CC BY
52DOI 10.47576/2712-7559_2022_5_7_626 УДК 336.7
Воронов Евгений Сергеевич,
аспирант 1 курса кафедры финансов и банковского дела, Институт экономики, управления и финансов, Российский новый университет, г. Москва, Россия, e-mail: VoronovEvgeniy@gmail.com
ВОЛАТИЛЬНОСТЬ И КОРРЕЛЯЦИОННАЯ ВЗАИМОСВЯЗЬ МЕЖДУ РАЗЛИЧНЫМИ ВИДАМИ КРИПТОВАЛЮТ
В настоящее время происходит активное освоение финансового рынка различными криптова-лютами, являющимися денежными суррогатами и инвестиционными активами повышенной рискованности. Данная рискованность связана с высокой волатильностью криптовалют, а также с тем, что есть целый ряд факторов, которые существенно воздействуют на рынок криптовалют. Одним из таких факторов является корреляция между курсами криптовалют, которая определяет их волатильность. По результатам проведенного анализа сделаны выводы относительно уровня корреляции, определены факторы, которые значительно воздействуют на уровень волатильности криптовалют.
Ключевые слова: криптовалюта; волатильность; корреляция; взаимосвязь; факторы.
UDC 336.7
Voronov Evgeny Sergeevich,
1st year postgraduate student of the Department of Finance and Banking, Institute of Economics, Management and Finance, Russian New University, Moscow, Russia, e-mail: VoronovEvgeniy@gmail.com
VOLATILITY AND CORRELATION BETWEEN DIFFERENT TYPES OF CRYPTOCURRENCIES
Currently, there is an active development of the financial market with various cryptocurrencies, which are monetary surrogates and investment assets of increased riskiness. This riskiness is associated with the high volatility of cryptocurrencies, as well as the fact that there are a number of factors that significantly affect the cryptocurrency market. One of these factors is a significant correlation between cryptocurrency rates, which determines their volatility. Based on the results of the analysis, conclusions were drawn regarding the level of correlation, factors that most significantly affect the level of volatility of cryptocurrencies were identified.
Keywords: cryptocurrency; volatility; correlation; relationship; factors.
Конец ХХ - начало XXI столетия в плане цивилизационного развития прошли под знаками глобализации и цифровизации, которые существенно повлияли на экономическое развитие и структуру финансового рынка. При этом особенностью данного рынка становится «высокая взаимосвязь» между основными мировыми валютами, когда изменения курса одной из них неизбежно приводит к изменениям всех иных валют, обращающихся на финансовом рынке.
Данная ситуация характерна также для рынка криптовалют, который еще в полной мере не оказывает воздействия на мировую финансовую систему, однако волатильность различных криптовалют тем не менее ощущается как фактор, способный повлиять на финансовую стабильность национальных и мировой финансовых систем уже в ближайшем будущем.
В этой связи понимание процессов, происходящих на рынке криптовалют, важно для формирования финансовой политики государства и развития инфраструктуры финансового рынка. Кроме того, состояние взаимосвязи криптовалют имеет большое значение при анализе и прогнозировании их «курсового поведения», особенно с учетом того, что, несмотря на факт незначительного присутствия криптовалют на российском финансовом рынке, среди российских инвесторов существует интерес к данным денежным суррогатам в плане «биржевой игры».
Поскольку криптовалюты приобретают популярность и влияние в финансовом мире, возрастает исследовательский интерес к этому явлению. Несмотря на то, что техноло -гия блокчейн является относительно новой, а криптовалюты активно торгуются только последние 6-8 лет, количество статей на эту тему в научных изданиях ежегодно растет, рынок криптовалют становится объектом исследования отечественных и зарубежных ученых. Среди зарубежных исследователей следует выделить S. Lahajnar, A. Rozanec [10], G. Davies [8], K. Tretina, F. Powell [13], Ch. Rueckert [11] и др.
