研究揭示:政治关联Meme币引发加密市场异质性波动

政治关联代币对加密货币市场的影响研究

近期,Economics Letters发表了一篇题为"从零到英雄:Meme币在加密货币市场的溢出效应"的文章。该研究分析了某位政治人物发行Meme币的事件,揭示了市场情绪与基本面驱动的异质性波动溢出效应,政治信号放大了投机性动态,凸显出政治因素在塑造加密货币市场及投资者行为中日益重要的作用。

引言

政治动态对金融市场的影响日益显著,加密货币市场已成为政治与金融交汇的重要领域。2024年美国总统大选进一步突显了这种关系,某位共和党候选人前所未有地转向支持数字资产。他宣称将使美国成为"地球上的加密货币之都",并将加密货币置于其经济议程的核心,市场由此预期在其任期内将有更为友好的政策立场。

这些预期于2025年1月18日得以实现,该候选人在某区块链上发行了其官方Meme币。24小时内,该币价格暴涨900%,交易量达180亿美元,市值超越当时最大Meme币40亿美元之多。次日,与其家人相关的另一Meme币的发行进一步推动了市场投机。这些事件不仅具有投机性质,更构成了一次显著的外生性冲击,其影响超出了金融投机范畴,发出了更广泛的监管与政治议程信号。

本研究旨在检验这一事件如何同时作为政治信号与金融事件影响加密货币市场,聚焦于三个关键问题:

  1. 该Meme币的发布如何影响主要加密货币的收益与波动率?

  2. 此事件是否在加密货币市场内引发了金融传染效应?

  3. 这种影响是否具有异质性,表现为不同加密货币根据其技术基础、用途或投机吸引力的不同而产生不同反应?

为回答这些问题,本文采用Baba-Engle-Kraft-Kroner(BEKK)多变量广义自回归条件异方差(MGARCH)模型,该模型特别适用于分析波动率与相关性随时间的动态关系。

研究选取了市值排名前十的加密货币进行实证分析,发现该Meme币发布后,加密资产间存在显著的波动率溢出效应,表明市场中存在金融传染现象。事件引发了市场动态的重大转变,其中某些加密货币由于其基础设施和战略关联而录得最大涨幅。而比特币与以太坊等主流加密货币则表现出较强的韧性,其累计异常收益(CARs)与方差在事件后期趋于稳定。相反,其他Meme币则出现贬值,资金很可能转向了新发行的Meme币。

确实,该Meme币的发行发生在美国高度政治分化的环境中,这一品牌本身就与强烈的政治情绪密切相关,从而提高了投资者的敏感性,加剧了市场反应。对一些投资者而言,政治人物的背书象征着一次独特的投机机会,催生了强烈的"跟风效应";而另一些投资者则因其具有争议的形象而意识到政治与监管风险,采取更为谨慎的立场。这种分化解释了所观察到的高度波动性与差异化市场反应。

本研究是首个分析政治关联型代币对加密货币市场影响的论文。它拓展了对政治叙事如何影响去中心化金融市场的理解。此外,与以往研究多集中于负面冲击不同,本研究聚焦于由政治信号驱动的正向冲击对市场的影响。最终,本研究向学界、从业者与政策制定者提供重要参考,揭示政治关联代币的市场反应异质性,并强调资产特征如何影响金融传染动态。

数据与方法

2.1 数据与样本选择

本研究使用每分钟收盘中间价的专有数据,涵盖了市值排名前20的加密货币中最具代表性的10种。数据来源为某交易所,这是一个被前期研究广泛使用的美国中心化交易平台。

数据集包含共计20,160条观测,时间区间为2025年1月11日至2025年1月25日,涵盖了该Meme币发布(2025年1月18日)前后一周对称的时间段,便于进行事件前后比较分析。

按照既有文献的做法,本研究使用如下公式计算加密货币收益率:

收益率= ln(Pt∕Pt−1)

其中Pt表示时间t的数字资产价格。

事件时间定义为2025年1月18日协调世界时(UTC)凌晨2:44,该时点为首次正式宣布新Meme币发布。计算累计异常收益,用于评估信息级联效应。本文从2025年1月1日至2025年1月10日的收益中计算每种加密货币的平均基准收益,以代表一个相对稳定的样本前期。接着,从样本期内的实际收益中减去这一基准,得出市场基准上的超额收益,并通过累加得出CARs。

2.2 方法

使用BEKK-MGARCH模型来分析该Meme币的推出对加密货币市场的影响。假设对数收益服从均值为零、条件协方差矩阵为Ht的正态分布,模型设定如下:

Ht = CC' + A'εt-1ε't-1A + B'Ht-1B

其中,

εt | Ωt-1 ~ N(0, Ht)

H表示无条件协方差矩阵。参数矩阵满足a,b>0,且a+b<1,以确保模型的平稳性与正定性。随后,进行传染效应检验。考虑到使用高频数据时可能出现的第一类错误问题,本文采用了较为严格的显著性水平α=0.001。

