т=0 все вершины графа будут соединены ребрами, поскольку коэффициент корреляции между любыми двумя рассматриваемыми криптовалютами положителен. Мы итеративно увеличивали значение этого порога до тех пор, пока корреляционный граф не распался на две части при Т=0.39 (рисунок 2). Анализ корреляционного графа позволил выделить
Таблица 3.
Однодневные показатели стоимости под риском и ожидаемых потерь для отдельных криптовалют и инвестиционных активов из традиционных классов Источник: расчеты авторов.
|VaR, % |ES, % |VaR, % |ES, %
Криптовалюты Валюты
bitcoin 11.60 14,69 Китайский юань 0.67 0.81
litecoin 14,83 19,29 Евро 1.05 1,56
dash 16.15 18,40 Канадский доллар 1.29 1.52
XRP 16,99 24,75 Британский фунт стерлингов 1,70 3,33
monero 17.24 19.94 Австралийский доллар 1,72 1,95
ethereum 17,52 21.97 Японская иена 1.76 2,10
NEM 20.28 24,05 Фьючерсы на сырьевые това эы
stellar 20,63 24.88 Золото 2,02 2,82
Акции Медь 3,17 3.57
ExxonMobil 2.91 4,37 11шеница 3,79 4,67
Berkshire Hathaway 3,02 4,28 Кукуруза 4,04 4,51
Apple 3.68 5,05 Крупный рогатый скот 4,35 7,29
Microsoft 4,00 5,01 Печное топливо 4,74 5.65
Alphabet 4,27 4.95 Газойл ь 4.81 6,13
Amazon 4.49 5,93 Нефть Вгеп1 5,07 6.34
General El ее I lie 4,69 5,87 Нефть \¥Т1 5,61 6.00
[■'ace book 4.82 5,60 Бензин 6,33 10.06
Индексы облигаций Природный газ 6.42 9.23
Индекс казначейских облигаций США 0,52 0,70
Глобальный индекс корпоративных облигаций 0,69 0,87
Глобальный индекс высокодоходный облигаций 0,75 1.08
Таблица 4.
Коэффициенты ранговой корреляции Спирмана между дневными доходностями крупнейших криптовалют по показателю средней рыночной капитализации Источник: расчеты авторов.
Коэффициент Коэффициент
ранговой ранговой
корреляции корреля ции
Спирмана Спирмана
bitcoin litecoin 0,602 dash NEM 0,335
XRP/stellar 0,526 moncro.XRP 0,335
dash'moncro 0.435 dash'litecoin 0,332
monero/stellar 0.432 ethereum litecoin 0.332
ethercum'mo ncro 0.429 ethereum stellar 0,326
da sir ethereum 0.402 dash/stellar 0,326
NEM/stellar 0,399 ethereum/NEM 0.325
bitcoin 1110 ncro 0,384 litecoin NEM 0,315
liteco in/stellar 0,377 bitcoin dash 0.313
litecoin monero 0,373 ethereum XRP 0,307
liteeoin/XRP 0.364 dash XRP 0,297
NEM/XRP 0,360 bitcoin stellar 0,290
monero NEM 0,354 bitcoin XRP 0,286
bitcoin/NEM 0,342 bitcoin. ethereum (U80
три кластера, внутри которых криптовалюты тесно коррелируют между собой: К1 (bitcoin, litecoin), К2 (ethereum, dash, monero) и К3 (XRP, NEM, stellar).
При этом кластеры К2 и КЗ оказались связаны между собой за счет наличия высокой корреляции доходностей виртуальных валют monero и stellar.
Рисунок 2. Корреляционный граф для крупнейших криптовалют по показателю средней рыночной
капитализации
Источник: расчеты авторов.
С точки зрения несклонного к риску инвестора целесообразно включить в инвестиционный портфель криптовалю-ты из каждого из трех кластеров. Примечательно, что три крупнейшие криптова-люты по показателю рыночной капитализации - bitcoin, ethereum и XRP - принадлежат разным кластерам, поэтому составление портфеля из этих криптовалют может быть эффективной стратегией диверсификации.
ЗАКЛЮЧЕНИЕ
Инвестиции в крупнейшую криптова-люту bitcoin сопряжены с наименьшим рыночным рисков в сравнении с вложениями в другие крупнейшие криптовалюты. При этом сравнительный анализ рыночных рисков крупнейших криптовалют, традиционных валют, акций, облигаций и сырьевых фьючерсных контрактов показал, что финансовые вложения в виртуальные валюты все же значительно более рискованны, чем в традиционные классы инвестиционных активов, что в значительной степени объясняет пока невысокую активность институциональных инвесторов на рынке криптовалют. Тем не менее, не исключено, что в ближайшие годы по мере развития криптокомплекса и регулятивной среды волатильность котировок криптовалют может снизиться, что будет стимулировать использование этих инструментов институциональными инвесторами для диверсификации своих инвести-
ционных портфелей.