Российские исследователи также внесли свою лепту в исследование рынка крипто-валют и в анализ их волатильности, в частности, данным проблемам посвящены работы А.В. Варнавского [1], А.А. Григоряна [2],
ПО. Крылова, А.Ю. Лисицына, Л. И. Полякова [3], П. Овсяниковой [5] и др.
В то же время проблема, касающаяся наличия корреляционных взаимосвязей между курсами ведущих криптовалют, прошла мимо внимания исследователей.
Таким образом, целью данной статьи является определение наличия взаимосвязей между курсами ведущих криптовалют, что даст возможность выявить общие тенденции их поведения на финансовом рынке.
Для достижения поставленной цели определены научные задачи: раскрыть понятия «криптовалюты» и «блокчейна»; исследовать основы возникновения первой криптовалюты (ВКсот) и проанализировать динамику изменения его цены с 2015 по конец 2021 года; проанализировать стоимость топ-20 ведущих криптовалют в мире; используя коэффициент Пирсона определить силу корреляции между одиннадцатью ведущими криптовалютами.
В плане теоретических предпосылок исследования было установлено, что крипто-валюта является особым видом цифровых или виртуальных денег, использующих криптографические алгоритмы для обеспечения безопасности.
Большинство криптовалют основаны на технологии блокчейн. Это технология обработки, хранения информации и идентификации клиентов использует непрерывную цепь блоков, которые аккумулируют записи обо всех сделках, которые были совершены клиентом [4].
Возникновение первой криптовалюты ВКсот приходится на начало 2009 года, и данный денежный суррогат представляет собой консенсусную сеть, которая обеспечивает функционирование соответствующей финансовой системы, в которой ВКсот используется как средство платежа, является с точки зрения пользователя не чем иным, как мобильным приложением, компьютерной программой, которая формирует личный биткоин-кошелек и позволяет пользователю отправлять и получать виртуальные деньги, осуществляя платежи и накапливая данные ресурсы [5].
Как и всякая иная валюта, эта также обладает волатильностью, на рисунке показана динамика роста цены на криптовалюту ВКсот (рис. 1).
70000 60000 50000 40000 30000 20000 10000 0
Рисунок 1 - Цена Bitcoin в 2015-2021 годах, долл. США [6]
61374
6131—6276-
9226 13573
327 J93 f=g f=Q
-s
2015 2016 2017 2918 2019 2020 2021
□ Bitcoin
Начиная с 2015 года стоимость ВКсот выросла на 61 047 долл. США, и анализируя данную тенденцию, можно заключить, что цена его будет расти, хотя в реальности данная валюта не смогла обеспечить устойчивого роста. Данное утверждение дает основания уже на данном этапе исследования исключить трендовый анализ из аналитического арсенала, применяемого для исследования и прогнозирования курса криптовалют.
Для дальнейшего исследования взаимосвязей между криптовалютами следует проанализировать стоимость топ-20 ведущих денежных суррогатов по состоянию на 10 декабря 2021 года. Данный временной срез
избран в связи с тем, что в этот период не происходило сколько-нибудь серьезных событий на финансовом рынке и политико-экономической арене, которые однозначно могли повлиять на курс криптовалют.
В табл. 1 показано, что Bitcoin имеет наибольшую цену - 48 661,11 долл. США, рыночная капитализация которого составляет 937 191 538,676 долл. США. Следующими самыми дорогими по рыночной капитализации электронными деньгами являются Ethereum и Binance Coin, их цена составляет 4 068,84 долл. США и 584,27 долл. США за 1 токен со -ответственно [6].