!7384155

结果

3.1 波动率溢出效应

初步分析结果揭示了加密资产之间的相互关系,这些关系是通过BEKK-MGARCH模型估算得到的。在协方差结构中,资产之间的相互关联性在事件发生后的阶段显著增强。这一发现支持了"事件引发了波动率溢出效应"的假设。同样,平稳对数收益的波动幅度在相同期内增加,反映出市场不稳定性上升与调整速度加快的现象。所有图像右侧面板均显示出各加密资产的收益在该事件期间均发生剧烈波动,进一步强调了此次事件的系统性影响。

通过BEKK-MGARCH模型估算的动态条件协方差及相应的t检验统计量表明,该事件在加密货币市场中确实引发了金融传染与波动率溢出效应。大多数事件后期的协方差系数在显著性水平0.001处显著,尤其是像ETH、SOL和LINK这样的资产对之间,其协方差显著上升,显示出更强的联动性与更高的市场整合程度。相比之下,SHIB和DOT虽然也达到了0.01的显著水平,但影响较弱。另有一些资产如LTC和XRP在事件后协方差反而下降,说明溢出效应并非在所有资产之间均匀分布。整体来看,结果突显了此次Meme币发行事件对整个加密货币市场的结构性影响。

!7384156

3.2 信息级联效应

通过累计异常收益(CARs)的分析,进一步揭示了该Meme币发行引发的信息级联效应。结果表明,该事件对市场动态具有显著的结构性影响,表现为资产特定的反应路径与加剧的波动性。

在事件前阶段,大多数加密货币都经历了正向收益,可能受到投机性预期的推动,或者市场对某位候选人可能当选为第47任美国总统所持的乐观态度。这说明,即使在缺乏确凿信息的情况下,投资者已表现出明显的投机性买入行为,这一现象符合加密货币市场中被广泛记录的"错失恐惧症"特征。

在事件发生后的阶段,有三种关键动态表现尤为突出:

  1. SOL表现优异,超过其他所有资产,这很可能与其作为该Meme币承载区块链的直接技术关系有关。

  2. LINK亦表现强劲,可能与其与美国大型科技公司的关联性有关。

  3. 比特币、以太坊、瑞波币、莱特币等成熟加密货币在经历了温和上涨后逐步稳定,反映出其市场韧性与对级联性投机影响的相对绝缘性。

与此同时,DOGE与SHIB等其他Meme币则显得特别脆弱,表现出一种明显的资产替代效应,即投机性资金从旧有Meme币转向了新发行的代币。尽管AVAX与DOT具有坚实的技术基础,它们也未能幸免于此类资本转移趋势,呈现出价值流失的迹象。

该Meme币发行这一外生性冲击打破了事件前的市场共动性格局。事件发生前,各资产间呈现较高的协同波动性;而在事件发生后,不同资产的CARs出现剧烈分化,从Solana的+20%到Dogecoin与Shiba Inu的−20%不等。

这些结果揭示出:资产特定的叙事、技术关联性以及投资者主观认知,可在重大信息冲击发生时显著放大资产间收益的差异性反应。

!7384157

!7384158

!7384159

!7384160

结论

本研究考察了与政治人物相关的加密货币发行对加密市场所产生的影响,重点分析了波动率溢出效应与信息级联效应。

研究结果表明,市场对这一事件的反应存在显著的异质性。例如,由于与该Meme币存在直接技术关联性,SOL从中受益显著。而共享同一底层区块链基础设施的资产,也因搭上这一事件的"顺风车"而获得提振。

与此同时,诸如比特币与以太坊这类主流加密资产,则因其在市场中的核心地位表现出更强的稳定性,在此次事件中起到了类似锚定作用,稳定了整体市场结构。这表明,投资者情绪不再仅仅取决于技术面基本因素,也开始显著受到地缘政治与政策叙事的影响,尤其当这些叙事由具有高度象征性的领导人发出时。

综上,本文揭示出加密货币市场对外部事件的高度敏感性,以及其易于受到投机行为驱动的倾向。随着数字资产日益与政治与经济议题交织,持续监测这种相互作用对理解市场稳定性的影响显得尤为重要。

MEME-2.96%
此页面可能包含第三方内容,仅供参考(非陈述/保证),不应被视为 Gate 认可其观点表述,也不得被视为财务或专业建议。详见声明
  • 赞赏
  • 5
  • 分享
评论
0/400
Token经济学人vip
· 07-20 11:20
实际上,这完美地展示了加密市场中的政治经济反馈循环……经典的情绪放大案例
查看原文回复0
瞎猫碰到死老鼠vip
· 07-20 11:20
就这还研究呢 又割韭菜了
回复0
VitaliksTwinvip
· 07-20 11:18
炒币就是炒政治啊,懂得都懂
回复0
盲盒拆穿人vip
· 07-20 11:04
标准收米盘骗局
回复0
空投疲劳症vip
· 07-20 11:02
又割一波韭菜上车
回复0
交易,随时随地
qrCode
扫码下载 Gate APP
社群列表
简体中文
  • 简体中文
  • English
  • Tiếng Việt
  • 繁體中文
  • Español
  • Русский
  • Français (Afrique)
  • Português (Portugal)
  • Bahasa Indonesia
  • 日本語
  • بالعربية
  • Українська
  • Português (Brasil)