Литература
1. База данных Bloomberg.
2. Интернет-сайт Coinmarketcap, URL: https://coinmarketcap.com/ (дата обращения 30.10.2018).
3. Энциклопедия финансового риск менеджмента / Под ред. А. А. Лобанова, А. В. Чугунова. - 4 е изд., испр. и доп. -М.: Альпина Бизнес, 2009.
4. Bakkt™ Bitcoin (USD) Daily Future. Intercontinental Exchange. URL: https:// www.theice.com/products/6928l872/ Bakkt-Bitcoin-USD-Daily-Future (дата обращения 30.10.2018).
5. Currency composition of official foreign exchange reserves. IMF. URL: http:/ /www.imf.org/external/np/sta/cofer/eng/ index.htm (дата обращения 30.10.2018).
6. Kameir C. The Fundamentals Of Cryptocurrency Investment // Forbes, Aug 29, 2018. URL: https://www.forbes.com/ sites/forbesfinancecouncil/2018/08/29/the-fundamentals-of-cryptocurrency-investment/#30ccbdd0491c (дата обращения 30.10.2018).
7. Kulkarni R. Six Reasons Why Institutional Investors Could Flock To Crypto In 2019 // Forbes, Aug 8, 2018. URL: https:/ /www.forbes.com/sites/rkulkarni/2018/08/ 08/six-reasons-why-institutional-investors-could-flock-to-crypto-in-2019/ #73c179723dce (дата обращения 30.10.2018).
8. Natarajan S. Goldman Sachs Is Considering a Custody Offering for Crypto Funds // Bloomberg, Aug 6, 2018. URL: https://www.bloomberg.com/news/articles/ 2018-08-06/goldman-is-said-to-consider-custody-offering-for-crypto-funds (дата обращения 30.10.2018).
9. Preview of 2016 S&P GSCI Rebalance. S&P Dow Jones Indices. URL: https:// us.spindices.com/documents/research/sp-gsci-rebalance-2016.pdf (дата обращения 30.10.2018).
Cluster Structure of Largest
Cryptocurrencies and Possibilities for Diversification of Investment Portfolio Market Risk Maslennikov A.O.
Primakov National Research Institute of World
Economy and International Relations, RAS The article analyzes the market risks of investing in the largest cryptocurrencies in comparison with investment assets from traditional asset classes. Based on the classical market risk metrics -Value-at-Risk (VaR) and Expected Shortfall (ES) - it is shown that bitcoin is the least risky cryptocurrency among the eight largest cryptocurrencies. At the same time, the VaR and ES indicators of the largest cryptocurrencies significantly exceed those for traditional currencies, stocks of the largest companies, bond indices and commodity futures contracts. It was shown that the eight largest cryptocurrencies form three clusters in terms of returns correlation coefficients with bitcoin, ethereum and XRP belonging to different clusters. Key words: cryptocurrency, market risk, portfolio diversification, value-at-risk, expected shortfall.
References
1. Bloomberg Electronic Database.
2. Web-site Coinmarketcap, URL: https:// coinmarketcap.com/ (accessed 30.10.2018).
3. Encyclopedia of financial risk management
[Entsiklopediia finansovogo risk menedzhmenta] / Ed.: Lobanov A.A, Chugunov A. V. 4th edition. Moscow: Alpina Business [Alpina Biznes], 2009.
4. Bakkt™ Bitcoin (USD) Daily Future. Intercontinental Exchange. URL: https:// www.theice.com/products/69281872/Bakkt-Bitcoin-USD-Daily-Future
5. Currency composition of official foreign exchange
reserves. IMF. URL: http://www.imf.org/ external/np/sta/cofer/eng/index.htm (accessed 30.10.2018).
6. Kameir C. The Fundamentals Of Cryptocurrency
Investment // Forbes, Aug 29, 2018. URL: https://www.forbes.com/sites/ forbesfinancecouncil/2018/08/29/the-fundamentals-of-cryptocurrency-investment/ #30ccbdd0491c (accessed 30.10.2018).
7. Kulkarni R. Six Reasons Why Institutional Investors
Could Flock To Crypto In 2019 // Forbes, Aug 8, 2018. URL: https://www.forbes.com/sites/ rkulkarni/2018/08/08/six-reasons-why-institutional-investors-could-flock-to-crypto-in-2019/#73c179723dce
8. Natarajan S. Goldman Sachs Is Considering a
Custody Offering for Crypto Funds // Bloomberg, Aug 6, 2018. URL: https:// www.bloomberg.com/news/articles/2018-08-06/goldman-is-said-to-consider-custody-offering-for-crypto-funds (accessed 30.10.2018).
9. Preview of 2016 S&P GSCI Rebalance. S&P Dow
Jones Indices. URL: https://us.spindices.com/ documents/research/sp-gsci-rebalance-2016.pdf (accessed 30.10.2018).
О À
I
i? N
e
n