Таблица 1 - Топ-20 ведущих криптовалют в мире по рыночной капитализации по состоянию на 10.12.2021
Рейтинг Название Обозначение Год появления Цена, дол США 24 часа, % 7 дней, % Рыночная капитализация, долл. США
1 Bitcoin BTC 2009 48 661,1 -0,06 -13,67 937 191 538,676
2 Ethereum ETH 2015 4 068,84 -4,01 -10,51 496 660 302,052
3 Binance Coin BNB 2017 584,27 0,22 -5,28 99 081 364,604
4 Tether USDT 2014 1,00 -0,05 -0,02 76 223 377,034
5 Solana SOL 2020 178,14 -3,73 -23,29 56 015 191,405
6 Cardano ADA 2017 1,30 -2,91 -20,38 44 167 536,368
7 USD Coin USDC 2018 1,00 0,08 0,17 41 151 968,747
8 XRP XRP 2012 0,8425 -5,37 -13,25 40 592 986,661
9 Polkadot DOT 2016 27,99 -0,64 -22,83 27 642 662,691
10 Terra LUNA 2018 70,03 -0,39 1,55 26 544 901,133
11 Dogecoin DOGE 2013 0,1698 -2,43 -18,14 22 915 958,659
12 Avalanche AVAX 2020 88,94 0,20 -19,06 21 598 622,724
13 SHIBA INU SHIB 2020 0,0000358 1,64 -16,52 19 678 911,245
14 Polygon MATIC 2017 2,29 4,21 -1,92 16 200 511,826
15 Crypto.com. Coin CRO 2016 0,5814 -1,88 -14,42 14 981 184,002
Стоит отметить, что происходили резкие колебания цены за последние месяцы 2021 года, когда несколько основных токенов, таких как ВКсот (ВТС) и ЕШегеит (ЕТН), достигли исторических максимумов. 9 ноября 2021
года цена ВКсот составляла 68 530 долл. США, а ЕШегеит - 4 823 долл. США [13]. В то же время, анализируя тенденцию цен на крип-товалюту, можно следить за их спадом. 18 из приведенных 20 криптовалют за последнюю
неделю исследуемого периода претерпели уменьшение цены: наиболее существенный негативный показатель в Uniswap - 25,28 %, хотя при этом положительная динамика наблюдается у Terra и USD Coin. В то же время становится очевидным, что криптовалюты так или иначе зависят от состояния мировой биржевой динамики, которая в конце 2021 года была негативной на фоне ожиданий острых политических событий в начале 2022 года.
При этом обзор основных показателей цен сильнейших криптовалют с точки зрения капитала создает впечатление, что они взаимосвязаны и следуют в своей курсовой динамике за курсом наиболее сильной из них - за курсом Bitcoin.
Использование статистического метода коэффициента корреляции научно подтверждают данное явление, например, сайт Hackernoon отмечает, что степень корреляции между Bitcoin и другими криптовалютами возросла с начала 2017 года и стабилизировалась в середине 2018 года. При этом высо -кий рост корреляции также подтвержден исследованиями криптовалютного издания The Block, которым выявлена менее существенная взаимосвязь между криптовалютами, использующими так называемый механизм Proof of Work для проверки транзакций, в сравнении с теми, которые используют иные криптоалгоритмы [10].
Анализ, проведенный А. Davies, показал, что существует относительно высокая степень положительной корреляции между 20 важнейшими криптовалютами, причем большинство коэффициентов превышает показа-
тель в 0,5 (сильная положительная корреляция) [8].
В целом расчет силы корреляции между отдельными парами криптовалют базируется на статистическом способе, основанном на вычислении коэффициента корреляции Пирсона [9]. Это наиболее часто используемая математическая модель, позволяющая выявить наличие либо отсутствие линейной ассоциации двух числовых переменных. Коэффициент колеблется в пределах от -1 до 1 и рассчитывается с использованием методики ковариации переменных и стандартных отклонений и позволяет выяснить, существует ли в принципе линейная связь между переменными, а если да, то насколько данная корреляция сильна.
Методологией проведения такого анализа предусмотрено, что существует два типа корреляции [9]:
- положительная корреляция существует, когда значения как первой (х) переменной, так и второй (у) являются высокими или низкими. В таких случаях коэффициент положительный и близок к 1;
- отрицательная корреляция существует, когда значения первой (х) переменной высоки, а значения второй (у) низкие, или наоборот. В этих случаях коэффициент отрицательный и близок к -1.
При этом коэффициент 0,1 интерпретируется как слабая корреляция, 0,3 как умеренная, 0,5 как сильная, и 0,7 как очень сильная. Для интерпретации результатов исследования применяются интервалы, приведенные ниже (рис. 2).
Интерпретация степени связи
Негативная корреляция
Отсутствие
Позитивная корреляция
сильная
сильная
[-0,7; -0,5)
умеренная
[-0,5; -0,3)
низкая
[-0,3; -0,i)
сильная
[-0,i; 0,i)
низкая
[0,i; 0,3)
умеренная
[0,3; 0,5)
сильная
[0,5; 0,7)
очень сильная
[0,7; i)
Шкала коэффициентов корреляции
Рисунок 2 - Интерпретация степени связи факторов - ИНДУСТРИАЛЬНАЯ ЭКОНОМИКА • № 5, том 7, 2022
На основании этого методического подхода проведем исследование корреляции одиннадцати ведущих криптовалют: Bitcoin, Ethereum, Binance Coin, Tether, Cardano, XRP, USDC, Dogecoin, Litecoin, Tron, Bitcoin Cash. Tether и USDC. Это особые типы криптовалют, которые называются стейблкоинами, то есть цифровыми валютами, имитирующими свойства фиатных (традиционных) валют. Как правило, они привязаны к курсу доллара или евро (обычно в соотношении 1:1), золоту или другим активам, в том числе и криптова-лютам. Таким образом, уже на данном этапе исследования можно сказать, что сильной корреляции между Tether или USDC и другими криптовалютами не с едует ожидать, поскольку их стоимость не меняется столь существенно и динамично, как это происходит с другими криптовалютами, взятыми для анализа. Данные о стоимости указанных одиннадцати криптовалют были взяты с сайта Coinmarketcap [6], который предоставляет доступ к архиву средних цен на все крип-товалюты, торгующиеся на биржах. Архив включает суточные значения цен на начало и конец каждого дня, наиболее высокие и наиболее низкие суточные значения по каждой криптовалюте, объем транзакций и рыночную капитализацию.
При этом следует учитывать и то, что криптовалюты торгуются 24 часа в сутки в течение года. Это означает, что у данных денежных суррогатов отсутствует стоимость к моменту открытия и закрытия торгов, как в случае торговли на традиционных биржах.
Таким образом, эти два значения представляют лишь стоимость криптовалюты за определенный интервал времени, а цены криптовалют фиксируются по двум временным интервалам - день и неделя, что и является основанием для расчетов.
Силу корреляции между криптовалютами рекомендуется рассчитывать по формуле [10]:
р цена _ закрытия({) - цена _ закрытия( -1) о цена _ закрытия(/ -1)
где t - единица времени (день или неделя).
Входными данными для расчета коэффициентов корреляции между отдельными парами криптовалют в выбранные периоды были получены ежедневные и еженедельные показатели прибыльности, записанные в процентах и округленные до двух знаков после запятой.
В табл. 2 представлены полученные коэффициенты корреляции между криптовалют-ными парами за 24 часа на основе их ежедневной доходности.
Таблица 2 - Корреляция между ведущими криптовалютами мира на 08.12.2021 (24 часа)
BTC ETH BNB USDT ADA XRP USDC DOGE LTC TRX BCH
BTC
ETH 0,91
BNB 0,85 0,86
USDT 0,07 0,11 0,15
ADA 0,83 0,82 0,81 0,02
XRP 0,46 0,46 0,46 -0,01 0,56
USDC 0,17 0,08 0,12 -0,12 0,11 0,13
DOGE 0,76 0,77 0,72 -0,02 0,76 0,71 0,20
LTC 0,88 0,85 0,84 0,16 0,80 0,49 0,16 0,74
TRX 0,84 0,83 0,83 0,11 0,79 0,53 0,12 0,82 0,88
BCH 0,82 0,79 0,76 0,08 0,76 0,52 0,07 0,76 0,86 0,81
В результате проведенного расчета можно заключить, что существует положительная, в основном умеренная корреляция между всеми валютами. Если предположить, что Bitcoin из-за его рыночной капитализации имеет наибольшее влияние на рынок криптовалют, результаты целесообразно анализировать с точки зрения корреляции между Bitcoin и другими криптовалютами.
Как видно из приведенных данных, Ethereum и Litecoin имеют наиболее сильную корреляцию с курсом Bitcoin. Данные крипто-валюты, присутствующие на рынке в течение длительного времени, имеют своих инвесторов, которые вкладывают свои средства в устоявшиеся криптовалюты, и, в принципе, не склонны к риску в периоды высокой вола-тильности Bitcoin.
Также существует сильная положительная корреляция и между «младшими» криптова-лютами Binance Coin, Tron, Cardano, Bitcoin Cash, в то же время мы имеем низкую (отрицательную) корреляцию между Tether или USDC, поскольку, как ранее отмечалось, они относятся к стейблкоинам.
Для Ethereum, как второй сильнейшей
криптовалюте с точки зрения капитала, обнаружена также сильная положительная корре -ляция.
Расчет средних значений коэффициентов между каждой криптовалютой с другими показывает, что Ethereum имеет самую высокую среднюю силу корреляции на уровне 0,86. Этот результат неудивителен, поскольку сегодня Bitcoin рассматривается в первую очередь, как «сложный в финансовом отношении» инвестиционный актив, а Ethereum часто является промежуточным шагом на пути к покупке других альтернативных крип-товалют и начальных предложений монет. Этот аспект оказывает непосредственное влияние на высокую силу корреляции [10].
Умеренная положительная корреляция наблюдается между XRP и Binance Coin, XRP и Ethereum, Litecoin и XRP, при этом, видимо, во всех парах присутствует Ripple (XRP), представляющий собой систему расчетов, обмена валют и переводов, предназначенную для банков и платежных сетей.
Сила корреляции между криптовалютами, основываясь на их недельной доходности, рассмотрена в табл. 3.
Таблица 3 - Корреляция между ведущими криптовалютами мира по состоянию на 08.12.2021 (7 дней)
Исследуя разные временные рамки, можно увидеть, что соотношение цен между Bitcoin и альтернативными криптовалютами значительно сильнее в краткосрочной перспективе, чем в долгосрочной. Однако прочность их ассоциации сильно варьируется и колеблется от 0,15 до 0,91. Это зависит, прежде всего, от высокой или низкой рыночной неопределенности, причем высокая неопределенность соответствует сильной ассоциации, а низкая неопределенность соответствует слабой.
Ethereum и Litecoin имеют сильнейшую ассоциацию с Bitcoin, также существует сильная положительная корреляция и между криптовалютами Binance Coin, Tron, Cardano, Bitcoin Cash. Не считая того, найдена низкая (отрицательная) корреляция меж Tether либо USDC, так как они относятся к стейблкоинам. Также корреляция между криптовалютами существенно выше в период падения цен, чем в период роста. Исключения случаются нечасто, поэтому эффективной диверсификации инвестиционного портфеля криптова-лют очень трудно достичь.
Также можно говорить о том, что в целом, изучая силу взаимодействия криптовалют на основе еженедельной доходности, можно полностью подтвердить выводы относительно их силы корреляции на основе ежедневной доходности.
При этом, как указывают эксперты, результаты могут в определенной степени изменяться, если в расчеты включать только периоды роста цен на криптовалюту или спада. В таковых вариантах имеет место следующая тенденция: криптовалюты имеют более низкую корреляцию с Bitcoin в периоды роста цены, хотя различия не являются существенными. В период снижения цен сила корреляции биткоина с другими криптовалютами значительно возрастает, а в большинстве случаев достигает очень сильной связи [10].
В целом, по мнению экспертов, во время «медвежьего периода» криптовалюты, как правило, положительно коррелируют друг с другом, за отдельными исключениями. Эти исключения дают пространство для маневра и необходимую информацию, чтобы решить, как распределить инвестиции [10].
Обратим внимание также и на то, что А. А. Григорян указывает на три типа драйверов, которые воздействуют на цену криптовалют.
Спрос и предложение являются основными внутренними факторами, непосредственно влияющими на показатели цены криптовалюты. Кроме того, привлекательность (популярность), легализация и несколько факторов макрофинансирования (процентная ставка, фондовые рынки, цены на золото) можно рассматривать как внешние факторы, которые определяют их текущую стоимость. Еще одной тенденцией современного общества является множество данных относительно рынка крип-товалют, которые размещаются и распространяются через социальные сети, в частности, Google+, Facebook, Reddit, Twitter и др. [3].
Высокая «информационная восприимчивость» криптовалют проявляется в колебании курса криптовалюты, например, когда Илон Маск написал в Twitter, что он бывший генеральный директор Dogecoin, и данный информационный повод сразу увеличил стоимость DOGE на 17 %. Другим примером является поддержка акции Gamestop группой Reddit, которая совместными информационными усилиями повлияла на динамику фондового рынка и способствовала росту стоимости Gamestop. Соответственно, можно констатировать, что анализ реальной стоимости криптовалют практически невозможен без изучения влияния новостей, реакции социальных сетей и их взаимозависимости с волатильностью криптовалюты [10].
Влияние этих информационных факторов очевидно, и данная информация так или иначе воздействует на фондовый рынок, а также на рынок криптовалютных активов. На рис. 3 приведена схема факторов, которые в наибольшей степени воздействуют на волатиль-ность криптовалют.
В различные периоды данные факторы, а также их комбинация, могут по-разному воздействовать на волатильность криптовалют, однако в целом именно эти рыночные детерминанты в настоящее время в наибольшей степени воздействуют на волатильность криптовалют.
Таким образом, мы можем говорить о том, что криптовалюта является весьма рискованным активом с точки зрения инвестирования, ее волатильность зависит от целого ряда ситуативных факторов, которые в случае использования обычной валюты не настолько сильно воздействуют на курсовую устойчивость денежной единицы.
Цена криптовалюты
Внутренние факторы
Внешние факторы
Спрос и предложение
- стоимость транзакции (РоW/РоS);
- система поощрений;
- сложность майнинга;
- обращение монет
н <и
О. . ; « Л
о н
С =
а И
h о О
Я К
& »
S я
g р
j_i_
л
^ s
s ст
ta о u
x
«
X
X -&
0 а
1 Ü _L
S И
я 3 a
<ц : «
о
о Л
се
;й <3
л ч Я О Я м
a Й
§ к
Ю <U О CT
J_I г I
ев И ев Н
О §
Я
<ц
CT О
н
<u X А)
fr
-í Сб
о м
<u
Т w
X § tí
н CT Е
X ей
е и £
о я
В ч ев щ ев
<u и U
1 0 1 1
X • ; X g л
§ S3 5 о о
а
S л К « ^ о <ц а
<L>
о ч 2
И <ц
х 5
s g н <ц
0 1 0 1
Рисунок 3 - Систематизация факторов, имеющих влияние на стоимость и волатильность криптовалют
(составлено по данным [6; 7; 10]
При этом имеется четкая взаимосвязь между курсами криптовалют, и практически отсутствуют прецеденты, когда на фоне роста (снижения) курса Bitcoin иная валюта сохраняла свою курсовую устойчивость, не подвергалась воздействию волатильности.
В этой связи можно сделать принципиальный вывод относительно того, что отслеживание поведения Bitcoin позволяет с достаточной степенью точности предсказать возможную динамику иных криптовалют, хотя, безусловно, в краткосрочной перспективе данная взаимосвязь проявляется в более значимой степени.
Подводя итог, отметим, что прогнозирование поведения криптовалют открывает перед финансовой наукой широкие возможности для математического моделирования процессов, происходящих на криптовалютном рынке, что является направлением дальнейшего исследования.
Список литературы
1. Варнавский А.В. Токен или криптовалюта: технологическое содержание и экономическая сущность // Финансы: теория и практика. 2018. Т. 22. № 5. С. 122— 140.
2. Григорян А. А. Формирование курса криптовалют: причина волатильности цифровых денег // Финансы: теория и практика. 2018. Т. 22, № 5. С. 122-141.
3. Крылов ГО., Лисицын А.Ю., Поляков Л.И. Сравнительный анализ волатильности криптовалют и фи-атных денег // Финансы: теория и практика. 2018. № 2. С. 66-80.
4. Ларина О. И., Акимов О.М. Цифровые деньги на
современном этапе: ключевые риски и направления развития // Финансы: теория и практика. 2020. № 4. С. 24-30.
5. Овсяникова П. Биткоин: факторы, влияющие на волатильность криптовалюты // Электронный вестник Ростовского социально-экономического института. 2016. № 2. С. 254 - 261.
6. CoinMarketCap. URL: https://coinmarketcap.com (дата обращения: 10.11.2022).
7. Cryptowatch. URL: https://cryptowat.ch/ru-ru/ correlations (дата обращения: 10.11.2022).
8. Davies G. A short history of cryptocurrencies.
2021. URL: https://daviescoin.io/blog/a-short-history-ofcryptocurrencies (дата обращения: 10.11.2022).
9. Laerd Statistics. Pearson Product-Moment Correlation. URL: https://statistics.laerd.com/-statisticalguides/pearson-correlation-coefficient-statistical-guide.php (дата обращения: 10.11.2022).
10. Lahajnar S., Rozanec A. Investment Management and Financial Innovations, 2020, vol. 17, is. 3, pp. 1-9.
11. Rueckert Ch. Cryptocurrencies and fundamental rights. Journal of Cybersecurity, 2019, vol. 5, is. 1, рр. 1-12.
12. Statista. URL: https://www.statista.com/ statistics/863917/number-crypto-coins-tokens/ (дата обращения: 10.11.2022).
13. Tretina K., Powell F. Forbes Advisor. Cryptocurrency.
2022. URL: https://www.forbes.com/advisor-/investing/ what-iscryptocurrency/ (дата обращения: 10.11.2022).
References
1. Varnavsky A.V. Token or cryptocurrency: technological content and economic essence. Finance: theory and practice. 2018. Vol. 22. No. 5. pp. 122-140.
2. Grigoryan A. A. Formation of the cryptocurrency exchange rate: the reason for the volatility of digital money. Finance: theory and practice. 2018. Vol. 22, No. 5. pp. 122-141.
3. Krylov G.O., Lisitsyn A.Yu., Polyakov L.I. Comparative analysis of the volatility of cryptocurrencies and flat money. Finance: theory and practice. 2018. No. 2. pp. 66-80.
4. Larina O. I., Akimov O.M. Digital money at the present stage: key risks and directions of development. Finance: theory and practice. 2020. No. 4. pp. 24-30.
5. Ovsyanikova P. Bitcoin: factors influencing the volatility of the crypto currency. Electronic Bulletin of the Rostov Socio-Economic Institute. 2016. No. 2. pp. 254 -261.
6. CoinMarketCap. URL: https://coinmarketcap.com (date of application: 10.11.2022).
7. Cryptowatch. URL: https://cryptowat.ch/ru-ru/ correlations (date of issue: 10.11.2022).
8. Davies G. A short history of cryptocurrencies. 2021. URL: https://daviescoin.io/blog/a-short-history-ofcryptocurrencies (date of application: 10.11.2022).
9. Laerd Statistics. Pearson Product-Moment Correlation. URL: https://statistics.laerd.com/-statisticalguides/pearson-correlation-coefficient-statistical-guide.php (date of application: 10.11.2022).
10. Lahajnar S., Rozanec A. Investment Management and Financial Innovations, 2020, vol. 17, is. 3, pp. 1-9.
11. Rueckert Ch. Cryptocurrencies and fundamental rights. Journal of Cyber-security, 2019, vol. 5, is. 1, pp. 1-12.
12. Statista. URL: https://www.statista.com/ statistics/863917/number-crypto-coins-tokens (date of request: 10.11.2022).
13. Tretina K., Powell F. Forbes Advisor. Cryptocurrency. 2022. URL: https://www.forbes.com/advisor-/investing/ what-iscryptocurrency (date of request: 10.11.2022).
